由于云雾覆盖及算法失效等因素，近岸水体遥感反演产品的缺失率极高。据近10年（2002-2012）MODIS数据产品统计表明，中国近海SST数据的缺失率达到30～95%，平均70%左右。为了充分挖掘卫星遥感技术优势，弥补高缺失率给卫星遥感应用带来的局限，本研究提出了一种适用于海量数据、大空间尺度的数据重构改进算法—等纬度正交经验函数重构方法（SL-DINEOF），利用此方法成功地对中国近海MODIS SST数据产品进行了重构。

数据处理与重构流程

 SL-DINEOF数据重构方法是以正交函数分解方法为核心，通过等纬度数据集的构建，消除纬度变异对最优模态选择分析的影响，从而提高重构精度。

重构结果及精度验证

原始数据与等纬度方法、非等纬度方法比较（a：原始数据；b：等纬度方法重构方法；c：非等纬度方法重构数据）

重构SST数据在南海的精度最好，RMSE均保持在1˚以内（0.73～0.96 ˚）；其次为东海(0.67~1.17˚)，其他海区精度表现依次为：珠江口（0.64~1.38˚）、渤海（0.66~1.65˚）、黄海（0.84~1.55˚）、杭州湾（0.81~1.67˚）和台湾海峡（0.88～2.18˚）。

结论

SL-DINEOF的重构精度受到SST量值、SST时间变异及原始数据缺失率三方面的影响，各海区中以南海表现最优（RMSE为0.731~0.957）；通过对比发现，SL-DINEOF在各个海区均优于DINEOF方法，RMSE最大降低程度达到21.28%。

本成果由国家海洋局海洋公益性行业专项项目（海洋环境要素水色遥感技术与应用示范201005030）资助

项目负责人：周斌 参与人员：蒋锦刚 窦文洁 雷惠 于之锋 徐曜