0 引言

海表盐度(SSS)作为海气交界面处的关键要素，不仅影响着密度场、混合层深度、垂向混合与夹巻、海洋生物等海洋现象或过程，还与海气相互作用息息相关，是理解全球水循环机制和预测气候变化的重要信息。欧洲的土壤湿度和海洋盐度卫星(SMOS，Soil Moisture and Ocean Salinity)和美国的宝瓶座盐度卫星(Aquarius/SAC-D)于2009年和2011年相继发射，使得海表盐度成为最后实现太空遥感监测的海面关键要素[1-4]。SMOS和Aquarius观测数据被制作成多种海表盐度分析产品，从中选取适用于特定研究目标的产品是用户面临的重要问题。但由于不同分析产品在亮温重构[5-7]、盐度反演[8-11]、网格化处理[12-13]等各环节都差异甚大，其性能评估和分析应用工作较为复杂。

海表盐度分析产品处理的主要原则，是根据不同的资料状况和目标需求，在降低误差(表征每个格点上分析值的准确性)和增加分辨率(表征各个格点分析值组合起来描述某尺度物理现象的能力)之间达到平衡。近年来，对于SMOS和Aquarius盐度资料及其分析产品的误差特征已有大量研究[14-18]，而很少有研究关注其分辨率问题。在相当多的情况下，分析产品的“名义分辨率”并不等同于“有效分辨率”：前者指产品的格点距离，表征能被分辨出来的最小可能尺度；后者指产品能有效分辨、描述和解释的尺度，由输入观测、格点距离、投影方法、分析参数(如相关尺度、信噪比)等共同决定。可见，分析产品的有效分辨率与其制作过程紧密相关。该制作过程包括：首先，选择所用的观测资料；其次，选择分析产品的空间格点和时间间隔；接着，选择投影方法和分析参数进行偏差订正；最后，在有些情况下，需要进行适当的滤波以抑制高频能量(包括信号和噪音)。每一环节的不同选择或设定都会影响最终的分析结果。

本次演出的配乐多化自梨园戏传统，却给剧情的推演助力了不少当下梨园戏舞台上不多的荒诞感和喜剧感，一定程度上消解特立独行的剧中人给观者带来的疏离感，丰富了人物的形象塑造。

关于观测资料(L2级数据)的特征，DRUCKER和RISER[15]计算出全球Aquarius V2.5 L2轨道数据与1 d时间窗口内对应位置Argo散点观测间的标准差为0.42 PSU；LAGERLOEF et al[19]计算出全球Aquarius V4 L2轨道数据与5 d时间窗口内对应位置Argo散点观测间的均方根误差为0.35 PSU；MANNSHARDT et al[20]通过对比分析Aquarius V3.0 L2轨道数据和Argo散点观测的时空概率分布函数(PDF)，指出Aquarius数据的低尾偏长偏厚、样本值相对偏低。这些研究排除了外部平滑等过程对独立观测的干扰，主要用于遥感盐度观测的偏差订正。关于时空网格的特征及其影响，LEE[21]比较了几种不同空间分辨率(1°×1°, 3°×3°, 10°×10°)的Aquarius V4.0和Argo格点产品在描述盐度时间变化上的一致性，指出热带海域、大空间尺度、季节以上时间尺度的Aquarius盐度资料的精度最高；BHASKAR和JAYARAM[22]比较了几种不同时间分辨率(每日, 每周, 每月)的Aquarius V3.0格点产品和Argo格点产品之间的均方根误差、偏差和相关系数在热带印度洋的分布，指出了二者在描述盐度季节变化方面的一致性。这些研究给出了遥感盐度资料描述季节、年际等不同时间尺度变化以及中小尺度、大尺度等不同空间尺度变化的精确性。关于相关尺度的特征，TZORTZI et al[23]基于4种盐度产品(SMOS CATDS-CECOS L3/L4，Aquarius SMI-L3/ CAP-RC-L3)，分析了热带大西洋海表盐度的时空变化相关尺度以及不同产品的分辨率、偏差订正和平均方法等特性与相关尺度的关系；BINGHAM和LEE[24]基于全球Aquarius V4.0 L3/L4盐度数据和蒸发降水数据，研究了海表盐度和海表淡水强迫的时空相关尺度之间的不一致性等等。这些相关尺度研究提供了关于盐度的时空变率、演变模态、物理过程和控制机理的重要信息。

在线共享课程通过整合师资、教学设备、教学内容等优质资源，借助互联网成功打破了专业、学校、地域的限制，为广大学习者提供了大量、丰富、多元的、可自主选择的教育资源、教育环境和教育服务模式，不仅替代了原有单一的培养模式、统一的课程资源、僵化的考试评价结构，也有效缩小了教育区域差异、校际差异，同时为学习者留有足够专业方向选择余地的可能性增大，提供了个性化明显的教育课程，满足了不同学习者的兴趣喜好。本文将从课堂中心、虚拟课堂工具、社交活动、学业评估、个性化服务等五个方面对基于智慧树平台的在线共享课程的运行进行深入分析，探讨在线共享课程运行最为有效的方式。

在《基姆》中，吉卜林摆出了一个十分棘手的问题——宗教和世俗。在印度(在西方人眼中，足以成为东方的代表)复杂的宗教环境下，吉卜林的选择并不是将宗教与世俗完全分离，而是将宗教的修行融入与世俗生活之中。

