李永虹,刘童童,商少凌

(水声通信与海洋信息技术教育部重点实验室(厦门大学),福建厦门361102)



南海区域Aquarius遥感海表盐度V4产品精度探讨

李永虹,刘童童,商少凌*

(水声通信与海洋信息技术教育部重点实验室(厦门大学),福建厦门361102)

摘要：Aquarius/SAC-D卫星,以实现海表盐度(sea surface salinity,SSS)全球遥感观测为目标,经过算法的不断改进,迄今已发布第4版产品(V4)．已有的检验研究表明V1.3产品在全球最大的边缘海——中国南海的精度并未达到该产品的目标精度,主要原因是射频干扰(radio frequency interference,RFI)的影响．为探讨新版数据在中国南海的精度，通过比较南海走航盐度、Argo浮标盐度与Aquarius遥感SSS V4及旧版产品的差异,发现Aquarius遥感SSS V4与走航盐度及Argo浮标盐度的均方根误差(RMSE)分别为0.47和0.73,V4产品整体表现优于V3及之前的版本,特别是在南海北部近岸高RFI海域,V4产品的偏差也小于V3,说明V4产品中RFI的影响相较于V3产品在一定程度上得到了有效的去除．同时,分析表明Aquarius遥感SSS V4产品所揭示的南海SSS空间分布与季节变动特征,与前人通过实测调查获得的结论基本一致．

关键词：海表盐度;Aquarius;V4;南海

海水盐度与海水温度共同构成最为基础的海洋特征参数,测量盐度的意义,毋庸赘言．然而,多年来盐度的获取,一直只能依靠现场测量,直到20世纪70年代,美国Skylab开始了从太空遥测盐度的尝试[1]．2009年11月,欧洲空间局(ESA)发射了全球首颗观测土壤湿度和海水盐度的SMOS卫星．2011年6月,美国国家航空航天局(NASA)和阿根廷航天局(CONAE)合作发射了Aquarius/SAC-D卫星．SMOS和Aquarius在重访周期、空间分辨率和精度等方面各有所长,两者的盐度数据相互补充融合,可以获取更高精度的全球盐度图[2-3]．从此,开启了全球海水盐度观测的新时代．

Aquarius/SAC-D卫星搭载有L波段主被动联合遥感器,目标是提供空间分辨率为150 km,精度达到0.2的全球月平均海表盐度(sea surface salinity,SSS)数据[4-6]．自2013年2月NASA发布全球SSS数据验证分析报告[7]以来,各区域的验证结果陆续得到报道．2014年Ratheesh等[8]用Argo浮标盐度验证得到在印度洋Aquarius遥感SSS V2日平均数据的均方根误差(RMSE)约为0.45;王新新等[9]在中国南海采用Aquarius遥感SSS V1.3 L2数据,与Argo浮标盐度数据比较,RMSE平均为0.62;在中国东海Kim等[10]指出Aquarius遥感SSS V2刈幅数据比温-盐-深仪(CTD)实测的盐度偏低0.40～0.93．2014年6月,NASA发布了Aquarius V3,进一步降低了反射星系辐射(reflected galactic radiation)、海表粗糙度、高射频干扰(radio frequency interference,RFI)等因素的影响．随后Aquarius V4数据于2015年7月发布,改进了仪器、天线方向等的校正,进一步消除了海表温度(sea surface temperature,SST)的偏差,并改进了辐射方向的修正方式以降低RFI的影响,全球检验结果,L2数据的RMSE下降到0.28,月平均数据的RMSE低至0.17,达到卫星设计时提出的精度目标．但迄今为止,在中国南海——世界最大的边缘海之一,尚不清楚经过这一系列改进之后新版数据的区域精度是否有所提高． 本研究将通过比较分析走航盐度和Argo浮标盐度与Aquarius遥感SSS数据,获取该问题的答案,以期为应用Aquarius遥感SSS数据于南海海洋学研究提供参考依据．

