留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

3套不同的SST再分析数据与中国近海浮标观测的对比研究

王晨琦 李响 张蕴斐 祖子清 张润宇

王晨琦,李响,张蕴斐,等. 3套不同的SST再分析数据与中国近海浮标观测的对比研究[J]. 海洋学报,2020,42(3):118–128,doi:10.3969/j.issn.0253−4193.2020.03.011
引用本文: 王晨琦,李响,张蕴斐,等. 3套不同的SST再分析数据与中国近海浮标观测的对比研究[J]. 海洋学报,2020,42(3):118–128,doi:10.3969/j.issn.0253−4193.2020.03.011
Wang Chenqi,Li Xiang,Zhang Yunfei, et al. A comparative study of three SST reanalysis products and buoys data over the China offshore area[J]. Haiyang Xuebao,2020, 42(3):118–128,doi:10.3969/j.issn.0253−4193.2020.03.011
Citation: Wang Chenqi,Li Xiang,Zhang Yunfei, et al. A comparative study of three SST reanalysis products and buoys data over the China offshore area[J]. Haiyang Xuebao,2020, 42(3):118–128,doi:10.3969/j.issn.0253−4193.2020.03.011

3套不同的SST再分析数据与中国近海浮标观测的对比研究


doi: 10.3969/j.issn.0253-4193.2020.03.011
详细信息
    作者简介: 王晨琦(1991-),男,山西省运城市人,主要从事海气相互作用研究。E-mail:wangcq@nmefc.cn
    通讯作者: 李响(1986-),男,江苏省响水县人,主要从事海气相互作用研究。E-mail:lixiang@nmefc.cn
  • 基金项目:  国家重点研发计划(2017YFA0604203);全球变化与海气相互作用专项(GASI-IPOVAI-06);国家自然科学基金(41806003)。

A comparative study of three SST reanalysis products and buoys data over the China offshore area

More Information
  • 摘要: 基于自然资源部浮标数据,通过分析均值差、均方根误差、相关系数和标准差偏差4个统计量,检验了2018年7月1日至8月6日全时段及该时段内3个台风(1808号台风“玛利亚”、1810号台风“安比”、1812号台风“云雀”)过境期间,3套海表面温度(Sea Surface Temperature,SST)再分析资料(OISST、OSTIA SST、RTG SST)在中国近海区域的可靠性。对比结果表明,在全时段内,3套SST再分析资料都能在一定程度上反映中国近海SST的基本状况,其中OSTIA SST资料同浮标实测SST数据的均值差为0.12℃、相关系数为0.94,均优于OISST资料(均值差为–0.85℃、相关系数为0.90)和RTG SST资料(均值差为–0.17℃、相关系数为0.86)。通过对比单个浮标数据发现,相较约80%的MF浮标实测SST数据,OSTIA SST资料都显著优于RTG SST资料和OISST资料,具有较高的可信度。在台风过境期间,较之RTG SST资料和OISST资料,OSTIA SST资料同大部分浮标实测数据的均值差绝对值及均方根误差更小、相关系数更大,表明在高海况条件下,OSTIA SST资料能更真实地反映中国近海SST的基本状况。
  • 图  1  本文使用的10个中国近海MF浮标位置示意图

    Fig.  1  Locations of 10 MF buoys over the China offshore area

    图  2  2018年7月1日至8月6日平均的OSTIA SST资料(a)、RTG SST资料(b)、OISST资料(c)同MF浮标SST实测数据的散点图及相关系数

    Fig.  2  The scatterplots and correlation coefficients between OSTIA SST dataset (a), RTG SST dataset (b), OISST dataset (c) and the MF buoys SST data from July 1, 2018 to August 6, 2018

    图  3  2018年7月1日至8月6日的OSTIA SST资料、RTG SST资料、OISST资料同MF浮标实测SST数据的相关系数时间序列

    Fig.  3  Time series plot of correlation coefficients between OSTIA SST dataset, RTG SST dataset, OISST dataset and the MF buoys SST data from July 1, 2018 to August 6, 2018

    图  4  2018年7月1日至8月6日的MF浮标SST实测数据、OSTIA SST资料、RTG SST资料及OISST资料的时间序列

    Fig.  4  Time series plots of the MF buoys SST data, OSTIA SST dataset, RTG SST dataset and OISST dataset from July 1, 2018 to August 6, 2018

    图  5  2018年7月1日至8月6日期间,经过MF浮标所处位置附近海域的3个台风个例示意图

    Fig.  5  Three cases of typhoon which passed by the surrounding locations of MF buoys during July 1, 2018 to August 6, 2018

    图  6  1808号台风期间,OSTIA SST资料、RTG SST资料、OISST资料及浮标MF06002(a)和浮标MF06006(b)的SST值柱状图

    Fig.  6  The bar charts of OSTIA SST dataset, RTG SST dataset and OISST dataset with the buoy MF06002 (a), buoy MF06006 (b) during the Typhoon 1808 period

    图  7  1810号台风期间,OSTIA SST资料、RTG SST资料、OISST资料及浮标MF05001(a)、浮标MF05003(b)、浮标MF06001(c)、浮标MF07001(d)的SST值柱状图

    Fig.  7  The bar charts of OSTIA SST dataset, RTG SST dataset and OISST dataset with the buoy MF05001 (a), buoy MF05003 (b), buoy MF06001 (c) and buoy MF07001 (d) during the Typhoon 1810 period

    图  8  1812号台风期间,浮标MF05001(a)、浮标MF05003(b)、浮标MF06001(c)、浮标MF07001(d)及OSTIA SST资料、RTG SST资料、OISST资料的SST值柱状图

    Fig.  8  The bar charts of OSTIA SST datase, RTG SST dataset and OISST dataset with the buoy MF05001 (a), buoy MF05003 (b), MF06001 (c) and buoy MF07001 (d) during the Typhoon 1812 period

    表  1  2018年7月1日至8月6日的OSTIA SST资料、RTG SST资料、OISST资料分别同MF浮标SST实测数据的均值差、均方根误差、相关系数及标准差偏差

    Tab.  1  The mean bias, root mean square error, correlation coefficient and standard deviation bias between OSTIA SST dataset, RTG SST dataset, OISST dataset and the MF buoys SST data from July 1, 2018 to August 6, 2018

    MF04001MF04003MF05001MF05003MF06001
    OSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISST
    均值差/℃−0.210.17−1.30−0.42−0.89−1.770.04−0.28−1.460.330.47−0.94−0.08−0.64−1.26
    均方根误差/℃1.031.111.810.991.472.000.390.561.581.041.391.680.260.791.38
    相关系数0.890.860.800.880.760.850.930.890.830.870.750.690.960.830.75
    标准差偏差/℃0.02−0.46−0.460.09−0.24−0.14−0.06−0.13−0.17−0.56−0.15−0.65−0.15−0.02−0.15
    MF06002MF06006MF06562MF07001MF09162
    OSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISST
    均值差/℃−0.07−0.37−0.670.120.23−0.220.700.51−0.330.20−0.58−0.710.59−0.350.16
    均方根误差/℃0.310.610.830.411.090.650.791.080.660.550.990.940.721.0900.59
    相关系数0.960.950.910.920.780.870.980.950.960.920.720.880.720.760.69
    标准差偏差/℃−0.090.280.10−0.180.190.100.100.660.24−0.31−0.33−0.420.150.890.32
    下载: 导出CSV

    表  2  1808号台风期间,OSTIA SST资料、RTG SST资料、OISST资料分别同浮标MF06002及浮标MF06006的SST实测数据的均值差、均方根误差、相关系数及标准差偏差

