基于云原生处理与创新海豹标记验证的 Landsat 高分辨率南极海表温度

《Remote Sensing of Environment》：High-resolution Antarctic sea surface temperatures from Landsat enabled by cloud-native processing and novel seal-tag validation

　　

**Landsat 8 单通道海表温度（SST）算法实现南极亚千米级SST的精确提取；云原生工作流为分析就绪型SST产品提供可迁移的框架；海豹标签温度在南极SST验证中起到关键作用，尽管存在位置不确定性。**

**引言**

理解和预测海洋基底部冰川的质量损失，需要准确量化输送至冰盖边缘的海洋热量（Scambos et al., 2017; Sutherland et al., 2019; Catania et al., 2020）。实现这一目标依赖于约束良好的海洋温度场以及对控制海洋输送的环流过程的理解（例如：Jacobs et al., 2011; Dutrieux et al., 2014; Sutherland et al., 2019）。在极地地区，这些要求难以满足，因为实地观测稀疏，尤其是在预测建模所需的精细时空尺度上更为如此。极地地区恶劣而偏远的自然环境使得海洋温度测量局限于少数地点和短暂的观测窗口，通常在船只能够破冰而入的夏季时段进行（例如：Meredith et al., 2013, 2016; Scambos et al., 2017; Catania et al., 2020）。此外，调节热量输送的海洋过程跨越广泛的空间尺度，从中尺度变率（例如风暴驱动的环流；Straneo et al., 2010; Jackson et al., 2014; Snow et al., 2023b）到精细尺度动力学，如冰-海洋界面处亚米级的湍流（Sutherland et al., 2019; Jackson et al., 2020; Schmidt et al., 2023），或由融水羽流形成的亚千米级显热破冰冰层区（polynya）（Alley et al., 2016; Zhong, 2026）。这些过程的空间尺度往往过大或过于局域化，难以被传统的海洋观测系统充分捕捉。由于机载和船载调查以及固定式仪器在空间和时间上均受限，卫星观测为生成与极地地区表层海洋热输送相关的长时一致记录提供了一条有前景的途径（例如：Snow et al., 2021; Savidge et al., 2023b）。

卫星反演的海表温度（SST）产品提供了监测全球海洋热输送所需的时空密集观测数据，但目前尚无产品能够解析南极沿海地区部分被冰覆盖的亚千米级海洋特征所需的精细空间尺度。各国航天机构提供了若干广泛使用的SST产品，其空间分辨率均在750米或更粗（Minnett et al., 2019; Cao et al., 2013; Bonekamp et al., 2016）。在极地环境中，这些SST产品表现出系统性的偏冷偏差（Dash et al., 2012; Szczodrak et al., 2014; Stroh et al., 2015; Jia et al., 2024b），其成因包括云污染、海冰过渡区表征困难，以及针对低纬度大气水汽条件而非极地条件进行算法调整（Barton, 1995; Banzon et al., 2020; Centurioni et al., 2019; Donlon et al., 2009, 2012; Castro et al., 2016）。进一步加剧这一问题的是，由于季节性持续云覆盖以及在冰区部署和维护浮标的后勤保障困难，极地地区卫星SST的评估与校准仍然有限。

Landsat自1982年起就搭载了热红外波段，包括Landsat 4/5上的单波段专题制图仪（TM，120米）、Landsat 7上的增强型专题制图仪加（ETM+，60米）、Landsat 8上的双波段热红外传感器（TIRS，100米）以及Landsat 9上的TIRS-2。Landsat 4/5/7的热红外档案仅以追溯方式进行辐射率修复，主要利用水体目标进行校准（Padula et al., 2011; Schott et al., 2012）。大气校正参数计算器（Atmospheric Correction Parameter Calculator）的开发（Barsi et al., 2003）使得实用的单通道大气校正在实践中成为可能，随后被正式化并纳入美国地质调查局（USGS）的全球发布的第二辑二级（C2L2）地表温度（ST）产品（Crawford et al., 2023）和美国分析就绪数据（Analysis Ready Data）ST产品（Dwyer et al., 2018）。

Landsat 8 C2L2 ST产品提供了超过十年的近全球高分辨率记录，在满足极地SST需求方面具有巨大潜力，但仍存在关键局限性，尤其在南极地区。由于该算法需要先进星载热发射和反射辐射仪（ASTER）全球发射率数据集（GED）提供的地表发射率（Landsat Missions, 2020b），而该数据集仅限于非冻结陆地表面，不覆盖南极大面积的冰冻地形，因此该产品对南极以外的全球大部分地表类型提供了温度数据。此外，该ST算法是针对所有地表类型全球统一应用的地表温度反演算法，而非专门的SST算法，因此并未针对海洋进行专门优化（Crawford et al., 2023）。与近岸中低纬度原位冲浪者提供的观测数据进行的验证结果显示，C2L2产品在通过质量筛选的匹配数据上存在1.1 K的暖偏，无偏均方根差异约为1.1 K（Vanhellemont et al., 2022），远大于业务化SST产品通常期望的0.05–0.5 K范围（Wick et al., 2023），也远不能满足沿海岸线区分如融水羽流等热特征与背景海洋温度所需的精度要求（Savidge et al., 2023b）。如热大气校正工具（TACT；Vanhellemont, 2020）等水体专用单通道处理器，通过将陆地发射率路径替换为固定的水体发射率，实现了相当的离散度但显著更小的偏差（Vanhellemont et al., 2022）。尽管TACT已在南极陆地表面上应用过（Vanhellemont et al., 2021），但目前尚无针对南极沿海水域的处理器进行过校准或验证。

