Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2017 , Vol. 36 >Issue 1: 9 - 14

DOI: https://doi.org/10.11978/2016032

Orginal Article

The inversion of multiple-phase SSTs based on the MODIS data: a case study on the southwest coastal waters of Hainan Island

  • GUO Tiantian ,
  • CHEN Shengbo ,
  • LU Tianqi
Expand
  • College of Geo-exploration Science and Technology, Jilin University, Changchun 130021, China
Corresponding author: CHEN Shengbo. E-mail:

Received date: 2016-03-28

  Request revised date: 2016-06-24

  Online published: 2017-01-19

Copyright

热带海洋学报编辑部
Fold

Abstract

By regarding the moderate resolution imaging spectroradiometer (MODIS) remote sensing data as data sources and the southwest coastal waters of Hainan Island as the study area, the improved spilt-window algorithm is used to inverse the SST of the study area from 2005 to 2014. To verify the retrieval accuracy of the SST, we calculate the correlation coefficient between the inversion and measured results using the measured values of 12 observation points; the coefficient is 0.9. Based on the inversion results of SST, the data of four seasons in a year and a decade are analyzed to show the spatial and temporal variations of SST distribution, respectively. Results show that using the MODIS multi-channel improved spilt-window algorithm we can inverse Hainan Island offshore SST accurately. The spatial and temporal variations of SST distribution thus obtained can provide important reference values for marine fishery, change of marine environment and meteorological monitoring.

Key words： MODIS data; spilt-window algorithm; sea surface temperature; Hainan Island

Cite this article

GUO Tiantian , CHEN Shengbo , LU Tianqi . The inversion of multiple-phase SSTs based on the MODIS data: a case study on the southwest coastal waters of Hainan Island[J]. Journal of Tropical Oceanography, 2017 , 36(1) : 9 -14 . DOI: 10.11978/2016032

海洋表面温度(sea surface temperature, SST)是海洋的主要物理参数之一, 而海洋是地球上决定气候发展的主要因素之一。海水表面温度还可以反映海水内部水分子受环境影响进行热运动的激烈程度, 是表征海水冷热程度的一个重要物理量, 因此准确获取海水温度的时间和空间分布规律具有十分重要的应用价值和科学意义, 对分析研究海洋要素的空间差异及其驱动因子提供动态遥感监测的信息具有很重要的作用。
中红外(3~5μm)或者热红外(8~14μm)传感器都能够记录地表的热辐射信息, 均具备温度反演的条件。目前国内外学者在热红外数据温度反演方面开展了大量的研究工作。McClain等(1983)提出了一种基于AVHRR(advanced very high resolution radiometer)热红外图像的SST反演方法——多通道海表温度反演方法(multi-channel sea surface temperature, MCSST), 并反演了4km空间分辨率的覆盖全球的海温数据。Schott等(2001)以小范围的美国劳伦森大湖为例, 提出一种基于陆地卫星(Landsat)数据和MODTRAN (moderate resolution transmission)模型的热红外波段反演方法, 并进行垂直方向海温反演的研究。Uchiyama等(1987)和李万彪 等(1977)曾用单通道物理法反演SST, 缺少精确的大气温湿廓线以及对海水比辐射率模型进行简化, 反演的误差较大; 周旋 等(2012)用单通道物理法对反演海表温度的参数敏感性进行了分析并选择墨西哥湾海域2009年全年间MODIS(moderate-resolution imaging spectroradiometer)夜间数据进行实验。张春桂 等(2008)利用MODIS多通道数据方法对福建近岸海域海表温度进行反演, 结果表明MODIS多通道算法模型反演海表温度能够满足海洋应用的要求。陈子通(2001)对静止气象卫星GMS(geostationary meteorological satellite)数据进行了3种不同海温反演方法的对比研究, 结果表明用分裂窗算法结合考虑大气辐射路径的方法反演精度较高。刘良明 等(2006)采用多通道分裂窗算法反演海表温度, 其精度可以满足海洋渔业等方面的要求。郑嘉淦 等(2006)用分裂窗算法进行MODIS热红外数据的海表温度反演, 将之与实测海表温度进行对比, 得到反演精度误差为1.0%。综上所述, 遥感方法在大尺度和中尺度反演海表温度方面研究较多, 分裂窗算法在中尺度研究区域反演较为成熟。
本文基于MODIS数据利用分裂窗算法对海南岛西南部近海海域海表温度进行反演, 在反演基础上分析海表温度随时间的变化, 为海表动态监测以及渔业发展提供依据。

