基于SMOS卫星数据的海表面盐度模型

海表面盐度是研究海洋对全球气候影响以及大洋环流的重要参量之一,而卫星遥感技术是获取海表面盐度数据的最有效方法.目前,L波段的SMOS和Aquarius/SAC-D遥感卫星正在用于探测海表面盐度,并根据卫星观测数据和物理机制反演出海表面盐度的产品.但在某些近陆地区域,由于淡水流入及陆地射频(RFI)等因素影响,卫星反演盐度的产品精度较低.文中利用“东方红2号”科学考察船的实测数据、SMOS卫星数据,首次针对中国南海海域提出了用贝叶斯网络模型计算海表面盐度,并用验证数据集(实测Argo盐度)对模型进行适应性评估.经过计算,模型误差和验证误差分别为0.47 psu和0.45 psu,而相应的SMOS Level 2产品的精度分别为1.90 psu和1.82 psu.此模型为海表面盐度的计算提供了一个新方法.     

基于现场观测资料的卫星海表盐度网格化产品误差分析与质量评估

自欧洲土壤湿度和盐度卫星SMOS和美国宝瓶座盐度卫星Aquarius相继发射之后,多个数据中心发布了两颗卫星的海表盐度网格化产品,其中包括法国海洋研究院SMOS卫星数据小组发布SMOS Locean L3盐度产品、西班牙巴塞罗那专家中心发布SMOS BEC L4盐度产品和美国宇航局喷气动力实验室发布AquariusV3.0 CAP L3盐度产品。本文利用精确盐度现场观测资料从产品精度和模拟海洋现象能力两个方面对以上3种产品质量进行了评估。研究表明:(1) 在精度方面,与盐度现场资料相比,Aquarius CAP 产品质量最高,产品盐度偏差和均方根误差全年稳定且偏差较小,部分海域达到了设计精度;SMOS两种卫星产品在全球海域偏差较不稳定,个别月份出现异常偏差值;SMOS产品在低纬和开阔海域的数据质量相对较高,但在高纬海域仍存在较大误差,需要进一步提升;(2) 在刻画海洋现象方面,Aquarius产品在热带太平洋较好刻画了淡池东缘盐度锋,SMOS BEC产品的刻画能力次之,SMOS Locean产品在热带太平洋充满了小尺度噪音,描述物理现象方面表现偏差。     

一种利用SMOS卫星观测的海表面盐度反演海水盐度廓线的方法

This paper proposes a new method to retrieve salinity profiles from the sea surface salinity(SSS) observed by the Soil Moisture and Ocean Salinity(SMOS) satellite. The main vertical patterns of the salinity profiles are firstly extracted from the salinity profiles measured by Argo using the empirical orthogonal function. To determine the time coefficients for each vertical pattern, two statistical models are developed. In the linear model, a transfer function is proposed to relate the SSS observed by SMOS(SMOS_SSS) with that measured by Argo, and then a linear relationship between the SMOS_SSS and the time coefficient is established. In the nonlinear model, the neural network is utilized to estimate the time coefficients from SMOS_SSS, months and positions of the salinity profiles. The two models are validated by comparing the salinity profiles retrieved from SMOS with those measured by Argo and the climatological salinities. The root-mean-square error(RMSE) of the linear and nonlinear model are 0.08–0.16 and 0.08–0.14 for the upper 400 m, which are 0.01–0.07 and 0.01–0.09 smaller than the RMSE of climatology. The error sources of the method are also discussed.     

无线射频干扰对SMOS卫星盐度数据产品准确度的影响研究

SMOS卫星数据发布以来,相关学者针对海表盐度数据开展了大量的真实性检验工作,但是在受无线射频干扰（RFI）影响海域开展的相关工作很少。本文以西太平洋海域为研究区域,选择合理的时空匹配窗口,将WOD13实测海表盐度数据与SMOS卫星单轨海表盐度数据进行数据匹配,采用统计学方法开展SMOS卫星数据真实性检验,并分析RFI对SMOS卫星数据的影响。结果表明,SMOS卫星受分布在西太平洋沿岸射频干扰源的影响,RFI污染高风险区单轨L2数据准确度相对较低,最优仅为3.45,RFI污染低风险区的卫星数据准确度最优为1.07,可见,RFI对单轨卫星数据准确度的影响很大,最终导致西太平洋海域西部大面积海域数据缺失,尤其是中国近海海域,如何检测和减缓RFI对卫星数据的影响是亟待解决的问题。     

SMOS卫星遥感海表盐度资料处理应用研究进展

土壤湿度和海洋盐度卫星首次提供了覆盖全球的高频率、高精度、业务化的海表盐度产品,但其处理和延伸应用仍处于初级阶段,后续校准校正工作还将持续数年,如何及时把握其发展轨迹成为一个重要的科学问题.本研究从SMOS计划、数据概况、盐度反演算法、格点产品制作、多源数据融合和产品应用等方面,介绍和评述了SMOS计划及其海表盐度产品应用研究进展,着重分析了反演算法中的各种误差来源,对在轨2 a的运行情况进行了回顾、对未来的发展重点进行了展望,旨在为开发和应用SMOS产品提供参考.     

