2020, Vol. 50
2. 中国气象局国家卫星气象中心，北京 100081;
3. 青岛海洋科学与技术试点国家实验室 区域海洋动力学与数值模拟功能实验室，山东 青岛 266237
海表温度是一个重要的海洋环境参数和气候变化指标，并广泛应用于海洋动力学、海气相互作用、渔业研究、气候变化监测[1-2]、天气预测[3]及其他领域。海洋上层具有调节全球气候系统的能力，且海表面温度的梯度分布与流系、涡、气流和上升流区域有关[4]，通过监测海表面温度图像，可以分析海洋运动。而卫星海表温度的观测可以了解区域和全球的气候变化，使人们能认识大范围的洋流变化。
1981年从NOAA-7 (National Oceanic and Atmospheric Administration-7)卫星装载的AVHRR/2(Advanced Very High Resolution Radiometer/2)升空起，卫星红外海表温度的观测距今已经有将近40年的历史。并且，随着航天技术的发展，各个国家发射了系列卫星传感器来观测海表温度，卫星红外海表温度反演技术也日趋成熟，国内外均发布了业务化产品。多通道海表温度反演算法(Multi-Channel SST, MCSST)是由Mcclain等[5]提出的。1980年代开发的非线性交叉产品海表温度算法(Cross-Product SST, CPSST)形式与MCSST相似，但当海表温度在5~15 ℃之间时，CPSST算法相较于MCSST算法减少了30%~35%的误差[6]。基于MCSST算法的全球AVHRR海表温度数据相较于船舶数据的平均偏差为0.3~0.4 ℃(卫星数据低于船舶数据)，标准偏差为0.5~0.6 ℃[5]。MODIS(Moderate Resolution Imaging Spectroradiometer) Terra和MODIS Aqua海表温度产品在波斯湾北部的平均偏差分别为-0.06和0.07 ℃，标准偏差分别为0.44和0.53 ℃[7]。基于ACSPO算法的Suomi-NPP VIIRS(Suomi National Polar-orbiting Partnership, Visible InfraredImaging Radiometer Suite)海表温度产品白天的平均偏差为0 ℃，标准偏差为0.466 ℃，夜晚的平均偏差为0 ℃，标准偏差为0.359 ℃[8]。通过三通道双观测角算法反演得到的ATSR (Along-Track Scanning Radiometer)海表温度在西北太平洋的平均偏差为-0.51 ℃, 标准偏差为0.61 ℃；在热带太平洋的平均偏差为-0.22 ℃, 标准偏差为0.25 ℃[9]。AATSR(Advanced Along Track Scanning Radiometer)双角度反演得到的白天海表温度在加勒比海的平均偏差为0.15 ℃，标准偏差为0.42 ℃；夜晚海表温度在加勒比海的平均偏差为0.11 ℃，标准偏差为0.30 ℃[10]。三光谱通道算法得到的双角度AATSR海表温度产品与ISAR (Infrared SST AutonomousRadiometer)航测数据相比，在比斯开湾和英吉利海峡的平均偏差为-0.01 ℃，标准偏差为0.26 ℃；双光谱通道算法得到的双角度AATSR海表温度产品的平均偏差为-0.04 ℃，标准偏差为0.39 ℃[11]。
我国发射的卫星也具有海表温度观测能力。Liu等[12]对海洋卫星HY-2A(Haiyang-2A)海表温度数据进行了评估，通过使用3倍的稳健标准偏差(Robust standard deviation, RSD)(稳健标准偏差为观测值距中位数的绝对偏差的中位数乘以1.48[13])对异常数据进行剔除，并分析海表温度差异与风速、风向、水汽等大气因素的关系。风云三号卫星(Fengyun-3，FY-3)是我国第二代极轨气象卫星，FY-3系列卫星已经发射了4颗，分别为FY-3A(Fengyun-3A)，FY-3B(Fengyun-3B)，FY-3C(Fengyun-3C)，FY-3D(Fengyun-3D)。FY-3A发射于2008年5月27日，FY-3B发射于2010年11月5日，这两颗卫星是作为试验应用卫星发射。FY-3C于2013年9月23日发射，FY-3D于2017年11月15日发射成功。王素娟等[14]通过改进FY-3A/VIRR海表温度反演算法，并对温度数据进行质量检验，提高了国产卫星海表温度数据的可用性。
