出版日期: 2018-09-25
点击次数:
下载次数:
DOI: 10.11834/jrs.20187217
2018 | Volumn22 | Number 5
上一篇  |  下一篇


  
FY-3C微波成像仪海面温度产品算法及精度检验
expand article info 张淼 , 王素娟 , 覃丹宇 , 邱红 , 唐世浩
1. 中国气象局中国遥感卫星辐射测量和定标重点开放实验室 国家卫星气象中心,北京 100081
2. 中国气象科学研究院—国家卫星气象中心—南京大学大气科学学院卫星研究与应用联合中心,北京 100081

摘要

海洋表面温度(SST)是海洋学和气候学一个十分重要的物理因子,而卫星被动微波遥感能够穿透云层,实现全天候、大范围观测,因此利用中国FY-3C微波成像仪(MWRI)反演SST具有重要意义。FY-3C MWRI SST产品采用统计算法,首先利用MWRI降水和海冰产品剔除含降水和海冰的像元,之后选择时空间隔0.2 h和0.2°离海岸100 km以外的FY-3C MWRI观测亮温与浮标观测值进行匹配,再将全球在空间上分为4个纬度带,时间上分为12个月,并分升轨和降轨,分别建立浮标海温观测结果和MWRI亮温之间的统计关系,实现对SST的估算。将|估算海温-30年月平均海温|≥2.5 K的像元标识为51,发现这些像元基本分布在陆地边缘地区及大风速地区,剔除标识为51的像元后的精度验证结果表明:与全球浮标资料相比,FY-3C MWRI SST轨道产品升轨精度为–0.02±1.22 K,降轨精度为–0.15±1.28 K;与全球分析场日平均海温OISST相比,FY-3C MWRI SST日产品升轨精度为0.00±1.03 K,降轨精度为–0.09±1.08 K。微波辐射计的性能及其定位定标精度、上游卫星产品(降水检测和海冰检测)的精度、陆地的干扰及高风速对微波信号的影响均会造成SST估算误差,如何改进算法中风速大于12 m/s时的估算精度是下一步的工作重点。

关键词

FY-3C, 微波成像仪, 海面温度, 产品, 精度检验

The inversion and quality validation of FY-3C MWRI sea surface temperature
expand article info ZHANG Miao , WANG Sujuan , QIN Danyu , QIU Hong , TANG Shihao
1.Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites, China Meteorological Administration (LRCVES/CMA), National Satellite Meteorological Center. Beijing 100081, China
2.Chinese Academy of Meteorological Sciences -National Satellite Meteorological Centre-School of Atmospheric Sciences, Nanjing University, Joint centre for satellite research and application, Beijing 100081, China

Abstract

Sea Surface Temperature (SST) is an important physical parameter in the field of marine and climate research. Passive microwave remote sensing has the advantage of completing all weather observations that disregard cloud interference, which has received increasing attention. FY-3C satellites, which carry a Microwave Radiometer Imager (MWRI) onboard, were successfully launched on December 23, 2013. Therefore, using the FY-3C MWRI to retrieve the SST is crucial. The FY-3C MWRI SST uses statistical algorithms. First, MWRI precipitation and sea ice products were used to remove the precipitation and sea ice data. Second, the MWRI brightness temperature was matched with the buoy SST using a temporal window of 0.2 h and a spatial window of 0.2°. The matchup with land within 100 km was excluded. Third, the descending and ascending statistical relationship, which was divided into four latitudes and 12 months, between the buoy SST observation and MWRI bright temperature was established. In addition, 4 × 12 × 2 regression coefficients were obtained, and corresponding regression coefficients were used to estimate the SST. The daily SST was obtained using a 0.25° × 0.25° equal latitude and longitude projections. The quality flag is set to 51 when the FY-3C MWRI SST minus a 30-year monthly mean SST is greater than 2.5 K, thereby indicating that these pixels were distributed on the edge of the land and high wind-speed region. The quality validation of the FY-3C MWRI SST after excluding the pixels with a quality flag of 51 shows that the precision of the ascending orbit SST is –0.02±1.22 K and that of the descending orbit SST is –0.15±1.28 K in comparison with the global buoy data. The precision of the ascending daily SST is 0.00±1.03 K and that of the descending daily SST is –0.09±1.08 K in comparison with the global analysis field OISST. The ascending orbit is more accurate than the descending orbit considering the non-uniform heating of the ocean surface during the day (the descending orbit). The Kuroshio Current, Gulf Stream, Western Pacific Warm Pool, and La Nina are included in the monthly SST, thereby suggesting that this SST is applicable to climatology investigation. The results of the quality validation of the FY-3C MWRI SST include the FY-3C quality control system. The SST precision is influenced by the performance, calibration, and positioning accuracy of the MWRI, precipitation and sea ice detection accuracy, land interference, and high wind speed. The improvement of the precision of the SST with a wind speed that is higher than 12 m/s is the emphasis of the next step. The buoy SST and global analysis field OISST cannot be considered a completely true value. Therefore, the triple collocation method will be utilized in the future to improve the comprehensive analysis of the error characteristics of the SST.

