全球船舶和浮標觀測海表溫度數(shù)據(jù)集及數(shù)據(jù)特征對比評估

摘要 現(xiàn)場觀測不僅是最為傳統(tǒng)的海表溫度測量方式，也是獲取海表溫度最直接、最準確的方式之一，因此現(xiàn)場觀測海表溫度資料是所有其他海溫數(shù)據(jù)產品研制的基礎與保障。船舶和浮標觀測是兩類現(xiàn)場觀測海表溫度的主要手段，本文收集整合了全球多源現(xiàn)場觀測海表溫度資料，并利用ERA5再分析資料，對數(shù)據(jù)進行了統(tǒng)一的質量控制加工，分別形成“1900—2023年全球船舶海表溫度觀測數(shù)據(jù)集”和“1976—2023年全球浮標海表溫度觀測數(shù)據(jù)集”。進一步評估表明：浮標觀測數(shù)據(jù)的正確率較高，其數(shù)據(jù)質量高于船舶觀測數(shù)據(jù)。20世紀90年代以后，浮標觀測記錄數(shù)遠超過船舶觀測，主要原因是浮標時間上連續(xù)的觀測帶來龐大的觀測記錄數(shù)，但浮標資料的時空覆蓋率遠低于船舶觀測，對全球或大面積海表溫度的代表性差，無法僅利用浮標資料進行全球海表溫度趨勢變化的研究，但可作為精度較高的數(shù)據(jù)源訂正或評估其他數(shù)據(jù)。船舶資料相對浮標資料有正的系統(tǒng)偏差。全球的船舶海表溫度觀測記錄數(shù)在1961年以后顯著上升，70—90年代間達到峰值，90年代以后船舶觀測數(shù)減少并趨于平穩(wěn)，船舶資料雖然觀測樣本數(shù)相對浮標較少，但覆蓋的時空范圍相對較大，在全球海表溫度趨勢變化研究中具有重要參考意義。

關鍵詞船舶;浮標;海表溫度;現(xiàn)場觀測;氣候研究

海表溫度（sea surface temperature，SST）是海洋與大氣之間進行熱量交換的關鍵指標，作為描述海洋表層熱狀況最為重要的海洋環(huán)境參數(shù)之一，其被廣泛地應用于上層海洋過程、海氣熱量交換、海洋大氣數(shù)值模擬與預報等的研究和應用中（Frankignoul and Kestenare，2002;Brunke et al.，2008;朱芳澤等，2014）。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（王曉悅和錢永甫，2002;陳晨等，2021）。海溫的變化直接影響氣候變化、漁場分布，厄爾尼諾、臺風等自然災害的形成也與海溫變化密切相關（毛江玉等，2000;李剛等，2012;李經緯等，2021）。因此準確的海表溫度信息對于理解大氣海洋環(huán)境變化、預測海洋災害、指導漁業(yè)生產等都具有重要意義（Kawai and Wada，2007;秦大河等，2007）。

現(xiàn)場觀測是獲取海表溫度最直接、最準確的方式之一，主要通過海上浮標、沿岸站及船舶等常規(guī)觀測系統(tǒng)獲得（寶樂爾其木格和任國玉，2013）。海表溫度現(xiàn)場觀測資料是所有其他海溫數(shù)據(jù)產品的基礎。無論是網(wǎng)格化SST數(shù)據(jù)產品、衛(wèi)星反演SST產品，還是多源融合產品或是再分析資料，這些海表溫度資料產品都需要依賴船舶浮標觀測資料作為基礎保障。例如：網(wǎng)格化數(shù)據(jù)產品通過插值和同化等技術手段，將離散的觀測資料轉化為空間上連續(xù)的數(shù)據(jù)場，船舶浮標觀測資料作為基礎數(shù)據(jù)，決定了網(wǎng)格化數(shù)據(jù)產品的空間分布和變化趨勢（Woodruff et al.，1987;Smith and Reynolds，2003;陳麗凡等，2019）。衛(wèi)星遙感技術可以快速獲取大范圍的海表溫度信息，但受到多種因素的影響，如大氣校正、傳感器精度等，其反演結果需要船舶浮標觀測資料進行驗證和校準（Emery et al.，2001;Xu et al.，2010;Bulgin et al.，2016）。多源融合產品通過集成不同來源的海表溫度數(shù)據(jù)，如船舶浮標觀測資料、衛(wèi)星遙感數(shù)據(jù)等，形成更為全面、準確的海表溫度數(shù)據(jù)集。船舶浮標觀測資料作為其中重要的一部分，為多源融合產品提供了基礎數(shù)據(jù)和參考依據(jù)（Thiébaux et al.，2003;Reynolds et al.，2007;Donlon et al.，2012）。再分析資料則是利用數(shù)值天氣預報模式和同化技術，對歷史觀測數(shù)據(jù)進行再處理和再分析，生成具有更高時空分辨率和準確性的數(shù)據(jù)集。船舶浮標觀測資料在再分析資料的制作過程中扮演著重要角色，為同化方案和數(shù)值模式提供了真實可靠的初始條件和邊界條件（Derber et al.，1989;Kalnay et al.，1996;Hersbach et al.，2020）。

海表溫度現(xiàn)場觀測資料為其他各種海表溫度產品提供了準確的數(shù)據(jù)支持，確保產品的質量和可靠性，因此也在海洋科學研究和實際應用中發(fā)揮著至關重要的作用并被重視。海溫觀測資料的搜集、整理、質量控制等是很多學者長期致力于研究的重要課題（Hansen et al.，1996;Gronell et al.，2008;Kennedy et al.，2011;Zhang et al.，2024）。各國根據(jù)自己收集的資料，整理出了幾套共享的全球海溫觀測資料（Rayner et al.，2003;Woodruff et al.，2011;楊瑋等，2011;Xu and Ignatov，2014），這些資料被廣泛應用于全球和區(qū)域氣候變化分析。隨著國內資料融合和再分析產品研發(fā)的快速發(fā)展（沈艷等，2013;師春香等，2019;周自江等，2022;Liu et al.，2023），海表溫度觀測資料的收集整理工作變得愈發(fā)重要。因此中國很多涉海科研機構也進行了大量的海洋觀測數(shù)據(jù)整理和質量控制工作（Liu et al.，2017;吳曉芬等，2019;劉玉龍等，2021;Tan et al.，2022）。面對國內多個部門自行收集整理的數(shù)據(jù)標準不一、數(shù)據(jù)格式迥異，觀測資料和信息產品缺乏共享等實際情況，本工作旨在發(fā)展一套具有較好數(shù)據(jù)完整性、經過統(tǒng)一標準質控、長時間序列的全球海表溫度觀測數(shù)據(jù)集，由此進行分析并發(fā)布共享。