可见光红外扫描辐射计(Visible and Infra-Red Radiometer，VIRR)是FY-3搭载的主要的光学探测仪之一，它有10个光谱通道，扫描宽度为±55.4°，星下点分辨率为1.1 km，扫描刈宽为2 800 km[15]，量化等级是10 bit。它主要应用在云、植被、雪、海/陆表温度、火点、气溶胶等的监测，其中短波红外通道(3.55~3.93 μm)和分裂窗通道(10.3~11.3 μm和11.5~12.5 μm)可以用于海表温度的观测[16]。2014年8—12月夜晚的FY-3C/VIRR 5 km海表温度日产品在北极地区与浮标数据相比，平均偏差为-0.12 ℃，标准偏差为0.93 ℃[17]。以分析场海温OISST(Optimum Interpolation Sea Surface Temperature)为参考海温，2017年1-5月FY-3C/VIRR业务5 min段质量为优的海表温度样本白天平均偏差为-0.1 ℃，标准偏差为0.8 ℃；夜晚平均偏差为0.01 ℃，标准偏差为0.78 ℃[18]。基于2014年5—7月的海温匹配数据集的独立样本，与iQuamv1漂流浮标相比，FY-3C/VIRR MCSST算法海表温度数据白天的平均偏差为-0.26 ℃，标准偏差为0.54 ℃。夜晚的平均偏差为0.06 ℃，标准偏差为0.56 ℃[19]。
本文研究目的是采用浮标海表温度数据分析FY-3C/VIRR在西北太平洋地区的海表温度数据精度，进行质量评估，为风云卫星遥感资料的使用提供参考。
1 数据 1.1 卫星红外海表温度数据(FY-3C/VIRR)FY-3C卫星的轨道高度为836 km，轨道倾角为98.75°，降交点的地方时为10：00。用于评估的FY-3C/VIRR Level-2(二级数据)海表温度数据由FY-3C红外海温产品研发系统采用逐月海温回归系数重处理生成，是原始轨道投影的5 min段海温资料，反演算法为非线性海表温度反演算法(Nonlinear Sea Surface Temperature Algorithm，NLSST)，以netCDF数据格式存储，包含了时间、经度、纬度、海表温度、质量标识等信息。海表温度数据分为优、良、差三个质量等级，分别对应质量标识中的0、1、2，质量标识3为缺省值(代表陆地、云或缺测等)。对于卫星天顶角50°以内的像元质量为优，其它为良；构建3×3数据块，数据块内分裂窗亮温最大最小值的差在1 ℃以内的为优，2 ℃以内的为良，其它的为差；反演海温与气候海温绝对温差2 ℃以内为优，3 ℃以内为良，其它为差。
1.2 实测数据用于评估的实测数据来自于NOAA NESDIS/STAR的iQuam v2.0 (In situ SST Quality Monitor, iQuam)系统，该实测数据经过质量控制，具有质量标识[20]。实测数据包含船舶数据和多种浮标数据。实测数据的质量控制检查方法分为五大类：数据的预处理、数据的合理性检测、数据的内部一致性检测、数据的相互一致性检测和外部一致性检测。实测数据会进行二进制检查和贝叶斯检查。数据的二进制检查包括重复删除、对观测平台的追踪检验、合理性地理定位检查、SST (Sea Surface Temperature)毛刺检查、ID检查。贝叶斯检查包括参考背景检查和跨平台检查[20]。iQuam实测数据以netCDF数据格式存储，包含了采集数据的年、月、日、小时、分钟、秒、经纬度、大气温度、大气压力、风向、风速、质量标识、云覆盖、海表温度、测量类型等。本文选用的是质量标志最高(Quality level标记为5)的实测数据。并且，考虑到实测数据的可靠性和准确性，未选取船测数据，只选取了浮标类型为Drifting Buoy、Tropical Moored Buoy、Coastal Moored Buoy、High Resolution Drifter和CRW Buoy的数据。
2 卫星红外海表温度数据(FY-3C/VIRR)与浮标数据的比较分析本文利用FY-3C/VIRR Level-2海表温度数据与浮标数据进行匹配，对2016年的西北太平洋海表温度进行质量评估，由于2月份FY-3C/VIRR Level-1(一级数据)中分裂窗数据质量欠佳，通过星上重启恢复正常，故选取了2016年3、5、8和11月这4个月共110天的海表温度数据。空间范围为西北太平洋(121°E~160°E，2°S~46°N)。图 1(a)、(b)、(c)、(d)分别为2016年3、5、8和11月FY-3C/VIRR在研究区域的全样本的月平均海表温度图。月平均海表温度图是由西北太平洋区域单位网格(0.01°)中每天的FY-3C/VIRR Level-2海表温度数据平均得到的。卫星与实测数据匹配的时间窗口为1 h，空间窗口为0.01°。