1数据及方法

1.1数据源

1.1.1遥感数据

1) SSS数据.Aquarius采用带3个喇叭馈源的2.5 m偏置抛物反射面天线系统,形成分辨率分别为76 km×94 km，84 km×120 km，96 km×156 km的3个波束,共同作用使Aquarius的刈幅达到390 km．Aquarius遥感SSS数据下载自美国NASA的OceanColor网站(http:∥oceancolor.gsfc.nasa.gov/cgi/aquarius/)．为了与现场观测数据时间对应,同时选取了2012年V3和V4 L2的SSS数据,数据读取程序read_aquarius_hdf_L2.pro下载自NASA JPL数据中心(http:∥podaac.jpl.nasa.gov/)．在SSS空间分布及季节变动特征分析中,本研究下载的是V4的空间分辨率为1°的2011—2014年多年季节平均和月平均SSS数据．

2) 其他遥感数据.在Aquarius遥感SSS精度的影响因素分析中,本研究使用了RFI、SST和降水数据．其中RFI分析数据采用Aquarius卫星数据月平均分布图像,由NASA Goddard Space Flight Center提供下载．SST和降水数据,采用TRMM/TMI卫星月平均数据;风场使用的是ASCAT(advanced scattero-meter)月平均数据,均由NASA Ocean Vector Winds Science Team支持的Remote Sensing Systems发布,下载自http:∥www.remss.com．

1.1.2现场数据

1) 走航盐度数据来自国家基金委“南海多学科综合调查”2012年4月南海春季共享航次和国家“973计划”项目“中国近海碳收支、调控机理及生态效应研究”2012年8月南海夏季航次．盐度数据由GO8050(美国General Oceanics公司)走航式CO2分压自动测量系统外接的OCEAN SEVEN On-Line Modules(意大利Idronaut公司)船用走航式多参数水质测量仪获取(参见图1中红色圆形和蓝色十字形标识)．

2) Argo剖面浮标数据下载自NODC(National Oceanographic Data Center)的世界海洋数据库2013(World Ocean Database 2013,WOD13,http:∥www.nodc.noaa.gov/OC5/SELECT/dbsearch/dbsearch.h￣t￣m￣l)．WOD13的剖面浮标数据源包括Argo计划和世界海洋环流实验(WOCE)计划,本研究选取了剖面浮标数据集中经过WOD质量控制和Argo原始质量控制的2012年Argo剖面浮标数据[11]．尽管Argo剖面浮标测量的是海面到2 km深的剖面数据,仍可用Argo剖面浮标的最浅层盐度数据来评估遥感SSS[12]．参照Drucker等[13]的方法,本研究选取1～7 m的最浅层盐度数据进行验证(参见图1中黑色方形标识)．

3) WOA13 V2数据(World Ocean Atlas 2013 Version 2,http:∥www.nodc.noaa.gov/OC5/woa13/)是NODC提供的世界海洋现场观测温度、盐度等在标准深层的年度、季节、月平均的一组客观分析数据．本研究选取的是精度为0.25°的2005—2012年标准深度0 m的多年季节平均盐度数据．

图1　研究区域及站位分布图Fig.1Map of the study region and the sampling stations

1.2方法

参考Aquarius项目组的遥感SSS有效性分析报告[7],为了得到较多的统计匹配有效数据,放松空间窗口与时间窗口,遥感SSS和现场数据匹配时间窗口是±3 d,空间窗口是75 km．

为了比较遥感SSS与实测数据,本研究计算了偏差(δ)和RMSE．定义如下:

其中，xrs表示遥感反演值,xmea表示实测值,N为遥感与实测数据匹配的样本数．

2结果及讨论

2.1走航数据比较结果

首先对2012年4月与2012年8月 2个航次的走航数据与2012年Argo数据进行比较,采用时间窗口1 d,空间窗口10 km,共匹配92个站位,RMSE为0.27,偏差为-0.06,表明走航数据与Argo浮标数据基本一致．