Key words

FY-3C, microwave imager, sea surface temperature, inversion, quality validation

1 引 言

海洋表面温度SST(Sea Surface Temperature)是海洋环流、大气环流、海洋天气与气候等海洋学和气象学课题的一个十分重要的物理因子(朱恩泽 等,2016)。早期对SST的观测主要以船舶和浮标为主(买佳阳和蒋雪中,2015),但其不能满足大范围实时监测的需求,而卫星遥感技术具有覆盖度广、分辨率高、长期重复观测等诸多优点(胡晓悦 等,2015),已被广泛应用于SST的全球观测。卫星监测SST主要有红外和被动微波遥感两种方式,红外方法虽然分辨率高,但当有云时无法进行反演,且反演精度受太阳辐射日变化、水汽及气溶胶等条件的影响(王雨 等,2011),而被动微波遥感方法虽然分辨率较低,且受海表粗糙度变化(主要由大风速引起)的影响,但能克服红外方法的上述局限性,实现全天候观测(孙立娥 等,2012)。

自1962年美国发射的“水手2号”卫星首次搭载微波辐射计后,许多国家发射的卫星均载有微波辐射计,但这些早期的微波辐射计精度较差,同时缺少适合反演海表面温度的低频通道,因此它们的观测结果无法满足海温反演的精度需求(Wentz 等,2000),直到1997年11月,热带测雨卫星(TRMM)发射成功,其携带的微波辐射成像仪TMI(TRMM Microwave Imager)带有10.7 GHz通道,使较准确的海温测量成为可能,但是它的观测范围仅为40°S—40°N。2002年5月,美国发射Aqua卫星,搭载先进微波扫描辐射计AMSR-E(Advance Microwave Scanning Radiometer),它拥有比TMI更低的6.9 GHz通道,对海温的观测精度更高。2003年,美国成功发射Coriolis卫星,其搭载的全球第一颗星载全极化微波辐射计Windsat,拥有与AMSR-E相近的6.8 GHz通道,也有较高的海温测量精度。2011年,AMSR-2接替AMSR-E执行对地观测任务。2014年,全球降水测量卫星GPM(Global Precipitation Measurement)发射成功,其搭载的微波成像仪GMI(GPM Microwave Imager)也可以获得较高的海温测量精度。

中国的星载微波辐射计研制工作起步较晚,风云三号(FY-3)系列气象卫星是中国第二代极轨气象卫星,FY-3 01批为试验应用卫星,共两颗,卫星代号分别为FY-3A和FY-3B。FY-3 02批为业务星,共4颗卫星(FY-3C、FY-3D、FY-3E、FY-3F),目前已经发射了FY-3C和FY-3D两颗卫星,形成了中国极轨气象卫星上、下午星组网观测的业务布局。除FY-3E外这些卫星上均搭载了微波成像仪(MWRI),成为中国星载微波辐射计的开端。本文主要介绍FY-3C MWRI业务产品SST估算方法及精度检验结果。该方法对FY-3B、FY-3D及FY-3F卫星也同样适用。

