全球海表溫度融合研究進展

徐賓 宇婧婧 張雷 師春香 周自江

（國家氣象信息中心，北京 100081）

0　引言

進入地球大氣的太陽輻射總量的70%左右被全球海洋所吸收，其中的絕大部分都存儲在海洋表層，并將以感熱交換、潛熱和長波輻射的形式傳輸到大氣，并驅動大氣運動。海洋表層作為海氣交換的界面，其熱狀況的變化對大氣運動產生重要影響，進而引起全球氣候和環境的變化。海表溫度（Sea Surface Temperature，SST）作為描述海洋表層熱狀況最為重要的參數之一，被廣泛地應用于上層海洋過程、海氣熱量交換、海洋大氣數值模擬與預報等研究和應用中。海氣相互作用研究表明，海溫是影響長期天氣過程的重要因素[1-2]。海溫的變化直接影響氣候變化、漁場分布，以及厄爾尼諾、臺風等自然災害的形成也與海溫變化密切相關[3]。因此掌握高精度、高覆蓋率的海表溫度數據，對研究海洋環境、全球氣候變化、以及防災減災等具有非常重要的意義。因而高精度海表溫度產品的研制也就越來越得到重視。

獲得海表溫度主要有現場實測和衛星遙感觀測這兩種手段。現場實測數據主要通過海上浮標、沿岸站及船舶等常規觀測系統獲得，現場測溫儀器的精度隨著測溫技術的改良已經有了很大提高，但是浮標分布數據和船舶航線非常有限，無論從空間分布的連續性，還是時間的同步性都不盡如人意。與傳統的船舶、浮標數據相比，海洋衛星遙感觀測具有全天候、近實時、覆蓋范圍廣、可以長期重復進行海洋觀測的優勢，能更好地適應海洋現象的特點，填補現場實測數據的空白[4]。海洋衛星遙感觀測海表溫度主要依靠紅外傳感器和微波傳感器。紅外傳感器測量應用極為廣泛，具有高時空分辨率的優勢，但是容易受到云和氣溶膠的影響，造成反演出的海表溫度偏低；微波傳感器測量具有全天時、全天候、穿透性強的優勢，但其空間分辨率又相對較低。因此，可以通過將實測數據、紅外數據和微波數據的優勢相結合[5]，對紅外傳感器和微波傳感器的海表溫度數據進行融合以改進海表溫度數據的時間分辨率、空間分辨率，不同衛星海表溫度數據與現場實測數據進行對比驗證，提高不同數據源的穩定性和精度，產生高分辨率、高精度的海表溫度融合分析產品，以滿足各種海洋和大氣的科學工作對高質量海表溫度產品的迫切需求。

本文闡述了海表溫度觀測數據源與國內外主要的多衛星反演海溫融合產品和多源海表溫度融合產品的研究進展與趨勢，以及介紹國家氣象信息中心近年來在全球海表溫度融合方面取得的進展。

1　海表溫度觀測數據源

獲得SST的手段主要有現場實測和衛星遙感測量。現場實測為現場直接測量方式，如利用商船、“天氣”測量船或其他調查船在某一地點，使用測溫儀器進行海水溫度觀察，或是利用漂流浮標和定點錨碇浮標等進行海表面溫度觀測，隨著技術的不斷進步，測溫儀器感溫時間大大縮短，準確度也不斷提高。但船舶的航線是很局限的，浮標的布放數量也是很有限的。這種方式觀測的SST 的覆蓋率相當低，即使將幾十年的資料進行統計，在全球海洋仍然有許多地方是空白。另一種觀測方式是間接測量，如采用衛星遙感來反演海表面溫度，其傳感器有紅外型的如改進型甚高分辨率輻射計（AVHRR）和沿軌道掃描輻射計（ATSR），也有微波型的多通道微波掃描輻射計（SMMR）。衛星遙感SST具有覆蓋范圍廣，幾乎遍及全球所有海（水）域，并且具有長期重復測量的特點，因而得到廣泛的應用。

