• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

MessageBoard

Dear readers, authors and reviewers, if you have any questions about the contribution, review, editing and publication of this magazine, you can add comments on this page. We'll get back to you as soon as possible. Thank you for your support!

UserName
Email
Phone
Title
Content
Code
Volume 40 Issue 1
Jan.  2021
Article Contents

Citation:

Sea surface temperature consistency analysis based on AVHRR and MODIS

  • Received Date: 2019-12-17
    Accepted Date: 2020-04-14
  • Focusing on the Pacific, four error statistical indicators: average deviation, absolute deviation, standard deviation, and correlation coefficient are selected to conduct a consistency analysis of two SST data, MODIS SST and AVHRR SST, from July 2002 to December 2009 in this paper. The results show that: (1) The difference between the two SST data is unevenly distributed in space and time. Before the anomaly, the area with better consistency is distributed in the low-latitude on the south and north sides of the deviation band (around 10° N) and the eastern seas of Australia, and the deviation is stable within ± 0.4 ℃ for a long time; (2) In the seas of central and western South America and near the Malay Islands, the difference between the two SST data have obvious seasonal rules, and the two sensors have a certain degree of mechanism difference near the Malay Islands; (3) Season is not the main reason for the difference between the two SST data In the central of the mid-latitude of Pacific in the southern and northern hemisphere; (4)After the anomaly, the area with better consistency is mainly distributed in the low-latitude on the south and north sides of the deviation band (around 10° N) and the eastern seas of Australia. The difference in the other areas after the anomaly are closer to the same level;(5)Of the two SST data, the difference between the night derailment (Night) data is greater than the daytime ascension (Day). After the anomaly, this difference is greatly reduced.
  • 加载中
  • [1] WENTZ F J, GENTEMANN C, SMITH D, et al. Satellite measurements of sea surface temperature through clouds[J]. Science, 2000, 288(5467): 847-850. doi: 10.1126/science.288.5467.847
    [2] 傅云飞, 黄荣辉. 热带太平洋西风异常对ENSO事件发生的作用[J]. 大气科学, 1996, 20(6): 641-654. doi: 10.3878/j.issn.1006-9895.1996.06.01
    [3] 傅云飞, 黄荣辉. 东亚西风异常活动对热带西太平洋西风爆发及ENSO发生的作用[J]. 大气科学, 1997, 21(4): 485-492. doi: 10.3878/j.issn.1006-9895.1997.04.10
    [4] 严邦良. 海洋垂直平均速度影响ENSO事件成熟位相锁定的物理过程[J]. 中国科学(D辑: 地球科学), 2007, 37(5): 691-697.
    [5] 张东凌, 曾庆存. 5月热带印度洋大气大洋耦合环流的统计动力分析[J]. 中国科学(D辑: 地球科学), 2007, 37(12): 1693-1699.
    [6] 曹 杰, 杨若文, 尤亚磊, 等. 海温异常对西太平洋副热带高压脊面演变影响的机制研究[J]. 中国科学(D辑: 地球科学), 2009, 39(3): 382-388.
    [7] XUE C J, SONG W J, QING D, et al. A mutual-information-based mining method for marine abnormal association rules[J]. Computers & Geosciences, 2015, 76: 121-129.
    [8] HOSODA K, MURAKAMI H, SAKAIDA F, et al. Algorithm and validation of sea surface temperature observation using MODIS sensors aboard terra and aqua in the western north pacific[J]. Journal of Oceanography, 2007, 63(2): 267-280. doi: 10.1007/s10872-007-0027-4
    [9] 孙凤琴, 张彩云, 商少平, 等. 西北太平洋部分海域AVHRR、TMI与MODIS遥感海表层温度的初步验证[J]. 厦门大学学报: 自然科学版, 2007, 46(S1): 1-5.
    [10] BARTON I, PEARCE A. Validation of GLI and other satellite-derived sea surface temperatures using data from the Rottnest Island ferry, Western Australia[J]. Journal of Oceanography, 2006, 62(3): 303-310. doi: 10.1007/s10872-006-0055-5
    [11] 奚 萌, 宋清涛, 林明森, 等. 西北太平洋红外辐射计海表温度数据交叉比对分析[J]. 海洋与湖沼, 2017, 48(3): 436-453.
    [12] 蒋兴伟, 奚 萌, 宋清涛. 六种遥感海表温度产品的比对分析[J]. 海洋学报, 2013, 35(4): 88-97.
    [13] 王 雨, 刘 鹏, 李天奕, 等. TMI反演海温与Hadley中心海温资料的气候尺度比较分析[J]. 中国科学: 地球科学, 2011, 41(8): 1200-1210.
    [14] HOSODA K, MURAKAMI H. Difference characteristics of sea surface temperature observed by GLI and AMSR Aboard ADEOS-Ⅱ[J]. Journal of Oceanography, 2006, 62(3): 339-350. doi: 10.1007/s10872-006-0059-1
    [15] 卢少磊, 许建平, 刘增宏. 南半球微波遥感SST与Argo浮标NST的异同分析[J]. 海洋预报, 2014, 31(1): 1-8. doi: 10.11737/j.issn.1003-0239.2014.01.001
    [16] TAYLOR K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research: Atmospheres, 2001, 106(D7): 7183-7192. doi: 10.1029/2000JD900719
  • 加载中