尽管热红外SST对极地海洋热输送研究具有明显优势，但地表-大气过程和观测约束限制了其迄今为止的稳健应用。由于热红外传感器仅能测量海洋表面上方几个微米的水层（Donlon et al., 2002），因此对蒸发和大气条件驱动的局部气温梯度（海气界面）响应强烈（Kraus and Turner, 1967; Denman, 1973; Frankignoul and Hasselmann, 1977）。海洋表面通常相对于其下方水体表现出约0.17°C的"皮肤效应"冷偏差，而在低风速条件下（持续超过6小时的风速低于5米/秒）上层2米的日变化增温（最高可达4–5°C）也可能发生（Fairall et al., 1996; Eastwood et al., 2011; Bruce and Firing, 1974; Cornillon and Stramma, 1985; Gentemann et al., 2008）。上述过程共同作用，可在皮肤温度和近表水温度之间引入显著且往往难以预测的差异。此外，大气水汽强烈调节热红外辐射在大气的传播，需要精确的大气校正（Merchant et al., 1999; Barsi et al., 2006; Malakar et al., 2018）。这些校正需要可靠的地表发射率估计值，并要求同步获取水汽估计值或多通道热红外观测数据以模拟大气透过率（Minnett et al., 2019; Fu et al., 2020）。由于所需的专用软件和技术专业知识，热红外SST产品不易获取，且历史研究主要集中于研究较为充分的地带，如低纬度热带海域（Stroh et al., 2015）。

SST反演传统上利用差分吸收技术来补偿大气对地表发射信号的衰减（例如：Anding and Kauth, 1970; McMillin, 1975; Deschamps and Phulpin, 1980）。其中，利用近11和12微米处成对热红外通道的"分裂窗"方法，自1981年以来已成为SST反演的标准方法（例如：Dozier, 1981; McClain et al., 1985a），并已被证明在低中纬度TIRS应用中有效（Jang and Park, 2019）。尽管该方法在许多大气条件下表现良好，但在极地环境中效果不佳，因为水汽驱动的通道间大气透过率比例关系减弱甚至可能反转（Bamber and Harris, 1994），从而破坏了分裂窗算法所依赖的物理假设。因此，单通道反演已被证明在水体和极地表面上经验性地匹配甚至优于分裂窗方法（Li et al., 2019; Vanhellemont, 2020; Fan et al., 2020）。

除上述大气约束外，Landsat 8热红外记录还受到传感器特异性伪影的制约，主要是杂散光污染和条带噪声，这限制了分裂窗SST算法的可行性。虽然Landsat 8热红外传感器（TIRS）具有两个热红外通道（第10和第11波段，分别以11和12微米为中心；NEΔT为0.05 K；Haque et al., 2024），但TIRS传感器中一项已被充分记录的杂散光问题对这两个通道的影响不同（U.S. Geological Survey, 2017），在图像中引入了沿航迹方向的非均匀性（Barsi et al., 2014; Montanaro et al., 2014），从而降低了算法的稳定性（Stroh et al., 2015; Gerace and Montanaro, 2017; Vanhellemont, 2020）。发射后进行的杂散光校正已改进了Landsat 8的两个波段（Montanaro et al., 2015; Gerace and Montanaro, 2017），但第11波段的校正量仍显著大于第10波段，实际中使得两个波段不适合同时使用。分裂窗方法还面临严重条带伪影的挑战，这些伪影在极地地区的Landsat 8热红外图像中十分常见（Fan et al., 2020）。

单通道校正方法可规避这些挑战（Cook et al., 2014; Malakar et al., 2018），但也付出一定代价。由于单个热红外通道本身无法约束大气衰减，该反演需要辅助大气信息，通常为再分析廓线（Malakar et al., 2018; Vanhellemont, 2020）或卫星反演的水汽（Fu et al., 2020; Guo et al., 2025），以校正一级顶大气（TOA）图像。作为回报，该方法规避了分裂窗的不稳定性，并可轻松迁移至仅包含单个热红外波段的历史Landsat档案，以及2021年9月发射的同期运行的Landsat 9 TIRS传感器。