2 资料介绍

FY-3C卫星上的MWRI有5个频率,每个频率都有两个极化模式,具体通道特征见表1。本研究使用的MWRI/L1亮温数据由国家卫星气象中心业务处理生成,通过国家卫星气象中心风云卫星遥感数据服务网(http://satellite.cma.gov.cn/portalsite/default.aspx[2017-06-01])下载。

表 1 MWRI各通道特征
Table 1 Characteristics of MWRI channels

下载CSV 
参数 中心频率/GHz
10.65 18.7 23.8 36.5 89
极化方式 V,H V,H V,H V,H V,H
带宽/MHz 180 200 400 900 4600
地面分辨率/km×km 85×51 50×30 45×27 30×18 15×9

浮标资料从NESDIS/STAR的FTP服务器(ftp://www.star.nesdis.noaa.gov/pub/sod/sst/iquam/[2017-04-01])下载,该数据集是来自NCEP GTS的现场海温,为HDF4格式,由许多国家的数据集加工合并生成,包括船舶、漂流和系泊浮标数据。由于这些数据是由不同平台上的各种传感器测量的,且在传输和处理过程中会产生额外的错误。因此这些数据的质量是非常不均匀的。对于浮标,它们经常在恶劣的环境中运行,有些可能会在很长一段时间内无人看管。对船舶来说,测量可能受到人类活动的影响。因此,NESDIS/STAR对这些数据进行了质量控制,显著提高了数据的质量,有利于数据的进一步使用。

高分辨率融合分析场日平均海温OISST(Opetimum Interpolation SST)资料从NOAA/NCDC的FTP服务器(ftp://eclipse.ncdc.noaa.gov/pub/OI-daily-v2/NetCDF/2014/AVHRR[2017-02-01])下载。日平均OISST是利用包括船舶、浮标观测在内的现场SST和经过与现场SST比对进行了大尺度卫星偏差订正的AVHRR卫星反演SST采用最优插值处理得到的分析场SST产品(Reynolds 等,2007),分辨率为0.25°×0.25°,具有时效性好,全球覆盖的优点。

用于气候阈值确定的1981年—2010年30年月平均海温数据集从NOAA/ESRL(http://www.esrl.noaa.gov/[2017-02])下载。该数据集融合了1981年的ERSST(Smith 等,2008)月平均SST和1982年—2010年的OISST周平均SST,对30年每个月的数据进行平均即得到了30年月平均海温数据集。

3 算 法

3.1 算法原理

根据基尔霍夫定律,海面发射的辐亮度可表达为

$ L(f, \theta, \textit{φ}, T) = e(f, \theta, \textit{φ}){L_ {\rm{BLACK}}}(f, \theta, \textit{φ}, T) $ (1)

式中, $ e(f, \theta, \textit{φ}) $ 代表海面发射率。 $ L(f, \theta, \textit{φ}, T) $ 代表温度为T的海面自发辐射的辐亮度,它是电磁波频率f、海表面温度T、立体角因子θφ的函数。LBLACK $(f, \theta, \textit{φ}, T) $ 代表与海面具有相同温度T的黑体自发辐射的辐亮度。

当微波的频率低于300 GHz时,满足瑞利—金斯定律

$ L(f) \approx (2{f^2}{k_ {\rm{b}}}/{{\rm{c}}^2})T $ (2)

式中,c为真空中光速,kb为波尔兹曼常量,将式(2)代入式(1)得:

$ T(f, \theta, \textit{φ}, {T_ {\rm{SST}}}) = e(f, \theta, \textit{φ}){T_ {\rm{SST}}} $ (3)