1.1　現場觀測產品

現場觀測是最為傳統的SST測量方式，它主要是利用裝載在調查船、商船或者浮標等平臺上的測溫儀器對海表溫度進行觀察。這種觀測手段又稱為直接觀測（用接觸式溫度計觀測）。近200年中海溫觀測經歷了水桶觀測、機艙引水觀測、船體感應觀測、浮標觀測等一系列方法的演化。自20世紀70年代開始使用浮標觀測海溫。浮標觀測精度較高，分為漂流浮標和固定浮標。

現場觀測歷史悠久，傳統的海洋觀測數據集是基于船舶、浮標等觀測數據，使用多種插值方法形成的網格化數據產品（表1）。例如國際海氣綜合數據集（ICOADS）提供了3個世紀以來的海洋表層資料[6]，其中2°×2°格點數據為1800年至今的資料，而1°×1°為1960年至近期的數據。這些數據和產品分布于全球范圍，源于不同的觀測系統。該數據集的“standard”資料僅限于船舶觀測。“enhanced”產品使用了船測和其他海上平臺現場觀測類型數據（如漂流浮標和系泊浮標）。ICOADS數據集反映了幾百年來海洋觀測技術的變化，也可以說是目前最完整和最多樣化的海洋現場觀測數據集。

表1　國外主要實測海表溫度產品列表Table 1 Abroad main SST data sets in situ observation

The Extended Reconstructed Sea Surface Temperature（ERSST）數據集[7]是對ICOADS資料的改進：由于ICOADS資料質量控制算法剔除了某些距平較大的正確數據，ERSST為了在觀測稀疏的地區保留這些數據，對統計方法上進行了改進。ERSST用重建方法重點在現場資料稀疏的地區對ICOADS進行分析。利用ERSST資料可以開展全球、海盆尺度的長期分析，但由于局部的短期變率已被平滑掉了，因此短期、局地的分析會有誤差。相比于其他資料集，該資料空間分辨率較低，但時間序列長度從1854年1月到近期[8]。

英國氣象局哈德萊中心海表溫度（HadSST）為1850年至今5°×5°的全球逐月海表溫度觀測數據，海溫資料來源于英國氣象局海洋庫（MDB）。1982年以前還接收了全球電信系統（GTS）資料，同時為加強資料覆蓋，1871—1995年，在沒有MDB數據的地方使用了ICOADS當月中間時刻的數值。HadSST海表溫度是使用了一個兩步約化空間最優插值處理方法重建數據，再在重建數據上疊加高質量的格點觀測，以恢復局地詳細信息。

1.2　衛星反演產品

另一種觀測海表溫度的方式是采用衛星遙感間接測量海表溫度。從氣象衛星發展之初，海表溫度就作為遙感反演的主要地表參數之一。遙感反演的是海表微米量級海水層的溫度。與傳統的船舶、浮標測量方式相比，衛星遙感SST覆蓋范圍廣，幾乎遍及全球所有海域，能實現大面積的同步測量，且衛星遙感SST具有較高的空間分辨率和長期重復測量的特點，這就很大程度上彌補了現場測量的不足[9]。當然需要注意的是，遙感所測為海水表皮溫度，現場所測為海水表層體溫，其間存在差異。但是，由于衛星遙感SST在時空觀測頻度上無可比擬的優越性，其已成為一個不可或缺的數據源，得到廣泛的應用。海洋衛星遙感觀測海表溫度主要依靠紅外傳感器和微波傳感器（表2）。紅外傳感器測量應用極其廣泛，具有高時空分辨率的優勢，但是容易受到云和氣溶膠的影響；微波傳感器測量具有全天時、全天候、穿透性強的優勢，但其空間分辨率相對較低。搭載于在軌衛星的可以反演SST的紅外傳感器主要有：搭載于極軌衛星上的NOAA系列衛星上的AVHRR、歐空局METOP系列衛星上的AVHRR-3、Aqua和Terrra衛星上的中等分辨率圖像光譜輻射儀（MODIS）、環境衛星Envisat的改進型沿軌掃描輻射計（AATSR）、風云三號（Y-3）系列衛星上的VIRR、海洋一號衛星（HY-1B）上的海洋水色掃描儀COCTS；搭載于靜止衛星上的FY-2的可見光紅外自旋掃描輻射計（VISSR）、美國GOES系列衛星的成像儀（Imager）。可以反演SST的星載微波傳感器主要有搭載于Aqua衛星上的改進的微波輻射計—地球觀測系統（AMSR-E）、GCOM-W1衛星上的微波輻射計（AMSR2）、用于觀測中緯度和熱帶區域的TRMM衛星微波成像儀（TMI）等等。

