基于等纬度DINEOF的遥感SST产品缺失数据重构算法及精度验证分析

摘要

由于云覆盖、算法失效等原因造成SST遥感数据产品大量缺失,严重影响其在海洋环境监测中的应用.对缺失数据进行重构是提高SST数据产品质量及应用效果的一项重要工作.在已发展的DINEOF(Data InterpolatingEmpirical Orthogonal Function)基础上提出了一种适用于海量数据、大空间尺度的数据重构改进算法——等纬度正交经验函数重构方法(Same Latitude-DINEOF,SL-DINEOF).利用此方法对中国近海的MODIS SST数据产品进行重构,并与原始的非等纬度方法进行重构精度对比分析.结果表明,基于SL-DINEOF的重构精度呈季节性变化,受SST量值、时间变异及原始数据缺失率3方面影响,其中在南海表现最优(RMSE为0.731～0.957);对比可知,在各个海区SL-DINEOF均优于DINEOF,RMSE的最大降幅达21.28％,且纬度越高优势越明显;此外,SL-DINEOF最优通常出现在春秋季.