遥感海表盐度分析产品的有效分辨率研究

针对SMOS和Aquarius海表盐度误差分析没有区分不同空间频谱信噪特征的问题,基于6种主要的遥感盐度分析产品,根据定性图像、纬向波数谱、均方根误差等指标,分析产品的有效分辨率并探讨其原因机制。研究表明:CATDS-0.25°分析产品所描述的盐度场中小尺度结构失真,其较高谱能量密度在热带海域以噪音为主,而在西边界流等海域以信号为主;BEC-L3-0.25°有着较小的均方根误差、清晰的盐度图像、显著的中尺度能量,最适于描绘中尺度(25~100 km)盐度特征;BEC-L4-0.25°被奇异谱分析方法过度平滑了盐度场;Aquarius-V2-1.00°通过局部平滑处理,在描述大尺度(＞100 km)盐度现象方面表现较好;Aquarius-CAP-1.00°通过主动-被动联合算法(CAP)减小了均方根误差,但图像中卫星轨道形态明显;CATDS-1.00°的图像形态、能量分布和误差特征与Aquarius-V2-1.00°相当。这些结论可为用户正确使用产品进行地球物理学研究提供参考。     

基于Aquarius 卫星数据的孟加拉湾海表盐度分析

海洋表面盐度(Sea Surface Salinity,SSS)是海洋的重要物理和化学参量,SSS的时空分布与全球大洋环流和水汽循环密切相关。本文基于美国国家航空航天局(NASA)发射的Aquarius卫星3 a的SSS遥感数据,给出了孟加拉湾及其附近海域海表盐度的空间分布特征,并重点分析了影响孟加拉湾海表盐度变化的可能因素。研究结果从一个侧面说明了利用Aquarius卫星遥感观测海洋大尺度盐度变化的可行性。     

NOAA/AVHRR卫星海表温度在西北太平洋的印证及分析

本文详细分析了TeraScan系统反演NOAA/AVHRR卫星海表温度的过程,解决了反演过程中的海陆匹配问题和云检测过程中的误检、漏检问题,处理得到2002年(5°～45°N)、(105°～150°E)区域内的卫星海表温度数据.利用东北亚地区海洋观测系统NEAR-GOOS提供的现场海表温度数据做比较,印证NOAA/AVHRR海表温度在西北太平洋海域的精度,并分析其误差产生的来源.     

SMAP卫星海表盐度产品精度评定与全球海表盐度特征分析

海表盐度是研究海洋变化及其气候效应重要的物理量。本文将2018年SMAP卫星的月均、日均海表盐度产品分别与Argo月均网格化产品、实时散点盐度数据进行比较,评定其精度,并分析全球海表盐度分布特征。结果表明：SMAP卫星月均产品RMSE为0.17,BIAS为0.11,STD为0.17,R为0.98,t检验呈显著相关;SMAP卫星日均产品RMSE为0.28,BIAS为0.23,STD为0.26,R为0.81,相较月均产品,精度较低。SMAP卫星月均产品偏差在中纬度海域较小,在高纬度海域较大;SMAP卫星日均产品偏差在太平洋海域为-0.6~0.6,在地中海海域超过1.0。全球海表盐度在25.0~40.0之间,沿纬度方向呈带状分布,其中大西洋海表盐度普遍高于太平洋和印度洋。     

海表面盐度的高精度预测模型

为了建立高精度的海洋表面盐度预测模型,采用BP神经网络的方法,针对SMOS卫星level 1C级亮度温度数据和辅助数据建立了一种海表面盐度预测模型,以ARGO浮标观测值作为海表盐度实测值来检验新模型预测结果的准确度,同时利用验证集对模型的精度进行验证.结果表明:通过新模型预测的海表盐度(SSS0)比SMOS卫星的3个粗...     