式中, $ T(f, \theta, \textit{φ}, {T_ {\rm{SST}}})$ 代表微波辐射计探测到的海面亮温;TSST是海表面一个薄层海水的温度,对于卫星传感器,还要考虑大气效应。因此,为得到真实的海面温度,需进行大气效应和海表比辐射率的校正。在小于12 GHz的范围内,大气的影响非常小(殷晓斌 等,2007),并可利用其它通道组合进行校正(王雨 等,2011),因此大气的影响及校正不是微波传感器估算海表面温度的主要误差源(殷晓斌 等,2007),而比辐射率的校正是被动微波估算水表温度的难点,其与海水表面盐度、粗糙度、温度等相关(Wentz 等,2000)。

3.2 算法模型

目前星载微波福射计常见的海温算法主要有:统计算法(孙立娥 等,2012)(依据地基观测结果和微波亮温之间的统计关系),物理算法(Wentz 等,2000)(基于辐射传输模式,采用迭代计算实现对SST的估算)、半经验统计算法(Wentz 等,2000)(基于辐射传输模式的模拟结果,建立模拟亮温与海温之间的统计关系)以及神经网络算法(Krasnopolsky 等,2000)等。FY-3C MWRI SST的估算采用统计算法,该方法的表达式简单,计算简便,相较于其他表达式复杂,计算量大的算法更加适合业务应用。回归模型采用Wentz和Meissner(2007)的形式

$ {\rm{SST}} = {a_0} + \sum\limits_{i = 1}^8 {{a_i}{t_i}} + {b_i}{t_i}^2 $ (4)
${t_i} = \left\{ \begin{array}{l}\,\,\,\,\,\,\,\quad\quad\quad\quad\quad\quad 10.65\;{\rm{GHz}}\\{T_{{\rm{B}}i}-150}\quad\quad\,\,\,\,\,\,\,\,\,{\rm{18}}{\rm{.7}}\;{\rm{GHz}}\\\quad\quad\quad\quad\quad\quad\,\,\,\,\,\,\,\,{\rm{36}}{\rm{.5}}\;{\rm{GHz}}\\ - \ln (290 - {T_{{\rm{B}}i}})\quad 23.8\;{\rm{GHz}}\end{array} \right.$ (5)

式中,TB是对应频率和极化状态下MWRI测量的亮温,ab是回归系数。由于降水粒子及海冰会对SST估算结果产生较大影响,因此估算之前,首先利用MWRI降水和海冰产品剔除含降水和海冰的像元,之后将FY-3C(MWRI)的观测亮温与浮标观测值进行匹配,且为了避免陆地强发射作用的干扰,仅对离海岸100 km以外的浮标数据进行匹配,选择与其观测时空间隔在0.2 h和0.2°内,且最接近此浮标位置的单一MWRI像素进行匹配,对匹配到的点采用多元线性回归方法进行计算得到算法系数,并进行二次回归:即将回归系数代入匹配数据集,得到各样本估算海温,估算海温偏差大于2倍标准差的样本被剔除,再进行一次回归,得到最终的回归系数。

高纬度海水温度较低,10 GHz微波的探测灵敏度下降(Gentemann 等,2010),因此依据海水温度的范围,将全球在空间上大致分为4个纬度带(50°N—90°N,20°N—50°N,-35°N—20°N,-90°N—-35°N),且为了提高估算精度,时间上分为12个月,针对升轨和降轨分别进行回归系数的获取,共获取4×12×2组回归系数,进行估算时分别使用对应的回归系数。本文利用2014年逐月的MWRI资料与浮标进行匹配,获得算法系数,估算得到海面温度轨道产品,将海面温度轨道产品投影到0.25°×0.25°的等经纬度格点上即得到海面温度日产品。

