基于日变化分析的卫星遥感海表温度重构研究

摘要

海表温度（Sea Surface Temperature，SST）是影响地球系统物理、化学和生物过程的一个重要物理量。当前，通过卫星遥感已能获得大量SST。但对于单一卫星遥感器，由于其轨道、平台、传感器波段设置及大气环境等的限制，往往只能瞬时观测有限的空间，即遥感产品存在观测时间的不一致，空间上有缺失等问题，给实际应用带来了困难。为此，本论文开展了基于日变化分析的卫星遥感SST重构研究。首先，基于卫星遥感和数值模型分析了研究区(115-130°E，22-42°N)SST的日变化特征，从物理机制上考虑海气热交换、海水混合等作用，选择一维海洋混合层模型(General Ocean Turbulence Model，GOTM)建立了不同气象条件下海温随深度和地方时变化的模型，将多源多时相的卫星遥感反演海表温度归一化到同一测量深度和时间基准;其次，在分析归一化SST空间覆盖分布特征的基础上，将每个时刻的研究区分为观测区和缺测区，观测区采用Markov估计进行多源数据融合，缺测区则根据日内尺度海表温度的时空相关模型，应用最优插值方法进行重构，最终生成时空基准统一的海表温度遥感分析产品。得到以下主要结论:
　　(1)基于MODIS、AMSR-E和MTSAT的遥感观测，分析确定研究区域海温存在大幅度的日变化（最大振幅可达5℃以上）且主要发生在春夏季。SST日变化主要受风场和太阳短波辐射控制，风速越小，日照越强，日变化幅度越大。此外，海水的浑浊度也会促进SST日变化的幅度。
　　(2)通过MTSAT观测的SST日变化比对验证两个当前常用的经验模型（CG03和ASM）和GOTM在本研究模拟的日变化能力，发现GOTM可以较好的模拟SST的日变化过程，平均偏差约为～-0.01℃，均方根误差在0.3-0.5℃。
　　(3)多源海表温度的归一化还能有效填补卫星轨道缝隙，克服云雨等不利天气条件对卫星遥感的影响，月平均综合覆盖率能提高到75％左右。
　　(4)通过对研究区内SST的时空相关模型分析，确定时间相关尺度为分析时刻前后2天、前后3小时，纬向的相关长度取～85km，经向的相关长度取～100km。对2007年逐时的融合结果进行验证，总体偏差约-0.14℃，均方根误差在0.57℃，与卫星观测的精度相当。因此，本文的重构产品在提取快速变化的海洋特征（比如海洋内波）、目标信号，提高海-气通量的估算的精度等方面有应用价值，进一步也可输入到海洋模式作为初始场，发挥更大的作用。
　　本文研究的主要创新点:
　　(1)在卫星遥感SST日变化分析的基础上，从影响SST日变化的海气热交换、海洋混合等物理机制出发，利用GOTM模式建立了SST日变化模型，将多时相卫星遥感SST归一化到同一时刻基准。
　　(2)利用Markov估计对归一化到同一时相的多源卫星共同覆盖区进行了融合，利用最优插值法对卫星未能覆盖区进行了重构，在空间上实现了对缺测区的填补。
　　(3)基于(1)和(2)两个创新点，根据SST时空变化规律，可以生成时空基准统一的、任一时间与空间的卫星重构SST系列产品，为其他多源、多时相卫星资料的时间与空间的无缝重构提供了重要技术支撑。

目录

声明

致谢

摘要

插图和附表清单

1 绪论

1．1 研究的背景和意义

1．2 国内外研究进展

1．3 主要研究内容和技术路线

2 数据与模型

2．1 引言

2．2 原位观测海表温度

2．3 卫星遥感海表温度

2．3．1 静止卫星红外遥感SST

2．3．2 极轨卫星红外遥感SST

2．3．3 极轨卫星微波遥感SST

2．4 其他辅助数据

2．5 GOTM模型

2．5．1 模式简介

2．5．2 模式配置

3 海表温度日变化特征分析

3．1 引言

3．2 质量控制

3．2．1 质量控制方法

3．2．2 质量控制结果

3．3 基于遥感的海表日增温分析

3．3．1 卫星遥感SST日增温的估算方法

3．3．2 基于遥感的SST日增温典型事件分析

3．3．3 基于MTSAT的SST日增温的时空分布特征

3．4 SST日循环交化特征分析

3．4．1 基于MTSAT的SST日循环观测

3．4．2 基于经验模型的SST日循环模拟

3．4．3 基于GOTM模型的SST日循环模拟

3．4．4 卫星观测与模拟的比对

3．4．5 讨论

3．5 小结

4 多源遥感SST归一化

4．1 引言

4．2 遥感反演的不同深度海表温度归一化

4．3 观测时间归一化

4．4 多传感器间的偏差校正

4．5 误差分析

4．5．1 基于泰勒图的总体误差分析

4．5．2 误差的时空分布特征

4．6 小结

5 多源遥感SST空间再分析

5．1 引言

5．2 空间覆盖率分析

5．3 观测区的乡源数据融合

5．4 缺测区的最优插值

5．4．1 最优插值的基本原理与方法

5．4．2 时空相关模型

5．5 结果验证

5．6 小结

6 总结与展望

6．1 论文工作总结

6．2 论文创新点

6．3 研究展望

参考文献

作者简历