    Tab.  2  The mean bias, root mean square error, correlation coefficient and standard deviation bias between OSTIA SST dataset, RTG SST dataset, OISST dataset and the SST measurement data of buoy MF06002 and buoy MF06006 during the Typhoon 1808 period

    MF06002MF06006
    OSTIARTGOISSTOSTIARTGOISST
    均值差/℃0.25−0.94−0.960.22−0.40−0.74
    均方根误差/℃0.341.041.060.290.520.80
    相关系数0.900.760.860.850.640.61
    标准差偏差/℃−0.140.230.350.040.110.02
    下载: 导出CSV

    表  3  1810号台风期间,OSTIA SST资料、RTG SST资料、OISST资料分别同浮标MF05001、浮标MF05003、浮标MF06001及浮标MF07001的SST实测数据的均值差、均方根误差、相关系数及标准差偏差

    Tab.  3  The mean bias, root mean square error, correlation coefficient and standard deviation bias between OSTIA SST dataset, RTG SST dataset, OISST dataset and the SST measurement data of buoy MF05001, MF05003, MF06001 and MF07001 during the Typhoon 1810 period

    MF05001MF05003MF06001MF07001
    OSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISST
    均值差/℃0.120.02−1.430.951.900.450.17−0.22−0.950.29−0.30−0.70
    均方根误差/℃0.530.531.511.642.511.920.260.521.020.640.800.76
    相关系数0.800.880.850.830.60−0.130.990.530.760.950.880.97
    标准差偏差/℃−0.23−0.48−0.27−1.28−1.61−1.66−0.20−0.410.01−0.58−0.75−0.21
    下载: 导出CSV

    表  4  1812号台风期间,OSTIA SST资料、RTG SST资料、OISST资料分别同浮标MF05001、浮标MF05003、浮标MF06001及浮标MF07001的SST实测数据的均值差、均方根误差、相关系数及标准差偏差

    Tab.  4  The mean bias, root mean square error, correlation coefficient and standard deviation bias between OSTIA SST dataset, RTG SST dataset, OISST dataset and the SST measurement data of buoy MF05001, MF05003, MF06001 and MF07001 during the Typhoon 1812 period

    MF05001MF05003MF06001MF07001
    OSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISST
    均值差/℃0.11−0.33−2.120.400.87−1.50−0.21−0.61−1.780.25−0.49−1.12
    均方根误差/℃0.270.452.180.921.061.730.230.631.830.390.631.17
    相关系数0.950.810.580.920.890.510.930.890.850.920.760.87
    标准差偏差/℃−0.22−0.180.15−0.88−0.56−0.23−0.05−0.030.33−0.29−0.340.12
    下载: 导出CSV
  • [1] Bao Xianwen, Wan Xiuquan, Gao Guoping, et al. The characteristics of the seasonal variability of the sea surface temperature field in the Bohai Sea, the Huanghai Sea and the East China Sea from AVHRR data[J]. Haiyang Xuebao, 2002, 24(5): 125−133.
    鲍献文, 万修全, 高郭平, 等. 渤海、黄海、东海AVHRR海表温度场的季节变化特征[J]. 海洋学报, 2002, 24(5): 125−133.

    Bao Xianwen, Wan Xiuquan, Gao Guoping, et al. The characteristics of the seasonal variability of the sea surface temperature field in the Bohai Sea, the Huanghai Sea and the East China Sea from AVHRR data[J]. Haiyang Xuebao, 2002, 24(5): 125−133.
    [2] Curry J A, Bentamy A, Bourassa M A, et al. Seaflux[J]. Bulletin of the American Meteorological Society, 2004, 85(3): 409−424. doi:  10.1175/BAMS-85-3-409

    Curry J A, Bentamy A, Bourassa M A, et al. Seaflux[J]. Bulletin of the American Meteorological Society, 2004, 85(3): 409−424. doi:  10.1175/BAMS-85-3-409
    [3] Fischer M, Latif M, Flügel M, et al. The impact of data assimilation on ENSO simulations and predictions[J]. Monthly Weather Review, 1995, 125(5): 819−830.

    Fischer M, Latif M, Flügel M, et al. The impact of data assimilation on ENSO simulations and predictions[J]. Monthly Weather Review, 1995, 125(5): 819−830.
    [4] Behringer D W, Ji Ming, Leetmaa A. An improved coupled model for ENSO prediction and implications for ocean initialization. Part I: the ocean data assimilation system[J]. Monthly Weather Review, 1998, 126(4): 1013−1021. doi:  10.1175/1520-0493(1998)126<1013:AICMFE>2.0.CO;2

    Behringer D W, Ji Ming, Leetmaa A. An improved coupled model for ENSO prediction and implications for ocean initialization. Part I: the ocean data assimilation system[J]. Monthly Weather Review, 1998, 126(4): 1013−1021. doi:  10.1175/1520-0493(1998)126<1013:AICMFE>2.0.CO;2
    [5] Ji Ming, Behringer D W, Leetmaa A. An improved coupled model for ENSO prediction and implications for ocean initialization. Part Ⅱ: the coupled model[J]. Monthly Weather Review, 1998, 126(4): 1022−1034. doi:  10.1175/1520-0493(1998)126<1022:AICMFE>2.0.CO;2

    Ji Ming, Behringer D W, Leetmaa A. An improved coupled model for ENSO prediction and implications for ocean initialization. Part Ⅱ: the coupled model[J]. Monthly Weather Review, 1998, 126(4): 1022−1034. doi:  10.1175/1520-0493(1998)126<1022:AICMFE>2.0.CO;2
    [6] Sutton R T, Hodson D L R. Influence of the ocean on North Atlantic climate variability 1871−1999[J]. Journal of Climate, 2003, 16(20): 3296−3313. doi:  10.1175/1520-0442(2003)016<3296:IOTOON>2.0.CO;2

    Sutton R T, Hodson D L R. Influence of the ocean on North Atlantic climate variability 1871−1999[J]. Journal of Climate, 2003, 16(20): 3296−3313. doi:  10.1175/1520-0442(2003)016<3296:IOTOON>2.0.CO;2
    [7] Baoleerqimuge, Ren Guoyu. Sea surface temperature observation methods and comparison of commonly used sea surface temperature datasets[J]. Advances in Meteorological Science and Technology, 2013, 3(6): 52−57.
    宝乐尔其木格, 任国玉. 海温观测方法及常用海温资料数据集比较[J]. 气象科技进展, 2013, 3(6): 52−57.

    Baoleerqimuge, Ren Guoyu. Sea surface temperature observation methods and comparison of commonly used sea surface temperature datasets[J]. Advances in Meteorological Science and Technology, 2013, 3(6): 52−57.
    [8] Wang Shihong, Zhao Yiding, Yin Xunqiang, et al. Current status of global ocean reanalysis datasets[J]. Advances in Earth Science, 2018, 33(8): 794−807.
    王世红, 赵一丁, 尹训强, 等. 全球海洋再分析产品的研究现状[J]. 地球科学进展, 2018, 33(8): 794−807. doi:  10.11867/j.issn.1001-8166.2018.08.0794

    Wang Shihong, Zhao Yiding, Yin Xunqiang, et al. Current status of global ocean reanalysis datasets[J]. Advances in Earth Science, 2018, 33(8): 794−807. doi:  10.11867/j.issn.1001-8166.2018.08.0794
    [9] Qiao Fangli, Zhang Shaoqing. The unification and application reviews of modern oceanic/atmospheric data assimilation algorithms[J]. Advances in Marine Science, 2002, 20(4): 79−93.
    乔方利, Zhang Shaoqing. 现代海洋/大气资料同化方法的统一性及其应用进展[J]. 海洋科学进展, 2002, 20(4): 79−93. doi:  10.3969/j.issn.1671-6647.2002.04.013