4 产品质量检验

4.1 FY-3C MWRI SST产品质量标识

FY-3C MWRI SST产品质量标识如下:1,观测值无效像元;2,降水像元;3,海冰像元;4,估算值超限像元,即估算值不在271.15—308.15内的像元;50,|估算海温-30年月平均海温|<2.5 K的像元;51,|估算海温-30年月平均海温|≥2.5 K的像元;6,陆地像元。随机选取2016年3月26日FY-3C MWRI SST日产品,做其质量标识为51的像元与OISST的差值分布如图1所示,图1中同时给出了同一天Windsat的全球风速分布图,从图1中可以看出这些像元基本分布在陆地边缘地区及大风速地区(风速分布图中风速大于12 m/s的区域),说明陆地的强发射作用会干扰微波信号,使估算的海岸地区SST偏高,且高风速造成的海表发射率异常是造成估算误差的最主要原因之一,另外,未检测出来的降水、海冰对微波信号的干扰均会造成估算误差。因此,后面的产品质量检验将剔除质量标识为51的像元,仅对质量标识为50的像元进行误差统计。

图 1 质量标识为51的像元与OISST的差值以及Windsat风速的全球分布(该图片下载于www.remss.com网站[2017-03])
Fig. 1 Global distributions of the difference between MWRI SST whose quality flag is 51 and OISST Windsat wind speed

4.2 FY-3C MWRI SST轨道产品质量检验

FY-3C MWRI SST轨道产品质量检验采用浮标海温作为检验源数据。通过时间匹配(12分钟)和空间匹配(0.2°)进行误差统计。利用2016年12个月的匹配数据集进行了质量检验,1月—12月各月MWRI升轨SST与浮标海温进行对比的散点图如图2所示(降轨图略),从图2中可以看到,点基本沿对角线分布,说明MWRI SST与浮标海温具有很好的一致性。

图 2 FY-3C SST与浮标海温进行对比的散点图
Fig. 2 Scatter plots of FY-3C SST and buoy SST

逐月的误差统计结果如表2所示,总体来看,MWRI SST升轨精度为–0.02±1.22 K,降轨精度为–0.15±1.28 K,升轨精度好于降轨,这是由于白天海洋表面非均匀加热,导致卫星估算海温与浮标海温之间差异白天(降轨)大于夜间(升轨)。从偏差结果来看,MWRI SST低于浮标海温的月份较多,偏差较大的月份为2月,4月和7月,升轨偏差最大出现在2月,降轨偏差最大出现在7月,秋季(9月—11月)的偏差较小。从标准偏差结果来看,冬季和春季MWRI SST的误差较大,其中1月—4月尤为明显,而秋季(9月—11月)误差相对较小。

各纬度带的误差统计结果如表3所示,从表3中可以看出,不同的纬度带之间,FY-3C SST的误差分布存在差异,-35°N—20°N的海域占全局的53%,偏差最小,海温的精度最高,这与红外海温产品正好相反,红外海温产品受云和气溶胶的影响在此范围内的精度最差(王素娟 等,2014)。90°S—35°S的海域占全局的19%,偏差最大,与这部分海域现场海温数量稀少有关(Reynolds 等,2002),且南极是世界上风力最大的地区,虽然我们用质量标识为51的像元剔除了大风速区,但并不能保证完全剔除,因此一些受大风速影响的样本导致90°S—35°S正的平均偏差及较大的标准偏差。

表 2 FY-3C MWRI SST轨道产品逐月误差统计表
Table 2 The monthly statistical results of FY-3C MWRI SST orbit products

下载CSV 
日期 升轨 降轨
平均偏
差/K
标准偏
差/K
样本数/
平均偏
差/K
标准偏
差/K
样本数/
1月 –0.13 1.26 8695 –0.20 1.32 8735
2月 –0.31 1.29 8675 –0.25 1.29 8808
3月 –0.08 1.27 9558 –0.15 1.33 9313
4月 –0.20 1.28 9410 –0.33 1.36 9479
5月 0.13 1.18 8965 –0.25 1.32 8684
6月 0.23 1.19 8174 –0.13 1.28 8193
7月 0.24 1.20 7817 –0.44 1.36 7795
8月 –0.10 1.21 8003 –0.16 1.21 7771
9月 –0.07 1.21 7540 –0.02 1.16 7270
10月 0.03 1.16 7238 0.08 1.20 6954
11月 0.04 1.18 4126 0.10 1.18 4190
12月 0.15 1.18 7064 0.17 1.19 7247
平均值 –0.02 1.22 95265 –0.15 1.28 94441