船舶觀測為現(xiàn)場直接測量方式，也是歷史最為悠久的觀測海溫的方式，即利用商船、“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。作為海溫資料最大、最可靠直接的數(shù)據(jù)來源，船舶觀測海表溫度資料為長期海溫分析和氣候變化研究提供了寶貴的數(shù)據(jù)（寶樂爾其木格和任國玉，2013）。而現(xiàn)場浮標觀測自20世紀70年代開始使用，起步相對較晚，它主要是利用裝載在浮標平臺上的測溫儀器對海表溫度進行觀察，又分為漂流浮標和固定浮標，其觀測具有長期、連續(xù)、實時、自動等優(yōu)點，是海洋觀測技術精度最高、最有效、最重要的手段之一。此外，浮標與船舶觀測海表溫度的傳感儀器不同，兩種觀測資料存在一定的系統(tǒng)偏差（徐賓等，2018），在多源海表溫度資料融合時，往往也將船舶和浮標資料作為兩種不同的資料源進行誤差評估并作進一步融合。

因此本工作將針對船舶、浮標兩類海表溫度主要現(xiàn)場觀測平臺，收集整合全球（特別是豐富了我國海域）多來源海表溫度觀測資料，完成解碼、提取、查重、標準化等步驟，得到長期全球區(qū)域的海表溫度資料，并利用ERA5再分析資料，選擇統(tǒng)一的質量控制方案進行質控，得到一套質量較高、時間序列較長、較為完整的全球船舶、浮標觀測海表溫度資料產品，為后續(xù)進行海表溫度資料評估、多源海表溫度資料融合、全球氣候變化分析等工作提供基礎資料產品保障。本文進一步對船舶和浮標觀測數(shù)據(jù)統(tǒng)計特征及誤差進行對比分析，以探究兩種觀測數(shù)據(jù)的適用性，為使用海表溫度觀測數(shù)據(jù)進行氣候變化研究以及資料評估訂正提供一定參考。

1 數(shù)據(jù)集的研制

1.1 數(shù)據(jù)源

該套觀測數(shù)據(jù)集的研制基于美國NOAA的國際海氣綜合數(shù)據(jù)集（International Comprehensive Ocean-Atmosphere Data Set，ICOADS）最新產品（ICOADS V3）、全球電信系統(tǒng)（Global Telecommunication System，GTS）實時傳輸“海洋表面觀測報告”數(shù)據(jù)、 美國NOAA的CFSR／GDAS系統(tǒng)所使用的海洋觀測資料、中國鄰近海域觀測資料以及南方海洋科學與工程廣東省實驗室（珠海）（南方海洋實驗室，SML）組織的航次近期采集的海表溫度數(shù)據(jù)等多個數(shù)據(jù)源。各類數(shù)據(jù)源具體說明如下。

1）ICOADS

美國NOAA的ICOADS數(shù)據(jù)分布全球范圍，源于不同的觀測系統(tǒng)，包括多個海表觀測要素資料，是目前國際上最完整、最全面、時間序列最長的公開的現(xiàn)場觀測資料（Freeman et al.，2017），也是本數(shù)據(jù)集最主要的數(shù)據(jù)來源。ICOADS觀測數(shù)據(jù)最新版本為ICOADS版本3.1（R3.1），于2017年10月完成，數(shù)據(jù)時間涵蓋1662—2014年；此外，R3.0.2版本數(shù)據(jù)自2015年至今（正常滯后1～2 mon），相當近實時提供數(shù)據(jù)。數(shù)據(jù)主要分為enhanced-trim（質控后）和final-untrim（原始數(shù)據(jù)）兩類。本數(shù)據(jù)集使用的是質量更高的enhanced-trim數(shù)據(jù)，提取1900年以后船舶和1976年以后浮標觀測的海表溫度數(shù)據(jù)記錄的相關信息。

2）GTS

全球電信系統(tǒng)GTS是世界氣象組織（WMO）提供全球和雙邊交換資料的核心業(yè)務平臺，通過GTS實時傳輸?shù)摹昂Ｑ蟊砻嬗^測報告”（包括船舶觀測報告）是中國接收全球海洋資料的重要來源（劉向文等，2011），也是本產品制作使用的重要數(shù)據(jù)來源，自1981年開始收集。

3）CFSR_OBS和GDAS_OBS

美國NCEP氣候預報系統(tǒng)再分析（Climate Forecast System Reanalysis，CFSR）輸入觀測資料（CFSR_OBS；Saha et al.，2014）和美國NCEP全球數(shù)據(jù)同化系統(tǒng)（NCEP GFS and Global Data Assimilation System，GDAS）輸入觀測資料（GDAS_OBS；Wang et al.，2022）都存在大量的全球海洋溫度觀測數(shù)據(jù)，且因為需要作為同化資料的輸入而進行了嚴格的質量控制，因此其是本產品制作中質量較好的數(shù)據(jù)源之一。

4）其他來源

部分收集的資料來源于中國國家氣象信息中心、國家海洋信息中心等國家級數(shù)據(jù)中心提供的中國鄰近海域的現(xiàn)場船舶、浮標觀測資料，豐富了我國海域的資料。此外南方海洋實驗室自2021年以來，組織執(zhí)行了多個調查和科考航次，這類數(shù)據(jù)也成為本數(shù)據(jù)集近期的一個數(shù)據(jù)源。