    Qiao Fangli, Zhang Shaoqing. The unification and application reviews of modern oceanic/atmospheric data assimilation algorithms[J]. Advances in Marine Science, 2002, 20(4): 79−93. doi:  10.3969/j.issn.1671-6647.2002.04.013
    [10] Hurlburt H E, Brassington G B, Drillet Y, et al. High-resolution global and basin-scale ocean analyses and forecasts[J]. Oceanography, 2009, 22(3): 110−127. doi:  10.5670/oceanog.2009.70

    Hurlburt H E, Brassington G B, Drillet Y, et al. High-resolution global and basin-scale ocean analyses and forecasts[J]. Oceanography, 2009, 22(3): 110−127. doi:  10.5670/oceanog.2009.70
    [11] Guinehut S, Dhomps A L, Larnicol G, et al. High resolution 3-D temperature and salinity fields derived from in situ and satellite observations[J]. Ocean Science, 2012, 8(5): 845−857. doi:  10.5194/os-8-845-2012

    Guinehut S, Dhomps A L, Larnicol G, et al. High resolution 3-D temperature and salinity fields derived from in situ and satellite observations[J]. Ocean Science, 2012, 8(5): 845−857. doi:  10.5194/os-8-845-2012
    [12] Jiang Xingwei, Xi Meng, Song Qingtao. A comparison analysis of six sea surface temperature products[J]. Haiyang Xuebao, 2013, 35(4): 88−97.
    蒋兴伟, 奚萌, 宋清涛. 六种遥感海表温度产品的比对分析[J]. 海洋学报, 2013, 35(4): 88−97.

    Jiang Xingwei, Xi Meng, Song Qingtao. A comparison analysis of six sea surface temperature products[J]. Haiyang Xuebao, 2013, 35(4): 88−97.
    [13] Zhao Hongchen, Liu Yongxue, Zhou Xinghua, et al. Quality evaluation of SST daily products based on VOS and buoy measurements[J]. Advances in Marine Science, 2016, 34(4): 462−473.
    赵洪臣, 刘永学, 周兴华, 等. 基于志愿观测船舶和浮标数据的SST日产品质量评价研究[J]. 海洋科学进展, 2016, 34(4): 462−473. doi:  10.3969/j.issn.1671-6647.2016.04.002

    Zhao Hongchen, Liu Yongxue, Zhou Xinghua, et al. Quality evaluation of SST daily products based on VOS and buoy measurements[J]. Advances in Marine Science, 2016, 34(4): 462−473. doi:  10.3969/j.issn.1671-6647.2016.04.002
    [14] Gentemann C L, Wentz F J, Mears C A, et al. In situ validation of tropical rainfall measuring mission microwave sea surface temperatures[J]. Journal of Geophysical Research: Oceans, 2004, 109(C4): C04021.

    Gentemann C L, Wentz F J, Mears C A, et al. In situ validation of tropical rainfall measuring mission microwave sea surface temperatures[J]. Journal of Geophysical Research: Oceans, 2004, 109(C4): C04021.
    [15] Zhou Weifeng, Zhang Yungang. Error characteristics analysis of sea surface temperatures retrieved from MTSAT satellite using ARGO data[J]. Transactions of Oceanology and Limnology, 2008(4): 1−6.
    周为峰, 张运刚. 基于ARGO资料的MTSAT海温产品误差分析[J]. 海洋湖沼通报, 2008(4): 1−6. doi:  10.3969/j.issn.1003-6482.2008.04.001

    Zhou Weifeng, Zhang Yungang. Error characteristics analysis of sea surface temperatures retrieved from MTSAT satellite using ARGO data[J]. Transactions of Oceanology and Limnology, 2008(4): 1−6. doi:  10.3969/j.issn.1003-6482.2008.04.001
    [16] Li Ming, Liu Jiping, Zhang Zhanhai, et al. Evaluation of AMSR-E SST in the Southern Ocean using drifting buoy data[J]. Haiyang Xuebao, 2010, 32(6): 47−55.
    李明, 刘骥平, 张占海, 等. 利用南大洋漂流浮标数据评估AMSR-E SST[J]. 海洋学报, 2010, 32(6): 47−55.

    Li Ming, Liu Jiping, Zhang Zhanhai, et al. Evaluation of AMSR-E SST in the Southern Ocean using drifting buoy data[J]. Haiyang Xuebao, 2010, 32(6): 47−55.
    [17] Reynolds R W, Chelton D B. Comparisons of daily sea surface temperature analyses for 2007-08[J]. Journal of Climate, 2010, 23(13): 3545−3562. doi:  10.1175/2010JCLI3294.1

    Reynolds R W, Chelton D B. Comparisons of daily sea surface temperature analyses for 2007-08[J]. Journal of Climate, 2010, 23(13): 3545−3562. doi:  10.1175/2010JCLI3294.1
    [18] Kachi M, Naoki K, Hori M, et al. AMSR2 validation results[C]//2013 IEEE International Geoscience and Remote Sensing Symposium. VIC, Australia: IEEE, 2014.

    Kachi M, Naoki K, Hori M, et al. AMSR2 validation results[C]//2013 IEEE International Geoscience and Remote Sensing Symposium. VIC, Australia: IEEE, 2014.
    [19] Kachi M, Shibata A, Murakami H, et al. Japanese GHRSST activities and the AMSR2 SST Validations[C]//EGU General Assembly Conference. Vienna, Austria: EGU, 2014.

    Kachi M, Shibata A, Murakami H, et al. Japanese GHRSST activities and the AMSR2 SST Validations[C]//EGU General Assembly Conference. Vienna, Austria: EGU, 2014.
    [20] Zhu Enze, Zhang Lei, Shi Hanqing, et al. Accuracy of WindSat sea surface temperature: Comparison of buoy data from 2004 to 2013[J]. Journal of Remote Sensing, 2016, 20(2): 315−327.
    朱恩泽, 张雷, 石汉青, 等. 2004年—2013年WindSat海表面温度产品与浮标观测对比[J]. 遥感学报, 2016, 20(2): 315−327.

    Zhu Enze, Zhang Lei, Shi Hanqing, et al. Accuracy of WindSat sea surface temperature: Comparison of buoy data from 2004 to 2013[J]. Journal of Remote Sensing, 2016, 20(2): 315−327.
    [21] Lei Xiaotu, Chen Peiyan, Yang Yuhua, et al. Characters and objective assessment of disasters caused by typhoons in China[J]. Acta Meteorologica Sinica, 2009, 67(5): 875−883.
    雷小途, 陈佩燕, 杨玉华, 等. 中国台风灾情特征及其灾害客观评估方法[J]. 气象学报, 2009, 67(5): 875−883.

    Lei Xiaotu, Chen Peiyan, Yang Yuhua, et al. Characters and objective assessment of disasters caused by typhoons in China[J]. Acta Meteorologica Sinica, 2009, 67(5): 875−883.
    [22] Holland G J. The maximum potential intensity of tropical cyclones[J]. Journal of the Atmospheric Sciences, 1997, 54(21): 2519−2541. doi:  10.1175/1520-0469(1997)054<2519:TMPIOT>2.0.CO;2

    Holland G J. The maximum potential intensity of tropical cyclones[J]. Journal of the Atmospheric Sciences, 1997, 54(21): 2519−2541. doi:  10.1175/1520-0469(1997)054<2519:TMPIOT>2.0.CO;2
    [23] Cai Shuqun, Zhang Wenjing, Wang Sheng’an. An advance in marine environment observation technology[J]. Journal of Tropical Oceanography, 2007, 26(3): 76−81.
    蔡树群, 张文静, 王盛安. 海洋环境观测技术研究进展[J]. 热带海洋学报, 2007, 26(3): 76−81. doi:  10.3969/j.issn.1009-5470.2007.03.014

    Cai Shuqun, Zhang Wenjing, Wang Sheng’an. An advance in marine environment observation technology[J]. Journal of Tropical Oceanography, 2007, 26(3): 76−81. doi:  10.3969/j.issn.1009-5470.2007.03.014
    [24] Wang Juncheng. Principle and Project of the Oceanic Data Buoy[M]. Beijing: China Ocean Press, 2013.
    王军成. 海洋资料浮标原理与工程[M]. 北京: 海洋出版社, 2013.