表1　南海走航数据与Aquarius遥感SSS匹配结果的统计分析

Tab.1　Error statistics between underway and Aquarius SSS

航次beamV3V4NδRMSENδRMSE2012-041111-0.550.6187-0.540.642111-0.670.7587-0.500.6231110.300.71870.540.91均值111-0.310.4487-0.170.412012-08132-0.370.4936-0.340.492320.971.86360.871.84332-0.310.4736-0.260.44均值320.100.57360.090.59总体1143-0.510.58123-0.480.602143-0.301.00123-1.001.123143-0.160.671230.310.80均值143-0.210.47123-0.090.47

另一方面,从图3(a)可知,Aquarius遥感SSS和走航数据之间的线性相关性微弱,这与南海SSS数值分布区间较为集中有一定关系,所调查海域SSS数值基本分布在32～34之间,而开阔海域如热带太平洋则在32～37之间[7],数值区间跨度更大．进一步对匹配数据的偏差进行分析,如图3(b)所示,总体偏差在±0.8之间,除了33.4附近的偏差为负值外,当Aquarius遥感SSS≥33.2时,偏差为正值;当SSS<33.2时,偏差均为负值．

图2　绝对偏差空间分布图Fig.2Spatial distribution of absolute deviations of Aquarius SSS

图3　走航盐度与Aquarius遥感SSS的比较Fig.3Comparison between underway and Aquarius SSS

图4　Argo浮标盐度与Aquarius遥感SSS的比较Fig.4Comparison between Argo floats and Aquarius SSS

2.2Argo浮标数据比较结果

2.3空间分布与季节变动特征的比较

从图5可以看出Aquarius遥感SSS与WOA13 V2盐度在南海的多年季节平均分布大体一致,SSS范围在32～34,总体呈沿岸低外海高的趋势．受径流冲淡水的影响,珠江、湄公河、拉惹河等河口区域SSS较低;受太平洋高盐水的影响,冬季巴士海峡附近SSS最高;在114.5°E附近中沙群岛以北存在一个SSS较为稳定的区域(参见图5(b)红框);春、夏季西太平洋高盐海水通过苏禄海经巴拉望岛南北两端进入南海,这与毛庆文等[15]、王凡等[16]在南海的现场水文调查结果一致．

吕宋海峡120°～121°E记为L(Left),121°～122°E记为R(Right),并分为U(Up)、M(Middle)、D(Down)3个子区域．图5　气候态季节平均分布图Fig.5Climatological seasonal mean

若聚焦于吕宋海峡这一太平洋与南海水交换的通道(图5(b);空间位置见图5插图,120°～122°E),分6个小区,分别为左上(LU)区、左中(LM)区、左下(LD)区和右上(RU)区、右中(RM)区、右下(RD)区．从表2可以看出,无论何季节,RU、RD及LD区域的Aquarius遥感SSS基本在33.6以上,主要为太平洋高盐海水;LU、LM及RM区域的SSS则小于33.6,主要是南海海水,及两种海水的相互作用． 这与鲍献文等[17]和黄企洲[18]的研究结论基本吻合．然而WOA13盐度的分布并不完全支持这一结论,特别是在LU区域盐度值偏低,可能是因为WOA13是基于

表2　吕宋海峡Aquarius遥感SSS的季节平均值Tab.2　Seasonal average of Aquarius SSS in Luzon Strait

多源实测数据的客观分析数据,受限于现场测量数据的不足,经时空序列分析后的网格数据存在一定偏差,尤其在环境复杂多变的边缘海,同时也与这2种数据源在时间区间上不一致有一定关系．

图6　Aquarius遥感SSS气候态月平均分布图Fig.6Climatological monthly mean of Aquarius SSS

由图6可知,从季节变化看,南海热带海洋性季风气候明显,SSS分布主要受冬季东北季风和夏季西南季风影响．每年11月至翌年3月东北季风盛行,12月太平洋的高盐水舌从巴士海峡往西南移动扩展到西沙群岛,同时南海东侧补充流北上,低盐海水沿东岸北上(参见图6(l)红色箭头),到达吕宋岛西北端;5月至9月盛行西南季风,低盐海水从马来西亚、泰国湾往东北方向移动,同时受台风等降水影响,北部SSS降低;南海整体SSS在10月达到最低值(参见图6(j)红色箭头)．这与中国近海的区域海洋学基本相符[19]．