在盐度资料精细化分析方面，最大的问题是缺乏足够分辨率且高精度的对比验证资料，Argo资料精度可靠但分辨率较低，而模式产品分辨率很高但精度并不可靠。因此，本文借助多种方法的综合应用来弥补这一不足：从深入研究海表盐度分析产品的处理流程入手，综合运用定性分析和谱分析方法，辅以误差分析方法，就目前国际上几种主要海表盐度分析产品的有效分辨率特征及其关键影响因子得到初步结论，为用户了解产品的有效分辨率、正确使用产品提供参考。

1 主要海表盐度分析产品介绍

政策五：10月10日，国家发展改革委办公厅及文化和旅游部办公厅印发《“三区三州”等深度贫困地区旅游基础设施提升工程建设方案》(以下简称《方案》)，《方案》的建设目标是：到2020年，支持一批“三区三州”等深度贫困地区的旅游基建投资项目建设，提高可进入性和接待能力，提升服务质量和水平。

1.1 遥感海表盐度产品一般处理流程

首先对两颗卫星海表盐度分析产品的一般处理流程进行简要介绍。

在L1级，通过对海面微波观测进行辐射订正得到观测亮温(Tb，单位: K)。SMOS利用干涉技术，对众多小天线的信号进行合成实现高分辨率；以不同入射角和偏振方式对视域(FOV)中同一点进行连续观测，不同点的空间分辨率和辐射精度有所不同。Aquarius的3个微波辐射计则以垂直和水平偏振方式、28.7°/37.8°/45.6°的入射角测量亮温。由于亮温对盐度的敏感度低且依赖于海温 (20 °C 时约为0.5 K·PSU-1，而5 °C时约为0.3 K·PSU-1)，辐射敏感度误差是L1阶段的主要误差。其它误差源包括：法拉第旋转，月球、行星、银河噪音，日光影响，大气影响，亮温系统偏差等。

 

表1 所用海表盐度分析产品参数对比Tab.1 Comparison among the parameters of different reanalysis products

  

产品名称空间分辨率时间分辨率输入数据投影方法起始时间SMOS-CATDS L30.25°每月1.00°每月SMOS-L1b简单平均2010-05SMOS-BEC L30.25°每月SMOS L2(0.25°格点平均)最优插值2010-01SMOS-BEC L40.25°每月SMOS L2(0.25°格点平均)谱分析2010-01Aquarius V2.0 L31.00°每月Aquarius L2简单平均+局部平滑2011-09Aquarius V2.0 CAP1.00°每月Aquarius L2(CAP算法)简单平均2010-09

在L2级，观测亮温被转换为海表盐度。“Klein & Swift”介电常数函数中，亮温与海水的电介质属性有关，而后者在微波波段(即L波段，1.413 GHz)与盐度有关，因此亮温可表示为海表盐度的函数：Tb=Tb(SSS)。利用回归方法可使观测亮温和正演模型Tb(SSS)得到的模式亮温之差达到最小。正演模型的描述量包括入射角和方位角等已知参数，海表盐度、海表温度、风等目标变量，以及特定粗糙度模型所需的其它变量；背景海表温度、风速、风向等辅助数据则作为初猜值和物理约束。这一级的误差包括正演模型误差和辅助数据误差，其中最大误差源来自风浪引起的海表粗糙度效应。对于SMOS，风速风向等粗糙度描述量来自欧洲中尺度天气预报中心(ECMWF)或者美国国家环境预报中心(NCEP)；对于Aquarius，除了NCEP的风速风向数据外，另一载荷即L波段(1.26 GHz)雷达散射计可同时测量海面后向散射以改进粗糙度订正效果。两颗卫星不同的海表盐度分析产品所用粗糙度模型不同，详见下文介绍。

在L3级，大量含噪的L2数据融合生成格点产品。由于观测亮温(误差约1 K)得到的盐度反演值不准确 (误差约1 PSU)，而轨道级观测的时空密度很高，因此可对大量轨道级数据进行格点化处理。不同海表盐度分析产品所用格点化处理方法不同，详见下文介绍。

网络课堂教学是指课堂教学中的教学理念、教学内容、教学方式和考试测评等过程中融入网络要素的课堂教学模式。我们也可以把网络课堂教学理解为“网络+”课堂教学，但是这绝不仅仅是网络与传统课堂教学的简单相加，而是网络与课堂教学的有机融合、相辅相成的新型课堂教学模式，是传统课堂教学模式的深度改革和创新实践。

图5所有子图的一个共同特征是：在小于500 km(太平洋)或300 km(大西洋)的波长范围，CATDS-0.25°比其它5个分析场的谱能量要高得多。在大部分海域，CATDS-0.25°的谱能量密度(简称谱能量)随纬向波数k衰减的程度约为k-2；相较而言，BEC-L3和BEC-L4的谱能量随波数的变化在k-3与k-4之间；CATDS-1.00°，Aquarius-V2和Aquarius-CAP的谱能量变化曲线更短且更陡峭。在最大波数处，平均来说CATDS-0.25°比其它场的谱能量高1个(北半球)到2个(南半球)量级。然而，CATDS-0.25°相较其它分析场完全不同的谱特性，并不一定全然是数据噪音的象征，更确切的结论需要结合误差分析进行。