表 3 FY-3C MWRI SST轨道产品各纬度带误差统计表
Table 3 The statistical results of FY-3C MWRI SST orbit products of different latitudes

下载CSV 
纬度带 升轨 降轨
平均偏
差/K
标准偏
差/K
样本
数/个
平均偏
差/K
标准偏
差/K
样本
数/个
50°N—90°N 0.11 1.22 9993 0.01 1.27 9868
20°N—50°N -0.07 1.25 24467 -0.20 1.35 26585
-35°N—20°N -0.22 0.99 36402 -0.39 1.13 35932
-90°N—-35°N 0.30 1.48 24403 0.21 1.43 22054

微波探测只能反映海表以下1 mm左右的表层海温,而浮标测量的是海表下几米深的平均海温,故两者本身就会存在一定的差异(Ignatov,2010)。另外,太阳辐射作用,风速作用,微波探测和浮标观测范围的差异,均会造成皮表层海温和水体温度的差别,这种差别有时候可达到好几度,特别是在白天晴空微风的条件下(Ricciardulli和Wentz,2004)。因此,利用浮标海温来对卫星估算的表层海温产品进行检验存在局限性(Ricciardulli和Wentz,2004),是一种相对检验。

4.3 FY-3C MWRI SST日产品质量检验

FY-3C MWRI SST日产品质量检验采用OISST作为检验源数据,首先随机选取2016年6月15日,做FY-3C MWRI SST日产品和OISST的全球分布及二者的差值分布如图3所示,从图3中可以看出,两者的SST全球分布具有非常好的一致性,高值区集中在中低纬度,而低值区分布在高纬度,差值基本分布在0值附近。且均可以清楚地看到赤道东部和中部海面温度异常偏冷的现象,即拉尼娜现象。

图 3 SST的全球分布
Fig. 3 Global distribution of SST

在进行定量统计时,由于FY-3C MWRI SST与OISST具有相同的分辨率,均为0.25°×0.25°。因此,选择相同格点上的值,利用FY-3C MWRI SST减去OISST,得到二者的差,在此基础上进行误差统计。对2016年一年的FY-3C MWRI SST日产品进行质量检验,逐日误差曲线如图4所示,MWRI SST日产品逐日误差较稳定,均小于1.25 K,说明估算结果与OISST具有较好的一致性。误差统计结果见表4,与全球分析场日平均海温OISST相比,FY-3C MWRI SST日产品升轨精度为0.00±1.03 K,降轨精度为–0.09±1.08 K,升轨精度要好于降轨。

图 4 FY-3C MWRI SST日产品逐日误差曲线(2016年)
Fig. 4 The daily error of FY-3C MWRI SST daily products(2016)

表 4 FY-3C MWRI SST日产品误差统计表
Table 4 The statistical results of FY-3C MWRI SST daily products

下载CSV 
/K
偏差变化范围 平均偏差 标准偏差变化范围 平均标准偏差
升轨 –0.44—0.34 0.00 0.91—1.17 1.03
降轨 –0.45—0.42 –0.09 0.95—1.24 1.08

4.4 FY-3C MWRI SST月产品在气候中的应用

为了讨论该算法在气候应用中的可能性,图5给出了黑潮、湾流、西太暖池、赤道太平洋等海温异常区域的月产品放大图像,从图5中可以看到FY-3C MWRI SST月产品可以反映出这些异常海温,说明本产品可用于气候研究。