受现场调查条件所限,前人多以局部海域的研究为主,比如南海北部沿岸、巴士海峡区域、以及南沙群岛附近海域等．而通过Aquarius遥感SSS可以清楚地看到整个南海海盆尺度的SSS分布与变化,局部特征也与前人通过实测调查获得的结论基本一致．因而就大尺度研究而言,Aquarius不失为一个基本可靠的数据来源．

3讨论

全球不同海域不同版本Aquarius遥感SSS的验证结果列于表3,显然,南海V4产品精度较旧版本有所提高,但仍然低于全球尺度开阔大洋检验结果．由于Aquarius卫星使用的是L波段(1.413 GHz)的微波辐射计,卫星数据精度可能受到RFI的影响;同时由SSS反演原理可以推知,亮温精度、海表粗糙度等也在不同程度上影响到SSS的精度[9,20]．

表3　全球不同海域Aquarius遥感SSS L2产品检验结果Tab.3　Error numbers of Aquarius L2 SSS in various waters

注：R为相关系数.

3.1RFI

RFI是指频率相近的目标电磁波与干扰电磁波同时被卫星传感器接收时,干扰电磁波对传感器造成的干扰．Le Vine等[22-23]指出遥感SSS受到L波段RFI的影响,王新新等[20]对南海北部海域的RFI进行检测,指出该区域属于重度污染区域,存在多处RFI发射源,中强源主要集中分布在大珠三角和台北等地区．

因此本研究以18°N为界,对RFI污染严重区域(北部区域)和污染较轻区域(南部区域)2个区域(如图7所示),选取在本文2.1节中的2012年4月和8月航次的走航盐度数据的绝对偏差进行分析,绝对偏差大于0.6 的站位点全部都分布在北部区域．该结果表明,在RFI影响较小的南部区域数据表现稍好,由此可见,虽然Aquarius遥感SSS V4已经在修正RFI影响方面进行了改进,但在中国南海,RFI对遥感SSS反演的影响仍然没有完全消除．

图7　RFI影响分析Fig.7Impact analysis of RFI

3.2其他因素

根据Abe等[24]的研究,Aquarius遥感SSS在低温和大风区域偏差较大．Santos-Garcia等[25]及Ma等[26]也指出降水的分布和遥感SSS准确度的空间分布有很大的相关性．本研究以2012年4月和8月航次的走航盐度数据为例进行分析,从图8可以看出,实测站位所在海域的SST在30 ℃左右,温度空间差异较小,而SST通常在小于5 ℃时对遥感SSS的影响较大[7,24]；由于南海处于热带,SST较高且季节变化较不明显,所以南海海域SST对遥感SSS的精度并没有显著影响．

同时可以看到,遥感SSS绝对偏差大于0.6的数据点位置,与降水及风场的空间分布并无明显关联(图8)．然而,图8所示降水及风场分布,皆为月平均数据,很可能无法体现这2种因素对SSS反演造成的影响,未来有必要在收集SSS、风场、降水时空匹配数据集的基础上加以深入探讨．

4结论

本研究选取2012年2个航次的走航盐度数据及2012年Argo浮标的盐度数据,与Aquarius卫星的遥感SSS V3和V4产品进行了比较,发现Aquarius遥感SSS V4优于V3及之前的版本,V4不仅总体RMSE和偏差皆小于V3,在南海北部近岸高RFI海域,V4的偏差也小于V3．在中国南海Aquarius遥感SSS V4与走航盐度及Argo浮标盐度的RMSE分别为0.47和0.73,低于开阔大洋的检验精度,其主要原因可能是南海作为边缘海,陆地环抱,RFI的影响相对严重,未能彻底消除．就该有限数据集的检验结果看,Aquarius遥感SSS反演的单点精度尚难满足南海海洋科学研究的要求,然而,其所揭示的时空特征与前人调查研究结果基本一致,所以Aquarius遥感SSS可考虑在谨慎求证的前提下应用于南海大尺度研究．