1.2 SMOS海表盐度分析产品

西班牙SMOS-BEC中心(SMOS Barcelona Expert Center)发布了两种月平均0.25°×0.25°分辨率产品，即最优插值产品(L3)和融合产品(L4)，发布格式为NetCDF(http://cp34-bec.cmima.csic.es)。输入场为ESA的L2再处理数据，依据L2自带的质量控制信息剔除了不可靠盐度值，主要包括地球物理过滤、反演过滤和几何过滤。BEC所用L2产品都是基于半经验粗糙度模型[28]。

(1)SMOS-CATDS分析产品

SMOS-CATDS：全称为CATDS/CECOS-SMOS-L3研究用海表盐度数据，来自法国海洋开发研究院IFREMER的CATDS-CECOS中心，发布格式为NetCDF (ftp://eftp.fremer.fr/salinity)，包括6种不同分辨率，即0.25°, 0.50°和1.00°分辨率的10 d平均产品，0.25°, 0.50°和1.00°分辨率的月平均产品。产品以ESA的L1b数据为输入，由XX和YY极化方式下的天线水平亮温估计出水平的第一Stokes亮温，然后对上升/下降轨道分别进行入射角分组、样本压缩和格点化处理，得到25 km分辨率的每日数据。亮温进行仪器误差、地球物理变化、无线电频率干扰(RFI)等校正之后，用于反演海表盐度。粗糙度订正使用的是小坡度近似模型[27]。利用轨道一致性检验过滤掉盐度异常值后，通过简单平均得到L3数据。为与其他产品保持一致，这里选择0.25°/每月和1.00°/每月两种分析产品，分别简记为CATDS-0.25°和CATDS-1.00°。

(2)SMOS-BEC分析产品

SMOS于2009年11月发射，是欧洲空间局(ESA)地球探测者机遇任务的第二颗卫星。SMOS卫星由法国制造，主要投资方来自法国和西班牙。合成孔径微波成像辐射计(MIRAS)作为SMOS卫星的唯一有效载荷，是一个微波L频段、多角度(0°～65°)、双偏振(或多偏振)的二维干涉辐射计，展开直径约为6 m，有3个Y型天线臂。L频段(1.413 GHz)对土壤湿度和海洋盐度的敏感度较高。在755 km的轨道高度，MIRAS的69个天线每1.2 s同步探测合成1张影像，其FOV宽约1 000 km，平均像素43 km，最大访问周期3 d。SMOS盐度测量目标为：精度0.1～0.2 PSU，时空分辨率200×200 km2 /10 d或100×100 km2 /30 d。分析产品主要包括以下两大类：

SMOS-BEC L3：通过对L2数据先进行0.25°×0.25°简单格点平均、然后最优插值得到(背景场为WOA2009)。与Argo观测的对比验证表明，相对于简单格点平均处理，最优插值显著改善了L3产品精度。

SMOS-BEC L4：通过基于奇异值分析[29]的融合方法得到。因为SST产品具有SSS产品的目标分辨率，且精度比SSS高，因此可用高精度变量(SST)作为模板，还原高噪音变量(SSS)奇异值的拓扑结构，即SSS= a×SST+ b，其中a和b分别是局部斜率和拦截系数。

1.3 Aquarius海表盐度分析产品

BEC-L3和BEC-L4的差别并不出乎意料：在最大波长处，尤其是在100 km 到 25 km的特征尺度间，BEC-L4的谱能量在南大洋(包括热带大西洋)显著偏小(除了在BEC-L3出现部分不规则 “跳跃”的频段上)、在北大洋(包括热带太平洋)稍微偏小。这与图1～图3中BEC-L4被削薄的海表盐度形态相一致。BEC-L4偏小的中尺度能量可能与BEC-L4奇异值分析中使用了海表温度模板有关，这种方法潜在地削弱了海表盐度极值。对于BEC-L3，其高频能量是否与噪音有关，需要进一步的误差分析。

通常在酒店内有客人进行消费时，其消费等级系统便会根据相应消费信息引入对应客人关联账户，客人在酒店内可通过该账户直接进行点餐或查询工作，当前大部分餐饮企业所使用的“电子菜单”即相应建模形式的直观体现，其点餐与结算多是通过客人账户和酒店账户进行对接实现，客人消费信息也可完全反映，这个过程中根据客人需求，对事物进行相应要求加工等。由此可见基于需求酒店消费管理系统，其所具有的时效性功能特性响度较为突出，其也是酒店管理系统的重要组成内容。

Aquarius/SAC-D分析产品由NASA/GSFC (NASA Goddard Space Flight Center) 的OBPG小组制作，并由NASA/JPL (NASA Jet Propulsion Laboratory) 的PO.DAAC中心发布。包括两种2.0版本的月平均1°×1°分辨率产品，即Aquarius V2.0 L3 数据和Aquarius V2.0 CAP L3 数据，发布格式分别为HDF5和NetCDF (ftp://podaac-ftp.jpl.nasa. gov/allData/aquarius/)。