1 数据和研究区概况

1.1 遥感数据

MODIS数据涉及36个离散光谱波段, 光谱范围宽从可见光(0.4μm)到热红外(14.4μm)全光谱覆盖, 36个波段中1、2通道的空间分辨率达250m, 3~7共5个通道空间分辨为500m, 除此之外的29个通道空间分辨率为1km, 与NOAA-AVHRR相比有较大的进展。
利用卫星红外遥感技术反演海洋表面温度(SST), 是海洋地质调查主要研究内容之一。海表温度遥感反演的数据中, 中分辨率MODIS红外波段(表1)是反演SST的有效数据。
Tab. l Characteristics of some detection channel of MODIS

表1 MODIS部分探测通道特性

通道 带宽/μm 中心波长/μm 波段 温度为300K时的光谱辐射率/(W·m-2·μm-1·sr-1) 等效噪声温度差/K
20 3.66~3.84 3.75 中红外 0.45 0.05
22 3.929~3.989 3.96 中红外 0.67 0.07
23 4.02~4.08 4.05 中红外 0.79 0.07
31 10.78~11.28 11.03 热红外 9.55 0.05
32 11.77~12.27 12.02 热红外 8.94 0.05

1.2 浮标数据

ARGO浮标是用于全球观测网的一种专用测量设备浮标数据, 可以在海洋中自由漂移, 自动测量海面到2000m水深的海水温度、盐度以及深度, 并可通过移动轨迹, 获取海水的移动速度和方向。文中通过下载研究区对应影像范围内的浮标数据(http://www.argodatamgt.org)借助Matlab软件读取关于海洋表面温度值, 用于后续验证反演精度。

1.3 研究区概况

研究区位于海南岛的西南部, 地理位置为18°—19°N, 108°—109°30′E, 其中海域面积1.1×104km2, 属于低纬度热带季风气候, 冬季盛行东北风, 夏季盛行东南风和西南风。夏秋期间常受热带风暴和台风侵袭。受中部山区的影响, 当冬季东北风盛行时, 岛的北部和东北部沿岸为向岸风, 而南部和西部沿岸则为离岸风; 当夏季东南风和西南风盛行时, 岛的东部、南部和西部沿岸为向岸风, 而北部沿岸为离岸风。研究区年平均气温25.5℃。

2 海洋表面温度反演原理

分裂窗算法基于地表热辐射传导方程, 利用10~13μm大气窗口内, 两个相邻热红外通道(一般为10.5~11.5μm、11.5~12.5μm)对大气吸收作用的不同, 通过两个通道测量值的各种组合来剔除大气的影响, 进行大气和地表比辐射率的修正。
MODIS的第31波段(10.178~11.128μm)和32波段(11.177~12.127μm)中心波长刚好与这两个通道相对应, 可将MODIS的31、32波段数据, 用于分裂窗算法反演海表温度。
对获得的MODIS数据进行辐射定标, 几何校正, 裁剪等预处理, 得到研究区辐射亮度数据, 接着对数据进行温度反演。

2.1 温度信息提取流程

本文运用热红外波段分裂窗算法来反演SST, 最为关键的是如何消除大气中水汽含量对热红外辐射传输吸收而造成的削弱影响, 如果知道海洋上空大气湿度廓线的垂直分布, 就可根据热红外辐射传输方程直接反演SST, 但实际上海洋上空水汽垂直分布状况的常规资源十分缺乏, 因此直接进行大气削弱的订正仍然存在着较大的困难。但是由于水汽对不同热红外波段的削弱量不同, 在12μm附近的削弱量远比在11μm附近的削弱量大。这样可以采用不同热红外波段吸收水汽影响的差异来估计大气中的水汽含量, 也就是采用卫星多通道数据进行大气削弱订正。然后进行统计回归建立反演模式。
利用MODIS数据31、32波段进行分裂窗算法反演海表温度技术流程如图1。
Fig. 1 The flow chart of sea surface temperature inversion by the split-window algorithm