致谢:对NASA提供的遥感数据，NODC提供的Argo浮标数据，厦门大学戴民汉教授课题组提供的现场调查盐度资料,谨此致谢．

图8　SST、降水及风场的影响分析Fig.8Impact analysis of SST,precipitable water and wind field

参考文献：

[1]LAGERLOEF G S E,SWIFT C T,LEVINE D M.Sea surface salinity:the next remote sensing challenge[J].Oceanography,1995,8(2):44-50.

[2]EUROPEAN SPACE AGENCY.Taking two bites at ocean salinity[EB/OL].[2015-09-17].http:∥www.esa.int/Our_Activities/Observing_the_Earth/SMOS/Taking_two_bites_at_ocean_salinity.

[3]ARETXABALETA A L,GOURRION J,BALLABRERA J,et al.Bridging the gap between surface salinity satellites:SMOS and Aquarius[C]∥European Space Agency.Proc.′ESA Living Planet Symposium′.Bergen,Norway:[s.n.],2010,SP-686:E11690.

[4]LAGERLOEF G S E,COLOMB F R,LE VINE D,et al.The Aquarius/SAC-D mission:designed to meet the salinity remote-sensing challenge[J].Oceanography,2008,21(1):68-81.

[5]LE VINE D M,LAGERLOEF G S E,COLOMB F R,et al.Aquarius:an instrument to monitor sea surface salinity from space[J].IEEE Transactions on Geoscience and Remote Sensing,2007,45(7):2040-2050.

[6]PELLERANO F A,PIEPMEIER J,TRIESKY M,et al.The Aquarius ocean salinity mission high stability L-band radiometer[C]∥IEEE International Symposium on Geoscience and Remote Sensing.New York:IEEE,2006:1681-1684.

[7]LAGERLOEF G S E,KAO H Y,MELNICHENKO O,et al.Aquarius salinity validation analysis,data version 2.0,AQ-014-PS-0016[R].Washington D C:Aquarius Project,2013.

[8]RATHEESH S,SHARMA R,SIKHAKOLLI R,et al.Assessing sea surface salinity derived by Aquarius in the Indian Ocean[J].IEEE Geoscience and Remote Sensing Letters,2014,11(4):719-722.

[9]王新新,杨建洪,赵冬至,等.Aquarius/SAC-D卫星盐度数据在中国南海的准确度评估[J].热带海洋学报,2013,32(5):23-28.

[10]KIM S B,LEE J H,DE MATTHAEIS P,et al.Sea surface salinity variability in the East China Sea observed by the Aquarius instrument[J].Journal of Geophysical Research:Oceans,2014,119:7016-7028.

[11]BOYER T P,ANTONOV J I,BARANOVA O K,et al.World ocean database 2013,NOAA Atlas NESDIS 72[R].Silver Spring,Maryland:National Oceanographic Data Center Ocean Climate Laboratory,2013.

[12]BANKS C J,GOMMENGINGER C P,SROKOSZ M A,et al.Validating SMOS ocean surface salinity in the Atlantic with Argo and operational ocean model data[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(5):1688-1702.

[13]DRUCKER R,RISER S C.Validation of Aquarius sea surface salinity with Argo:analysis of error due to depth of measurement and vertical salinity stratification[J].Journal of Geophysical Research：Oceans,2014,119:4626-4637.

[14]LAGERLOEF G S E,KAO H Y,MEISSNER T,et al.Aquarius salinity validation analysis,data version 4.0,AQ-014-PS-0016[R].Washington D C:Aquarius Project,2015.

[15]毛庆文,王卫强,齐义泉,等.夏季季风转换期间南沙群岛海域的温盐分布特征[J].热带海洋学报,2005,24(1):28-36.

[16]王凡,赵永平,冯志纲,等.1998年春夏南海温盐结构及其变化特征[J].海洋学报,2001,23(5):1-13.