|
图 1 FY-3C/VIRR在西北太平洋地区的月平均海表温度 Fig. 1 Monthly average sea surface temperature of FY-3C/VIRR in the Northwest Pacific |
选取iQuam质量标志为5的浮标数据每天按小时分成24个时间段，以等角度的投影方式投影到0.01°网格中，平均单位网格中的海表温度数据。将FY-3C/VIRR Level-2海表温度数据以等角度的投影方式投影到0.01°的网格中，平均单位网格中的海表温度数据。FY-3C/VIRR海表温度数据白天夜晚标记按太阳天顶角划分，白天的太阳天顶角小于85°，夜晚的太阳天顶角大于等于85°[19]，然后根据设定的时间窗口匹配数据。
2.2 结果分析经过数据的预处理，对匹配集中的海表温度差值(SSTdif=SSTFY-3C/VIRR-SSTbuoy)进行统计分析，统计信息包括匹配个数、最大值、最小值、平均偏差、中位数、标准偏差、稳健标准偏差及不同海表温度差的占比。将匹配数据集中海表温度差值大于3倍稳健标准偏差的值视为异常数据剔除，并进行统计分析。这4个月海表温度匹配数据差值的统计信息如表 1所示，剔除的部分数据主要是由于云漏检，数值偏低，白天共剔除掉22对反演误差较大的匹配点，占总数的3.43%；夜晚共去掉67对反演误差较大的匹配点，占总数的5.59%。FY-3C/VIRR与浮标白天的匹配数据共有619对，最大温度差值为1.86 ℃，最小温度差值为-2.24 ℃，平均偏差为-0.12 ℃，中位数为0 ℃，标准偏差为0.79 ℃，稳健标准偏差为0.73 ℃，温度差值在±0.5 ℃以内的匹配点占总数的51.86%，温度差值在±1 ℃以内的匹配点占总数的78.84%，温度差值在±2 ℃以内的匹配点占总数的98.22%；夜晚的匹配数据共有1 132对，最大温度差值为2.00 ℃，最小温度差值为-2.21 ℃，平均偏差为0.03 ℃，中位数为0.13 ℃，标准偏差为0.76 ℃，稳健标准偏差为0.70 ℃，温度差值在±0.5 ℃以内的匹配点占总数的52.56%，温度差值在±1 ℃以内的匹配点占总数的82.16%，温度差值在±2 ℃以内的匹配点占总数的98.59%。对上述匹配点的海表温度差值进行直方图统计分析，如图 2所示，横轴代表两者海表温度差，纵轴为统计个数，白天温差小于0 ℃的匹配点有306对，大于0 ℃的匹配点有309对；夜晚温差小于0 ℃的匹配点有491对，大于0 ℃的匹配点有637对。对匹配点的空间位置进行分析，如图 3所示，赤道附近匹配点较少，匹配数据大部分分布于中低纬度地区，且分布较均匀，海温差值较大的点比较分散。由于临近云边缘的云检测可能漏检，同时在温度锋面，卫星观测与浮标观测的空间分辨率不同会带来显著误差，进一步针对匹配点周围3×3网格卫星数据的有效性和均匀性进行检测，如表 2所示。
|
表 1 FY-3C/VIRR海表温度数据与浮标海表温度数据差值分析表 Table 1 Statistics of sea surface temperature difference between FY-3C/VIRR and buoy data |
|
图 2 FY-3C/VIRR与浮标海表温度差值的统计直方图 Fig. 2 Histogram of sea surface temperature difference between FY-3C/VIRR and buoy data |
|
图 3 FY-3C/VIRR与浮标海表温度差值空间分布图 Fig. 3 Spatial distribution of sea surface temperature difference between FY-3C/VIRR and buoy data |
|
|
表 2 FY-3C/VIRR匹配点不同均匀性检测阈值情况下的差值分析表 Table 2 Statistics of the difference of FY-3C/VIRR SST matching points in different threshold for homogeneous detection |