以上研究得到了许多一致结论，例如盐度遥感观测及其分析产品在高纬和近岸的误差较大，而在热带和副热带误差较小等。但这些结论都是针对各遥感盐度产品的整体误差特征而言的，并没有明确地区分同一产品在不同空间频谱上的盐度信号和误差特征。事实上，无论是轨道级遥感观测与散点Argo观测之间的对比，还是遥感格点产品与Argo格点产品之间的对比，都存在一定程度的空间尺度不匹配和混淆现象，即次网格盐度变化在遥感数据中被轨道平均或格点平均掉了，但仍部分反映在Argo数据中。例如，VINOGRADOVA和PONTE[25]利用1/12° HYCOM再分析产品，在某些高变率海域(如西边界流海域)发现了小于1°×1°尺度、高达1 PSU的显著盐度变化。同样，时间尺度方面也存在混淆问题[26]。考虑到盐度变化在时间上从每日到季节和年际，空间上从中小尺度到流域和全球都有分量，区分各类遥感盐度分析产品在不同频谱上(本文主要关注空间频谱)的误差特征和比较优势就显得至关重要，而这正是“有效分辨率”的内涵和意义所在。同时，各种遥感盐度分析产品(包括SMOS和Aquarius之间、SMOS或Aquarius内部不同产品之间)的处理方法有着显著差异，需要对影响有效分辨率的多种要素进行综合对比判别，而这也是之前研究没有关注过的。

Aquarius V2.0 L3：通过将L2数据用简单平均方法投影到1°网格得到。L2盐度反演采用一个基于卫星发射后实际Aquarius观测的海表粗糙度模型[30]，同时使用散射计测值和NCEP风速风向进行粗糙度订正。此外，在L3投影之后，用局部多项式方法对分析场进行了平滑。

学校是办教育的地方，教育的目的在于使人向善。培英教育有着137年的深厚历史，“爱”是“信”“望”的前提和基础，又是达成“信”“望”的途径，更是培英人热爱教育、热爱学校、热爱学生、热爱万物的情怀所在。

AquariusV2.0 CAP L3：在两个方面区别于标准2.0版本L3产品：(1) 为消除标准反演算法中NECP辅助风速数据误差(尤其是高风速条件下的误差)的影响，以及风速数据和Aquarius采样时间不一致的影响，此产品应用一种“主动-被动联合算法”(CAP)，在不使用NCEP风场的条件下，同时反演得到盐度场和风场[31]；(2)此分析产品没有进行局部多项式平滑处理。

2 有效分辨率特征分析

2.1 定性图像分析

对一些盐度空间变化剧烈的海域，如海表盐度梯度较大的热带西太平洋和北美西海岸、中尺度变化显著且盐度观测噪音较大的西北太平洋等，进行定性图像分析(图1～图4)。

（3）让幼儿善于合作和交往。即学会与同伴共同生活，在生活自理能力上能够相互协作、相互学习、共同发展；能与同伴共同探究问题，克服困难，相互支持，合作完成任务；增进与同伴之间的相互了解，提高社会交往能力。

图1给出了热带西太平洋的盐度场。可以看出，CATDS-0.25°场有着密集的中小尺度结构；而其它5种分析场的形态则较为均匀光滑，都清晰描绘出了34.8等值线标识的西太平洋盐度锋(WPSF, Western Pacific Salinity Front)。与BEC-L3场相比，BEC-L4场分布形态一致、但振幅显著减小，例如，西北区域的负异常和东南区域的正异常的振幅都显著偏小。与Aquarius-V2相比，Aquarius-CAP在整个海域的等值线分布形态比较杂乱。

图2给出了图1所示海域相应盐度梯度大小的分布情况。CATDS-0.25°场显示出密集的小尺度结构，几乎看不出盐度的自然变化。WPSF盐度锋特征在BEC-L3中最为明显，而在BEC-L4中最不明显。在CATDS-1.00°、Aquarius-V2和Aquarius-CAP中，盐度锋的位置和边缘较为模糊，主要因为它们1°的名义分辨率相对于 BEC-L3场0.25°的名义分辨率过于粗糙，分辨不出该海域的一些中小尺度盐度空间变化特征。

图3给出了北太平洋黑潮延伸体海域的盐度梯度。CATDS-0.25°场仍充满小尺度噪音。BEC-L3场的中尺度特征明显。BEC-L4海表盐度梯度绝对值仍偏小，表明BEC-L4产品在处理过程中似乎被过度平滑了。在CATDS-1.00°和Aquarius-V2中，海表盐度梯度表征的峰区位置和强度特征基本一致。Aquarius-CAP则表现出了明显的人工痕迹，其中沿卫星轨道方向的清晰条纹垂直穿插峰区而过。这在热带海域也较为明显(图2)，可能是由于使用了散射计载荷观测且没有进行平滑滤波，导致盐度场保留了Aquarius 的沿轨采样形态。

  

图1 所用6种分析产品在热带西太平洋(5°S～10°N, 150°E～160°W)2012年5月的海表盐度场Fig.1 The SSS fields in the western tropical Pacific Ocean (5° S-10° N, 150° E-160° W) for May 2012, derived from the 6 reanalysis products 粗白线为表征西太平洋盐度锋位置的34.8等值线 The bold white lines are the 34.8 isohalines representing the western Pacific salinity front

  

图2 所用6种分析产品在热带西太平洋(5°S～10°N, 150°E～160°W)2012年5月的海表盐度场梯度Fig.2 The SSS fields gradients in the western tropical Pacific Ocean (5° S-10° N, 150° E-160° W) for May 2012, derived from the 6 reanalysis products

  

图3 所用6种分析产品在黑潮延伸体海域(30°N～45°N, 150°E～150°W) 2012年5月的海表盐度场梯度Fig.3 The SSS fields gradients in the Kuroshio Extension region (30°N-45° N, 150° E-150° W) for May 2012, derived from the 6 reanalysis products

