引言

地球表面总面积的71%左右被海水覆盖，海洋表面温度SST(Sea Surface Temperature)与海气之间的热通量具有密切关系，它表征了海洋热力、动力过程和海洋与大气相互作用的共同结果，是研究海面水汽和热量交换的一个重要物理参数，也是海洋环流、水团、海洋锋以及上升流等海洋现象的重要依据和直观指示量。在海洋开发和海洋工程以及气候变化的研究中，SST也是至关重要，它的分布制约着海面和大气的热量、动量和水汽交换，从而影响大气环流和气候变化(杨亚新等，2009；程炳岩等，2010；周浩等，2011)。

随着遥感技术的迅猛发展，卫星遥感已成为进行全球海洋表面温度探测的最佳手段，国内外许多光学传感器都具备精确探测海洋表面温度的能力。从20世纪70年代初已经有科研人员开始通过遥感方法进行海表温度测量的研究(Anding et al，1970；McMillin，1975)，随着海表温度反演算法的日益成熟，多种海表温度监测产品被开发并在全球范围推广应用，其中高级甚高分辨率辐射计(Advanced Very High Resolution Radiometer, AVHRR)(Bernstein，1982；Solanki et al，2003)和中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)(Sobrino et al，2003；何全军等，2009)数据以其高精度和长期稳定的服务能力在国际上应用最为广泛。国内也相继发射具有海洋表面温度探测能力的卫星，包括风云气象卫星(Huang，2001)、海洋卫星(王其茂，2003)等，并取得一定应用成果。通过卫星进行海表温度测量已进入业务化，在大尺度海洋现象和过程、海洋-大气热交换、全球气候变化以及渔业资源、污染监测等方面有重要应用(冯士莋等，1991)。

可见光红外扫描辐射计(Visible and Infra-Red Radiometer, VIRR)(杨军等，2009)是我国第二代极轨气象卫星风云3号(FY-3) 搭载的光学传感器，拥有两个高灵敏度的热红外通道，可用于进行海表温度反演。本文通过对2010年的全球船舶站观测数据和VIRR数据进行匹配，基于非线性海表温度反演算法实现了VIRR数据的白天和夜间海表温度产品反演，并对反演算法的精度进行检验。

1 VIRR数据简介

FY-3是中国第二代高性能综合探测极轨气象卫星，首颗卫星FY-3A于2008年5月27日成功发射，第二颗卫星FY-3B也于2010年11月5日成功发射。FY-3A以三轴稳定方式对地观测，共搭载11个传感器，能全球、全天候、实时准确地获取陆地、海洋、大气等的参数。相对第一代极轨气象卫星FY-1系列(刘玉洁，2001)，FY-3的载荷和探测能力有了极大提高。

VIRR是FY-3搭载的主要光学探测仪器之一(杨军等，2009)，也是FY-1C/D上的多通道可见光红外扫描辐射计(Multi-spectral Visible/Infrared Scanning Radiometer，MVISR)(刘玉洁，2001)的继承和改进，将MVISR的第10通道的波谱范围由0.90~0.985 μm修改为1.325~1.395 μm，可以更好地进行卷云的识别。VIRR星下点空间分辨率为1.1 km，扫描刈宽2800 km。VIRR具有10个光谱通道，波谱范围从0.43 μm到12.5 μm，其中既有高灵敏度的可见光通道，又有红外大气窗区通道，对陆地环境及海洋变化监测有重要意义，可定量反演出不同种类的地球表面和大气参数。VIRR共拥有三个红外大气窗区通道，其中一个是中红外3通道(3.55~3.93 μm)，主要用于地面热点监测。另外两个热红外通道，分别为4通道(10.3~11.3 μm)和5通道(11.5~12.5 μm)，噪声等效温差为0.2 K(杨军等，2009)，可用于进行陆地和海洋表面温度反演。

VIRR的L1级数据经过了辐射定标以及地理坐标订正，以HDF5(Hierarchical Data Format version 5) 文件格式存贮和分发。使用VIRR L1数据前必须进行相应的定标计算，将存贮的观测计数值转换为有意义的物理量。

2 VIRR海表温度反演 2.1 SST算法

卫星传感器接收的地表辐射会受大气的影响，Anding等(1970)首先提出对热红外通道进行大气校正处理，并通过求解辐射传输方程，以两个热红外波段的不同大气透射特征为基础进行水汽吸收的校正，从而获取较准确的海表温度。Prabhakara等(1974)以及Mcmilln(1975)也在辐射传输方程的基础上进一步分析了两个热红外波段的大气影响差异对大气校正的影响，并初次提出利用多通道算法反演SST。Deschamps等(1980)通过将多个红外通道进行线性组合来剔除大气的影响，进一步简化和完善了利用热红外通道测量SST的大气校正算法。此外Barton(1983)的研究表明两个分裂窗通道的表面温度存在线性关系，基于该线性关系实现的算法可以获取精度优于0.3 K的SST。直至1985年，McClain等(1985)正式提出了多通道海表温度算法(Multiple-Channel Sea Surface Temperature，MCSST)，并用于AVHRR的SST业务产品开发，随后Walton等(1998)又对MCSST进行进一步的发展，利用辐射传输方程实现了更精确的非线性海表温度算法(Non-linear Sea Surface Temperature，NLSST)。