本文提出了一条开源的基于云的Landsat 8单通道SST反演流水线，专门设计用于南纬60°以南的南极水域，扩展了对部分被冰覆盖的南极边缘区域的海域监测能力。我们进一步将这项工作定位为可泛化的生产框架，识别了哪些组件是极地领域特有的，哪些可迁移到更广泛的分析就绪型产品开发中（Radeloff et al., 2024）。我们描述了应用于Landsat热红外图像的单通道大气校正的构建与应用，并将反演的SST与MODIS SST进行交叉校准。我们将逐像素SST与Argo浮标和海豹搭载的盐温深（CTD）传感器的原位测量数据进行验证。作为对比，我们还使用现有的Landsat ST算法并设置固定的海洋适用发射率来反演表层海洋温度。我们展示了新产品通过解析南极西麦克默多海中特拉西冰川东部冰架下方涌出的融水羽流相关亚千米级显热破冰冰层区（polynya）的效用——该冰川是一个冰量损失严重的出冰口冰川，而粗分辨率SST产品在该区域提供有限甚至没有覆盖。通过针对极地地区常见的狭窄、冰封沿海区域——那里云覆盖、海冰和复杂特征几何形状往往使粗分辨率传感器无法进行有效反演——这种基于Landsat的方法填补了一个关键的观测空白，使得现有SST记录无法触及的空间尺度上的表层热过程研究成为可能。

**方法**

我们的Landsat 8 SST反演流水线包含五个阶段，概述如图1所示。首先，我们从云优化的USGS档案中直接获取南纬60°以南南极水域的Landsat 8热红外档案，以支持可扩展的处理（第2.1节）。其次，我们使用从代表极地大气条件的辐射传输模拟中推导的系数，对顶大气亮温进行单通道大气校正（第2.2节）。

**大气校正系数**

我们从相应月份的约9700条ERA5大气廓线中计算了逐月系数（a1、a2和a3）（表1）。我们展示了用于确定12月反演系数的多元线性回归示例（图3）。在所有月份中，a1和a3系数均显著不为零（p<0.05；表1）。相比之下，a2系数相对于a1和a3较小（≤一个数量级），并且在统计上不显著区别于零。

**结论**

本研究证明，Landsat 8热红外观测可以用于在南极沿海水域以亚千米空间尺度反演准确的海面温度。本文开发的单通道算法在南极西部与MODIS进行交叉校准后，与来自南极东部的独立Argo浮标和海豹搭载CTD-SRDL测量数据一致，在?1.9至1.0°C的温度范围内RMSE为0.26°C，并改进了现有的Landsat C2L2 ST算法。

**数据访问**

除了iQuam SST数据外，数据访问均通过我们提供的Python代码使用pystac和earthaccess库实现自动化。需要数据源网址的读者，Landsat 8数据可在https://landsatlook.usgs.gov/stac-server获取。MOD/MYD07数据分别可在https://ladsweb.modaps.eosdis.nasa.gov/archive/allData/61/MOD07_L2/和https://ladsweb.modaps.eosdis.nasa.gov/archive/allData/61/MYD07_L2/获取。

MODIS L2 SST 可在 //podaac.jpl.nasa.gov/dataset/MODIS_A-JPL-L2P-v2019.0 获取。

CRediT 作者贡献声明

Tasha Snow：概念化、形式分析、调查研究、数据整理、资金获取、方法学、软件、监督、验证、可视化、撰写——初稿、撰写——审阅与编辑。Andrew Harris：形式分析、方法学、调查研究、可视化、撰写——审阅与编辑、撰写——初稿。Francis Glassup：数据整理、形式分析、方法学、调查研究、撰写——初稿、撰写——审阅与编辑。Shane Grigsby：

写作过程中生成式 AI 和 AI 辅助技术使用声明

在本工作准备期间，作者使用 Claude Sonnet 4 和 Opus 5 协助 GitHub 仓库的持续集成和部署设计、代码注释、分析代码优化以及初始云优化 GeoTIFF 参数的选择（第 3.7 节）。作者还使用 ChatGPT 5.2 和 Claude Sonnet 5 进行语法检查、LaTeX 表格格式化和生成 BibTeX 条目。使用这些工具后，作者根据需要审阅和编辑了内容，并验证了

利益冲突声明

作者声明不存在可能影响本文所述工作的已知竞争经济利益或个人关系。

致谢

作者感谢 NASA 地球科学数据系统、冰冻圈计划、NASA 开放科学转型计划以及 NASA ICESat-2 项目科学办公室（拨款 80NSSC22K0385、80NSSC25K7940、80NSSC22K0385、80NSSC23K0002、80NSSC22K1877）为本工作提供的资金支持以及支持本工作的 CryoCloud 平台。本工作来自 TARSAN 项目，该项目是国际思韦茨冰川协作组织（ITGC）的一部分，野外工作和处理工作得到了以下人员的支持：Tasha Snow、Andrew Harris、Francis Glassup、Shane Grigsby、Ellianna Abrahams、Elena Savidge、Ted Scambos、Seonju Lee、Guilherme Bortolotto、Fernando Pérez、Christopher Shuman、Waleed Abdalati、Matthew Siegfried。