各個來源的數(shù)據(jù)有重疊，也有補充，甚至不同，因此需要整合（完成解碼、提取、查重、標準化等步驟）上述多來源船舶和浮標觀測的海表溫度觀測數(shù)據(jù)。因為GTS、CFSR_OBS、GDAS_OBS等全球數(shù)據(jù)產品中部分數(shù)據(jù)源也來自應用最廣泛的ICOADS資料，所以有大量重疊的記錄需要去重。并且各研究單位因通訊、解碼或獲取版本不同等原因，不同數(shù)據(jù)集會出現(xiàn)位置相同但要素值不同的記錄。這里處理的方式是：首先對這類數(shù)據(jù)進行質量控制，根據(jù)質控信息去除錯誤或懷疑值，保留正確值;如果質控都是正確的，則再由數(shù)據(jù)源質量進行判斷，質量較好的CFSR_OBS、GDAS_OBS優(yōu)先，ICOADS其次，質量稍差的GTS則排在最后。

數(shù)據(jù)經過整合之后，再進行統(tǒng)一的質量控制加工，最終形成全球船舶和浮標觀測海表溫度數(shù)據(jù)（Global_ship_buoy_SST），即：“1900—2023年全球船舶海表溫度觀測數(shù)據(jù)集”和“1976—2023年全球浮標海表溫度觀測數(shù)據(jù)集”。

圖1給出了Global_ship_buoy_SST數(shù)據(jù)集與ICOADS船舶和浮標在各個年代的觀測海表溫度記錄數(shù)變化。可以看到，Global_ship_buoy_SST數(shù)據(jù)集主要基于ICOADS數(shù)據(jù)，在近40年（1981以后）由于融入了更多的數(shù)據(jù)源，所以船舶和浮標觀測的樣本數(shù)明顯多于ICOADS數(shù)據(jù)。1961年以后全球船舶海表溫度記錄數(shù)顯著上升，20世紀70—90年代船舶的記錄數(shù)呈現(xiàn)階段性的高值區(qū)間，90年代以后船舶觀測數(shù)減少并趨于平穩(wěn)，此時浮標觀測記錄數(shù)明顯增多，并遠超船舶觀測數(shù)，呈現(xiàn)隨年代際增長的趨勢，2001—2010年浮標觀測記錄數(shù)達到了船舶觀測數(shù)的6倍以上;2011年以后，浮標觀測記錄數(shù)達到了船舶觀測數(shù)的10倍以上。

浮標觀測記錄數(shù)遠超船舶觀測數(shù)的主要原因是浮標連續(xù)觀測帶來了龐大的觀測記錄數(shù)。由圖2給出的全球船舶和浮標的逐日觀測總數(shù)和去除日內觀測后的記錄數(shù)對比可以看到，浮標觀測數(shù)去除對固定地點連續(xù)觀測的日內記錄后，觀測數(shù)降到總觀測數(shù)的一半以下（紅色與藍色線之比），而船舶觀測數(shù)變化不大。

1.2 質量控制

質量控制方法判別的可信度是用戶在使用觀測數(shù)據(jù)集時關注的一個焦點。本數(shù)據(jù)集制作時采用的質量控制方案除了采用對粗大誤差的傳統(tǒng)質量控制技術（Woodruff，2008），還發(fā)展了借助模式分析場進行觀測資料質量控制的技術方案（廖捷和周自江，2018），該方法也是目前國際上各機構制作再分析資料時對觀測資料進行的業(yè)務質量控制方案（Onogi，1998;Collins，2001），即：利用再分析資料對觀測資料進行質量控制，認為觀測值與再分析資料差異不超過3.5倍氣候標準差，如果差值大于3.5倍標準差，則設定觀測數(shù)值可疑，稱為“標準差異常檢查”。在本數(shù)據(jù)制作過程中，利用目前國際上公認的質量較高的再分析資料ERA5（1940—2023年，逐時，0.25°×0.25°分辨率）海表溫度數(shù)據(jù)，計算全球海表溫度格點上的氣候標準差，判斷當前的觀測記錄落在哪個格點上，然后與該格點內該時刻的再分析數(shù)據(jù)比較計算差值，判斷差異是否大于3.5倍標準差。

數(shù)據(jù)集Global_ship_buoy_SST統(tǒng)一的質量控制流程及檢查內容如圖3所示。首先執(zhí)行基本信息檢查，然后執(zhí)行以下環(huán)節(jié)：著陸檢查、界限值檢查、主要變化范圍檢查、時間一致性檢查、標準差異常檢查（各個步驟的檢查內容如圖3所示），最后執(zhí)行質量控制綜合判斷和標注質量控制碼QCI（quality control indicator，IQC，如圖3中H步驟所示）。

圖4a和圖5a分別給出了船舶和浮標數(shù)據(jù)質量控制中錯誤記錄數(shù)（IQC=2）和懷疑記錄數(shù)（IQC=1）占總樣本數(shù)百分比的逐日變化。可以看到，船舶觀測懷疑樣本數(shù)百分比平均為10％左右，浮標觀測的錯誤和懷疑樣本數(shù)百分比明顯低于船舶觀測，基本低于5％（1990年以前浮標觀測較少的年份，IQC=1的樣本數(shù)百分比較高，大值可達15％），即浮標觀測數(shù)據(jù)的正確率較高，其數(shù)據(jù)質量高于船舶觀測數(shù)據(jù)。特別注意在1940—1950年期間船舶不僅記錄數(shù)較少（圖2），且錯誤率也較高（圖4a），因此，這段時間可用的船舶觀測數(shù)據(jù)非常少，對應全球平均海表溫度變化有個較大的下降波動（圖4b），而在ERA5的全球平均海溫變化分析中并沒有這一現(xiàn)象（圖略），這一時期的全球海溫降低可能是由于樣本數(shù)太少造成的。在近期（2015年左右）船舶觀測出現(xiàn)了一個懷疑和錯誤樣本數(shù)升高的現(xiàn)象，主要是由于2015年以后的ICOADS資料為近實時資料，其質量較經過嚴格質控的歷史資料要差。

此外，從質量控制碼大于0的海表溫度（IQCgt;0;質控為懷疑或者錯誤值）與正確海溫（IQC=0）的平均值區(qū)間分布（圖4b和圖5b）對比來看，IQCgt;0的平均海表溫度值變化范圍明顯大于正確海表溫度值的變化范圍，特別是浮標觀測中IQCgt;0的平均海表溫度值范圍已超過0～30 ℃范圍，表明質量控制可以去除海表溫度變化較大值或異常值。值得注意的是，2010—2020年期間，IQCgt;0（質控為懷疑或者錯誤的海表溫度）的平均值相對正確海溫值是個明顯的低值，如果未做質量控制，那么這部分（IQCgt;0）樣本將會降低全球海表溫度平均值。