An analysis on the error structure and mechanism of soil moisture and ocean salinity remotely sensed sea surface salinity products

For the application of soil moisture and ocean salinity（SMOS） remotely sensed sea surface salinity（SSS） products,SMOS SSS global maps and error characteristics have been investigated based on quality control information.The results show that the errors of SMOS SSS products are distributed zonally,i.e.,relatively small in the tropical oceans,but much greater in the southern oceans in the Southern Hemisphere（negative bias） and along the southern,northern and some other oceanic margins（positive or negative bias）.The physical elements responsible for these errors include wind,temperature,and coastal terrain and so on.Errors in the southern oceans are due to the bias in an SSS retrieval algorithm caused by the coexisting high wind speed and low temperature; errors along the oceanic margins are due to the bias in a brightness temperature（TB） reconstruction caused by the high contrast between L-band emissivities from ice or land and from ocean; in addition,some other systematic errors are due to the bias in TB observation caused by a radio frequency interference and a radiometer receivers drift,etc.The findings will contribute to the scientific correction and appropriate application of the SMOS SSS products.     

利用海表盐度等遥感观测产品重构三维盐度场的性能评估

Several remotely sensed sea surface salinity(SSS) retrievals with various resolutions from the soil moisture and ocean salinity(SMOS) and Aquarius/SAC-D missions are applied as inputs for retrieving salinity profiles(S) using multilinear regressions. The performance is evaluated using a total root mean square(RMS) error, different error sources, and the feature resolutions of the retrieved S fields. In the mixed layer of the salinity, the SSS-S regression coefficients are uniformly large. The SSS inputs yield smaller RMS errors in the retrieved S with respect to Argo profiles as their spatial or temporal resolution decreases. The projected SSS errors are dominant, and the retrieved S values are more accurate than those of climatology in the tropics except for the tropical Atlantic, where the regression errors are abnormally large. Below that level, because of the influence of a sea level anomaly, the areas of high-accuracy S values shift to higher latitudes except in the high-latitude southern oceans, where the projected SSS errors are abnormally large. A spectral analysis suggests that the CATDS-0.25° results are much noisier and that the BEC-L4-0.25° results are much smoother than those of the other retrievals. Aquarius-CAP-1° generates the smallest RMS errors, and Aquarius-V2-1° performs well in depicting large-scale phenomena. BEC-L3-0.25°,which has small RMS errors and remarkable mesoscale energy, is the best fit for portraying mesoscale features in the SSS and retrieved S fields. The current priority for retrieving S is to improve the reliability of satellite SSS especially at middle and high latitudes, by developing advanced algorithms, combining both sensors, or weighing between accuracy and resolutions.     

六种遥感海表温度产品的比对分析

海表温度(sea surface temperature, SST)产品是研究全球海洋大气系统的重要数据源, 在海洋相关领域的研究和应用方面具有重要价值。对2007年1和7月的六种不同SST产品(AVHRR-only, AMSR+AVHRR, NCODA, RSS, RTG-HR和OSTIA)在南大洋阿古拉斯回流(Agulhas Return Current, ARC)与绕极环流交汇区域的产品特性进行了比对统计分析, 包括SST分析、SST梯度分析、统计参数分析和波数谱分析。分析结果表明产品之间SST时空变化分布的整体趋势一致, RTG-HR在空间分布上过于平滑, OSTIA解析的大洋锋面最弱, RSS包含噪声较多, NCODA相对其他产品存在较大偏差。发现在AVHRR数据的覆盖率较好的情况下与以红外数据构建的AVHRR-only相比, AMSR数据并不能提供更多的SST信息, 反而会降低产品的空间解析能力。     

西北太平洋海表温度融合产品交叉比对分析

海表温度产品是研究全球海洋大气系统的重要数据源,在海洋相关领域的研究和应用方面具有重要价值。以西北太平洋海域为研究区域,本文对2007-2014年的3个海表温度融合数据（AVHRR OISST,MISST和OSTIA）的产品特性与Argo浮标进行了真实性检验,并对融合产品进行了交叉比对分析。结果表明,3个融合产品在空间尺度上均能反映西北太平洋海域的海表温度变化趋势。融合数据与Argo浮标的平均偏差在±0.1℃之间,均方根误差小于0.9℃。融合数据与浮标数据存在明显的季节性变化,其中冬季融合数据与浮标数据的平均偏差和均方根误差较小。在高纬海域,融合产品和浮标存在正偏差。与另两个融合产品相比,OSTIA的数据质量与Argo浮标最为接近。3个融合产品在近岸和高纬海域差异较大,三者对海冰的标识和处理方式不同对融合结果也有影响。在2012年6月之前MISST和OSTIA的海表温度数据质量更为接近,但在此之后MISST存在系统误差。红外数据、微波数据和实测数据作为输入数据,是制作高时空分辨率高精度海表温度融合产品必不可少的要素。