    Wang Juncheng. Principle and Project of the Oceanic Data Buoy[M]. Beijing: China Ocean Press, 2013.
    [25] Wang Bo, Li Min, Liu Shixuan, et al. Current status and trend of ocean data buoy observation technology applications[J]. Chinese Journal of Scientific Instrument, 2014, 35(11): 2401−2414.
    王波, 李民, 刘世萱, 等. 海洋资料浮标观测技术应用现状及发展趋势[J]. 仪器仪表学报, 2014, 35(11): 2401−2414.

    Wang Bo, Li Min, Liu Shixuan, et al. Current status and trend of ocean data buoy observation technology applications[J]. Chinese Journal of Scientific Instrument, 2014, 35(11): 2401−2414.
    [26] Wang Juncheng, Wang Zhongqiu, Wang Yiming, et al. Current situation and trend of marine data buoy and monitoring network technology of China[J]. Acta Oceanologica Sinica, 2016, 35(2): 1−10. doi:  10.1007/s13131-016-0815-z

    Wang Juncheng, Wang Zhongqiu, Wang Yiming, et al. Current situation and trend of marine data buoy and monitoring network technology of China[J]. Acta Oceanologica Sinica, 2016, 35(2): 1−10. doi:  10.1007/s13131-016-0815-z
    [27] Reynolds R W, Rayner N A, Smith T M, et al. An improved in situ and satellite SST analysis for climate[J]. Journal of Climate, 2002, 15(13): 1609−1625. doi:  10.1175/1520-0442(2002)015<1609:AIISAS>2.0.CO;2

    Reynolds R W, Rayner N A, Smith T M, et al. An improved in situ and satellite SST analysis for climate[J]. Journal of Climate, 2002, 15(13): 1609−1625. doi:  10.1175/1520-0442(2002)015<1609:AIISAS>2.0.CO;2
    [28] Reynolds R W, Smith T M, Liu Chunying, et al. Daily high-resolution-blended analyses for sea surface temperature[J]. Journal of Climate, 2007, 20(22): 5473−5496. doi:  10.1175/2007JCLI1824.1

    Reynolds R W, Smith T M, Liu Chunying, et al. Daily high-resolution-blended analyses for sea surface temperature[J]. Journal of Climate, 2007, 20(22): 5473−5496. doi:  10.1175/2007JCLI1824.1
    [29] Kilpatrick K A, Podestá G, Walsh S, et al. A decade of sea surface temperature from MODIS[J]. Remote Sensing of Environment, 2015, 165: 27−41. doi:  10.1016/j.rse.2015.04.023

    Kilpatrick K A, Podestá G, Walsh S, et al. A decade of sea surface temperature from MODIS[J]. Remote Sensing of Environment, 2015, 165: 27−41. doi:  10.1016/j.rse.2015.04.023
    [30] Donlon C J, Martin M, Stark J, et al. The operational sea surface temperature and sea ice analysis (OSTIA) system[J]. Remote Sensing of Environment, 2012, 116: 140−158. doi:  10.1016/j.rse.2010.10.017

    Donlon C J, Martin M, Stark J, et al. The operational sea surface temperature and sea ice analysis (OSTIA) system[J]. Remote Sensing of Environment, 2012, 116: 140−158. doi:  10.1016/j.rse.2010.10.017
    [31] Breivik L A, Eastwood S, Gødoy Ø, et al. Sea ice products for EUMETSAT satellite application facility[J]. Canadian Journal of Remote Sensing, 2001, 27(5): 403−410. doi:  10.1080/07038992.2001.10854883

    Breivik L A, Eastwood S, Gødoy Ø, et al. Sea ice products for EUMETSAT satellite application facility[J]. Canadian Journal of Remote Sensing, 2001, 27(5): 403−410. doi:  10.1080/07038992.2001.10854883
    [32] Andersen S, Breivik L, Eastwood S, et al. Ocean & sea ice SAF-sea ice product manual version3.8[M/OL].[2015−11−09]. http://saf.met.no/docs/ss2_pmseaice_v3p5.pdf.

    Andersen S, Breivik L, Eastwood S, et al. Ocean & sea ice SAF-sea ice product manual version3.8[M/OL].[2015−11−09]. http://saf.met.no/docs/ss2_pmseaice_v3p5.pdf.
    [33] Chelton D B, Wentz F J. Global microwave satellite observations of sea surface temperature for numerical weather prediction and climate research[J]. Bulletin of the American Meteorological Society, 2005, 86(8): 1097−1116. doi:  10.1175/BAMS-86-8-1097

    Chelton D B, Wentz F J. Global microwave satellite observations of sea surface temperature for numerical weather prediction and climate research[J]. Bulletin of the American Meteorological Society, 2005, 86(8): 1097−1116. doi:  10.1175/BAMS-86-8-1097
    [34] Black P G. Ocean temperature changes induced by tropical cyclones[D]. Old Main, University Park, PA, USA: The Pennsylvania State University, 1983.

    Black P G. Ocean temperature changes induced by tropical cyclones[D]. Old Main, University Park, PA, USA: The Pennsylvania State University, 1983.
    [35] Wada A. Numerical simulations of sea surface cooling by a mixed layer model during the passage of typhoon Rex[J]. Journal of Oceanography, 2005, 61(1): 41−57. doi:  10.1007/s10872-005-0018-2

    Wada A. Numerical simulations of sea surface cooling by a mixed layer model during the passage of typhoon Rex[J]. Journal of Oceanography, 2005, 61(1): 41−57. doi:  10.1007/s10872-005-0018-2
    [36] Luo Man. Analysis of influencing factors on the parameters of the satellite radar altimeter in high sea condition[D]. Wuhan: Huazhong University of Science and Technology, 2016.
    罗曼. 高海况下卫星雷达高度计参数反演的影响因素分析研究[D]. 武汉: 华中科技大学, 2016.

    Luo Man. Analysis of influencing factors on the parameters of the satellite radar altimeter in high sea condition[D]. Wuhan: Huazhong University of Science and Technology, 2016.
    [37] Yang Le. Study on satellite radar altimeter retrieval algorithms over coastal seas and under high sea state events[D]. Nanjing: Nanjing University of Science and Technology, 2009.
    杨乐. 卫星雷达高度计在中国近海及高海况下遥感反演算法研究[D]. 南京: 南京理工大学, 2009.