由表 2可知，白天匹配点周围3×3网格内均有有效卫星海表温度值的匹配点共有293对，平均偏差为-0.09 ℃，标准偏差为0.70 ℃；且该组9个数据的局部标准偏差(Localstandard deviation, LSD)小于等于0.3 ℃的共有208组数据，平均偏差为0.06 ℃，标准偏差为0.54 ℃；局部标准偏差小于等于0.4 ℃的共有235组数据，平均偏差为0.05 ℃，标准偏差为0.56 ℃；局部标准偏差小于等于0.5 ℃的共有253组数据，平均偏差为0.01 ℃，标准偏差为0.62 ℃。夜晚匹配点周围3×3网格内均有有效卫星海表温度值的匹配点共有565对，平均偏差为0.09 ℃，标准偏差为0.68 ℃；且该组9个数据的局部标准偏差小于等于0.3 ℃的共有374组数据，平均偏差为0.27 ℃，标准偏差为0.55 ℃；局部标准偏差小于等于0.4 ℃的共有445组数据，平均偏差为0.21 ℃，标准偏差为0.58 ℃；局部标准偏差小于等于0.5 ℃的共有480组数据，平均偏差为0.19 ℃，标准偏差为0.61 ℃。结果表明随着匹配点周围3×3网格数据的局部标准偏差的增加，匹配数据的标准偏差和稳健标准偏差递增，海表温度差值在±0.5 ℃、±1 ℃以内的匹配点个数占比递减，说明在匹配点周围温度梯度较大时, 卫星与浮标观测空间分辨率的差异会导致二者差异增大。局部标准偏差小于0.5 ℃时，标准偏差在0.5~0.6 ℃，夜晚平均偏差在0.2 ℃左右。
FY-3C/VIRR海表温度数据有优、良、差三个质量等级，进一步分析了质量等级为优的数据精度，选取质量为优的海表温度数据与浮标数据进行匹配，分析匹配点周围3×3网格数据有效、且该组9个数据的局部标准偏差在不同阈值情况下的统计特性。表 3为FY-3C/VIRR最优海表温度与浮标海表温度匹配数据的统计信息。表 4为FY-3C/VIRR最优样本匹配数据周围3×3网格数据有效及该组9个数据的局部标准偏差在不同阈值情况下的白天、夜晚海表温度数据差值分析表。
|
|
表 3 FY-3C/VIRR最优海表温度数据与浮标数据匹配信息表 Table 3 statistics of sea surface temperature difference between the optimal FY-3C/VIRR data and buoy data |
|
|
表 4 FY-3C/VIRR最优样本匹配点不同均匀性检测阈值情况下的差值分析表 Table 4 Statistics of the difference of the optimal FY-3C/VIRR SST matching points in different threshold for homogeneous detection |
由表 3可知，FY-3C/VIRR最优海表温度数据与浮标数据匹配，白天共有423对匹配点，去掉3对反演误差较大的点后共有420对匹配点，平均偏差为-0.01 ℃，标准偏差为0.64 ℃；夜晚共有743对匹配点，去掉13对反演误差较大的点后共有730对匹配点，平均偏差为0.16 ℃，标准偏差为0.58 ℃。由图 4可知，白天差值在0.08 ℃左右，匹配点对数最多；夜晚差值在0.21 ℃左右，匹配点对数最多。最优海表温度数据误差较小。
|
图 4 FY-3C/VIRR最优海表温度数据与浮标海表温度数据差值的统计直方图 Fig. 4 Histogram of sea surface temperature difference between the optimal FY-3C/VIRR SST and buoy data |
由表 4、图 5可知，FY-3C/VIRR最优样本匹配数据周围3×3网格数据有效时，白天共有165对匹配点，平均偏差为0.03 ℃，标准偏差为0.52 ℃，其周围3×3网格数据的局部标准偏差的最大值为0.39 ℃，最小值为0.03 ℃；夜晚共有310对匹配点，平均偏差为0.21 ℃，标准偏差为0.56 ℃，其周围3×3网格数据的局部标准偏差的最大值为0.47 ℃，最小值为0.03 ℃。白天匹配点周围3×3网格数据的局部标准偏差为0.3 ℃时，匹配数据的标准偏差最小，为0.51 ℃；夜晚匹配点周围3×3网格数据的局部标准偏差为0.3和0.4 ℃时，匹配数据的标准偏差最小，为0.55 ℃。FY-3C/VIRR最优样本海表温度精度较高。
|
图 5 FY-3C/VIRR最优样本匹配点周围3×3网格数据的局部标准偏差统计直方图 Fig. 5 Histogram of the localstandard deviation in 3×3 pixels around the optimal FY-3C/VIRR SST matching points |