2 數(shù)據(jù)特征對比評估

2.1 全球樣本時空覆蓋率

為了分析資料全球覆蓋情況，這里以2°×2°進行逐月統(tǒng)計（因為海洋資料的觀測位置不固定，因此統(tǒng)計資料全球覆蓋時，將全球劃分為180×90個格點，即2°×2°一個格點，如果整個月有數(shù)據(jù)落在該格點上，則視為覆蓋）。圖6給出了船舶和浮標資料全球空間覆蓋率的逐月變化。可以看到，浮標觀測全球覆蓋率明顯低于船舶資料，即便在2015年以后浮標總體觀測記錄增多時，觀測的覆蓋率也僅僅達到30％以上，但不超過40％。

20世紀50年代以后，船舶資料的全球覆蓋率逐漸增加，1960年以后穩(wěn)定達到40％以上;在1940—1960年期間，船舶觀測覆蓋率出現(xiàn)一個低值區(qū)間;在1970—1990年期間，船舶的觀測覆蓋率出現(xiàn)一個高值區(qū)間，可達60％以上，而在近期（2000年后）隨著船舶單點重復觀測增加（圖2a），船舶全球覆蓋率又有降低;這些資料覆蓋率的分析結果與船舶觀測樣本數(shù)的變化（圖1和圖2）是對應的。

選取船舶和浮標觀測數(shù)據(jù)較多的共同時間段1990—2023年，分析資料覆蓋的空間分布（圖7）。從圖7a看到，船舶觀測資料分布與船的航線有關，航線密集地區(qū)資料密度較大，北半球中高緯度較多，北半球比南半球多;北太平洋和大西洋的船舶資料覆蓋率較高。從圖7b看到，浮標資料時間覆蓋較大的區(qū)域集中在大西洋和赤道地區(qū)，且多集中在沿岸地區(qū)和固定的浮標觀測斷面。美國在大西洋沿岸投放的浮標觀測較多，由于漂流浮標的觀測，整個大西洋浮標觀測數(shù)據(jù)都較多;赤道地區(qū)存在幾個明顯的浮標觀測斷面，集中了大量的浮標連續(xù)的海表溫度觀測。對比圖7a和7b可以看到，船舶觀測空間覆蓋范圍大于浮標觀測，并且船舶資料在月尺度上時間覆蓋率明顯高于浮標資料，其覆蓋率在大西洋和北太平洋上可達80％以上，而浮標資料即便在覆蓋率較高區(qū)域也僅有60％左右，其大部分觀測覆蓋區(qū)域覆蓋率僅有20％～30％。

2.2 全球氣候變化應用

由于時間序列較長，海表溫度觀測資料經常用于海溫長期變化趨勢分析和氣候變化研究。船舶和浮標觀測資料的時空覆蓋特點和可用性分析可為全球海表溫度氣候變化研究提供資料使用參考。圖8給出了船舶、浮標以及ERA5資料顯示的全球平均海表溫度在1990—2023年間的變化。將船舶、浮標觀測資料插值成2°×2°分辨率并進行逐月統(tǒng)計，3種資料均取6 mon的滑動平均。從圖8看到，1990—2023年期間，船舶資料顯示的全球海表溫度趨勢與ERA5資料一致，具有緩慢的上升趨勢，而浮標觀測顯示的海溫變化劇烈，在1990—1997年和2000—2015年兩個時間段均顯示出相反的降低趨勢，顯然由于浮標觀測樣本的全球時空覆蓋率很低，對全球海表溫度的代表性差，所以無法僅利用浮標資料對全球海表溫度趨勢變化進行研究。

在1998—2012年期間，全球地表平均溫度升高的速率只有0.05 ℃／（10 a），然而1951年以后的平均溫度升高的速率為0.12 ℃／（10 a）。也就是說，1998年（超級厄爾尼諾年）以來，全球變暖減緩了，這個現(xiàn)象被叫作全球變暖停滯（global warming hiatus;IPCC，2014）。從圖8可以看到，1998—2012年期間（圖中虛線區(qū)間所示），全球船舶觀測的海表溫度顯示出“基本不變的平臺期”，而這前后，海溫顯示明顯的升高趨勢，與已有研究結果一致，這表明船舶觀測的海表溫度對全球氣候變化研究有重要參考價值。

綜上所述，船舶資料雖然觀測樣本數(shù)相對浮標較少，但其覆蓋時空范圍相對較大，對全球海表溫度趨勢變化研究具有一定的參考;浮標觀測樣本的時空覆蓋率很低，對全球海表溫度的代表性差，無法僅利用浮標資料進行全球海表溫度趨勢變化的研究，若能結合浮標觀測數(shù)據(jù)的準確性和船舶觀測數(shù)據(jù)的覆蓋率，則能更好地將它們應用于全球變化研究。

2.3 偏差分析

為了驗證浮標觀測資料的精度更高，利用ERA5資料對浮標、船舶資料的誤差進行對比分析。使用0.25°×0.25°逐小時ERA5再分析海表溫度資料，以0.25°×0.25°為一個格點，計算落在同一格點上的船舶、浮標觀測海表溫度與ERA5資料的平均偏差、均方根誤差及相關系數(shù)。為了更加準確計算統(tǒng)計偏差，僅使用IQC=0的船舶和浮標觀測數(shù)據(jù)，即使用質控后顯示為準確的值分析各類誤差統(tǒng)計值隨時間的變化，如圖9所示。