图 5 海温异常区域的月产品放大图像
Fig. 5 The enlarging image of monthly product in the abnormal area of sea temperature

5 结 论

本文介绍了FY-3C MWRI新的业务产品SST估算方法及精度检验结果,该新算法于2017年9月开始业务运行,替代旧的业务算法,相比于旧算法的1组回归系数,新算法建立了4×12×2组回归系数,且增加了产品质量标识50和51,提高了产品估算精度。另外,FY-3C产品质量检验系统(QCS),自2017年1月通过工程验收后,已试运行至今,产品质量检验结果可以通过展示平台查看,业务更新后的MWRI SST产品质量检验结果显示产品精度均在1.2 K以内,与本文的检验结果具有很好地一致性。

微波辐射计的性能及其定位定标精度,以及上游卫星产品(降水检测和海冰检测)的精度均会造成SST估算的误差,陆地的干扰会导致海岸地区估算的SST偏高,高风速造成的海表发射率异常是估算误差的最主要原因之一,因此,如何改进算法中风速大于12 m/s时的估算精度是下一步的工作重点。另外,浮标观测资料和多源融合海温资料本身也有误差,不能完全看作参考真值,因此在今后的工作中,将利用三元偏差分析方法(O’Carroll 等,2008),对海温产品的误差特性进行更全面的分析。

参考文献(References)