    Yang Le. Study on satellite radar altimeter retrieval algorithms over coastal seas and under high sea state events[D]. Nanjing: Nanjing University of Science and Technology, 2009.
  • [1] 王国松, 王喜冬, 侯敏, 齐义泉, 宋军, 刘克修, 吴新荣, 白志鹏.  基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究 . 海洋学报, 2020, 42(1): 67-77. doi: 10.3969/j.issn.0253-4193.2020.01.008
    [2] 杨桂朋, 张洪海.  海洋中生源活性气体的来源与迁移转化 . 海洋学报, 2018, 40(10): 14-21. doi: 10.3969/j.issn.0253-4193.2018.10.002
    [3] 郭爱, 张扬, 余为, 陈新军, 钱卫国, 李曰嵩.  两类强度厄尔尼诺和拉尼娜事件对中国近海鲐鱼栖息地的影响 . 海洋学报, 2018, 40(12): 58-67. doi: 10.3969/ji.ssn.0253-4193.2018.12.007
    [4] 郭爱, 余为, 陈新军, 钱卫国, 李曰嵩.  中国近海鲐鱼资源时空分布与海洋净初级生产力的关系研究 . 海洋学报, 2018, 40(8): 42-52. doi: 10.3969/j.issn.0253-4193.2018.08.005
    [5] 王慧, 刘克修, 王爱梅, 徐矅, 范文静, 冯建龙, 李文善, 张增建, 李欢.  ENSO对中国近海海平面影响的区域特征研究 . 海洋学报, 2018, 40(3): 25-35. doi: 10.3969/j.issn.0253-4193.2018.03.003
    [6] 赵昌, 乔方利, 王关锁, 舒启, 夏长水.  历次核试验进入海洋的137Cs对中国近海影响的模拟研究 . 海洋学报, 2015, 37(3): 15-24. doi: 10.3969/j.issn.0253-4193.2015.03.002
    [7] 秦听, 魏立新.  中国近海温带气旋的时空变化特征 . 海洋学报, 2015, 37(1): 43-52. doi: 10.3969/j.issn.0253-4193.2015.01.005
    [8] 张胜军, 李建成, 王立伟, 孔祥雪.  GM测高数据反演中国近海及邻域精细重力场 . 海洋学报, 2014, 36(11): 85-89. doi: 10.3969/j.issn.0253-4193.2014.11.010
    [9] 徐经纬, 张秀芝, 罗勇, 徐敏.  QuikSCAT卫星遥感风场可靠性分析及其揭示的中国近海风速分布 . 海洋学报, 2013, 35(5): 76-86. doi: 10.3969/j.issn.0253-4193.2013.05.008
    [10] 张胜军, 万剑华, 杨俊钢.  基于多颗在轨高度计数据的中国近海平均海平面模型建立 . 海洋学报, 2012, 34(6): 66-73.
    [11] 李明, 刘骥平, 张占海, 张林.  利用南大洋漂流浮标数据评估AMSR-E SST . 海洋学报, 2010, 32(6): 47-55.
    [12] 胡筱敏, 熊学军, 乔方利, 郭炳火, 林霄沛.  利用漂流浮标资料对黑潮及其邻近海域表层流场及其季节分布特征的分析研究 . 海洋学报, 2008, 30(6): 1-16.
    [13] 陈锦年, 伍玉梅, 何宜军.  中国近海海气界面热通量的反演 . 海洋学报, 2006, 28(4): 26-35.
    [14] 杜云艳, 苏奋振, 杨晓梅, 王敬贵, 陈秀法.  中国海岸带及近海科学数据平台研究与开发 . 海洋学报, 2004, 26(6): 29-36.
    [15] 杜云艳, 杨晓梅, 王敬贵.  中国海岸带及近海多源数据空间组合和运行的基础研究 . 海洋学报, 2003, 25(5): 38-48,57.
    [16] 马继瑞, 韩桂军, 李冬.  变分伴随数据同化在海表面温度预报中的应用研究 . 海洋学报, 2002, 24(5): 1-7.
    [17] 刘毅, 周明煜.  中国近海大气气溶胶的时间和地理分布特征 . 海洋学报, 1999, 21(1): 32-40.
    [18] 周明煜, 钱粉兰.  中国近海及其邻近海域海气热通量的模式计算 . 海洋学报, 1998, 20(6): 21-30.
    [19] 陈上及, 姚湜予.  中国近海海洋水文气候区划──Ⅱ.聚类分析和模糊聚类软划分 . 海洋学报, 1995, 17(3): 1-8.
    [20] 陈上及.  中国近海季风和热带气旋1)活动的气候特征及其对南海水文季节结构的影响 . 海洋学报, 1994, 16(1): 1-11.
  • 加载中
图(8) / 表(4)
计量
  • 文章访问数:  154
  • HTML全文浏览量:  29
  • PDF下载量:  87
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-01-31
  • 修回日期:  2019-07-24
  • 刊出日期:  2020-03-01

3套不同的SST再分析数据与中国近海浮标观测的对比研究

doi: 10.3969/j.issn.0253-4193.2020.03.011
    作者简介:

    王晨琦(1991-),男,山西省运城市人,主要从事海气相互作用研究。E-mail:wangcq@nmefc.cn

    通讯作者: 李响(1986-),男,江苏省响水县人,主要从事海气相互作用研究。E-mail:lixiang@nmefc.cn
基金项目:  国家重点研发计划(2017YFA0604203);全球变化与海气相互作用专项(GASI-IPOVAI-06);国家自然科学基金(41806003)。

摘要: 基于自然资源部浮标数据,通过分析均值差、均方根误差、相关系数和标准差偏差4个统计量,检验了2018年7月1日至8月6日全时段及该时段内3个台风(1808号台风“玛利亚”、1810号台风“安比”、1812号台风“云雀”)过境期间,3套海表面温度(Sea Surface Temperature,SST)再分析资料(OISST、OSTIA SST、RTG SST)在中国近海区域的可靠性。对比结果表明,在全时段内,3套SST再分析资料都能在一定程度上反映中国近海SST的基本状况,其中OSTIA SST资料同浮标实测SST数据的均值差为0.12℃、相关系数为0.94,均优于OISST资料(均值差为–0.85℃、相关系数为0.90)和RTG SST资料(均值差为–0.17℃、相关系数为0.86)。通过对比单个浮标数据发现,相较约80%的MF浮标实测SST数据,OSTIA SST资料都显著优于RTG SST资料和OISST资料,具有较高的可信度。在台风过境期间,较之RTG SST资料和OISST资料,OSTIA SST资料同大部分浮标实测数据的均值差绝对值及均方根误差更小、相关系数更大,表明在高海况条件下,OSTIA SST资料能更真实地反映中国近海SST的基本状况。

English Abstract

    • 海表面温度(Sea Surface Temperature,SST)是海洋热力、动力过程及海洋与大气相互作用的综合结果,其影响着海气之间的热量、动量和水汽的交换过程[1-2]。SST是构建天气和气候预测模型的外强迫项,在大气模式及海气耦合模式中作为边界条件或同化资料,对天气和气候变化研究都有着重要意义[3-8]

      基于计算机技术、卫星观测和遥感技术的发展,再分析SST资料逐步成为全球海表面温度观测资料的替代品。再分析SST资料具有时空分辨率高、时间跨度长、资料获取容易等优点,在海洋资料分析、海洋数值模拟、气候变化和预测研究等方面具有重要的应用价值[8-12]。然而,由于受数据同化方法与海洋模式的发展水平,以及庞大的计算资源需求等方面的限制,再分析SST资料的质量参差不齐[12-13]