可以看出，統(tǒng)計樣本增大后（1990年以后），各類誤差值相對穩(wěn)定，浮標觀測與ERA5資料的平均偏差和均方根誤差較船舶資料更小，相關系數(shù)更大，表明由于浮標觀測資料誤差更小，所以ERA5資料更趨近于浮標資料。分析統(tǒng)計誤差值較為穩(wěn)定的時段（1990年樣本數(shù)增大以后）的各個誤差可以看到，對于平均偏差，船舶、浮標觀測資料與ERA5資料都存在一個正偏差，浮標與ERA5的正偏差約在0.1 ℃以下，船舶與ERA5的正偏差約在0.2 ℃，表明ERA5再分析資料的海表溫度值與現(xiàn)場觀測資料存在正的系統(tǒng)誤差。而再分析資料（ERA5）與浮標、船舶觀測資料的相關系數(shù)都達0.98以上，表明再分析資料的制作充分融合了這些實測資料，海洋現(xiàn)場觀測數(shù)量雖然少，但作為海洋要素的直接觀測資料，在數(shù)值模式同化系統(tǒng)中占有舉足輕重的地位。

浮標數(shù)據(jù)是更精確的觀測數(shù)據(jù)。為了計算船舶觀測與浮標觀測的系統(tǒng)偏差，以2°×2°為一個格點，計算落在同一格點上的船舶與浮標觀測海表溫度的偏差（為了更加準確計算系統(tǒng)偏差大小，這里船舶和浮標觀測都僅使用IQC=0，即使用質控后顯示為準確的值），統(tǒng)計逐日的船舶觀測系統(tǒng)偏差隨時間的變化（圖10）。可以看出，在統(tǒng)計樣本增大后（1990年以后），逐日偏差趨近正值，船舶和浮標數(shù)據(jù)之間具有正的系統(tǒng)偏差，約為0.2 ℃，即船舶海表溫度觀測值相對浮標觀測值偏大，這與船舶和浮標觀測海表溫度的深度不一致有關，這也可以作為船舶數(shù)據(jù)偏差訂正的依據(jù)（Reynolds et al.，2002）。

3 結論與討論

本工作針對船舶、浮標兩類主要海表溫度觀測手段，收集了ICOADS、GTS、CFSR_OBS、GDAS_OBS、中國近海等多來源海表溫度觀測資料，完成解碼、提取、查重、標準化等步驟，整合得到了序列較長、較為完整的全球海表溫度觀測資料。數(shù)據(jù)集制作的質量控制方案除了采用對粗大誤差的傳統(tǒng)質量控制技術，還發(fā)展了借助模式分析場進行觀測資料質量控制的技術方案，即利用ERA5再分析資料，對數(shù)據(jù)進行了統(tǒng)一的質量控制加工，制定的質量控制方案可以去除海表溫度變化較大值或異常值，最終形成的“1900—2023年全球船舶海表溫度觀測數(shù)據(jù)集”及“1976—2023年全球浮標海表溫度觀測數(shù)據(jù)集”，可為后續(xù)進行海表溫度資料評估、多源海表溫度資料融合、全球氣候變化分析等工作提供基礎資料產品保障。本文進一步對資料的數(shù)據(jù)特征差異進行了評估，得到如下主要結論：

1）20世紀90年代以后，浮標觀測記錄數(shù)遠超船舶觀測，2011年以后，浮標觀測記錄數(shù)達到船舶觀測的10倍以上。龐大的浮標觀測記錄數(shù)主要是由浮標時間上連續(xù)觀測造成的，但浮標資料在時空覆蓋率上遠低于船舶觀測，對全球或大面積海表溫度的代表性差，無法僅利用浮標資料進行全球海表溫度趨勢變化的研究。

2）質量控制結果表明浮標觀測數(shù)據(jù)的正確率較高，其質量高于船舶觀測數(shù)據(jù)。船舶和浮標與ERA5再分析資料的誤差對比分析表明，浮標觀測資料誤差小，因此浮標數(shù)據(jù)可作為精度較高的數(shù)據(jù)源訂正或評估其他數(shù)據(jù)源。船舶資料相對浮標資料有正的系統(tǒng)偏差，逐日的平均偏差約為0.2 ℃。

3）1961年以后全球船舶觀測的海表溫度記錄數(shù)顯著上升，在20世紀70—90年代，船舶的記錄數(shù)呈現(xiàn)階段性的高值區(qū)間，90年代以后船舶觀測數(shù)減少并趨于平穩(wěn);1990—2023年期間，船舶資料顯示的全球海表溫度趨勢與ERA5資料一致，具有緩慢的上升趨勢，其中1998—2012年全球船舶觀測的海表溫度顯示出“基本不變的平臺期”，而這前后，海溫顯示明顯的升高趨勢。船舶資料雖然觀測樣本數(shù)相對浮標較少，但其覆蓋時空范圍相對較大，對全球海表溫度趨勢變化研究具有一定的參考。若結合浮標觀測數(shù)據(jù)的準確性和船舶觀測數(shù)據(jù)的覆蓋率，則能更好地將它們應用于全球變化研究。

從本文數(shù)據(jù)集的對比評估可看出，每類數(shù)據(jù)都有其弊端和優(yōu)點，因此要得到準確的高覆蓋、高分辨率的SST分布場，需結合各種資料的優(yōu)勢，發(fā)展多源融合數(shù)據(jù)產品，而作為直接觀測海溫的船舶和浮標數(shù)據(jù)，是多源融合數(shù)據(jù)產品的制作過程中不可或缺的數(shù)據(jù)源之一。精度較高的浮標觀測數(shù)據(jù)可作為多源融合數(shù)據(jù)融合時的基準數(shù)據(jù)，用于評估和訂正其他數(shù)據(jù)源;而精度稍差但時空覆蓋較廣的船舶觀測數(shù)據(jù)則需進行系統(tǒng)誤差訂正后參與融合，以增加觀測信息，從而提高融合產品的可靠性。

致謝：http：／／www.hellosea.org.cn／提供了本文制作的數(shù)據(jù)集的共享服務（數(shù)據(jù)集的DOI號分別為10.12378／geodb.2023.2.033.V1和10.12378／geodb.2023.2.034.V1），謹致謝忱！

參考文獻（References）

寶樂爾其木格，任國玉，2013.海溫觀測方法及常用海溫資料數(shù)據(jù)集比較［J］.氣象科技進展，3（6）：52-57. Baoleerqimuge，Ren G Y，2013.Sea surface temperature observation methods and comparison of commonly used sea surface temperature datasets［J］.Adv Meteor Sci Technol，3（6）：52-57.DOI：10.3969／j.issn.2095-1973.2013.06.007.（in Chinese）.