[17]鲍献文,鞠霞,吴德星.吕宋海峡120°E断面水交换特征[J].中国海洋大学学报,2009,39(1):1-6.

[18]黄企洲.巴士海峡黑潮流速和流量的变化[J].热带海洋,1983,2(1):35-41.

[19]冯士筰,李凤歧,李少菁.海洋科学导论[M].北京:高等教育出版社,1999:450-452.

[20]王新新.基于微波辐射计的南海海表盐度遥感算法研究[D].大连:大连海事大学，2013：41-45.

[21]BUSALACCHI A,ALORY G,ARKIN P,et al.Satellite sea surface salinity error in the tropics[EB/OL].[2015-09-17].http:∥essic.umd.edu/joom2/index.php/publications/posters-2/555-satellite-sea-surface-salinity-error-in-the-tropics.

[22]LE VINE D M,LAGERLOEF G S E,TORRUSIO S E.Aquarius and remote sensing of sea surface salinity from space[J].Proceedings of the IEEE,2010,98(5):688-703.

[23]LE VINE D M,DE MATTHAEIS P,RUF C S.Aquarius RFI detection and mitigation algorithm:assessment and examples[J].IEEE Transactions on Geoscience and Remote Sensing,2014,52(8):4574-4584.

[24]ABE H,EBUCHI N.Evaluation of sea-surface salinity observed by Aquarius[J].Journal of Geophysical Research:Oceans,2014,119(11):8109-8121.

[25]SANTOS-GARCIA A,JACOB M M,JONES W L,et al.Investigation of rain effects on Aquarius sea surface salinity measurements[J].Journal of Geophysical Research:Oceans,2014,119(11):7605-7624.

[26]MA W T,YANG X F,YU Y,et al.Impact of rain-induced sea surface roughness variations on salinity retrieval from the Aquarius/SAC-D satellite[J].Acta Oceanologica Sinica,2015,34(7):89-96.

doi：10.6043/j.issn.0438-0479.201509021

收稿日期：2015-09-18录用日期：2016-04-13

基金项目：国家重点基础研究发展计划(973计划)(2009CB421201)；国家自然科学基金(J1210050)

*通信作者：slshang@xmu.edu.cn

中图分类号:P 715.7;P 731

文献标志码：A

文章编号：0438-0479(2016)04-0522-09

On the Performance of Aquarius Sea Surface Salinity V4 Product in the South China Sea

LI Yonghong,LIU Tongtong,SHANG Shaoling*

(Key Laboratory of Underwater Acoustic Communication and Marine Information Technology,Ministry of Education,Xiamen University,Xiamen 361102,China)

Abstract:Previous studies have demonstrated that the accuracy of Aquarius sea surface salinity (SSS) V1.3 product in the South China Sea (SCS),one of the largest marginal seas in the world,is far from being satisfied.It has been suggested to mainly result from radio frequency interference (RFI) from lands surrounding the SCS.It is not clear yet if there is any improvement in the newest SSS product,i.e.V4.Here in this study,we compared the V4 SSS product of Aquarius with concurrent in situ measured salinity data (both underway mapping and Argo floats data) in the South China Sea.Root mean square errors of 0.47 and 0.73,for underway and Argo data,respectively,were obtained,suggesting evident improvements of V4 over V3 and V1.3.Improvements were particularly seen in the northern SCS,where the influence of RFI was thought to be severe,suggesting that the removal of RFI in V4 was indeed efficient.In addition,the spatio-temporal features and seasonal dynamics seen from the V4 SSS were in general consistent with historical in situ reports.

Key words:sea surface salinity;Aquarius;V4;South China Sea

引文格式：李永虹,刘童童,商少凌.南海区域Aquarius遥感海表盐度V4产品精度探讨[J].厦门大学学报(自然科学版)，2016,55(4)：522-530.

Citation：LI Y H,LIU T T,SHANG S L．On the performance of Aquarius sea surface salinity V4 product in the South China Sea[J].Journal of Xiamen University(Natural Science)，2016,55(4)：522-530．(in Chinese)