  

图4 所用6种分析产品在美国西海岸(30°N～50°N, 140°W～110°W)2012年5月的海表盐度场梯度Fig.4 The SSS fields gradients off the west coast of the United States (30°N-50° N, 140° W-110° W) for May 2012, derived from the 6 reanalysis products

图4为上升涌较强的美国西海岸海域盐度梯度。CATDS-0.25°的海表盐度梯度很强，但充满噪音。在其他分析场中，近岸较强的海表盐度梯度对应着与加利福尼亚涡旋和海流相联系的峰区。CATDS-1.00°的近岸梯度强度适中。BEC-L4和BEC-L3的盐度梯度基本一致，意味着在近岸海域BEC-L4信号特征并没有被显著削弱。近岸盐度梯度在Aquarius-V2中难以识别，但范围与其他场一致。Aquarius-CAP的近岸梯度被沿轨形态打乱。

2.2 纬向波数谱分析

分别选取太平洋和大西洋的3个不同纬度的开阔海域，计算6种分析产品的纬向波数谱能量密度[32]，得到图5。

根据覆盖全球范围、具有月分辨率、在2011—2012年的共同时段内可以获取等标准，从SMOS和Aquarius相关项目中选取了6种分析产品，其基本参数总结见表1。

  

图5 太平洋和大西洋各3个不同纬度开阔海域海表盐度场的纬向波数谱Fig.5 Zonal wavenumber spectra computed from the SSS fields in three open regions respectively in the Pacific Ocean and Atlantic Ocean (a)北太平洋(30°N～45°N, 160°E～135°W)，(b)热带太平洋(5°S～10°N, 165°E～105°W)，(c)南太平洋(45°S～30°S, 165°W～90°W)， (d)北大西洋(30°N～40°N, 55°W～15°W)，(e)热带大西洋(15°S～5°S, 33°W～7°E)，(f)南大西洋(45°S～35°S, 45°W～5°W)。在每个海域， 对2011—2012年每个月份的盐度场沿每个纬度的所有格点进行波数谱分析， 然后将所有单独的谱对所有纬度和24个月进行平均，得到最终的波数谱 (a) the North Pacific Ocean (30°N-45°N, 160°E-135°W), (b) the tropical Pacific Ocean (5°S-10°N, 165° E-105°W), (c) the South Pacific Ocean (45°S-30°S, 165°W-90°W), (d) the North Atlantic Ocean (30°N-40°N, 55°W-15°W), (e) the tropical Atlantic Ocean (15°S-5°S, 33° W-7°E),and (f) the South Atlantic Ocean (45°S-35°S, 45°S-5°W). For each region, the wavenumber spectra were computed from monthly salinity fields for all months of 2011-2012 along each latitude of grid points within the specified domain; these individual spectra were then ensemble averaged over the latitudes and 24 months

在L4级，盐度数据和其它类型(现场观测等)或要素(温度等)数据进行融合重构。

Aquarius/SAC-D卫星于2011年6月发射，是美国航空航天局(NASA)和阿根廷空间局(CONAE)的合作项目。Aquarius载荷包括3个探测海表盐度的被动微波辐射计和1个用于同步探测海浪以进行粗糙度订正的主动微波雷达散射计。其中，3个辐射计工作在1.413 GHz波段，通过与1个2.5 m直径的天线反射器相互配合，产生3个固定波束，入射角各有不同，宽度从90 km到150 km不等，形成一个390 km宽的扫描带。在657 km的轨道高度，卫星约98 min绕地球一圈，约7 d覆盖地球表面一次。Aquarius盐度测量目标为：精度0.2 PSU，时空分辨率150×150 km2/30 d。

另一个共同特征是：从大约300 km 到Nyquist 频率处(即100 km)，Aquarius-CAP海表盐度场的谱能量比Aquarius-V2和CATDS-1.00°明显要高。结合图1～图4可知，Aquarius-CAP在这些尺度上的较高能量很可能是盐度场“轨道形态”的表现。相应地，Aquarius-V2的较低能量则正是因为平滑滤波过程消除了这种轨道形态造成的，因为未平滑版本的Aquarius-V2的谱能量(未给出)几乎和Aquarius-CAP完全一样。CATDS-1.00°场的较低谱能量表明，CATDS的简单平均过程削弱了这些尺度上的盐度信号。

连续小波变换表现为一系列的褶积运算，对信号进行小波分解，实质上就是对信号用不同的滤波器进行滤波，对应于不同尺度因子a的小波基，将信号分解到相应的频带（图1）。显然，尺度因子越小，对应频带的中心频率越高［3］。

2.3 均方根误差分析

对比验证数据来自IFREMER-Coriolis数据中心的CORA3数据集。此数据集包含1990年至今的Argo、XBT、CTD、锚定浮标等多种平台的现场观测资料。为保证精度一致性，选用其中的Argo浮标数据，对其进行质量控制并插值到包含0 m层在内的152个标准层上。对于某个时次(如2011年5月15日)、某个空间点的Argo剖面的表面值，选取对应时次(如2011年5月)、距离该空间点最近的遥感盐度值作为该Argo值的配对，并选取9个不同的海域，分别计算2011-2012年所有时次分析产品与现场资料之间的均方根误差(图6)。

  