图1 分裂窗算法反演海表温度流程图

2.2 海表温度反演

运用覃志豪 等(2005)在以前针对NOAA/AVHRR卫星数据分裂窗算法反演地球表面温度的基础上, 改进并提出的适用于MODIS卫星数据的地球表面温度反演算法进行反演。如式(1)。
SST= C0+C1×T31-C2×T32 (1)
式中SST是海洋表面温度、T31、T32分别是MODIS第31和32波段的亮度温度, C0、C1和C2是模型参数, 它们通过MODIS第31和32波段的地球表面比辐射率ε和大气透过率 C 0 + C 1 * T 31 - C 2 * T 32 计算得到。
亮度温度由普朗克定律黑体的辐射出射度与温度的函数关系求得:
T= C2/+ τ (1+C1/ λ 1 n ) (2)
式中λ指波长, C1 =1.191×10-16W·m2, C2=1.439×10-2 K·m, L为辐射亮度。
由常用地物光谱库可知, 比辐射率ε在MODIS第31和32通道的值分别取 λ 5 L 和 ε 31 = 0.992
大气透过率主要受大气水汽含量的影响, 首先由MODIS的第19波段(水汽强烈吸收波段)和第2波段(水汽窗口波段)的反射率比值获得MODIS的第19波段的大气透过率( ε 31 32 = 0.99 8 ), 利用毛克彪 等(2005)基于大气模拟软件模拟得到的经验公式分别估算MODIS第31和32波段的大气透过率, 具体计算公式见式(3)、(4)。
(3)
(4)
式中 ε 32 31和 γ 19 / γ 2 32分别为MODIS第31和32波段的大气透过率。通过以上得到比辐射率和大气透过率之后利用覃志豪 等(2005)给出的一系列线性公式计算出的参数C0、C1、和C2, 代入(1)式运用影像间波段运算反演得到海洋表面温度SST。

3 反演与验证

对研究区内2005—2014年多时相数据利用上述算法进行温度反演, 并获取浮标数据进行验证。反演精度是衡量反演模式性能的重要指标, 为了验证不同时相的遥感数据反演温度的精度, 获取反演范围内2008年到2014年观测点的浮标数据(反演范围内从2008年开始有浮标)。考虑到EOS的上午星Terra过境时间为上午11时左右, 下午星Aqua过境时间为13时左右, 而近海洋观测点SST观测时间为上午10时, 因此与近岸海洋观测站匹配的数据以上午星为主。若当天由于云覆盖较大或者没有上午星数据, 则对照相应下午星数据进行反演与浮标值进行验证。反演值与浮标获得的海表测量值比较见表2。
Tab. 2 Observed SST compared with inversed SST

表2 实测SST与反演SST比较

浮标值/℃ 反演值/℃ 差值/℃ 相对误差/%
28.5 27.6 -0.9 -3.2
25.7 26.0 0.3 1.1
23.8 23.1 -0.7 -2.9
30.9 29.6 -1.3 -4.2
30.4 29.1 -1.3 -4.3
28.5 29.2 0.7 2.5
27.9 27.2 -0.7 -2.5
29.1 29.8 0.7 2.4
28.8 28.2 -0.6 -2.1
28.7 29.1 0.4 1.4
29.0 29.1 0.1 0.3
29.1 28.3 -0.8 -2.7
由表2计算得浮标值与反演值的相关系数为0.9,通过相对误差算得的相对误差的平均值为2.5%。均方根误差为0.8。可得出反演结果较好。