表2　國內外主要反演海表溫度產品列表Table 2 SST retrieval data sets produced in China and abroad

2　海表溫度融合產品發展現狀

2.1　多衛星融合海表溫度產品現狀

衛星搭載的紅外探測儀器會受到云和大氣氣溶膠的影響，導致紅外反演海表溫度精度下降，甚至大面積缺測。能夠穿透云層探測海溫的TMI、AMSR-E、AMSR-2等微波探測器雖然能夠提供覆蓋更全的海表溫度反演產品，但其空間分辨率低，也會受大雨影響，并且在沿岸區域噪音嚴重到無法測量。不同反演方法所得到的SST資料與現場觀測的偏差和云造成大面積的資料缺測等原因，在很大程度上影響了衛星遙感海表溫度產品的實際使用。另外極軌衛星的軌道特點也導致了極軌衛星SST反演產品的空間覆蓋面積隨時間變化。因此綜合利用多種衛星觀測數據特點，對多衛星觀測數據進行比較、分析、校正、同化、融合等工作，得到高時空分辨率的多衛星海洋要素融合產品，也是近年來海表溫度融合的主流。

全球海洋數據同化實驗（GODAE）的 GHRSST–PP（Group for High Resolution Sea Surface Temperature Pilot Project）已形成一套受國際認可的R/GTS（Regional/ Global Task Sharing）系統[10]。該系統中，全球和區域海表溫度衛星數據初級產品由各區域數據集合處理中心（RDAC）先發布，RDAC分布在澳大利亞、日本、美國和歐洲。RDAC處理、接受區域和國家的衛星、實測海表溫度數據，然后近實時將數據發布給全球數據分配中心（GDAC）。RDAC合并各種衛星數據并結合實測資料進行質量控制，通過融合技術得到統一格式（netCDF）的區域海表溫度數據產品，該產品被稱為L2P 數據產品；GDAC則在L2P 產品的基礎上進行再分析得到無間隙的全球海表溫度數據產品，該產品被稱為L4 數據產品。GHRSST-PP 旨在研制出新一代全球覆蓋的高分辨率（分辨率高于10 km，至少每6 h一次）海表溫度數據產品的示范系統。

此外，歐空局的SST CCI數據集也是基于多衛星融合的海表溫度產品，這個數據集提供自1991年9月至今，逐日，空間分辨率為0.05°全球覆蓋高分辨率海表溫度產品，主要是基于最優插值（OI）的方法融合了ATSR以及AVHRR的衛星遙感數據。

國內學者也很早就開始了多衛星融合工作，主要集中在紅外反演海溫與微波反演海溫的融合，從而實現紅外高分辨率特征和微波高覆蓋特征相結合。多種融合方法如小波變換方法[11]、卡爾曼濾波[12]，最優插值[13]等，被用于AVHRR反演海溫和AMSR-E反演海溫的融合。前期的工作主要集中在國外衛星的融合應用上，隨著國產海洋衛星、風云衛星的不斷發展，國產衛星的融合工作也逐漸展開。齊亞琳等[14]嘗試利用最優插值的方法實現海洋衛星反演海溫產品的融合應用。苗春生等[15]利用NOAA的局地 分 析 預 報 系 統（Local Analysis Prediction System，LAPS）實現了風云極軌衛星紅外反演海溫、海洋衛星微波反演海溫與NOAA海溫融合場RTG_SST的融合，同時在融合過程中考慮了區域大氣和下墊面海洋要素時空特征的協調，進一步豐富了多衛星融合算法。雖然上述國內工作均未對外發布多衛星融合產品，但在多衛星融合領域做出的諸多嘗試表明了，多衛星融合的必要性與合理性。