本文利用浮标数据分别对FY-3C/VIRR在西北太平洋地区的全部海表温度数据和最优质量标记的海表温度数据进行评估，分析其数据精度，为风云卫星遥感资料的使用提供参考。
(1) FY-3C/VIRR全样本海表温度数据与浮标数据的匹配，白天平均偏差为-0.12 ℃，标准偏差为0.79 ℃；夜晚平均偏差为0.03 ℃，标准偏差为0.76 ℃。匹配点周围3×3网格数据均为有效值时，匹配数据在白天的平均偏差为-0.09 ℃，标准偏差为0.70 ℃；夜晚的平均偏差为0.09 ℃，标准偏差为0.68 ℃。当匹配点周围3×3网格数据的局部标准偏差在0.3 ℃以内时，FY-3C/VIRR全样本海表温度数据与浮标数据的匹配精度最高，白天的平均偏差为0.06 ℃，标准偏差为0.54 ℃；夜晚的平均偏差为0.27 ℃，标准偏差为0.55 ℃。
(2) FY-3C/VIRR最优样本海表温度数据与浮标数据匹配时，白天匹配数据的平均偏差为-0.01 ℃，标准偏差为0.64 ℃；夜晚匹配数据的平均偏差为0.16 ℃，标准偏差为0.58 ℃。匹配点周围3×3网格数据有效时，匹配数据在白天的平均偏差为0.03 ℃，标准偏差为0.52 ℃；夜晚的平均偏差为0.21 ℃，标准偏差为0.56 ℃。匹配点周围3×3网格数据的局部标准偏差在0.3 ℃以内时，FY-3C/VIRR最优样本海表温度数据与浮标数据的匹配精度最高，白天的平均偏差为0.03 ℃，标准偏差为0.51 ℃；夜晚的平均偏差为0.23 ℃，标准偏差为0.55 ℃。
(3) 通过对FY-3C/VIRR与浮标的海表温度差值的统计分析表明FY-3C/VIRR海表温度数据在质量最优、且匹配点周围3×3网格数据的局部标准偏差在0.3 ℃以内时精度较高，该精度数据与AVHRR[5]、MODIS Aqua[7]相当。
| [1] |
Barnett T P, Graham N, Pazan S, et al. ENSO and ENSO-related predictability. Part Ⅰ: Prediction of equatorial pacific Sea surface temperaturewith a hybrid coupled ocean-atmosphere model[J]. Journal of Climate, 1993, 6(8): 1545-1566. DOI:10.1175/1520-0442(1993)006<1545:EAERPP>2.0.CO;2
(  0) |
| [2] |
Dai A. future warming patterns linked to today's climate variability[J]. Scientific Reports, 2016, 6: 19110.
( 0) |
| [3] |
Ward M N, Folland C K. Prediction of seasonal rainfall in the north nordeste of Brazil using eigenvectors of sea-surface temperature[J]. International Journal of Climatology, 1991, 11(7): 711-743.
( 0) |
| [4] |
马丁.海洋遥感导论[M].蒋兴伟, 译. 2版.北京: 海洋出版社, 2008: 156. Martin S. An Introduction to Ocean Remote Sensing[M]. Jiang X W, Translated. 2nd Edition. Beijing: China Ocean Press, 2008: 156. ( 0) |
| [5] |
Mcclain E P, Pichel W G, Walton C C. Comparative performance of AVHRR-based multichannel sea surface temperatures[J]. Journal of Geophysical Research Oceans, 1985, 90(C6): 11587-11601.
( 0) |
| [6] |
Walton C C. Nonlinear multichannel algorithms for estimating sea surface temperature with AVHRR satellite data[J]. J Appl Meteorol, 2010, 27(2): 115-124.