      国内外对SST再分析资料准确性的验证方面已开展了一些研究,Gentemann等[14]基于1998—2001年的TAO/TRITON(Triangle Trans-Ocean Buoy Network)浮标数据对TMI(TRMM(Tropical Rainfall Measuring Mission)Microwave Imager)SST数据进行验证,发现TMI SST的平均偏差约为0.07℃,标准偏差约为0.57℃。周为峰和张运刚[15]利用Argo浮标的SST测量值计算了MTSAT(Multi-function Transport Satellite)卫星的海温反演误差,结果显示,平均绝对误差为0.73℃,均方根误差约为0.89℃。李明等[16]利用AOML(Atlantic Oceanographical and Meteorological Laboratory)SVP(Surface Velocity Program)漂流浮标的SST资料评估了星载微波辐射计AMSR-E(Advanced Microwave Scanning Radiometer–Earth Observing System)在30°S以南的南大洋海域SST数据发现,AMSR-E SST较浮标观测值整体偏低约0.01℃,标准差为0.70℃。其中,夏季的偏差约为0.004℃,标准差约为0.64℃,冬季的偏差约为–0.06℃,标准差约为0.75℃。Reynolds和Chelton[17]则使用浮标数据验证了6种SST资料(AVHRR-only、AMSR+AVHRR、NCODA、RSS、RTG-HR、OSTIA),发现不同资料月平均温度偏差大多介于–1.5~2.0℃,均方根误差介于0.2~1.1℃。Kachi等[18-19]基于GTS(Global Telecommunications System)浮标的SST数据对AMSR-2 SST数据进行验证,发现均方根误差为0.56℃。朱恩泽等[20]利用美国国家浮标数据中心NDBC和热带大气海洋计划TAO浮标的SST数据验证了Wind Sat 2004—2013年近10年的SST产品。结果显示,Wind Sat反演得到的美国沿岸海域SST的平均偏差为0.10℃,标准偏差为0.59℃;而在近赤道太平洋海域,SST的平均偏差为–0.15℃,标准偏差为0.33℃。

      中国近海位于北太平洋西部,包括渤海、黄海、东海和南海,是受台风影响较为严重的边缘海之一。据统计,平均每年约有7.2个台风对中国造成明显灾情[21],由于台风的产生与发展受下垫面SST的影响较大[22],再分析资料中国近海SST的准确性对台风路径及强度的预测预报等研究具有重要意义。赵洪臣等[13]选用浮标、志愿观测船舶数据作为验证数据,以中国近海及其邻近海域为研究区,对MODIS Aqua、MODIS Terra、AVHRR-OI、OSTIA和RTG共5种SST产品进行了基于海表温度偏差统计的质量评价。但该研究没有探讨具体某个时间段抑或台风过境期间,何种SST再分析资料在整体上更接近观测数据。鉴于中国近海SST在台风预报中的重要作用,本文基于自然资源部浮标数据,检验了2018年7月1日至8月6日全时段及台风过境期间3套SST再分析资料的表现情况。

    • 海洋资料浮标是一种用于获取海洋水文、水质、动力、气象、生态等参数的漂浮式自动化监测平台,是一个涉及电子、通信、控制等多个领域的复杂系统,具有长期、连续、实时、自动等优点,是海洋观测技术中最可靠、最有效、最重要的手段之一,对海洋预报、防灾减灾、海洋经济、国土安全等方面都具有重大意义[23-26]。本文使用的锚系浮标(MF)浮标数据由自然资源部北海分局、东海分局和南海分局接收各管辖区域浮标数据,再通过VSAT(Very Small Aperture Terminal)卫星通信系统或专线传输至国家海洋环境预报中心,并由中心网络部实时推送。传输频次为每小时或每3小时传输一次,有天气状况时加密观测。本文为了研究需要,将数据处理为日平均。该套海洋浮标观测数据要素包括浪、流、盐度、海表温度等,数据起始时间为2003年。图1给出了本文使用的10个中国近海MF浮标的具体位置。

      图  1  本文使用的10个中国近海MF浮标位置示意图

      Figure 1.  Locations of 10 MF buoys over the China offshore area

    • 本文选用OISST、OSTIA SST和RTG SST再分析资料进行比较。一方面是由于这3套SST再分析资料是国内外从事海洋预报的业务中心较常使用的数据,对比这3套数据,对海洋业务预报具有一定的指导意义;另一方面,这3套数据的空间分辨率相对较高,减小了对比研究中网格点和浮标位置之间的距离误差,避免引入由于空间插值带来的误差。

      OISST(Optimum Interpolation Sea Surface Temperature)是美国NOAA利用卫星、浮标、船测等数据,在COADS(Comprehensive Ocean-Atmosphere Data Set)资料基础上改进而成[27-28]。其对卫星观测数据进行了严格的质量控制,并使用最优插值算法(Optimum Interpolation,OI)将浮标、船舶数据插值到遥感反演海温空白区[29],使得资料的空间覆盖范围、时空分辨率提高。OISST资料的起始时间为1981年,水平分辨率为0.25°×0.25°。

      OSTIA SST是英国气象局的日分析资料,其利用变分同化算法融合了多个平台的微波、红外遥感数据及GTS(Global Telecommunications System)实测数据[30],并进行了基于EUMETSAT OSI-SAF(Ocean and Sea Ice Satellite Applications Facility)海冰密集度产品、AATSR(Advanced Along Track Scanning Radiometer)数据和浮标数据的纠正[31-32],是一种消除了日变化影响的SST资料。OSTIA SST资料的起始时间为2006年,水平分辨率为0.05°×0.05°。

      RTG SST是美国国家环境预报中心NCEP通过对船舶浮标数据及AVHRR(Advanced Very High Resolution Radiometer)卫星数据插值得到的海温日分析资料[33]。该资料的卫星源数据经过了基于实测数据的误差校正[28],每个格网是基于二维变分插值算法融合浮标与船舶(格网日平均)、海冰和遥感SST的结果[13]。RTG SST资料的起始时间为2001年,水平分辨率约为0.08°×0.08°。

    • 本文使用均值偏差(BIAS)、均方根误差(RMSE)、相关系数(COR)和标准差偏差(SDB)4个基本的统计量对研究区域的SST再分析资料进行评价,上述4个统计量的计算公式分别为

      $${{\rm {BIAS}}_i} = {\mu _i} - {\mu _{obs}},$$ (1)
      $${{\rm {RMSE}}_{{i}}} = \sqrt {\frac{1}{N}\sum\limits_{t = 1}^N {{{(ob{s_t}{\rm{ - }}{{{i}}_{{t}}})}^2}} }, $$ (2)
      $${{\rm {COR}}_{{i}}} = \frac{{\displaystyle\sum\limits_{t = 1}^N {(ob{s_t} - {\mu _{obs}})({i_t} - {\mu _i})} }}{{\sqrt {\displaystyle\sum\limits_{t = 1}^N {{{(ob{s_t} - {\mu _{obs}})}^2}} } \sqrt {\displaystyle\sum\limits_{t = 1}^N {{{({i_t} - {\mu _t})}^2}} } }},$$ (3)
      $${{\rm {SDB}}_{\rm{i}}} = \sum\limits_{t = 1}^N {{{({i_t} - {\mu _t})}^2} - \sum\limits_{t = 1}^N {{{(ob{s_t} - {\mu _{obs}})}^2}} } ,$$ (4)

      式中,i分别代表3套SST再分析资料;$obs$代表浮标实测SST数据;$\mu $为平均值。

    • 图2给出2018年7月1日至2018年8月6日共37天平均的MF浮标SST实测数据分别同MF浮标对应海域的OSTIA SST资料(图2a)、RTG SST资料(图2b)、OISST资料(图2c)的散点图及相关系数。由图可见,3种SST再分析资料都能在一定程度上反映中国近海SST的基本状况。其中,OSTIA SST资料对MF浮标的实测SST数据的反映能力较强,二者的相关系数达到0.94,且SST偏差较小,约为0.12℃。RTG SST资料的可信度弱于OSTIA SST资料,其与MF浮标的实测SST数据的相关系数仅为0.86,SST偏差约为–0.17℃。OISST资料同MF浮标实测SST数据的相关系数高于RTG SST资料,为0.90,但存在明显的冷偏差,约为–0.85℃。整体而言,OSTIA SST资料对MF浮标的实测SST数据的反映能力均强于RTG SST资料和OISST资料,具有较高的可信度。