2.2　多源融合海表溫度產品現狀

目前，對SST分布場的分辨率（時間和空間）和精度要求越來越高，全球海洋數據同化實驗小組（GODAE）聲稱，同化后的SST分布場要求達到空間分辨率為10 km、準確度為0.4 ℃且6 h更新一次，而對海岸或地域性海區的分辨率有更高的要求（如要求其空間分辨率達2 km）。GODAE比較了各種SST觀測資料，發現沒有一種能到該要求。

各種SST資料均有其優缺點，因此要得到準確、高覆蓋、高分辨率的SST分布場，必須將各種SST資料融合在一起，綜合各種資料的優勢。融合多源海洋資料已經成為制作高精度海洋資料產品的國際趨勢。隨著海洋資料種類的增多和資料融合技術的發展，目前世界各國研究機構和業務部門已不斷研制出融合現場觀測、多衛星觀測數據以及模式分析產品的高質量的SST融合產品（表3）。

表3　國外主要海表溫度融合產品列表Table 3 Abroad main merged SST datasets

國際上應用最為廣泛且精度較高的海表溫度融合產品有美國NOAA/NCEI的OISST V2.0產品[16]、NOAA/NCEP的RTG-HR產品[17]以及英國Met Office的OSTIA產品[18]等。

OISST V2.0是利用最優插值得到的日平均0.25°×0.25°全球海表溫度融合數據[19]，并根據使用的衛星數據源不同而研制了兩種數據產品：AVHRR-only和AMSR+AVHRR產品。AVHRR-only使用了實測數據（船舶和浮標）、AVHRR紅外反演海表溫度數據，以及模式模擬的海冰數據。AMSR +AVHRR增加了AMSR微波反演海表溫度數據。制作這兩種產品的算法是相同的，包括基于實測數據修正遙感數據的大尺度偏差（empirical orthogonal teleconnection，EOT方法）以及最優插值方法融合各類數據源信息。以上兩種產品的最優插值算法是第二版Reynolds最優插值算法[20]，主要增添了一些額外的時間權重處理，且優化的融合算法中SST場誤差空間相關由第一版本的600～800 km精細化到150 km，可體現SST數據空間的細節特點。在處理冰面海溫時，利用NCEP模式模擬的海冰資料對海溫數據進行校正，降低了高緯SST的誤差[21]。

RTG-HR使用了AVHRR數據和實測數據，但沒有使用微波數據，產品最小網格距可達（1/12°）[22]，相對于早期版本RTG_SST[17]有了明顯的提升。SST 空間變化相關半徑范圍選為50～450 km。使用實測數據通過Poisson方法[16]對SST遙感數據進行矯正。最終采用二維變分的方法融合訂正后的衛星和船舶/浮標數據。在融合過程中使用了衛星海冰數據以及氣候鹽度數據對冰面SST進行修正。

OSTIA 是英國氣象局基于GHRSST－PP計劃提供的多衛星數據[23]，使用了AATSR 數據、SEVIRI數據、AVHRR 數據、AMSR 數據、TMI 數據和實測數據，其網格間距為（1/20°）。所有衛星的SST 數據參考并結合AATSR數據和浮標實測數據調整誤差，并使用多尺度OI技術進行融合。SST二維的誤差相關尺度為10和100 km，可根據地區和輸入數據的變化而改變。產品已經可提供均方根誤差小于0.6 ℃的近實時高分辨率SST數據。