4 时空变化分析

通过劈窗算法较好的反演了海表温度。在反演基础上选择2013年8月, 2013年12月, 2014年2月, 2014年5月的4个时相(代表4个季度)的海表温度进行分析。反演结果如图2。由图中主要可得出一年内海表整体温差较小, 8月温度最高, 最高达32℃。2月温度最低, 最低可达19.7℃, 4个时相整体温度变化值在10℃左右, 与太阳辐射随季节变化相一致; 从图2a、d中可以看出相对其他区域近海岸温度较高, 图2b、c中则近海岸温度较低, 大致可以归结为夏季近海岸温度比内海温度要高一些, 冬季近海岸温度则较低, 跟海水与地面的比热容差异具有一致性; 很明显在不同季度中西北与东南方向交汇的海域温度整体都较高, 南海北部湾海域的环流主要呈气旋式环流, 推测可能是洋流流经造成的温度变化; 从图2还可以看出陆地面河流入海口的温度普通比周边温度高。
Fig. 2 Temperature information extracted from different seasons. a) August 2013; b) December 2013; c) February 2014; d) May 2014

图2 不同季度温度信息提取
a: 2013年8月; b: 2013年12月; c: 2014年2月; d: 2014年5月

选择研究区2005—2014年10年间相同月份中日期一致或较为接近时, 以及一年内10个不同月份中日期一致或较为接近时的海表温度,观察近十年的海洋表面温度随时间的变化, 以及一年内不同月份的海表温度变化, 并通过反演水深所得的深度在等深线方向及垂直等深线方向上选取点(图3), 用这些点提取不同时相对应的反演温度值, 生成关于这些点的温度年度变化趋势图(图4)及季度变化趋势图(图5)。
Fig. 3 Diagram of temperature extraction point. Red points are sampling sites in depth contour direction and green points are in vertical depth contour direction

图3 温度变化提取点示意图
红色点表示等深线方向采样点, 绿色点表示垂直等深线方向采样点

Fig. 4 Sea surface temperature trends in terms of year- to-year changes. a) in vertical depth contour direction; b) in depth contour direction

图4 海表温度年变化趋势图
a. 垂直等深线方向; b. 等深线方向

Fig. 5 Sea surface temperature trend in terms of seasonal changes. a) in vertical depth contour direction; b) in depth contour direction

图5 海表温度季度变化趋势图
a. 垂直等深线方向; b. 等深线方向

从图4可以看出, 海南岛西南部近海10年间7月份的海表温度大致在25~32℃。2010年7月份的温度达到了最高。从等深线方向年度温度变化(图4b)可看出, 近海岸温度自西北向东南有升高的趋势。从垂直等深线年度温度变化(图4a)可看出, 靠近海岸的温度较高。这对海洋渔业的选址、管理都有一定的启示作用。
从图5可以看出, 除了2014年7月及2014年6月反演温度受云影响温度较低之外, 温度对应明显的季度分布。2014年2月温度最低, 2013年8月温度最高。从垂直等深线方向季度变化(图5a)中同样可以发现近海岸温度较高一些。从等深线方向季度变化(图5b)结合图3可以看出西北东南交汇的区域温度变化较大, 考虑到南海冬季以东北或西北季风气流为主, 夏季以西南和东南季风气流为主, 分析原因可能是受季风风系的影响。

5 结语

海洋表面温度是海洋环境的一个重要参数, 研究水温的时间分布及变化规律, 不仅是海洋学的重要内容而且对气象学、航海学、捕捞业和水环境等学科也很重要。本文依据MODIS数据本身具有的特点及海面温度遥感的相关原理, 对我国海南岛西南部近海海域海表温度进行反演并结合浮标数据进行了验证。在验证结果基础上选择了不同季度及不同年相同月份的温度进行了时空变化分析, 可以得出以下结论。
1) 利用MODIS数据的31、32通道建立的海表温度提取方法可以比较精确地获取海南岛西南部近海海域的海表温度分布状况;
2) MODIS数据获取方便, 同时具有多年的连续性, 通过反演分析多年海洋表面温度时空变化, MODIS数据监测海洋温度时空变化具有一定的可行性和便捷性。海表温度时空变化分析对海洋气象、海洋渔业及相关选址具有一定的指示意义。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈子通, 2001. 静止气象卫星反演海温及其分析技术方法的研究[J]. 热带气象学报, 17(3): 235-241.