Figures(9) / Tables(2)

Article Metrics

Article views(290) PDF downloads(4) Cited by()

Related
Proportional views
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Sea surface temperature consistency analysis based on AVHRR and MODIS

  • 1. College of Oceanography and Space Informatics, China University of Petroleum, Qingdao 266580, China
  • 2. Laboratory for Marine Mineral Resources, National Laboratory for Marine Science and Technology, Qingdao 266071, China
  • 3. Key Laboratory of Digital Earth Science, Chinese Academy of Sciences, Aerospace Information Research Institute, Beijing 100094, China

Abstract: Focusing on the Pacific, four error statistical indicators: average deviation, absolute deviation, standard deviation, and correlation coefficient are selected to conduct a consistency analysis of two SST data, MODIS SST and AVHRR SST, from July 2002 to December 2009 in this paper. The results show that: (1) The difference between the two SST data is unevenly distributed in space and time. Before the anomaly, the area with better consistency is distributed in the low-latitude on the south and north sides of the deviation band (around 10° N) and the eastern seas of Australia, and the deviation is stable within ± 0.4 ℃ for a long time; (2) In the seas of central and western South America and near the Malay Islands, the difference between the two SST data have obvious seasonal rules, and the two sensors have a certain degree of mechanism difference near the Malay Islands; (3) Season is not the main reason for the difference between the two SST data In the central of the mid-latitude of Pacific in the southern and northern hemisphere; (4)After the anomaly, the area with better consistency is mainly distributed in the low-latitude on the south and north sides of the deviation band (around 10° N) and the eastern seas of Australia. The difference in the other areas after the anomaly are closer to the same level;(5)Of the two SST data, the difference between the night derailment (Night) data is greater than the daytime ascension (Day). After the anomaly, this difference is greatly reduced.

    HTML

  • 海表温度(sea surface temperature,SST)是大尺度海气相互作用和全球气候变化研究的重要数据源,在海气之间的热量、动力和水气交换中扮演着重要角色,是海气相互作用和气候变化的决定性因素[1-6]。从海洋异常时刻状态现象延伸至动态演化过程的分析和机理机制方面的研究迫切需要长时序的海洋SST数据集[7],为此需要对不同卫星传感器的海洋SST数据集进行一致性分析与评估。