國內學者在衛星資料與現場觀測數據融合領域也做了一定工作。鄭金武等[24]選用了Argo、MODIS、AVHRR、AMSRE、TMI等SST資料，應用增量變分法融合多源衛星 SST資料，分析得到了中國近海高分辨率的SST分析產品。分析結果表明，多源SST融合集合了各衛星SST資料的優點，彌補了各衛星SST資料的不足，特別是在近海區域實時觀測資料少，各衛星資料的精度偏低且各衛星資料數據相互獨立的情況下，多衛星資料融合提高了分析結果的準確性。雖然該研究尚未形成長時間序列的海溫融合產品，無法填補國內海表溫度融合產品的空白，但在現場觀測與衛星反演海溫的融合領域做出了積極地嘗試，為未來的海表溫度融合工作提供了借鑒。

3　國家氣象信息中心海表溫度融合產品進展

目前我國已經建立了岸基、海基、天基的海洋氣象觀測系統，產生日益豐富的實測氣象資料。但是隨著我國海洋經濟的不斷發展，海洋氣象服務提出的資料需求更趨精細化、集約化。相比歐美等發達國家通過多種來源海洋氣象觀測數據的融合應用提升了海洋氣象資料服務能力，我國的海洋氣象資料融合應用起步晚，差距大。為了綜合發揮多種來源海洋氣象觀測數據的優勢，國家氣象科技創新工程攻關任務“氣象資料質量控制及多源數據融合與再分析”經過充分調研提出了研制高質量海洋要素融合產品的目標任務。在此背景下，國家氣象信息中心與多位海外智庫專家聯合，首先從海表溫度融合入手，著力搭建中國氣象局海洋數據融合分析系統（CMA Ocean Data Analysis System，CODAS），并于2016年7月成功完成了全球海表溫度融合產品（CODAS SST)的研發。

3.1　CODAS SST數據源及融合技術方案

CODAS SST在研發過程中充分發揮了國家氣象信息中心數據收集優勢，同時在深度挖掘信息中心現有數據的基礎上，進一步豐富了海溫數據收集的種類。目前CODAS-SST實現了全球浮標和船舶、中國浮標和船舶、ECMWF模式SST預報產品、FY-3C/VIRR反演海溫、METOP-B/AVHRR反演海溫、GCOM-W1/AMSR-2反演海溫的實時融合。表4進一步介紹了所用海表溫度數據的種類、時間段、來源、獲取方式等。

CODAS-SST在充分調研了國內外海表溫度融合技術的基礎上，結合自身融合技術開發基礎，開發了包含數據預處理和偏差訂正的超級觀測場方案和多重網格三維變分融合方案。超級觀測場方案首先對數據進行了預處理，包括對船舶、浮標數據和多衛星數據的質控、訂正、分辨率匹配，以及利用浮標數據對其他數據源進行偏差訂正等。然后使用了國際上常用的“Super Observation”方法將浮標、船舶與多衛星遙感等多種觀測資料進行有效的結合，組成“超級”觀測場。由于海表溫度觀測種類較多，且分布非常不均勻，融合時易產生求解的“不適定問題”——即觀測點靠近但觀測值相差較大，求解通常為病態解，而超級觀測場的方案可以有效解決這一問題。

表4　全球海表溫度融合產品數據源Table 4 Specifications of the input data in CODAS SST

CODAS SST為了解決最優插值（OI）和二維變分等傳統融合方法對背景場誤差協方差矩陣的依賴，選用了Xie等[25]提出的多尺度三維變分技術（spacetime multiscale analysis system，STMAS）來實現超級觀測場與背景場的融合。

