共查询到10条相似文献，搜索用时 265 毫秒
1.
2.
海表温度是表征海洋表层热力状况的重要海洋参数,日均全天候覆盖的海温观测数据可为服务台风监测及其他海洋灾害时空演变的精细化预报提供数据支撑。可见光红外扫描辐射计和中分辨率光谱成像仪反演的海温产品具有较高的空间分辨率,但是红外遥感反演的海温产品受到云、雾和霾的影响,在云下存在大面积、无规律的缺值;微波辐射计反演的海温产品空间分辨率低,但可穿透云层,实现全天候海温观测。本文基于风云三号B、C、D三颗极轨气象卫星红外和微波遥感仪器反演的海温资料,利用经验正交函数插值法(DINEOF)重构得到全球海表温度产品。与全球分析场日平均海温OISST数据进行比较可知：原始海温资料的均方根误差为0.59~0.70℃,DINEOF重构后海温资料均方根误差降至0.10~0.34℃;相关系数从0.33~0.48提升到0.78~0.98。多传感器重构海温数据空间分布上连续可信,能够监测不同季节的海温变化特征及暖池空间模态。风云三号气象卫星微波遥感的加入显著提升了重构海温的空间连续覆盖率和时间分辨率。 相似文献
3.
“海洋二号B”卫星（HY-2B）于2018年10月25日发射,是我国第二颗海洋动力环境探测卫星,其上搭载有包括扫描微波辐射计（SMR）在内的多个载荷,海表面温度（SST）是SMR的主要产品之一。本文分别利用NOAA提供的iQuam实测海温数据、CORIOLIS卫星WINDSAT反演的海温遥感产品、NCEP模式海温数据,在两个典型区域,对2020年1月1日至2020年12月31日期间的HY-2B/SMR海温产品进行了验证,其中HY-2B/SMR与iQuam实测海温的Bias为0.004℃,RMSE为0.65℃左右,CORR高于0.95。通过进一步分析,由区域A的分析结果揭示出HY-2B/SMR海温产品精度随纬度变化的规律及其原因,同时,由区域B的分析结果揭示出陆地、岛礁以及RFI对海温总体反演精度的影响约为0.1℃。 相似文献
4.
ERA-Interim 再分析数据在中国沿海的质量评估 总被引：5，自引：0，他引：5
本文采用1979~2012年的中国沿海台站观测数据对ERA-Interim(简称"ERA-I")的气温、气压和海温数据进行质量评估。结果表明:(1)从常年平均来看,ERA-I气温、气压和海温多年月平均变化与观测数据吻合较好,可以反映气候态的季节变化特征。与台站观测数据相比,ERA-I气温平均偏高0.19℃,气压平均偏低0.17 h Pa,海温平均偏高0.70℃。(2)从年际变化情况来看,ERA-I和台站观测的气温、气压和海温变化趋势一致,气温和海温呈上升趋势,气压呈下降趋势。但在海南岛附近使用ERA-I气温做年际变化分析和在东海台湾海峡至北部湾沿岸使用ERA-I海温做年际变化趋势分析时要谨慎。(3)从月均变化分析来看,ERA-I月均气温、气压和海温数据与台站实测数据具有很好的一致性。从误差空间分布来看,ERA-I气温在黄海沿岸平均误差最小,ERA-I气压在渤海沿岸平均误差最小,ERA-I海温在南海沿岸平均误差最小。需要特别指出的是,ERA-I月均海温在渤海和台湾海峡附近沿岸平均误差较大(部分站均方根误差超过2.5℃),在上述区域使用ERA-I海温数据时应考虑其产品偏差。 相似文献
5.