图6 9个海域的“现场观测-分析产品”均方根误差Fig.6 The RMS errors of the in-situ-analysis difference in nine regions 各海域范围：全球海域(60°S～60°N, 0°E～360°E)，黑潮延伸体(30°N～45°N, 150°E～180°E)，东海岸湾流(30°N～45°N, 85°W～45°W)， 北美西海岸(30°N～45°N, 150°W～110°W)，南美西海岸(30°S～45°S, 105°W～70°W)，热带西太平洋(15°S～15°N, 150°E～165°W)， 热带东太平洋(15°S～15°N, 135°W～90°W)，热带大西洋(20°S～10°N, 45°W～10°W)，热带印度洋(30°S～0°S, 60°E～90°E) The nine regions are: the globe (60°S-60°N, 0°E-360°E), Kuroshio Extension (30°N-45°N, 150°E-180°E), Gulf Stream East Coast (30°N-45°N, 85°W-45°W), North America West Coast (30°N-45°N, 150°W-110°W), South America West Coast (30°S-45°S, 105°W-70°W), tropical west Pacific (15°S-15°N, 150°E-165°W), tropical east Pacific (15°S-15°N, 135°W-90°W), tropical Atlantic (20°S-10°N, 45°W-10°W), and tropical India (30°S-0°S, 60°E-90°E)

图6给出的总体特征包括：盐度误差在热带海域(0.13～0.33)小于中高纬海域(0.15～0.47)，这与盐度变化的气候变率分布一致，即黑潮、湾流等海域的盐度变化最为剧烈，而在除了热带西太平洋之外的热带海域盐度变化较小。此外，3种1.00°分析场的误差(0.13～0.34)小于3种0.25°分析场的误差(0.17～0.47)，因为前者计算一个分析值所用的观测值更多、且描述的特征尺度更接近Argo的名义分辨率(3°×3°)。

另一个特征是：在热带海域，误差最大的是CATDS-0.25°；在西边界流和北美西海岸等盐度信号强烈的海域，误差最大的是BEC-L3或BEC-L4。这说明，尽管CATDS-0.25°有着噪音密集的形态(图1～图4)和显著偏高的谱能量(图5)、BEC-L3和BEC-L4有着平滑自然的形态(图1～图4)和相对较低的谱能量(图5)，但并非直觉上那般前者全然是噪音、后者全然是信号。事实上，两者的比较优势与观测数据的密度有关：在遥感盐度观测较为密集和充足的热带海域，无论是SMOS-BEC L3的最优插值还是SMOS-BEC L4的奇异值分析，都能在保证分析场精度的前提下使分析场看起来更加平滑自然；而在观测较为稀疏、盐度自然变率却很大的海域，这些客观分析方法却带来了更多的投影误差(即代表性误差)，相比之下反而是CATDS-0.25°的简单平均方法更能有效利用遥感观测的数量优势、进而减小分析误差。也就是说，在某些情况下，看似较为平滑的分析场，实际上是将信号与噪音一同过滤掉了； 而看似充满噪音的分析场，实际上是在保留大量噪音的同时也保留了相当一部分盐度信号。BEC-L4和BEC-L3的对比情况为：在黑潮、湾流等近岸海域，BEC-L4误差较小；而在热带东太平洋等开阔海域，BEC-L3误差较小。这主要与BEC-L4剔除了近岸海域大量误差较大的盐度观测有关(如图3d所示，BEC-L4的近岸盐度值为空值)。就“过滤盐度变化(信号和噪音)”的程度而言，BEC-L4甚于BEC-L3、BEC-L3甚于CATDS-0.25°；从全球来看，三者中BEC-L3误差最小。

针对舱体内装物与隔热层的设计间隙较小，操作空间有限，对内部仪器安装进行人机工程分析，分析操作姿态的舒适性和实际的可操作性。

所有分析产品中误差最小的是1.00°分辨率的Aquarius-CAP和Aquarius-V2，其中Aquarius-CAP总体误差更小。这说明，Aquarius-CAP虽然具有“人工轨道形态”(图1～图4)导致的较高谱能量(图5)，但正因其保留了遥感盐度资料的原始特征，使其避免了Aquarius-V2处理中的局部平滑导致的代表性误差增大(虽然Aquarius-V2的分布形态看起来更自然)。在各个海域，CATDS-1.00°的误差皆大于Aquarius-CAP和Aquarius-V2，由于三者的L3级处理方法同样都是简单平均法，且Aquarius-CAP进行了局部平滑而Aquarius-V2未进行局部平滑，因此可以排除格点化方法与局部平滑的影响，断定CATDS-1.00°的较大误差源于SMOS的盐度观测本身(仪器观测、亮温重构、盐度反演等)。

3 结论

本文选取SMOS和Aquarius项目的6种具有代表性的海表盐度分析产品，基于定性图像分析要素分布的整体形态，基于纬向波数谱分析各尺度的能量分布，基于均方根误差分析能量的信噪组成，综合研究各产品的有效分辨率，并探讨其背后原因和机制。主要结论如下：

(1)各海表盐度分析产品的大尺度误差在中高纬海域大于热带海域，在近岸海域大于开阔海域。具体来说，在黑潮、湾流、热带西太平洋等海域误差较大，而在其他热带海域误差较小。这主要由盐度气候变化方差决定。