    近些年,国内外众多专家学者对不同来源的SST数据集进行了对比分析,如Hosoda等[8]将西北太平洋MODIS(moderate-resolution imaging spectroradiometer,中分辨率成像光谱仪)SST与ARGO(array for real-time geostrophic oceanography,地转海洋学实时观测阵)浮标数据进行对比发现,白天(升轨)和夜间(降轨)的平均偏差分别是–0.04 ℃/–0.01 ℃(Terra/Aqua)和–0.05 ℃/–0.14 ℃,均方根误差分别是0.65 ℃/0.70 ℃和0.66 ℃/0.65 ℃;孙凤琴等[9]选取西北太平洋海域为研究海域,利用2002年7月至2005年12月的ARGO浮标数据对源自AVHRR(advanced very high resolution radiometer,超高分辨率扫描辐射计)、MODIS和热带测雨卫星(tropical rainfall measuring mission, TRMM)搭载的微波成像仪(TRMM Microwave Imager,TMI)等传感器的SST白天(升轨)数据进行精度验证,发现总体平均偏差为±0.2 ℃,均方根误差为0.6 ℃~0.9 ℃,但缺乏有效时空尺度上的差异分析评价;Barton等[10]对比分析了西澳大利亚海域的GLI(the global imager,全球成像仪)、AVHRR、AATSR(advanced along-track scanning radiometer,沿轨扫描辐射计)、MODIS等 SST 卫 星 遥 感 数 据 与ARGO实测数据的差异,发现SST遥感数据与实测数据的标准偏差均小于 0.6 ℃,认为在低风速下易产生更大的误差;奚萌等[11]以西北太平洋为研究海域,以长时间序列(2003-2009年)的红外产品[AVHRR Pathfinder/NOAA(National Oceanic and Atmospheric Administration,美国国家海洋和大气管理局)、MODIS/Terra和 MODIS/Aqua]为研究对象,分别与ARGO浮标数据进行了真实性检验,同时红外产品之间也进行了交叉对比分析,发现3种红外数据之间的平均偏差为±0.1 ℃,均方根误差小于0.6 ℃;蒋兴伟等[12]认为SST产品在分析过程中还应当考虑研究区域的季节变化对其产品质量带来的影响;王雨等[13]在对1998-2006年TMI反演海温和Hadley中心海温资料的气候尺度进行比较分析时发现两者存在明显的地域性特征和季节变化;Hosoda和Murakami[14]在对2003年4月至10月全球AMSR(advanced microwave scanning radiometer,先进微波辐射计)和GLI海表温度数据进行比对分析时认为两者的差异不仅与空间分布有关,同时还受水汽、卫星天顶角及海面风场的影响;卢少磊等[15]利用ARGO观测得到的近表层温度数据(near surface temperature,NST)对AMSR-E(advanced microwave scanning radiometer - earth observing system,先进对地观测微波扫描辐射计)与TMI海表温度数据进行对比分析发现,在南半球海域,AMSR-E和TMI与NST的差异不仅与风速、流速以及大气水汽含量有关,还与昼夜因素有关,并且夜间的差异大于白天,春季达到最小,冬季最大。

    以上研究分析探讨了不同SST产品之间的差异,其中,在长时序下这种差异与季节性等因素表现为显著相关,但并未分析讨论消除或降低季节性等因素影响后的各产品之间的差异。本文以太平洋为研究海域,对比分析MODIS/Aqua与AVHRR Pathfinder/NOAA两种SST产品在不同时空上的一致性,分析探讨二者差异在不同空间区域如何随季节变化,并对比分析二者去除季节性等不平等因素之后的一致性差异情况。本研究可为构建长时间序列的海表温度数据集提供依据,并可为海洋异常现象的研究提供数据基础。

1.   材料与方法

    1.1.   数据简介

  • 本文采用的SST数据来自MODIS与AVHRR两种传感器,MODIS SST产品数据的时间分辨率为Monthly,空间分辨率为4 km(https://podaac-tools.jpl.nasa.gov/drive/files/allData/modis/L3/aqua/11um/v2014.0/4km/monthly),数据来自Aqua卫星,全球网格数为8640×4320;AVHRR SST产品数据由PO.DAAC提供,时间分辨率为Monthly,空间分辨率为4 km(https://podaac-tools.jpl.nasa.gov/drive/files/allData/avhrr/retired/L3/pathfinder_v5/monthly),数据来自NOAA卫星。两种产品数据的时间范围为2002年7月至2009年12月,选择的研究区域空间范围为太平洋海域(50° S—50° N,100° E—60° W)。

  • 1.2.   方法介绍

  • 本文采用平均偏差Bias、标准偏差StdBias、相关系数R和绝对偏差AbsBias 4个误差评价指标来衡量两种SST产品的一致性程度。

    (1)平均偏差Bias,是两类数据的系统偏差的量度,能够最直观地反映两类数据产品的差异,计算公式如下:

    式中:MiAi分别表示MODIS和AVHRR第i时刻的数据;n表示时刻总长。

    (2)标准偏差StdBias,MODIS SST与AVHRR SST两类数据产品的StdBias理论值为0,但由于传感器本身的差异以及外界环境等因素,StdBias距理论值有所偏离,计算公式如下:

    式中:MiAi分别表示MODIS和AVHRR第i时刻的数据;n表示时刻总长;Bias表示MODIS和AVHRR两类数据的平均偏差。

    (3)相关系数R,能够说明MODIS SST与AVHRR SST两类数据产品的相关程度,R越小则说明二者的一致性越差,计算公式如下:

    式中:MA分别表示MODIS和AVHRR两类数据;Cov(M,A)、D(M)与D(A)分别表示MA的协方差和方差。

    (4)绝对偏差AbsBias,离差绝对值化,能更好地反映两类数据系统偏差情况,计算公式如下:

    式中:MiAi分别表示MODIS和AVHRR第i时刻的数据;n表示时刻总长。

    根据BiasAbsBiasStdBias 3个评价指标的空间分布情况选择合适的样本区域,分别从空间尺度与时间尺度进行差异分析。在空间尺度上,利用偏差概率密度分布图观察两种SST产品的偏差大小的分布情况,并通过泰勒图[16]比较两种SST产品的整体差异情况;在时间尺度上,通过曲线拟合图观察两种SST产品偏差随时间和温度的变化趋势或规律。由于产品质量及产品之间的差异受季节、水汽、风速和流速等因素的影响[12-15],因此,为进一步了解MODIS SST与AVHRR SST之间的差异,对两种SST产品进行标准化月均距平处理,降低或消除季节等一些不平因素的影响,采用泰勒图追踪表达距平前后两种SST产品的差异变化。

2.   结果与讨论

    2.1.   两种SST产品差异的统计分析

  • MODIS SST与AVHRR SST的平均偏差Bias、绝对偏差AbsBias、标准偏差StdBias在太平洋的分布如图1所示。从Bias和AbsBias的分布图(图1 a图1d)来看,MODIS SST与AVHRR SST的偏差空间分布不均匀,其中偏差较大的区域主要分布在马来群岛附近海域、南美洲西部海域以及北半球中纬度区域,南半球中纬度部分区域次之,偏差较小的区域则分布在偏差条带(10° N附近)的南、北低纬度海域以及澳洲东部海域。由StdBias的分布图(图1 e图1f)可以看出,StdBias在不同区域存在较大差异,这表明两种SST产品的偏差在空间上分布不均,这与Hosoda和Murakami[14]的研究结果一致;同时,在不同区域二者偏差在时间上具有不同程度的表现,具有时空特征;时空差异较明显的区域主要分布在马来群岛附近海域,南、北美洲之间部分海域以及北半球中纬度部分海域,而在偏差条带的南、北低纬度海域以及澳洲东部海域的时空差异分布较为均匀;而且Day(升轨)与Night(降轨)数据有非常相似的分布特征。

    Figure 1.  Distribution of Bias, AbsBias, and StdBias in the Pacific

    因此,将太平洋划分为5个区域:(1)时空上偏差分布不均匀的马来群岛附近海域,南、北美洲之间部分海域以及北半球中纬度太平洋中、西部海域;(2)南半球中纬度太平洋中部海域;(3)在时空上偏差分布均匀的偏差条带(10° N附近)的南、北低纬度海域以及澳洲东部海域;(4)南美洲中、西部海域;(5)北半球中纬度部分海域。在5个海域分别选择一个样本区域作为对比区域,分别是 Zone I(130° E—170° E,10° S—0°)、Zone II(130° W—110° W,50° S—30° S)、Zone III(140° W—120° W,20° S—0°)、Zone IV(90° W—80° W,20° S—10° S)和Zone V(150° W—130° W,40° N—50° N),如图2所示。

    Figure 2.  Spatial distribution of selected sample areas

  • 2.2.   两种SST产品差异的空间区域分析

  • 两种SST产品在Zone I—Zone V 5个区域的偏差概率密度分布如图3所示。从图3可以得出,两种SST产品在Zone I与Zone II区域(图3a图3b图3c图3d)的偏差分布具有相似的特征,平均偏差Bias分别为2.622 ℃/3.957 ℃、0.91 ℃/1.378 ℃(Day/Night,表1);需要指出的是,在Zone III区域(图3e图3f),两种SST产品的偏差概率密度曲线非常细长,偏差分布非常集中,主要分布在±1 ℃以内,Bias为−0.065 ℃/−0.218 ℃(Day/Night,表1);此外需要特别注意的是,在Zone IV、Zone V区域(图3g图3j),偏差概率密度曲线在不同程度上出现了不止一个曲线山峰。

