中国科大在基于卫星观测的大气柱水汽含量和海表温度的气候数据集开发方面取得重要进展

近日，学院风云卫星遥感联合实验室王雨教授课题组，联合中国气象局国家卫星气象中心和气象探测中心，基于国内外多颗被动微波成像仪的长期观测数据，成功构建了一套大气柱水汽含量（CWV）和海表温度（SST）的气候数据集。研究成果以“A climate data record of atmospheric moisture and sea surface temperature from satellite observations”为题，发表于国际地学顶级期刊《Earth System Science Data》(简称ESSD，影响因子11.6)。

CWV和SST是两个基本气候变量，准确监测其长期变化对于适应和减缓气候变化至关重要。相较于常被用于气候研究的再分析数据，卫星遥感产品可提供更为客观的观测结果。但是，有限的卫星寿命使得必须将多个卫星仪器进行融合，方能获得可用于气候分析的长期气候数据集。在此过程中，单一卫星轨道漂移导致的日变化误差，以及不同卫星仪器间因软硬件差异导致的观测偏差，都可能在数据集构建过程中引入虚假的长期趋势信号，进而导致气候分析的不确定性。为此，本团队利用一套自主开发并经精确一致性校正的，由AMSR-E（美国Aqua卫星）、MWRI（中国FY-3B卫星）和AMSR2（日本GCOM-W1卫星）等星载被动微波仪器组成的亮温长期观测数据集（Wu et al., 2020），在利用半物理模型对MWRI仪器的日变化偏差进行调整的基础上，设计多通道亮温对数反演算法，建立了一套超过20年（2002-2022）的全球洋面CWV和SST气候数据集。该数据集与多种原位观测结果的比较表明，CWV和SST的均方根误差（RMSE）分别小于0.1 mm（4 mm）和0.2 K（1.6 K）。在全球尺度上，2002–2022年间的趋势结果（CWV: 0.39 mm/Dec，SST: 0.16 K/Dec）与ERA5、RSS和OISST等观测和再分析数据基本吻合（图1）。

图1 2002–2022年全球洋面不同数据集的CWV和SST月距平时间序列。图例显示了本气候数据集距平（黑线）的线性趋势及其不确定性，以及本数据集与每个验证数据集之间的距平差异。灰色区域代表MWRI与AMSR-E或AMSR2的重叠时间段

特别值得强调的是，该数据集在揭示热带洋面CWV与SST长期趋势的协变关系方面，较ERA5和RSS等其他常见气候产品表现更优，表现为二者趋势比率为9.9 %/K，与CMIP6多模式模拟结果高度一致（图2）。此外，与大气对流层低层和中层气温（TLT和TMT）的长期趋势协变性比较同样表明，该数据集在遵循克劳修斯–克拉伯龙方程的物理约束方面表现更佳。这些结果证明，通过严格的多卫星观测校准与融合，本研究开发的数据集能够更准确地表征气候变化过程，可为未来气候模式的预测提供更优的观测约束与验证。

图2 2003–2022年热带洋面（20˚S–20˚N）趋势协变性比较。（上）为CWV与SST、CWV与TLT以及CWV与TMT的热带趋势散点图，（下）为对应的观测值 CMIP6模式模拟值趋势比值的直方图。在（上）中，橙色叉号代表CMIP6的趋势比，橙色直线是其拟合线。正方形、圆形和菱形分别代表来自本反演数据集、RSS-CDR和ERA5的CWV和SST。在（b）、（c）、（e）和（f）中，不同颜色的符号表示CWV趋势与STAR（红色）、RSS（蓝色）和UAH（紫色）观测到的TLT或TMT趋势的比率。在（下）中，橙色曲线是CMIP6的高斯分布拟合曲线，黑色虚线代表拟合的半宽。观测趋势比在一个参考行中绘制（灰色虚线），其y轴偏移并不代表实际值

本文第一作者为大气科学专业博士生傅一笑，通讯作者为王雨教授，Cheng-zhiZou研究员在研究方法与论文撰写方面提供了重要支持。合作者还包括中国气象局气象探测中心张鹏研究员、国家卫星气象中心武胜利研究员，以及课题组吴邦海和刘实博士等。研究工作得到了国家自然科学基金、安徽省江淮联合基金、科技部重点研发计划以及风云卫星先行计划等项目的资助。

原文链接：https://doi.org/10.5194/essd-17-4651-2025

参考文献：

Wu B., Y. Wang*, C. Zou, R. Li, S. Liu, G. Liu and Y. Fu (2020), A fundamental climate data record from AMSR-E, MWRI and AMSR2, IEEE Trans. Geosci. Remote., 58(8), 5450-5461, doi: 10.1109/TGRS.2020.2966055.