( 0) |
| [7] |
Ghanea M, Moradi M, Kabiri K, et al. Investigation and validation of MODIS SST in the northern Persian Gulf[J]. Advances in Space Research, 2016, 57(1): 127-136.
( 0) |
| [8] |
Petrenko B, Ignatov A, Kihai Y, et al. Evaluation and selection of SST regression algorithms for JPSS VIIRS[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(8): 4580-4599.
( 0) |
| [9] |
管磊, 陈锐, 贺明霞. ERS-1/ATSR海表温度在热带太平洋和西北太平洋的印证与分析[J]. 遥感学报, 2002, 6(1): 63-69. Guan L, Chen R, He M X. Validation of sea surface temperature from ERS-1/ATSR in the Tropical and Northwest Pacific[J]. Journal of Remote Sensing, 2002, 6(1): 63-69. ( 0) |
| [10] |
Noyes E J, Minnett P J, Corlett G K, et al. Validation of the AATSR Gridded Sea Surface Temperature Product with in Situ Measurements from the M-AERI[C]. Salzburg: European Space Agency, 2005: 213-222.
( 0) |
| [11] |
Wimmer W, Robinson I S, Donlon C J. Long-term validation of AATSR SST data products using shipborne radiometry in the Bay of Biscay and English Channel[J]. Remote Sensing of Environment, 2012, 116(2): 17-31.
( 0) |
| [12] |
Liu M K, Guan L, Zhao W, et al. Evaluation of sea surface temperature from the HY-2 scanning microwave radiometer[J]. IEEE Transactions on Geoscience & Remote Sensing, 2017, 55(3): 1372-1380.
( 0) |
| [13] |
Embury O, Merchant C J, Corlett G K. A reprocessing for climate of sea surface temperature from the along-track scanning radiometers: Initial validation, accounting for skin and diurnal variability effects[J]. Remote Sensing of Environment, 2012, 116(4): 62-78.
( 0) |
| [14] |
王素娟, 崔鹏, 冉茂农, 等. FY3A/VIRR海面温度业务产品算法改进与质量检验[J]. 气象科技, 2014, 42(5): 748-752. Wang S J, Cui P, Ran M N, et al. Algorithm improvement and quality validation of operational FY3A/VIRR SST product[J]. Meteorological Science and Technology, 2014, 42(5): 748-752. ( 0) |
| [15] |
Zhang P, Yang J, Dong C, et al. General introduction on payloads, ground segment and data application of Fengyun 3A[J]. Frontiers of Earth Science in China, 2009, 3(3): 367-373. DOI:10.1007/s11707-009-0036-2
( 0) |
| [16] |
王素娟, 崔鹏, 张鹏, 等. FY-3B/VIRR海表温度算法改进及精度评估[J]. 应用气象学报, 2014, 25(6): 701-710. Wang S J, Cui P, Zhang P, et al. The Improvement of FY-3B/VIRR SST algorithm and its accuracy[J]. Journal of Applied Meteorological Science, 2014, 25(6): 701-710. ( 0) |
| [17] |
Wang H Y, Guan L, Chen G. Evaluation of Sea Surface Temperature from FY-3C VIRR Data in the Arctic[J]. IEEE Geoscience & Remote Sensing Letters, 2016, 13(2): 292-296.
( 0) |
| [18] |
王素娟, 崔鹏, 张鹏, 等. FY-3卫星VIRR海表温度产品进展[J]. 上海航天, 2017, 34(4): 79-84. Wang S J, Cui P, Zhang P, et al. Progress of VIRR sea surface temperature product of FY-3 satellite[J]. Aerospace Shanghai, 2017, 34(4): 79-84. ( 0) |
| [19] |
Wang S J, Cui P, Zhang P, et al. FY-3C/VIRR SST Algorithm and Cal/Val Activities at NSMC/CMA[C]. Beijing: Ocean Remote Sensing and Monitoring from Space, 2014.
( 0) |
| [20] |
Xu F, Ignatov A. In situ SST quality monitor (iQuam)[J]. Journal of Atmospheric & Oceanic Technology, 2014, 31(1): 164-180.
( 0) |
2. National Meteorological Satellite Center, China Meteorological Administration, Beijing 100081, China;
3. Laboratory for Regional Oceanography and Numerical Modeling, Pilot National Laboratory for Marine Science and Technology(Qingdao), Qingdao 266237, China