(2)在0.25°分辨率的分析产品中，CATDS-0.25°的小尺度噪音明显，描述盐度自然分布的能力最差，相反，BEC-L3/BEC-L4有着平滑自然的外观，揭示盐度中尺度空间变率的能力较强。另一方面，在整个频谱范围内(>25 km)，CATDS-0.25°的谱能量都明显高于BEC-L3/BEC-L4和其它分析场，CATDS-0.25°的这些较高能量是信号与噪音的混合体，其中在热带海域(相较BEC-L3/BEC-L4而言)更多的是噪音，而在西边界流等盐度强烈变化海域更多的是信号。

(3) BEC-L4明显偏小的振幅和高频范围内较平坦的谱密度曲线表明，奇异谱分析方法过度地平滑了海表盐度场，这可能是由于从高质量的海表温度数据中估计得来的奇异系数减弱了海表盐度场的噪音和轨道痕迹。相对而言，BEC-L3在大部分热带海域较低的均方根误差、清晰的盐度中尺度结构图像，以及短波范围内较高的能量综合表明，BEC-L3可能是当前最适合描绘海表盐度中尺度(25～100 km)特征的分析产品。

(4)由于CAP算法的优势，Aquarius-CAP的均方根误差最小，但其明显的轨道痕迹和较高的能量表明Aquarius-CAP在描述物理图像方面的表现不是很好。相反，对于Aquarius-V2，其更为自然的结构和较低的能量表明，其局部平滑过程使得Aquarius-V2盐度更具物理上的合理性，然而代价是增加了均方根误差。当然，无论是Aquarius-V2还是Aquarius-CAP，相对粗糙的1°×1°网格将它们的有效分辨率限制在大尺度范围(>100 km)。此外，CATDS-1.00°的图像形态、能量分布和误差特征都与Aquarius-V2相当，可见对于简单平均方法，降低CATDS分析场空间分辨率(从0.25°到1.00°)不仅减小了均方根误差，也使其物理图像趋于合理。

可见，遥感盐度产品的大尺度误差(由Argo对比计算得到)大小与其平滑程度大体是正相关的 (BEC-L4误差较大，BEC-L3误差较小；Aquarius-V2误差较大，Aquarius-CAP误差较小)，只不过不同产品的信噪比根据海域有所不同(如CATDS-0.25°信噪比在热带海域较低)，而中尺度现象描述能力除了与格点距离有关外(0.25°产品优于1.00°产品)，当前只能由其图像结构、均方根误差、频谱能量等综合判断得到BEC-L3最优。因为绝对客观、定量的有效分辨率研究，要求精准地分离不同尺度上的盐度信号和噪音，这就需要足够高精度和足够高分辨率的对比验证资料的配合，但这种接近于“真实场”的对比验证资料实际上是很难获得的，故本文借助多种方法的综合应用来弥补这一不足。

由于盐度遥感观测机理和处理应用经验的限制，当前SMOS和Aquarius盐度分析产品的名义分辨率仅为0.25°或更粗，且尚未能在全球范围内、尤其是在热带以外海域达到预设的目标精度(0.1～0.2 PSU)。因此，随着未来更精确的遥感盐度观测以及更有效的再分析方法的出现，以上相关结论也会不断进行更新。尽管如此，各版本的遥感盐度分析产品(V2、V3、V4)仍有着一脉相承的处理方法，其有效分辨率特性有着相通之处，相关结论可为各类遥感盐度分析产品的用户提供简单参考。

从表2可以看出，5种处理对青薯9号产量影响不显著，产量排名处理B产量最高，处理A、处理E产量第二，处理C、处理D产量排第三。

参考文献（References）：

[1] KERR Y, WALDTEUFEL P, WIGNERON J P, et al. The SMOS mission: New tool for monitoring key elements of the global water cycle[J]. P IEEE, 2010, 98(5): 666-687.

[2] KERR Y, MECKLENBURG S, DELWART S, et al. SMOS after five years in operations: from tentative research to operational applications[J]. Theor Appl Genet, 2015, 99(1-2): 289-295.

[3] LE-VINE D M, LAGERLOEF G S, TORRUSIO S E. Aquarius and remote sensing of sea surface salinity from space[J]. P IEEE, 2010, 98(5): 688-703.

[4] LE-VINE D M, DINNAT E P, LAGERLOEF G S E, et al. Aquarius: Status and recent results[J]. Radio Sci, 2016, 49(9): 709-720.

[5] DINNAT E P, VINE D M L, PIEPMEIER J R, et al. Aquarius L-band radiometers calibration using cold sky observations[J]. IEEE J-STARS, 2016, 8(12): 5 433-5 449.

[6] PABLOS M, PILES M, GONZLEZ-GAMBAU V, et al. SMOS and Aquarius radiometers: inter-comparison over selected targets[J]. IEEE J-STARS, 2014, 7(9): 3 833-3 844.

[7] TORRES F, CORBELLA I, WU L, et al. Minimization of image distortion in SMOS brightness temperature maps over the ocean[J]. IEEE Geosci Remote S, 2011, 9(1): 18-22.

[8] CAMPS A, VALL-LLOSSERA M, BATRES L, et al. Retrieving sea surface salinity with multiangular L-band brightness temperatures: Improvement by spatiotemporal averaging[J]. Radio Sci, 2016, 40(2): 1-13.

[9] HEJAZIN Y, JONES W L, SANTOS-GARCIA A, et al. A roughness correction for Aquarius sea surface salinity using the CONAE microwave radiometer[J]. IEEE J-STARS, 2016, 8(12): 5 500-5 510.