Brunke M A，Zeng X B，Misra V，et al.，2008.Integration of a prognostic sea surface skin temperature scheme into weather and climate models［J］.J Geophys Res：Atmos，113（D21）：D21117.DOI：10.1029／2008jd010607.

Bulgin C E，Embury O，Corlett G，et al.，2016.Independent uncertainty estimates for coefficient based sea surface temperature retrieval from the Along-Track Scanning Radiometer instruments［J］.Remote Sens Environ，178：213-222.DOI：10.1016／j.rse.2016.02.022.

陳晨，李忠賢，陳兵，等，2021.春季熱帶南大西洋海表溫度異常與夏季亞澳季風區(qū)降水異常的聯(lián)系［J］.大氣科學學報，44（6）：918-926. Chen C，Li Z X，Chen B，et al.，2021.Relationship between spring south tropical Atlantic SST anomalies and summer precipitation anomalies in Asian-Australian monsoon region［J］.Trans Atmos Sci，44（6）：918-926.DOI：10.13878／j.cnki.dqkxxb.20200522001.（in Chinese）.

陳麗凡，孫丞虎，張冬斌，等，2019.1901—2016年印太海域海表溫度的偏差訂正及數(shù)據(jù)集研制［J］.地球物理學報，62（6）：2001-2015. Chen L F，Sun C H，Zhang D B，et al.，2019.Bias correction and the dataset development of sea surface temperature over the Indian-Pacific Ocean from 1901 to 2016［J］.Chin J Geophys，62（6）：2001-2015.（in Chinese）.

Collins W G，2001.The operational complex quality control of radiosonde heights and temperatures at the national centers for environmental prediction.Part Ⅰ：description of the method［J］.J Appl Meteor，40（2）：137-151.DOI：10.1175／1520-0450（2001）040lt;0137：tocqcogt;2.0.co;2.

Derber J，Rosati A，1989.A global oceanic data assimilation system［J］.J Phys Oceanogr，19（9）：1333-1347.DOI：10.1175／1520-0485（1989）019lt;1333：agodasgt;2.0.co;2.

Donlon C J，Martin M，Stark J，et al.，2012.The operational sea surface temperature and sea ice analysis （OSTIA） system［J］.Remote Sens Environ，116：140-158.DOI：10.1016／j.rse.2010.10.017.

Emery W J，Baldwin D J，Schlüssel P，et al.，2001.Accuracy of in situ sea surface temperatures used to calibrate infrared satellite measurements［J］.J Geophys Res：Oceans，106（C2）：2387-2405.DOI：10.1029／2000jc000246.

Frankignoul C，Kestenare E，2002.The surface heat flux feedback.Part I：estimates from observations in the Atlantic and the North Pacific［J］.Climate Dyn，19（8）：633-647.DOI：10.1007／s00382-002-0252-x.

Freeman E，Woodruff S D，Worley S J，et al.，2017.ICOADS Release 3.0：a major update to the historical marine climate record［J］.Int J Climatol，37（5）：2211-2232.DOI：10.1002／joc.4775.

Gronell A，Wijffels S E，2008.A semiautomated approach for quality controlling large historical ocean temperature archives［J］.J Atmos Ocean Tech，25（6）：990-1003.DOI：10.1175／jtecho539.1.

Hansen D V，Poulain P M，1996.Quality control and interpolations of WOCE-TOGA drifter data［J］.J Atmos Oceanic Technol，13（4）：900-909.DOI：10.1175／1520-0426（1996）013lt;0900：qcaiowgt;2.0.co;2.

Hersbach H，Bell B，Berrisford P，et al.，2020.The ERA5 global reanalysis［J］.Quart J Roy Meteor Soc，146（730）：1999-2049.DOI：10.1002／qj.3803.

IPCC，2014.Climate change 2014：synthesis report［C］.Geneva，Switzerland：151.

Kawai Y，Wada A，2007.Diurnal sea surface temperature variation and its impact on the atmosphere and ocean：a review［J］.J Oceanogr，63（5）：721-744.DOI：10.1007／s10872-007-0063-0.

Kalnay E，Kanamitsu M，Kistler R，et al.，1996.The NCEP／NCAR 40-year reanalysis project［J］.Bull Amer Meteor Soc，77（3）：437-471.DOI：10.1175／1520-0477（1996）077lt;0437：tnyrpgt;2.0.co;2.

Kennedy J J，Rayner N A，Smith R O，et al.，2011.Reassessing biases and other uncertainties in sea surface temperature observations measured in situ since 1850：1.measurement and sampling uncertainties［J］.J Geophys Res：Atmos，116（D14）：D14103.DOI：10.1029／2010jd015218.

李剛，李崇銀，譚言科，等，2012.北半球冬季南太平洋海表溫度異常的主要模態(tài)及其與ENSO的關系［J］.海洋學報，34（2）：48-56. Li G，Li C Y，Tan Y K，et al.，2012.Principal modes of the boreal wintertime SSTA in the South Pacific and their relationships with the ENSO［J］.Acta Oceanologica Sinica，34（2）：48-56.（in Chinese）.

李經緯，曾剛，楊效業(yè)，等，2021.中國東北夏季極端高溫的分類及其與北大西洋海表溫度異常的聯(lián)系［J］.大氣科學學報，44（2）：302-313. Li J W，Zeng G，Yang X Y，et al.，2021.Classification of summer extreme high temperature events in Northeast China and their relationships with sea surface temperature anomalies in North Atlantic［J］.Trans Atmos Sci，44（2）：302-313.DOI：10.13878／j.cnki.dqkxxb.20200322001.（in Chinese）.

廖捷，周自江，2018.全球常規(guī)氣象觀測資料質量控制研究進展與展望［J］.氣象科技進展，8（1）：56-63. Liao J，Zhou Z J，2018.Quality control of the global conventional meteorological observations：progresses and prospects［J］.Adv Meteor Sci Tech，8（1）：56-63.（in Chinese）.