CHEN ZITONG, 2001. Study on SST with GMS observation and the method of analysis technique[J]. Journal of Tropical Meteorology, 17(3): 235-241 (in Chinese with English abstract).

[2]
李万彪, 朱元竞, 赵柏林, 1997. 气象卫星遥感西北太平洋海温的研究[J]. 气象学报, 55(1): 43-54.

LI WANBIAO, ZHU YUANJING, ZHAO BOLIN, 1997. Study on SST in the northwestern Pacific Ocean with satellite observation[J]. Acta Meteorologica Sinica, 55(1): 43-54 (in Chinese with English abstract).

[3]
刘良明, 周军元, 2006. MODIS数据的海洋表面温度反演[J]. 地理空间信息, 4(2): 7-9.

LIU LIANGMING, ZHOU JUNYUAN, 2006. Using MODIS imagery to map sea surface temperature[J]. Geospatial Information, 4(2): 7-9 (in Chinese with English abstract).

[4]
毛克彪, 覃志豪, 王建明, 等, 2005. 针对MODIS数据的大气水汽含量反演及31和32波段透过率计算[J]. 国土资源遥感, (1): 26-29.

MAO KEBIAO, QIN ZHIHAO, WANG JIANMING, et al, 2005. LOWTRAN retrieval of atmospheric water content and transmittance computation of MODIS and 31 and 32[J]. Remote Sensing for Land and Resources, (1): 26-29 (in Chinese with English abstract).

[5]
覃志豪, 高懋芳, 秦晓敏, 等, 2005. 农业旱灾监测中的地表温度遥感反演方法——以MODIS数据为例[J]. 自然灾害学报, 14(4): 64-71.

QIN ZHIHAO, GAO MAOFANG, QIN XIAOMIN, et al, 2005. Methodology to retrieve land surface temperature from MODIS data for agricultural drought monitoring in China[J]. Journal of Natural Disasters, 14(4): 64-71 (in Chinese with English abstract).

[6]
张春桂, 陈家金, 谢怡芳, 等, 2008. 利用MODIS多通道数据反演近海海表温度[J]. 气象, 34(3): 30-36.

ZHANG CHUNGUI, CHEN JIAJIN, XIE YIFANG, et al, 2008. Retrieval of sea surface temperature in coastal region by using MODIS multi-channel data[J]. Meteorological Monthly, 34(3): 30-36 (in Chinese with English abstract).

[7]
郑嘉淦, 李继龙, 杨文波, 2006. 利用MODIS遥感数据反演东海海域海表温度的研究[J]. 海洋渔业, 28(2): 141-146.

ZHENG JIAGAN, LI JILONG, YANG WENBO, 2006. Retrieval of SST in the east China sea with MODIS remote sensing data[J]. Marine Fisheries, 28(2): 141-146 (in Chinese with English abstract).

[8]
周旋, 杨晓峰, 程亮, 等, 2012. 单通道物理法反演海表温度的参数敏感性分析及验证[J]. 红外与毫米波学报, 31(1): 91-96.

ZHOU XUAN, YANG XIAOFENG, CHENG LIANG, et al, 2012. Sensitivity analysis and validation of the single channel physical method for retrieving sea surface temperature[J]. Journal of Infrared and Millimeter Waves, 31(1): 91-96 (in Chinese with English abstract).

[9]
MCCLAIN E P, PICHEL W G, WALTON C C, et al, 1983. Multi-Channel improvements to satellite-derived global sea surface temperatures[J]. Advances in Space Research, 2(6): 43-47.

[10]
SCHOTT J R, BARSI J A, NORDGREN B L, et al, 2001. Calibration of Landsat thermal data and application to water resource studies[J]. Remote Sensing of Environment, 78(1-2): 108-117.

[11]
UCHIYAMA A, FUJIMURA H, YOGAI T, 1987. Estimation of sea surface temperature using infrared image data of geostationary meteorological satellite (GMS)[J]. Meteorological Satellite Center Technical Note, 15: 43-65.

Options
Outlines

/

〈 〉