[10] MEISSNER T, WENTZ F, RICCIARDULLI L. The emission and scattering of L-band microwave radiation from rough ocean surfaces and wind speed measurements from the Aquarius sensor[J]. J Geophys Res: Oceans, 2014, 119(8): 6 499-6 522.

[11] YUEH S, TANG W, FORE A, et al. Aquarius geophysical model function and combined active passive algorithm for ocean surface salinity and wind retrieval[J]. J Geophys Res: Oceans, 2014, 119(8): 5 360-5 379.

[12] MELNICHENKO O, HACKER P, MAXIMENKO N, et al. Optimum interpolation analysis of Aquarius sea surface salinity[J]. J Geophys Res: Oceans, 2016, 121(1): 602-616.

[13] XIE P, BOYER T, BAYLER E, et al. An in situ-satellite blended analysis of global sea surface salinity[J]. J Geophys Res: Oceans, 2014, 119(9): 6 140-6 160.

[14] BOUTIN J, MARTIN N, REVERDIN G, et al. Sea surface salinity under rain cells: SMOS satellite and in situ drifters observations[J]. J Geophys Res: Oceans, 2014, 119(8): 5 533-5 545.

[15] DRUCKER R, RISER S C. Validation of Aquarius sea surface salinity with Argo: analysis of error due to depth of measurement and vertical salinity stratification[J]. J Geophys Res: Oceans, 2014, 119(7): 4 626-4 637.

[16] HERNANDEZ O, BOUTIN J, KOLODZIEJCZYK N, et al. SMOS salinity in the subtropical North Atlantic salinity maximum: 1. Comparison with Aquarius and in situ salinity[J]. J Geophys Res: Oceans, 2014, 119(12): 8 878-8 896.

[17] REAGAN J, BOYER T, ANTONOV J, et al. Comparison analysis between Aquarius sea surface salinity and World Ocean Database in situ analyzed sea surface salinity[J]. J Geophys Res: Oceans, 2014, 119(11): 8 122-8 140.

[18] TANG Wen-qing, YUEH S H, FORE A G. A Hayashi Validation of Aquarius sea surface salinity with in situ measurements from Argo floats and moored buoys[J]. J Geophys Res: Oceans, 2014, 119(9): 6171-6189

[19] LAGERLOEF G, KAO H Y, MEISSNER T, et al. Aquarius salinity validation analysis; data version 4.0[R]. 2015. ftp://podaac.jpl.nasa.gov/allData/aquarius/docs/v4/AQ-014-PS-0016 _Aquarius Salinity Data ValidationAnalysis_DatasetVersion4.0 and3.0 .pdf.

[20] MANNSHARDT E, SUCIC K, FUENTES M, et al. Comparison of distributional statistics of Aquarius and Argo sea surface salinity measurements[J]. J Atmos Oceanic Technol, 2015, 33(1): 151117145230002.

[21] LEE T. Consistency of Aquarius sea surface salinity with Argo products on various spatial and temporal scales[J]. Geophys Res Lett, 2016, 43(8): 3 857-3 864.

[22] BHASKAR T U, JAYARAM C. Evaluation of Aquarius sea surface salinity with Argo sea surface salinity in the tropical Indian Ocean[J]. IEEE Geosci Remote S, 2015, 12(6): 1 292-1 296.

[23] TZORTZI E, SROKOSZ M, GOMMENGINGER C, et al. Spatial and temporal scales of variability in tropical Atlantic sea surface salinity from the SMOS and Aquarius satellite missions[J]. Remote Sens Environ, 2016, 180: 418-430.

[24] BINGHAM F M, LEE T. Space and time scales of sea surface salinity and freshwater forcing variability in the global ocean[J]. J Geophys Res: Oceans, 2016, 122(4),doi: 10.1002/2016JC012216.

[25] VINOGRADOVA N T, PONTE R M. Small-scale variability in sea surface salinity and implications for satellite-derived measurements[J]. J Atmos Oceanic Technol, 2013, 30(11): 2 689-2 694.

[26] VINOGRADOVA N T, PONTE R M. Assessing temporal aliasing in satellite-based surface salinity measurements[J]. J Atmos Oceanic Technol, 2012, 29: 1 391-1 400.

[27] JOHNSON J T, ZHANG M. Theoretical study of the small slope approximation for ocean polarimetric thermal emission[J]. IEEE T Geosci Remote, 1999, 37(5): 2 305-2 316.

[28] GUIMBARD S, GOURRION J, PORTABELLA M, et al. SMOS semi-empirical ocean forward model adjustment[J]. IEEE T Geosci Remote, 2012, 50(5): 1 676-1 687.

[29] TURIEL A, NIEVES V, GARCA-LADONA E, et al. The multifractal structure of satellite sea surface temperature maps can be used to obtain global maps of streamlines[J]. Ocean Sci, 2009, 5(4): 447-460.

[30] MEISSNER T, WENTZ F, HILBURN K, et al. The Aquarius salinity retrieval algorithm[R]. IGARSS, 2012.

[31] YUEH S, CHAUBELL J. Sea surface salinity and wind retrieval using combined passive and active L-band microwave observations[J]. IEEE T Geosci Remote, 2012, 50(4): 1 022-1 032.

[32] REYNOLDS R W, CHELTON D B. Comparisons of daily sea surface temperature analyses for 2007-08[J]. J Climate, 2010, 23(13): 3 545-3 562.