STMAS技術中，在每一重網格上的目標泛函采用如下形式：

STMAS的多尺度方法通過依次對不同尺度的觀測信息進行分析，消除長波信息與短波信息之間的混淆，克服由這種由背景場誤差協方差矩陣不準確引入的誤差，避免了傳統數據同化的關于背景誤差協方差的一些不合理假設，以及節約在大尺度計算時間和詳細提取小尺度信息，從而合理縮短同化過程的計算時間。STMAS在海洋要素融合中具有“較高的計算效率和較低的均方根誤差”的優點以及在業務產品制作中高效、運行穩定的特點，因此我們利用多重網格三維變分（STMAS）方法實現多衛星和船舶、浮標實測數據的融合，制作全球高分辨率海表溫度融合產品（圖1）。圖2給出了2017年8月21—23日的CODAS SST的空間分布個例，可以看出CODAS SST能夠實現全球海域的覆蓋，SST整體分布趨勢清晰，東太平洋SST冷舌明顯。

圖1　CODAS SST融合技術路線Fig. 1 The work-flow of CODAS SST

3.2　融合產品對比評估

美國NOAA/NCEI的OISST V2.0產品是目前國際上應用最為廣泛且精度較高的海表溫度融合產品，且時效性較高，已經成為中國氣象局實時氣象業務（天氣預測、氣候監測等）中主要應用的海表溫度產品。這里將對比實時融合產品與OISST V2.0的差異，以此估計實時融合產品的誤差。

圖2　2017年8月21—23日CODAS SST空間分布Fig. 2 Map of CODAS SST for 21 - 23 August 2017

圖3給出2016年1—3月全球OISST V2.0與CODAS SST的相關系數（CC）、平均偏差（Bias）以及均方根誤差（RMSE）的逐日變化，可以看出，融合產品CODAS SST與OISST V2.0相關性非常高，相關系數在0.996以上，均方根誤差在0.95 K以下，兩種資料的平均差異在0.03 K附近。以浮標數據為參考，比較了2016年1—3月全球OISST V2.0與CODAS SST的誤差（表5），可以看到CODAS SST全球平均偏差為－0.0542 K，略大于OISST V2的偏差，相關系數在0.98以上，均方根誤差為1.3232 K，與OISST V2產品相當或略優。

圖3　全球2016年1月1日—3月31日CODAS SST與OISST V2.0的差異（a）相關系數；（b）偏差；（c）均方根誤差Fig. 3 The difference of the CODAS SST from the OISST V2.0 for 1 January - 31 March 2016(a) correlation coefficient; (b) Bias; (c) RMSE

表5　CODAS SST與OISST V2.0質量評估對比（以浮標數據為檢驗數據）Table 5 The validation of CODAS SST and OISST V2.0(Based on buoy observation)

4　總結

海洋觀測歷史悠久，傳統的海洋觀測數據是基于船舶、浮標等觀測數據，使用多種插值方法形成的網格化數據產品。隨后日益增加的衛星遙感數據源極大促進了海洋產品的研發。單一的衛星傳感器數據通常不能獲取到滿足實際應用的全部信息，所提取的信息還存在時間和空間的不完整性。因此綜合利用多種衛星觀測數據特點，對多衛星觀測數據進行比較、分析、校正、同化、融合等工作，得到高時空分辨率的多衛星海洋要素融合產品也是近年來海洋資料的主流。隨著海洋資料種類的增多和資料融合技術的發展，目前世界各國研究機構和業務部門已不斷研制出融合現場觀測、多衛星觀測數據以及模式分析產品的高質量的海洋融合產品。國家氣象信息中心在深入調研的基礎上，也在國家氣象科技創新工程攻關任務“氣象資料質量控制及多源數據融合與再分析”提出了研制高質量海洋要素融合產品的目標任務，并已經完成了全球海表溫度融合產品的研發，經檢驗，全球海表溫度融合產品精度與國際主流產品接近。

[1]Gentemann C L, Donlon C J, Stuart-Menteth A, et al. Diurnal signals in satellite sea surface temperature measurements. J Geophys Res, 2003, 30(3): 1140-1143.

[2]Kawai Y, Wada A. Diural sea surface temperature variation and its impacts on the atmosphere and ocean: A review. J Oceanogr, 2007,63: 721-744.