      图  2  2018年7月1日至8月6日平均的OSTIA SST资料(a)、RTG SST资料(b)、OISST资料(c)同MF浮标SST实测数据的散点图及相关系数

      Figure 2.  The scatterplots and correlation coefficients between OSTIA SST dataset (a), RTG SST dataset (b), OISST dataset (c) and the MF buoys SST data from July 1, 2018 to August 6, 2018

      图3给出2018年7月1日至8月6日逐日的MF浮标实测SST数据分别同OSTIA SST资料、RTG SST资料和OISST资料的相关系数。在大部分时间内,OSTIA SST资料同MF浮标的实测SST数据的相关系数均大于RTG SST资料和OISST资料。7月上旬,3套再分析资料对MF浮标的实测SST数据反映能力较强,相关系数均在0.75以上,通过了99%的显著性检验。7月中旬,3套再分析资料同MF浮标SST实测数据的相关系数都有所减小,但OSTIA SST资料同MF浮标SST实测数据的相关系数仍保持在较高的水准。7月下旬,3套再分析资料同MF浮标SST实测数据的相关系数都明显减小,尤其在7月27–29日,RTG SST资料和OISST资料同MF浮标SST实测数据的相关系数均未通过90%的显著性检验。值得注意的是,在7月下旬,OSTIA SST资料对MF浮标的实测SST数据反映能力明显强于其余两套再分析资料。8月上旬,OSTIA SST资料对MF浮标的实测SST数据反映能力略强于其余两套再分析资料。

      图  3  2018年7月1日至8月6日的OSTIA SST资料、RTG SST资料、OISST资料同MF浮标实测SST数据的相关系数时间序列

      Figure 3.  Time series plot of correlation coefficients between OSTIA SST dataset, RTG SST dataset, OISST dataset and the MF buoys SST data from July 1, 2018 to August 6, 2018

      为了进一步探究3套SST再分析资料对中国近海SST的反映能力,图4给出了2018年7月1日至8月6日逐日的MF浮标实测SST数据及3套SST再分析资料的时间序列。对应统计特征表(表1)可见,3套SST再分析资料同MF浮标实测SST数据都基本吻合,对中国近海的SST都具有一定的反映能力。其中,除浮标MF06562和浮标MF09162外,OSTIA SST资料同其他MF浮标实测数据的SST偏差及均方根误差都相对较小;除浮标MF09162外,OSTIA SST资料同其他MF浮标实测SST数据的相关系数均大于OISST资料和RTG SST资料;除浮标MF05003、浮标MF06001和浮标MF06006外,OSTIA SST资料同其他MF浮标实测SST数据的标准差偏差均小于OISST资料和RTG SST资料。以上分析表明,整体而言,相较约80%的MF浮标实测SST数据(除浮标MF06562和浮标MF09162外),OSTIA SST资料都显著优于RTG SST资料和OISST资料,具有较高的可信度。

      表 1  2018年7月1日至8月6日的OSTIA SST资料、RTG SST资料、OISST资料分别同MF浮标SST实测数据的均值差、均方根误差、相关系数及标准差偏差

      Table 1.  The mean bias, root mean square error, correlation coefficient and standard deviation bias between OSTIA SST dataset, RTG SST dataset, OISST dataset and the MF buoys SST data from July 1, 2018 to August 6, 2018

      MF04001MF04003MF05001MF05003MF06001
      OSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISST
      均值差/℃−0.210.17−1.30−0.42−0.89−1.770.04−0.28−1.460.330.47−0.94−0.08−0.64−1.26
      均方根误差/℃1.031.111.810.991.472.000.390.561.581.041.391.680.260.791.38
      相关系数0.890.860.800.880.760.850.930.890.830.870.750.690.960.830.75
      标准差偏差/℃0.02−0.46−0.460.09−0.24−0.14−0.06−0.13−0.17−0.56−0.15−0.65−0.15−0.02−0.15
      MF06002MF06006MF06562MF07001MF09162
      OSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISST
      均值差/℃−0.07−0.37−0.670.120.23−0.220.700.51−0.330.20−0.58−0.710.59−0.350.16
      均方根误差/℃0.310.610.830.411.090.650.791.080.660.550.990.940.721.0900.59
      相关系数0.960.950.910.920.780.870.980.950.960.920.720.880.720.760.69
      标准差偏差/℃−0.090.280.10−0.180.190.100.100.660.24−0.31−0.33−0.420.150.890.32

      图  4  2018年7月1日至8月6日的MF浮标SST实测数据、OSTIA SST资料、RTG SST资料及OISST资料的时间序列

      Figure 4.  Time series plots of the MF buoys SST data, OSTIA SST dataset, RTG SST dataset and OISST dataset from July 1, 2018 to August 6, 2018

    • 2018年7月1日至8月6日期间,过境中国近海海域的台风个例为1808号台风“玛利亚”、1810号台风“安比”、1812号台风“云雀”。图5分别给出上述3个台风个例的最优路径,2018年7月11日00时,台风“玛利亚”的中心位于25.5°N,123.4°E的洋面上,中心最低气压945 hPa,11日09时,台风“玛利亚”登陆福建省连江县黄岐半岛沿海(图5a)。2018年7月21日14时,台风“安比”的中心位于27.3°N,127.1°E的洋面上,中心最低气压985 hPa,22日12时,台风“安比”的中心在上海市崇明岛沿海登陆(图5b)。2018年8月1日16时,台风“云雀”的中心位于29.7°N,126.9°E的洋面上,中心最低气压990 hPa,3日09时,台风“云雀”在沪浙的金山和平湖交界处登陆(图5c)。

      图  5  2018年7月1日至8月6日期间,经过MF浮标所处位置附近海域的3个台风个例示意图

      Figure 5.  Three cases of typhoon which passed by the surrounding locations of MF buoys during July 1, 2018 to August 6, 2018

      图5可见,浮标MF06002和浮标MF06006位于1808号台风“玛利亚”路径附近的海域,而浮标MF05001、MF05003、MF06001和MF07001均位于1810号台风“安比”及1812号台风“云雀”路径附近的海域。为了探究3套SST再分析资料对台风过境期间SST的反映能力,图6给出1808号台风过境期间(2018年7月9−15日)3套SST再分析资料和MF浮标数据的SST柱状图。由图可见,除浮标MF06006的SST值于7月12日有明显升高外,在台风过境期间,SST呈现先减小后增大的整体趋势,且降温速度较增温速度更快。7月11日,浮标MF06002和浮标MF06006的实测SST值都降至最低温度,分别为26.27℃和26.70℃。由图5a可见,浮标MF06006位于台风移动路径上,浮标MF06002位于台风移动路径的右侧。由于台风路径右侧主导风应力的强迫作用,强风夹卷使得台风路径右侧的垂直混合更强,造成台风路径右侧大概率出现最大的SST降低[34-35]

      图  6  1808号台风期间,OSTIA SST资料、RTG SST资料、OISST资料及浮标MF06002(a)和浮标MF06006(b)的SST值柱状图

      Figure 6.  The bar charts of OSTIA SST dataset, RTG SST dataset and OISST dataset with the buoy MF06002 (a), buoy MF06006 (b) during the Typhoon 1808 period

      根据统计分析(表2),OSTIA SST资料同浮标MF06002及浮标MF06006的均值差分别为0.25℃和0.22℃,而RTG SST资料和OISST资料则存在明显的冷偏差。另一方面,OSTIA SST资料同浮标MF06002及浮标MF06006的相关系数分别为0.90、0.85,均方根误差分别为0.34℃、0.29℃,都明显优于其余两套SST再分析资料。在海温的恢复阶段,OSTIA SST资料较好地反映了SST的回温过程,而RTG SST资料和OISST资料迟迟未能使SST恢复到正常状态。