    数据类型区域Bias/℃AbsBias/℃StdBias/℃R栅格数量/个
    DayZone I2.6222.7625.1480.164479260
    Zone II0.9101.2402.2340.902557214
    Zone III−0.0650.1780.2730.970576000
    Zone IV2.9753.0163.6250.760141647
    Zone V1.3441.6602.6350.838272245
    NightZone I3.9574.3286.9160.246479924
    Zone II1.3781.7702.7760.863575334
    Zone III−0.2180.2760.3220.961576000
    Zone IV5.1785.2344.5060.787128477
    Zone V2.7643.0863.8230.736279115

    Table 1.  Error statistics of two SST data in various areas

    Figure 3.  Distribution of the probability density of the deviation of the two SST data in the Zone I—Zone V

    两种SST产品在Zone I—Zone V 5个区域的泰勒统计分布如图4所示,图中以MODIS SST为参考场数据,以AVHRR SST为试验场数据。从图4 e图4f来看,在Zone III区域,两种SST产品非常接近,相关系数在0.95以上,表现出极强的相关性,StdBias为0.273 ℃/0.322 ℃(Day/Night,表1);与之相比,Zone I区域(图4 a图4b)的泰勒统计分布表现出相反的情况,弱相关且StdBias大于5 ℃;对于Zone II、Zone IV、Zone V 3个区域(图4 c图4d图4g图4h图4i图4j),泰勒统计分布具有一定的相似性,在Zone II区域表现出更高的相关性以及更小的StdBias,Zone V区域次之。

    Figure 4.  Taylor statistical distribution of two SST data in the Zone I —Zone V

    由此看来,在空间区域尺度上,MODIS SST与AVHRR SST在Zone III区域表现出极强相关、偏差分布集中、泰勒统计分布非常接近的特性,一致性程度较高;与此相反,在Zone I区域,两种SST产品弱相关,泰勒统计分布呈现出相背离的情况,一致性程度较弱。需要特别指出的是,两种SST产品差异在白天升轨数据(Day)与夜间降轨数据(Night)表现出相似的情况,并且夜间降轨数据(Night)的差异更大。

  • 2.3.   两种SST产品差异的时间尺度分析

  • MODIS SST与AVHRR SST在Zone I—Zone V 5个区域的逐月平均偏差 Bias变化如图5所示。从图5可以看出,两种SST产品的偏差在Zone III区域(图5e图5f)长时间稳定在±0.4 ℃以内;偏差在Zone I、Zone IV(图5a图5b图5g图5h)两个区域变化均具有明显的季节性规律,区别在于变化趋势相反,这与蒋兴伟等[12]、王雨等[13]的结论不谋而合;季节性因素在Zone II、Zone V区域(图5c图5d图5i图5j)影响不大。

    Figure 5.  Monthly Bias changes of two SST data in the Zone I —Zone V

    各个区域海表温度逐月变化情况如图6所示。从图6可以看出,在Zone II—Zone V区域(图6c图6j),MODIS与AVHRR两类传感器获得的海表温度数据具有相同的变化趋势,在秋、冬两季,海表温度总体呈现下降趋势,在春、夏两季,海表温度总体呈现上升的趋势;在Zone IV区域,两种SST产品的偏差在秋、冬两季随温度的下降呈上升趋势,在春、夏两季随温度的上升呈下降趋势;而在Zone I区域的偏差变化趋势与Zone IV区域相反。需要特别指出的是,来自MODIS与AVHRR两类传感器的海表温度数据的逐月变化趋势在Zone I区域(图6a图6b)近乎相反,表明MODIS与AVHRR两类传感器获取海表温度数据的原理机制存在一定的区别,同时从图7太平洋海表温度年平均变化趋势可以看出,MODIS SST整体大于AVHRR SST,偏差为1 ℃~2 ℃。

    Figure 6.  Monthly change of sea surface temperature of two SST data in the Zone I — Zone V

    Figure 7.  Annual average trend of SST in the Pacific

    在时间尺度上,两种SST产品的偏差在Zone III区域保持长期的稳定;在Zone I、Zone IV区域,受温度影响,随季节因素规律性变化,趋势相反。此外,MODIS与AVHRR两类传感器也存在一定的原理机制区别,并且MODIS SST整体上大于AVHRR SST。