[3]楊素雨, 嚴華生. 冬季北太平洋南北海溫異常對我國汛期雨帶類型的影響研究. 應用氣象學報, 2007, 18(2): 193-201.

[4]蔣興偉, 林明森, 劉建強. 我國衛星海洋空間探測. 中國工程科學,2008, 10(6): 56-62.

[5]Guan L, Kawamura H. Merging satellite infrared and microwave SSTs: Meteorology and evaluation of the new SST. J Oceanogr,2004, 60: 905-912.

[6]Woodruff S D, Worley S J, Lubker S J, et al. ICOADS Release 2.5:extensions and enhancements to the surface marine meteorological archive. International Journal of Climatology, 2011, 31(7): 951-967.

[7]Smith T M, Reynolds R W. Extended reconstruction of global sea surface temperatures based on COADS 1854-1997. Journal of Climate, 2003, 16: 1495–1510.

[8]Huang B, Banzon V F, Freeman E, et al. Extended reconstructed sea surface temperature version 4 (ERSST.v4): Part I. Upgrades and intercomparisons. Journal of Climate, 2014, 28: 911-930.

[9]Barton I J. Satellite-derived sea surface temperature: Current status.J Geophys Res, 1995, 100: 8777-8790.

[10]Donlon C J, Rayner N, Robinson I, et al. The global ocean data assimilation project (GODAE) high resolution sea surface temperature pilot project (GHRSST-PP). Bulletin of the American Meteorological Society, 2007, 88(8): 1197–1213.

[11]張慧. 基于小波變換的AVHRR和AMSR-E衛星海表溫度數據融合. 青島: 中國海洋大學碩士學位論文, 2006.

[12]王艷珍, 管磊, 曲利芹. 卡爾曼濾波在衛星紅外、微波海表溫度數據融合中的應用. 中國海洋大學學報, 2010, 40(12): 126–130.

[13]奚萌. 基于最優插值算法的紅外和微波遙感海表溫度數據融合.青島: 國家海洋環境預報研究中心碩士學位論文, 2011.

[14]齊亞琳, 林明森. 數據融合技術在海洋二號衛星數據中的應用.航天器工程, 2012, 21(3): 117–123.

[15]苗春生, 程遠, 王堅紅，等. 中國風云衛星與海洋衛星近海SST資料融合技術及應用研究. 地球科學進展, 2015, 30(10):1127–1143.

[16]Reynolds R W, Smith T M, Liu C, et al. Daily high-resolution blended analyses for sea surface temperature. J Climate, 2007, 20:5473-5496.

[17]Thiebaux J, Rogers E, Wang W, et al. A new high-resolution blended real-time global sea surface temperature analysis. Bull Amer Meteor Soc, 2003, 84: 645–656.

[18]Donlon C J, Matthew M, John S, et al. The operational sea surface temperature and sea ice analysis (OSTIA) system. Remote Sensing of Environment, 2012, 116: 140-158.

[19]Reynolds R W, Smith T M. Improved global sea surface temperature analyses. J Climate, 1994, 7, 929-948.

[20]Reynolds R W, Rayner N A, Smith T M, et al. An improved in situ and satellite SST analysis for climate. J Climate, 2002, 15: 1609-1625.

[21]Reynolds R W, Marsico D C. An improved real-time global sea surface temperature analysis. J Climate, 1993, 6: 114-119.

[22]Gemmill W, Katz K, Li X. Daily real-time global sea surface temperature-high resolution analysis at NOAA/NWS/NCEP/MMAB Office Note, 2007.

[23]Donlon C, et al. The GHRSST-PP product user manual.International GHRSST-PP Project Office Met Office United Kingdom, 2005.

[24]鄭金武, 許東峰, 王俊, 等. 增量變分法融合多源SST. 海洋學研究, 2009, 27(4): 24–32.

[25]Xie Y, Koch S E, McGinley J A, et al. A sequential variational analysis approach for mesoscale data assimilation. 21st Conf on Weather Analysis and Forecasting, Washington, DC, Amer Meteor Soc, 2005.