《海洋预报》2015,(4)
对比了两套不同空间分辨率的海表热通量和风应力资料的差异,并将这两套外强迫数据作为全球海洋环流模式MOM4的上边界,研究不同的外强迫对全球海温模拟的影响。通过将两组试验的全球海温的气候态SST、经向平均的垂直海温、海温的季节及年际变化特征与SODA数据进行对比分析。结果表明:不同的外强迫对全球海温的模拟具有重要的影响,虽然采用这两套外强迫数据模拟的海温在大尺度的空间分布上与观测较为一致,但同时也存在一定的差异。这些差异总体表现为:采用CFSR数据作为模式外强迫时,模拟的海温表现为印度洋及大西洋区域的海温误差相对较小,而采用NCEP数据作为模式外强迫时,模拟的海温表现为太平洋区域的海温误差相对较小。两组试验模拟的海温差异的分布及特征与这两套数据净热通量差异的分布及风应力差异的分布相一致。未来建立海洋气候预测系统时,应该根据业务需求更加合理的选择外强迫数据。 相似文献
6.
基于多元线性回归方法,利用2013-01-06的AMSR2辐射计亮温数据和红外-微波融合SST数据产品,开展了近海面气温反演算法研究,并用TAO,RAMA和PIRATA等浮标实测数据对近海面气温的反演结果进行检验。近海面气温反演结果误差情况:均方根误差为0.66℃,偏差为0.02℃,相关系数R为0.91,该误差结果表明所建立近海面气温反演算法较好的反映在60°S~60°N纬度范围内的近海面气温分布情况;同时为进一步确定不同纬度近海面气温反演的误差分布,将近海面气温反演结果与ECMWF再分析数据进行了对比分析,结果表明,从赤道起算,纬度每升高或降低1°,反演均方根误差约增大0.1℃。 相似文献
7.
尝试利用卫星遥感高分辨率海表温度资料GHRSST (Group for High Resolution Sea Surface Temperature) 与海表温度(sea surface temperature, SST)数值预报产品之间的误差, 建立一种南海SST模式预报订正方法。首先, 利用南海的Argo浮标上层海温数据对GHRSST 海温数据进行验证, 结果表明两者之间均方根误差约为0.3℃, 相关系数为0.98, GHRSST 海温数据可用于南海业务化数值预报SST的订正。预报订正后的SST与Argo浮标海温数据相比, 24h、48h和72h的均方根误差均由0.8℃左右下降到0.5℃以内。与GHRSST 海温数据相比, 南海北部海域(110°E—121°E, 13°N—23°N)订正后的24h、48h和72h的SST预报空间误差均显著减小, 在冷空气影响南海期间或中尺度涡存在的过程中, SST预报订正效果也较为显著。因此, 该方法可考虑在南海业务化SST数值预报系统中应用。 相似文献
8.
比较了AMSR2和SSMIS产品在2012年中国第五次北极考察期间的差异,并利用雪龙船在北极走航观测的海冰密集度资料初步评估了两种卫星产品在北极东北航道和高纬航道的适用性。结果表明:两种产品在海冰边缘区域反演的海冰密集度差异较大,且在高纬度区域AMSR2反演的密集度普遍大于SSMIS;两种产品对海冰外缘线的反演基本相同,说明两种算法对海冰和海水的区分基本一致;在去程低纬航线上分辨率较高的AMSR2数据的平均偏差为0.14±0.11,而分辨率较低的SSMIS数据为0.17±0.11;在回程高纬航线上AMSR2数据的平均偏差为0.11±0.10,而SSMIS数据为0.11±0.12。SSMIS数据在高值区明显的低估了海冰密集度值,说明其在高值区的反演上存在系统性偏差,AMSR2数据和走航观测数据更相符。SSMIS数据在高值区偏差大的原因可能与其反演算法对海冰表面出现的大量融池的辨别能力较差有关。 相似文献
9.
10.
利用中国2008年9月发射的自主 HJ-1B 卫星热红外遥感影像数据,基于实测数据对已有海表温度反演的单窗算法进行了改进与简化,重新订正了大气透射率和大气平均作用温度估算方程,建立了基于实测数据验证的 HJ-1B 卫星海表温度定量反演业务化算法.将本算法与段四波等的改进算法用于实验海区海表温度的反演,反演结果与卫星同步实测海温数据的对比表明:本研究算法反演结果与现场同步实测海表温度平均误差约为0.76,℃段四波等改进算法反演结果平均误差约为1.09℃.本算法为 HJ-1B 卫星海表温度产品的业务化应用提供了便捷可行的方案 相似文献