目前普遍应用的SST业务反演算法是MCSST以及NLSST，这两种算法的形式基本一样，但是NLSST采用一个先验的SST估算值对11和12 μm通道的亮温差进行调节。这个估计值可以选用最近时间的NESDIS(National Environmental Satellite, Data, and Information Service)全球SST分析数据，也可以选用SST气候值，或者使用通过MCSST算法反演得到的SST值(Walton et al，1998)。在多项研究中已表明NLSST算法相比MCSST算法有更高的反演精度(Walton et al，1998；Li X et al，2001)，因此本文选择NLSST进行VIRR数据的白天和夜间海表温度反演。NLSST的计算公式为：

$ \begin{array}{l} \mathit{NLSST}{\rm{ = }}{\mathit{k}_{\rm{0}}}{\rm{ + }}{\mathit{k}_{\rm{1}}}{\mathit{T}_{{\rm{11}}}}{\rm{ + }}{\mathit{k}_{\rm{2}}}{\mathit{T}_{\mathit{sfc}}}\left({{\mathit{T}_{{\rm{11}}}}{\rm{ - }}{\mathit{T}_{{\rm{12}}}}} \right){\rm{ + }}\\ \;\;\;\;\;\;\;\;\;\;\;\;\;{\mathit{k}_{\rm{3}}}\left({{\mathit{T}_{{\rm{11}}}}{\rm{ - }}{\mathit{T}_{{\rm{12}}}}} \right)\left[ {{\rm{sec}}\left(\theta \right){\rm{ - 1}}{\rm{.0}}} \right] \end{array} $

(1)

式中, NLSST表示非线性多通道SST反演算法，单位为℃；T₁₁、T₁₂分别代表VIRR的11和12 μm波段的亮度温度，单位为K；sec(θ)为传感器天顶角θ的正割，θ的单位为弧度；k₀，k₁，k₂以及k₃是反演系数，通过将匹配的卫星数据和实测数据代入回归模型计算得到；T_sfc代表SST的先验估算值，单位为℃，本文中选用NESDIS的OISST(optimum interpolation sea surface temperature)数据(Reynolds et al，2007)，目前NESDIS提供从1981年开始的每天的全球0.25°分辨率的高精度SST网格数据用于天气预报及气候变化检测研究。为了便于计算，本文的SST反演公式中所用温度单位都统一转为℃。

2.2 船舶数据与卫星数据的匹配

收集了2010年的全球船舶站观测数据以及由广州气象卫星地面站接收和预处理的FY-3A/VIRR L1级数据，按照同时相、同地理位置进行匹配来提取有效的匹配数据集。为了确保实现的SST反演算法的精度，在进行数据匹配时通过4个步骤进行观测数据和卫星数据中的无效值的剔除，以此来控制匹配数据集的质量。

首先是船舶数据的有效性检测。在全球船舶站观测数据集中提取研究区域范围内的具有SST观测值的站位信息，并利用OISST数据对船舶观测数据进行质量控制。OISST(Barton, 1983)是卫星反演产品、浮标数据以及船舶观测数据的综合处理产品，具有较高的精度，考虑到海水表面温度在OISST产品的一个格点范围内的温度变化比较稳定，因此文中采用OISST进行船舶观测数据的质量控制。当位于OISST一个格点范围内，也就是在近似25 km范围内的船舶观测SST和OISST的绝对温度差超过2℃时，即认为该船舶数据为无效。

其次是船舶数据和卫星数据的最近时间匹配。确保船舶观测时间与卫星观测时间相差不超过1小时范围。

第三是船舶数据与卫星数据最近位置匹配。以船舶的地理坐标为中心在卫星数据中选择3×3大小的数组，要求数组中心位置的坐标和船舶位置相差不超过1个像素。

最后是进行卫星数据的有效性检测。利用针对FY-3A/VIRR开发的云检测算法(He，201)进行云的判识，如果选择的3×3数组中有一个像素被判识为云时即认为该组数据被云污染而被剔除。通过云监测的数组还需要进行11 μm波段的亮温的均一性检测，如果数组中任意一个像素的亮温值与该数组的均值差超过0.5℃，该数组也被剔除。

通过以上步骤的筛选，最终得到的有效匹配数据共有3001组，其中白天有1613组，夜间有1388组。图 1所示为2010年白天和夜间的所有船舶站匹配数据位置分布。

2.3 SST反演系数计算

为了得到高精度的SST反演算法并能进行有效的精度检验，从2010年全部匹配数据中选用了单月的数据用于反演系数的回归运算，选用双月的数据进行反演算法的精度检验，目的是用于系数回归计算的匹配数据和用于算法精度检验的匹配数据相互独立。