      表 2  1808号台风期间,OSTIA SST资料、RTG SST资料、OISST资料分别同浮标MF06002及浮标MF06006的SST实测数据的均值差、均方根误差、相关系数及标准差偏差

      Table 2.  The mean bias, root mean square error, correlation coefficient and standard deviation bias between OSTIA SST dataset, RTG SST dataset, OISST dataset and the SST measurement data of buoy MF06002 and buoy MF06006 during the Typhoon 1808 period

      MF06002MF06006
      OSTIARTGOISSTOSTIARTGOISST
      均值差/℃0.25−0.94−0.960.22−0.40−0.74
      均方根误差/℃0.341.041.060.290.520.80
      相关系数0.900.760.860.850.640.61
      标准差偏差/℃−0.140.230.350.040.110.02

      图7给出1810号台风过境期间(2018年7月20−26日)3套SST再分析资料和MF浮标数据的SST柱状图。由图可见,浮标实测数据显示,台风过境期间,SST呈现先减小后增大的整体趋势,其中浮标MF05003降温幅度最大,一度于7月22日降温至23.48℃。台风过境后SST的回温速度较SST降低速度慢。3套SST再分析资料都能在一定程度上反映台风过境期间SST的变化情况,但值得注意的是,较浮标MF05003,3套SST再分析资料在7月22−24日存在明显暖偏差,可能由于在高海况下海表大风、大浪、强降雨及海面白沫等不利的观测环境的影响,卫星、浮标、船测等观测数据较少甚至缺失[36-37],导致再分析资料的背景场凸显,进而造成高海况下再分析SST的变化幅度较真实情况小。根据统计分析(表3),OSTIA SST资料同4个浮标实测数据的均方根误差分别为0.53℃、1.64℃、0.26℃、0.64℃,均优于其余两套再分析资料。除浮标MF05001所处位置海域外,OSTIA SST资料同浮标MF05003和MF06001实测数据的相关系数分别为0.83和0.99,显著优于其余两套再分析资料,且均超过了 99% 的显著性检验,具有较高的可信度。

      表 3  1810号台风期间,OSTIA SST资料、RTG SST资料、OISST资料分别同浮标MF05001、浮标MF05003、浮标MF06001及浮标MF07001的SST实测数据的均值差、均方根误差、相关系数及标准差偏差

      Table 3.  The mean bias, root mean square error, correlation coefficient and standard deviation bias between OSTIA SST dataset, RTG SST dataset, OISST dataset and the SST measurement data of buoy MF05001, MF05003, MF06001 and MF07001 during the Typhoon 1810 period

      MF05001MF05003MF06001MF07001
      OSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISST
      均值差/℃0.120.02−1.430.951.900.450.17−0.22−0.950.29−0.30−0.70
      均方根误差/℃0.530.531.511.642.511.920.260.521.020.640.800.76
      相关系数0.800.880.850.830.60−0.130.990.530.760.950.880.97
      标准差偏差/℃−0.23−0.48−0.27−1.28−1.61−1.66−0.20−0.410.01−0.58−0.75−0.21

      图  7  1810号台风期间,OSTIA SST资料、RTG SST资料、OISST资料及浮标MF05001(a)、浮标MF05003(b)、浮标MF06001(c)、浮标MF07001(d)的SST值柱状图

      Figure 7.  The bar charts of OSTIA SST dataset, RTG SST dataset and OISST dataset with the buoy MF05001 (a), buoy MF05003 (b), buoy MF06001 (c) and buoy MF07001 (d) during the Typhoon 1810 period

      图8给出1812号台风过境期间(2018年7月31日至8月6日)3套SST再分析资料和MF浮标数据的SST柱状图。由图可见,OISST资料存在明显的冷偏差,而OSTIA SST资料及RTG SST资料能较好地反映台风过境期间SST的基本情况。根据统计分析(表4),OSTIA SST资料同4个浮标实测SST数据的均方根误差分别为0.27℃、0.92℃、0.23℃、0.39℃,均显著优于其余两套再分析资料。另一方面,OSTIA SST资料同4个浮标实测数据的相关系数分别为0.95、0.92、0.93、0.92,显著优于其余两套再分析资料,且均超过了99%的显著性检验。以上分析表明,较之RTG SST资料和OISST资料,OSTIA SST资料能较好地反映1808号台风“玛利亚”、1810号台风“安比”及1812号台风“云雀”过境期间SST的基本状况,具有较高的可信度。

      表 4  1812号台风期间,OSTIA SST资料、RTG SST资料、OISST资料分别同浮标MF05001、浮标MF05003、浮标MF06001及浮标MF07001的SST实测数据的均值差、均方根误差、相关系数及标准差偏差

      Table 4.  The mean bias, root mean square error, correlation coefficient and standard deviation bias between OSTIA SST dataset, RTG SST dataset, OISST dataset and the SST measurement data of buoy MF05001, MF05003, MF06001 and MF07001 during the Typhoon 1812 period

      MF05001MF05003MF06001MF07001
      OSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISSTOSTIARTGOISST
      均值差/℃0.11−0.33−2.120.400.87−1.50−0.21−0.61−1.780.25−0.49−1.12
      均方根误差/℃0.270.452.180.921.061.730.230.631.830.390.631.17
      相关系数0.950.810.580.920.890.510.930.890.850.920.760.87
      标准差偏差/℃−0.22−0.180.15−0.88−0.56−0.23−0.05−0.030.33−0.29−0.340.12

      图  8  1812号台风期间,浮标MF05001(a)、浮标MF05003(b)、浮标MF06001(c)、浮标MF07001(d)及OSTIA SST资料、RTG SST资料、OISST资料的SST值柱状图

      Figure 8.  The bar charts of OSTIA SST datase, RTG SST dataset and OISST dataset with the buoy MF05001 (a), buoy MF05003 (b), MF06001 (c) and buoy MF07001 (d) during the Typhoon 1812 period

    • 本文基于自然资源部浮标数据,通过分析均值差、均方根误差、相关系数和标准差偏差4个统计量,对比检验了2018年7月1日至8月6日全时段及台风过境期间3套SST再分析资料在中国近海区域的可靠性,得到的主要结论如下:

      (1)3套SST再分析资料对中国近海SST都具有一定的重现能力。全时段平均而言,OSTIA SST资料同浮标实测SST数据的均值差为0.12℃、相关系数为0.94,均优于OISST资料(均值差为–0.85℃、相关系数为0.90)和RTG SST资料(均值差为–0.17℃、相关系数为0.86)。逐日而言,在大部分时间内,OSTIA SST资料同MF浮标的实测SST数据的相关系数均大于RTG SST资料和OISST资料。

      (2)具体到单个浮标分析,相较约80%的MF浮标实测SST数据(除浮标MF06562和浮标MF09162外),OSTIA SST资料的SST偏差、标准差偏差及均方根误差都相对较小,相关系数都相对较大,优于RTG SST资料和OISST资料。

      (3)分别取1808号台风“玛利亚”、1810号台风“安比”、1812号台风“云雀”过境时段分析,综合而言,OSTIA SST资料能更真实地反映台风过境期间SST先降低后升高的变化趋势,且海温偏差、均方根误差、相关系数等统计量均优于其余两套再分析资料,表明在高影响事件条件下,OSTIA SST资料相较于其他两套SST再分析资料具有更高的可信度。

参考文献 (37)

目录

    /

    返回文章
    返回