劉向文，李維京，吳統(tǒng)文，等，2011.從GTS獲得的海洋溫、鹽資料在BCC海洋同化系統(tǒng)中的質量控制及同化結果初步分析［J］.氣象學報，69（4）：672-681. Liu X W，Li W J，Wu T W，et al.，2011.A preleminary analysis of the quality control and assimilation of the ocean temperature and salinity data from the GTS in the BCC_GODAS2.0［J］.Acta Meteor Sinica，69（4）：672-681.（in Chinese）.

劉玉龍，王國松，侯敏，等，2021.基于深度學習的海溫觀測數(shù)據(jù)質量控制應用研究［J］.海洋通報，40（3）：283-291. Liu Y L，Wang G S，Hou M，et al.，2021.Quality control of sea temperature observation data using deep learning neural networks［J］.Mar Sci Bull，40（3）：283-291.DOI：10.11840／j.issn.1001-6392.2021.03.005.（in Chinese）.

Liu Z H，Wu X F，Xu J P，et al.，2017.China Argo project：progress in China Argo ocean observations and data applications［J］.Acta Oceanol Sinica，36（6）：1-11.DOI：10.1007／s13131-017-1035-x.

Liu Z Q，Jiang L P，Shi C X，et al.，2023.CRA-40／atmosphere—the first-generation Chinese atmospheric reanalysis（1979—2018）：system description and performance evaluation［J］.J Meteor Res，37（1）：1-19.DOI：10.1007／s13351-023-2086-x.

毛江玉，謝安，宋焱云，等，2000.海溫及其變化對南海夏季風爆發(fā)的影響［J］.氣象學報，58（5）：556-569. Mao J Y，Xie A，Song Y Y，et al.，2000.Impact of sea surface temperature and its variatons on the onset of summer monsoon over South China Sea［J］.Acta Meteor Sinica，58（5）：556-569.（in Chinese）.

Onogi K，1998.A data quality control method using forecasted horizontal gradient and tendency in a NWP system［J］.J Meteor Soc Japan，76（4）：497-516.DOI：10.2151／jmsj1965.76.4_497.

秦大河，羅勇，陳振林，等，2007.氣候變化科學的最新進展：IPCC第四次評估綜合報告解析［J］.氣候變化研究進展，3（6）：311-314. Qin D H，Luo Y，Chen Z L，et al.，2007.Latest advances in climate change sciences：interpretation of the synthesis report of the IPCC fourth assessment report［J］.Adv Clim Change Res，3（6）：311-314.DOI：10.3969／j.issn.1673-1719.2007.06.001.（in Chinese）.

Rayner N A，Parker D E，Horton E B，et al.，2003.Global analyses of sea surface temperature，sea ice，and night marine air temperature since the late nineteenth century［J］.J Geophys Res：Atmos，108（D14）：4407.DOI：10.1029／2002jd002670.

Reynolds R W，Rayner N A，Smith T M，et al.，2002.An improved in situ and satellite SST analysis for climate［J］.J Climate，15（13）：1609-1625.DOI：10.1175／1520-0442（2002）0151609：aiisasgt;2.0.co;2.

Reynolds R W，Smith T M，Liu C Y，et al.，2007.Daily high-resolution-blended analyses for sea surface temperature［J］.J Climate，20（22）：5473-5496.DOI：10.1175／2007jcli1824.1.

Saha S，Moorthi S，Pan H L，et al.，2010.The NCEP climate forecast system reanalysis［J］.Bull Amer Meteor Soc，91（8）：1015-1058.DOI：10.1175／2010bams3001.1.

沈艷，潘旸，宇婧婧，等，2013.中國區(qū)域小時降水量融合產品的質量評估［J］.大氣科學學報，36（1）：37-46. Shen Y，Pan Y，Yu J J，et al.，2013.Quality assessment of hourly merged precipitation product over China［J］.Trans Atmos Sci，36（1）：37-46.（in Chinese）.

師春香，潘旸，谷軍霞，等，2019.多源氣象數(shù)據(jù)融合格點實況產品研制進展［J］.氣象學報，77（4）：774-783. Shi C X，Pan Y，Gu J X，et al.，2019.A review of multi-source meteorological data fusion products［J］.Acta Meteor Sinica，77（4）：774-783.DOI：10.11676／qxxb2019.043.（in Chinese）.

Smith T M，Reynolds R W，2003.Extended reconstruction of global sea surface temperatures based on COADS data（1854—1997）［J］.J Climate，16（10）：1495-1510.DOI：10.1175／1520-0442-16.10.1495.

Tan Z T，Zhang B，Wu X F，et al.，2022.Quality control for ocean observations：from present to future［J］.Sci China Earth Sci，65（2）：215-233.DOI：10.1007／s11430-021-9846-7.

Thiébaux J，Rogers E，Wang W Q，et al.，2003.A new high-resolution blended real-time global sea surface temperature analysis［J］.Bull Amer Meteor Soc，84（5）：645-656.DOI：10.1175／bams-84-5-645.

Wang M Y，Yao S，Jiang L P，et al.，2022.Pre-processing，quality assurance，and use of global atmospheric motion vector observations in CRA［J］.J Meteor Res，36（6）：947-962.DOI：10.1007／s13351-022-2041-2.

王曉悅，錢永甫，2002.近50 a全球和三大洋海溫距平的時空變化特征［J］.南京氣象學院學報，25（6）：755-763. Wang X Y，Qian Y F，2002.Temporal and spatial variations of sea surface temperature anomalies in the global and three oceans in recent 50 years［J］.J Nanjing Inst Meteor，25（6）：755-763.DOI：10.13878／j.cnki.dqkxxb.2002.06.005.（in Chinese）.

Woodruff S D，Slutz R J，Jenne R L，et al.，1987.A comprehensive ocean-atmosphere data set［J］.Bull Amer Meteor Soc，68（10）：1239-1250.DOI：10.1175／1520-0477（1987）068lt;1239：acoadsgt;2.0.co;2.

Woodruff S D，2008.Marine QC scoping document［M］//JCOMM Data Management Coordination Group，WMO DMCG-III／Doc.

Woodruff S D，Worley S J，Lubker S J，et al.，2011.ICOADS release 2.5：extensions and enhancements to the surface marine meteorological archive［J］.Int J Climatol，31（7）：951-967.DOI：10.1002／joc.2103.