  • 2.4.   两种SST产品距平的差异分析

  • 为进一步探讨MODIS SST与AVHRR SST两种海表温度产品在降低或消除季节性等一些不平等因素的影响之后的一致性情况,分别对两种传感器的长时间序列数据进行标准化月均距平处理,即采用公式(5)对相同月份不同年份的数据进行标准化距平:

    式中:$T_{t,\left( {i,j} \right)}'$t时刻ij列的标准化距平值;${T_{t,\left( {i,j} \right)}}$t时刻ij列的原始海表温度;$\overline {{T_{\left( {i,j} \right)}}} $ij列相同月份不同年份的数据的海表温度均值;σi,jij列相同月份不同年份的数据的标准差。

    距平前后两组数据的泰勒统计对比如图8所示。从图8可以看出,距平后,两种SST产品在Zone I区域(图8a图8b)的一致性显著提高;对Zone III区域(图8e图8f)影响有限;在Zone II、Zone IV、Zone V区域(图8c图8d图8g图8h图8i图8j)的相关性大幅度降低。值得注意的是,两种SST产品的偏差在Zone II、Zone V区域的季节性变化较弱。对比距平前,两种SST产品距平后在泰勒统计对比图上呈现出相背离的情况,表明季节性因素在Zone II、Zone V区域对两种SST产品的一致性起到“促进”作用。此外,两种SST产品差异在白天升轨数据(Day)与夜间降轨数据(Night)表现出相似的情况,并且二者间的差异大大缩小且比较接近(见表2)。需要指出的是,距平后两种SST产品在Zone I、Zone II、Zone IV、Zone V区域的差异更接近同一水平,StdBias在1 ℃左右,相关系数为0.25~0.45(见表2)。

    数据类型区域Bias/℃AbsBias/℃StdBias/℃R栅格数量/个
    DayZone I0.0000.9161.1890.288478992
    Zone II0.0000.8211.0820.410556529
    Zone III0.0000.3350.4690.890576000
    Zone IV0.0000.8241.0710.427141614
    Zone V0.0000.8891.1770.304271731
    NightZone I0.0000.9201.1910.288479538
    Zone II0.0000.8921.1530.334575334
    Zone III0.0000.3230.4690.890576000
    Zone IV0.0000.9201.1720.320126935
    Zone V0.0000.8901.1310.360279106

    Table 2.  Statistics of errors in various areas after standardized monthly anomalies of two SST data

    Figure 8.  Comparison of Taylor statistics before and after standardized monthly anomalies of the two SST data in the Zone I — Zone V

    由分析可知,距平前后,两种SST产品在Zone III区域均保持较高程度的一致性,而其他4个区域在距平后更接近同一水平。本研究对构建长时间序列的海表温度距平数据集具有重要的指导意义,使得提取长时间序列的海表温度异常对象成为可能。

3.   结 论
  • (1)空间上,两种SST产品一致性程度较高的区域主要分布在以Zone III区域为代表的10° N条带的南边与北边大片区域以及澳洲的西部海域,BiasStdBias分别为−0.065 ℃/−0.218 ℃、0.273 ℃/0.322 ℃(Day/Night);在Zone I区域,BiasStdBias分别为2.622 ℃/3.957 ℃、5.148 ℃/6.916 ℃(Day/Night),一致性程度最弱。

    (2)时间上,两种SST产品的偏差在Zone III区域长期保持稳定;在Zone I、Zone IV区域,由于受温度影响,随季节因素规律性变化,趋势相反。此外,MODIS与AVHRR两类传感器也存在一定的原理机制区别,并且MODIS SST大于AVHRR SST。

    (3)距平后,两种SST数据产品的一致性在Zone III区域最好,在其他4个区域的差异更接近同一水平。

    (4)在Zone II、Zone V区域,季节性因素并不是造成MODIS SST与AVHRR SST差异的主要原因。

    (5)两种SST数据产品中,夜间降轨(Night)产品之间的差异大于白天升轨(Day),距平后这种差异大大缩小。

Reference (16)

Catalog

/

DownLoad:  Full-Size Img  PowerPoint
Return
Return