将2010年所有单月白天的716组匹配数据以及夜间的674组匹配数据分别代入NLSST算法进行多元线性回归计算，最终得到了NLSST算法的系数。算法的系数及误差统计如表 1所示。

2.4 SST精度检验

利用2010年双月的匹配数据和反演的SST基于最小绝对偏差方法进行线性回归分析来验证反演的SST精度，其中白天的匹配数据有897组，夜间有714组。通过对卫星反演的SST和船舶站观测的SST进行统计，白天的偏差为0.05℃，绝对偏差为0.50℃，标准偏差为0.65℃，相关系数为0.99，夜间的偏差为-0.05℃，绝对偏差为0.46℃，标准偏差为0.63℃，相关系数为0.99。图 2是卫星反演的SST和船舶站测量的SST之间的散点图。

Bernstein(1982)认为遥感反演的SST精度在0.5~1.0℃即达到气候变化研究的要求。Li等(2001)利用NLSST算法实现NOAA(National Oceanic and Atmospheric Administration)的AVHRR业务化SST反演时得到的误差为0.14±0.5℃，Sobrino等(2003)利用MODIS反演SST的标准偏差为0.3 K。李娜等(2006)利用现场走航数据和站点观测数据对AVHRR的SST产品在台湾及邻近海域的精度进行分析，结果显示该产品的精度在0.11±0.9℃。孙风琴等(2007)利用Argo浮标数据对西北太平洋海域的AVHRR、TMI(TRMM Microwave Imager)以及MODIS的SST产品进行验证，结果显示三者的均方差在0.6~0.9℃之间，绝对误差在0.3~0.7℃之间。张春桂等(2008)利用MODIS多通道数据反演的福建近海的海表温度的平均绝对误差为0.75℃。根据以上研究结果，本文利用NLSST方法对FY-3A/VIRR数据反演的SST达到国际上遥感反演SST的精度要求，能够满足海洋及气候变化的监测和研究应用。

3 VIRR SST和MODIS SST的对比

将不同卫星反演的同种产品进行对比分析，既能校验卫星产品的精确度，又能对数据的进一步同化和融合提供可靠的依据(孙凤琴等，2007；Corlett et al，2006)。MODIS的SST产品已被广泛使用，其精度也得到了普遍的认可，因此本文选择MODIS的官方SST产品对利用VIRR反演的SST产品进行对比检验。为了提高对比结果的可靠性，选择覆盖同一地区的VIRR和MODIS的同时相观测数据。选用了2009年1月17日10时40分的VIRR数据以及11时15分的MODIS产品，两颗卫星的数据获取时间相差35分钟，数据的覆盖范围主要在我国南海区域。其中MODIS的SST产品从NASA的海洋产品网站下载，VIRR的SST产品采用文中实现的算法计算。对两种SST产品按照0.01°分辨率进行等经纬度投影，并按照10°~27°N、105°~122°E的范围进行裁剪。图 3所示即为两种SST产品的彩色图像，其中陆地、无数据区以及云覆盖区以黑色填充。从彩色海温图可以看出两种产品的温度分布和变化一致，近岸水温较低，在南海北部沿岸的冷暖水变化明显，随着向南海南部方向水温逐渐升高。

为了对VIRR和MODIS两种SST产品之间的相关性进行定量分析，在剔除云覆盖、陆地以及无效数据后共选择了500个样本对进行线性回归分析。图 4所示为选取样本的散点图。结果表明两种产品的相关性较高，R²达到了0.9918，也证明了本文所实现的VIRR的SST的可靠性。

4 总结

海洋表面温度是重要的海洋环境参数，对海洋生态系统以及全球气候变化的研究都具有极其重要的意义(刘梅等，2011；李多等，2012)。本文中选取2010年全年的全球船舶站观测数据和FY-3A/VIRR数据建立匹配数据集，通过回归计算得到了适合VIRR的NLSST系数。采用独立于反演算法的匹配数据集对实现的SST反演算法的精度进行了检验，结果表明本文实现的SST反演算法可以达到目前卫星遥感SST的精度需求。另外还将VIRR的SST产品和同时相的MODIS官方SST产品进行了对比，其结果表明两种SST产品具有高度的一致性。

此外，通过SST算法的实现及精度检验结果，也说明VIRR数据的热红外通道性能良好，通过我们实现的算法可以反演得到高质量、高精度的SST产品，能为海洋环境的动态监测提供数据支持。

致谢：作者衷心感谢匿名审稿专家对本文的改进提出的修改建议。还要感谢广州气象卫星地面站的同事在卫星数据获取中提供的协助，感谢中国气象局国家气象信息中心提供全球船舶站观测数据，同时感谢NOAA的NESDIS提供SST分析产品下载以及NASA的海洋水色产品网站提供MODIS的SST产品下载。