吳曉芬，周慧，曹敏杰，等，2019.船載CTD儀與自動剖面浮標觀測資料質量初探［J］.海洋與湖沼，50（2）：278-290. Wu X F，Zhou H，Cao M J，et al.，2019.Preliminary quality discussion between ship-based CTD and profiling floats observational data［J］.Oceanol Limnol Sinica，50（2）：278-290.DOI：10.11693／hyhz20180400099.（in Chinese）.

徐賓，宇婧婧，張雷，等，2018.全球海表溫度融合研究進展［J］.氣象科技進展，8（1）：164-170. Xu B，Yu J J，Zhang L，et al.，2018.Research progress of global sea surface temperature fusion［J］.Adv Meteor Sci Technol，8（1）：164-170.DOI：10.3969／j.issn.2095-1973.2018.01.022.（in Chinese）.

Xu F，Ignatov A，2010.Evaluation of in situ SSTs for use in the calibration and validation of satellite retrievals［J］.J Atmos Ocean Tech，31：164-180.

Xu F，Ignatov A，2014.In situ SST quality monitor（iQuam）［J］.J Atmos Ocean Technol，31（1）：164-180.DOI：10.1175／jtech-d-13-00121.1.

楊瑋，李麗平，孫曉娟，2011.全球海表溫度（SST）數(shù)據(jù)集簡介［J］.大氣科學學報，34（4）：510-512. Yang W，Li L P，Sun X J，2011.Introduction to the global sea surface temperature（SST） data set［J］.Trans Atmos Sci，34（4）：510-512.（in Chinese）.

Zhang B，Cheng L J，Tan Z T，et al.，2024.CODC-v1：a quality-controlled and bias-corrected ocean temperature profile database from 1940—2023［J］.Sci Data，11：666.DOI：10.1038／s41597-024-03494-8.

周自江，曹麗娟，廖捷，等，2022.水文氣象信息概述：觀測、融合與再分析［J］.氣象，48（3）：272-283. Zhou Z J，Cao L J，Liao J，et al.，2022.Overview of hydrometeorological information：obeservation，data fusion and reanalysis［J］.Meteor Mon，48（3）：272-283.（in Chinese）.

朱芳澤，王召民，劉成彥，等，2014.BCC_CSM對全球海表溫度和混合層深度的模擬評估［J］.大氣科學學報，37（6）：684-694. Zhu F Z，Wang Z M，Liu C Y，et al.，2014.An assessment of the global sea surface temperature and mixed layer depth simulated in BCC_CSM［J］.Trans Atmos Sci，37（6）：684-694.DOI：10.13878／j.cnki.dqkxxb.20140615001.（in Chinese）.

·ARTICLE·

The global ship and buoy sea surface temperature observation dataset and comparative evaluation of data characteristics

YU Jingjing，LIN Chuyong，HE Min，LIU Jian

Ocean Data Center，Southern Marine Science and Engineering Guangdong Laboratory （Zhuhai），Zhuhai 519082，China

Abstract Sea surface temperature （SST） is a crucial indicator of heat exchange between the ocean and atmosphere.As one of the most important ocean environmental parameters describing the thermal state of the ocean surface，it is widely used in research and applications such as upper ocean processes，air-sea heat exchange，numerical simulation and forecasting of the ocean-atmosphere system.In-situ observation is one of the most direct and accurate ways to obtain SST，primarily through conventional observation systems such as offshore buoys，coastal stations，and ships.In-situ SST observations serve as the foundation for all other sea temperature data products.Whether it is gridded SST data products，satellite-retrieved SST products，multi-source merged products，or reanalysis data，these SST data products all rely on ship and buoy observation data as the basic support.

Therefore，focusing on ships and buoys as the two primary observation methods for SST，this work collected SST observation data from multiple sources such as ICOADS，GTS，CFSR_OBS，GDAS_OBS，and offshore China.Through decoding，extraction，duplicate checking，standardization，and other steps，a relatively complete and long-term sequence of global SST observation dataset was integrated.Besides the traditional quality control techniques for gross errors，the quality control scheme developed for this dataset also includes a technical approach leveraging model analysis fields for observation data quality control.Specifically，using ERA5 reanalysis data，a unified quality control process was applied to the data.The quality control scheme formulated can remove large variations or anomalies in SST.The final products，the “Global Ship-Based SST Observation Dataset from 1900 to 2023” and the “Global Buoy-Based SST Observation Dataset from 1976 to 2023，” can provide fundamental data support for subsequent SST data evaluation，multi-source SST data merging，and global climate change analysis.This paper further evaluates the data characteristic differences，and the main conclusions are as follows：

After the 1990s，the number of buoy observation records far exceeded those of ship observations.After 2011，buoy observation records reached more than ten times the number of ship observations.The large number of buoy observation records is mainly due to continuous observations over time.However，buoy data have much lower spatial and temporal coverage than ship observations，with poor representation of global or large-scale SST，making it impractical to study global SST trends solely using buoy data.

The quality control results indicate that buoy observation data have a higher accuracy rate and better quality than ship observation data.Error comparison analysis between ships，buoys，and ERA5 reanalysis data also shows that buoy observation data have smaller errors.Therefore，buoy data can be used as a high-precision data source to correct or evaluate other data sources.Ship data has a positive systematic bias relative to buoy data，with an average daily bias of approximately 0.2 ℃.

After 1961，the number of global ship-based SST observations increased significantly.Between the 1970s and 1990s，the number of ship records showed phased high values.After the 1990s，the number of ship observations decreased and stabilized.During 1990—2023，the global SST trend shown by ship data was consistent with that of ERA5 data，showing a slow upward trend.Among them，the global SST observed by ships from 1998 to 2012 showed a “basically unchanged plateau period”， while before and after this period，SST showed a clear upward trend.Although ship data have a relatively smaller number of observation samples compared to buoys，their spatial and temporal coverage is relatively larger，providing a certain reference for global SST trend changes.Combining the accuracy of buoy observation data with the coverage of ship observation data in the future can better apply them to global change research.

Keywords ship;buoy;sea surface temperature;in-situ observation;climate research

DOI：10.13878／j.cnki.dqkxxb.20240619001

（責任編輯：張福穎）