  • Gentemann C L, Meissner T and Wentz F J. 2010. Accuracy of satellite sea surface temperatures at 7 and 11 GHz. IEEE Transactions on Geoscience and Remote Sensing, 48 (3): 1009–1018. [DOI: 10.1109/TGRS.2009.2030322]
  • Hu X Y, Zhang C Y and Shang S L. 2015. Validation and inter-comparison of multi-satellite merged sea surface temperature products in the South China Sea and its adjacent waters. Journal of Remote Sensing, 19 (2): 328–338. [DOI: 10.11834/jrs.20153307] ( 胡晓悦, 张彩云, 商少凌. 2015. 南海及周边海域融合海表温度产品的验证与互较. 遥感学报, 19 (2): 328–338. [DOI: 10.11834/jrs.20153307] )
  • Ignatov A. 2010. GOES-R advanced baseline imager (ABI) algorithm theoretical basis document for sea surface temperature[EB/OL]. http://www.goes-r.gov/products/ATBDs/baseline/baseline-SST-v2.0.pdf
  • Krasnopolsky V M, Gemmill W H and Breaker L C. 2000. A neural network multiparameter algorithm for SSM/I ocean retrievals: comparisons and validations. Remote Sensing of Environment, 73 (2): 133–142. [DOI: 10.1016/S0034-4257(00)00088-2]
  • Mai J Y and Jiang X Z. 2015. Analysis of sea surface temperature variations in the Yangtze Estuarine Waters since 2000 using MODIS. Journal of Remote Sensing, 19 (5): 818–826. [DOI: 10.11834/jrs.20154122] ( 买佳阳, 蒋雪中. 2015. 2000年以来长江河口海表温度变化MODIS分析. 遥感学报, 19 (5): 818–826. [DOI: 10.11834/jrs.20154122] )
  • O’Carroll A G, Eyre J R and Saunders R W. 2008. Three-way error analysis between AATSR, AMSR-E, and in situ sea surface temperature observations. Journal of Atmospheric and Oceanic Technology, 25 (7): 1197–1207. [DOI: 10.1175/2007JTECHO542.1]
  • Reynolds R W, Rayner N A, Smith T M, Stokes D C and Wang W Q. 2002. An improved in situ and satellite SST analysis for climate. Journal of Climate, 15 (13): 1609–1625. [DOI: 10.1175/1520-0442(2002)015<1609:AIISAS>2.0.CO;2]
  • Reynolds R W, Smith T M, Liu C Y, Chelton D B, Casey K S and Schlax M G. 2007. Daily high-resolution-blended analyses for SST. Journal of Climate, 20 (22): 5473–5496. [DOI: 10.1175/2007JCLI1824.1]
  • Ricciardulli L and Wentz F J. 2004. Uncertainties in sea surface temperature retrievals from space: comparison of microwave and infrared observations from TRMM. Journal of Geophysical Research: Oceans, 109 (C12): C12013 [DOI: 10.1029/2003JC002247]
  • Smith T M, Reynolds R W, Peterson T C and Lawrimore J. 2008. Improvements to NOAA’s historical merged land-ocean surface temperature analysis (1880-2006). Journal of Climate, 21 (10): 2283–2296. [DOI: 10.1175/2007JCLI2100.1]
  • Sun L E, Wang J, Cui T W, Hao Y L and Zhang J. 2012. Statistical retrieval algorithms of the sea surface temperature (SST) and wind speed (SSW) for FY-3B Microwave Radiometer Imager (MWRI). Journal of Remote Sensing, 16 (6): 1262–1671. [DOI: 10.11834/jrs.20121323] ( 孙立娥, 王进, 崔廷伟, 郝艳玲, 张杰. 2012. FY-3B微波成像仪海表面温度和风速统计反演算法. 遥感学报, 16 (6): 1262–1671. [DOI: 10.11834/jrs.20121323] )
  • Wang S J, Cui P, Ran M N and Lu F. 2014. Algorithm improvement and quality validation of operational FY3A/VIRR SST product. Meteorological Science and Technology, 42 (5): 748–752. [DOI: 10.3969/j.issn.1671-6345.2014.05.004] ( 王素娟, 崔鹏, 冉茂农, 陆风. 2014. FY3A/VIRR海面温度业务产品算法改进与质量检验. 气象科技, 42 (5): 748–752. [DOI: 10.3969/j.issn.1671-6345.2014.05.004] )
  • Wang Y, Fu Y F, Liu Q, Liu G S, Liu X T and Cheng J. 2011. An algorithm for sea surface temperature retrieval based on TMI measurements. Acta Meteorologica Sinica, 69 (1): 149–160. [DOI: 10.11676/qxxb2011.013] ( 王雨, 傅云飞, 刘奇, 刘国胜, 刘显通, 程静. 2011. 一种基于TMI观测结果的海表温度反演算法. 气象学报, 69 (1): 149–160. [DOI: 10.11676/qxxb2011.013] )
  • Wentz F J, Gentemann C, Smith D and Chelton D. 2000. Satellite measurements of sea surface temperature through clouds. Science, 288 (5467): 847–850. [DOI: 10.1126/science.288.5467.847]
  • Wentz F J and Meissner T. 2007. Supplement 1 Algorithm Theoretical Basis Document for AMSR-E Ocean Algorithms. RSS Technical Rpt. 051707. Santa Rosa, CA, USA: NASA
  • Yin X B, Liu Y G, Wang Z Z, Cheng Y C, Gu Y Z and Wen F. 2007. Comparison between infrared and microwave radiometers for retrieving sea surface temperature. Marine Science Bulletin, 26 (5): 1–12. [DOI: 10.3969/j.issn.1000-9620.2009.02.001] ( 殷晓斌, 刘玉光, 王振占, 程永存, 顾艳振, 文凡. 2007. 红外和微波辐射计反演海表面温度的比较. 海洋通报, 26 (5): 1–12. [DOI: 10.3969/j.issn.1000-9620.2009.02.001] )
  • Zhu E Z, Zhang L, Shi H Q, Liao Q X and Long Z Y. 2016. Accuracy of WindSat sea surface temperature: comparison of buoy data from 2004 to 2013. Journal of Remote Sensing, 20 (2): 315–327. [DOI: 10.11834/jrs.20165093] ( 朱恩泽, 张雷, 石汉青, 廖麒翔, 龙智勇. 2016. 2004年—2013年WindSat海表面温度产品与浮标观测对比. 遥感学报, 20 (2): 315–327. [DOI: 10.11834/jrs.20165093] )