不同SST資料在海南島和北部灣珊瑚白化預警中的適用性比較

曠芳芳,張俊鵬,查 晶,靖春生,牛文濤,王 翠

(自然資源部第三海洋研究所,福建 廈門 361005)

珊瑚礁生態系統豐富的生產力最終都歸功于珊瑚蟲及其蟲黃藻之間的共生關系,當環境條件惡化時,珊瑚組織中蟲黃藻的密度急劇下降;如果環境壓力得不到緩解,珊瑚會徹底失去共生的蟲黃藻,露出白色的骨骼,最終白化乃至死亡[1]。前人研究表明,海水溫度過高是影響珊瑚白化的主導因素[2-3],因此,基于海表溫度(sea surface temperature,SST)的珊瑚白化監測和預警方法具有重要的現實意義。隨著遙感技術的發展與應用,近年來利用衛星遙感獲取SST來監測珊瑚白化現象已被證明是可靠且有效的方法[4]。早在1997年,美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration,NOAA)的國家環境衛星數據和信息服務中心(National Environmental Satellite,Data,and Information Service,NESDIS)就開始發布衛星獲取的全球近實時SST產品來監測珊瑚白化狀況,并通過熱脅迫估測全球范圍內的珊瑚白化程度并進行白化預警[5];該組織自2000年開展珊瑚礁監測計劃[6](Coral Reef Watch,CRW)以來,已成功地對全球多起大規模的珊瑚白化事件進行了監測和預警,例如大堡礁白化事件和加勒比海珊瑚白化事件等[7-8]。

目前有多個衛星可以獲取海表溫度數據,但受限于傳感器類型、觀測平臺、采樣方式、分辨率、天氣和反演算法等多種影響因素,不同類型的SST產品各有優缺點。近年來,國內外有許多學者對不同類型的遙感SST產品進行了比對分析,常用遙感SST(如AVHRR OISST、MISST、NGSST、RTG和OSTIA等)與Argo浮標或近海浮標觀測數據的對比分析表明,在西北太平洋,不同遙感SST產品在近岸和高緯海域的差異較大[9],在東海和南海,OSTIA與Argo浮標觀測結果較為接近[10-11]。然而,在中國近海海域,由于浮標觀測時長較短,目前對遙感SST數據的檢驗時長也相對較短,缺乏針對具體季節的長時間的質量評估。

珊瑚礁廣泛分布于海南島近岸和北部灣海域,受到全球氣候變暖及極端天氣的影響,珊瑚礁生態系統也倍受壓力[12]。2020年8月下旬至9月上旬自然資源部南海局在海南島及北部灣近岸海域執行的珊瑚礁生態現狀調查發現了大片的珊瑚礁白化現象(內部報告),白化最為嚴重的區域集中在北部灣海域(廣東徐聞、廣西潿洲島和海南島西側海域)。廣東徐聞珊瑚礁平均白化率高達89.3%,廣西潿洲島達到61.8%,海南儋州、昌江、臨高、澄邁海域均大于30%;9月底在海南三亞大、小東海區域也出現了珊瑚白化現象,長時間異常高溫可能是造成此次大規模珊瑚礁白化的主要原因[13-14]?；谶b感SST開發適合于我國的珊瑚礁白化監測產品,并以此監測和預測珊瑚礁白化具有重要意義。然而,遙感SST在海南島近岸及北部灣海域的適用性如何?針對這個問題,本研究將使用海洋環境監測站的長時間序列的現場SST觀測資料對常用的3種遙感SST進行檢驗,并結合珊瑚白化的現場監測數據,評估其在2020年珊瑚白化預測中的應用效果。本研究成果將為珊瑚白化的監測和本土化預警提供參考。

1 數據和方法

本研究使用的現場SST為海南島近岸的東方(21.00°N,109.12°E)、三亞(18.17°N,108.56°E)和烏場(18.17°N,109.52°E)以及位于北部灣的潿洲(18.74°N,110.55°E)共4個海洋環境監測站(圖1)獲取的長時間序列的水溫觀測數據。為便于分析,以潿洲站代表北部灣海域,東方、三亞和烏場站分別代表海南島西側、南側、東側海域。潿洲站和東方站數據的時間長度為1990年1月至2020年9月,三亞站為1995年1月至2020年9月,烏場站為2006年1月至2020年9月,觀測時間為每天的2：00、8：00、14：00、20：00 4個整點時刻。

圖1 海洋環境監測站位置Fig.1 Locations of the observation sites

本研究使用的遙感SST數據(表1)包括NOAA發布的最優插值衛星SST數據(文中稱OISST)、衛星高分辨率遙感SST融合數據(文中稱GHRSST)以及美國珊瑚礁監測計劃開發的高分辨率遙感水溫數據v3.1(文中稱CoralTemp)[15]。

表1 三種遙感SST簡介Tab.1 Information of the three remote sensing SST data

OISST產品包括AVHRR OISST和AVHRR+AMSR OISST兩種融合產品[16-17],由于AMSR-E衛星天線故障,AVHRR+AMSR OISST產品從2011年10月5日起停止供應。AVHRR OISST僅使用AVHRR紅外數據和實測數據,首先利用實測數據修正遙感數據產生的大尺度偏差,然后使用最優插值算法(optimum interpolation,OI)計算生成融合產品。本研究使用了AVHRR OISST最新發布的v2.1版本[18]。與浮標觀測SST的比較表明,OISST的全球均方根誤差為0.24 ℃,該數據已廣泛應用于全球海溫及珊瑚礁的研究中[19]。

GHRSST產品是英國氣象局(Met Office)發布的多源融合的OSTIA(Operational SST and Ice Analysis)產品v2.0版本[20-21]。該產品使用多尺度最優插值算法融合了多種衛星SST和觀測數據。為了消除白天海表升溫帶來的誤差影響,所有輸入的衛星SST的數據均濾除了白天風速小于6 m/s的觀測值,并參考高級沿軌掃描輻射計(Advanced Along Track Scanning Radiometer,AATSR)數據和浮標實測數據進行調整。OSTIA目前可提供全球均方根誤差小于0.6 ℃的近實時、高空間分辨率SST。該數據旨在滿足需要高分辨率的大氣和海洋數值預報系統,現在作為歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的天氣預報模型的邊界條件使用。研究表明該數據在西北太平洋[22]和中國近海[11]的偏差相對較小,因此本研究將其作為評估的數據之一。

CoralTemp SST是由NOAA的CRW發布的v3.1版本。CoralTemp SST使用了多顆地球靜止軌道以及極軌軌道衛星觀測的夜間SST數據,用最優插值算法生成融合產品[23]。該產品僅使用夜間衛星數據以減少太陽光照以及晝夜溫躍層的影響[24]。CoralTemp在2002年之前的數據參考了美國氣象環境預報中心(National Centers for Environmental Prediction,NCEP)的數據進行偏差調整,2002年之后的數據參考了OSTIA的分析數據進行偏差調整。CoralTemp的全球均方根誤差為0.25 ℃,該數據目前在珊瑚白化的研究和預警中被廣泛使用[25-26]。

本研究的區域為圖1所示的海南島周邊及北部灣部分海域,空間范圍為17.5°～22.0°N,108°～112°E;因為珊瑚熱白化出現的時間一般為溫度較高的夏季,因此本研究對遙感資料的比較及其應用研究的時間均限定為夏季(6—9月)。使用的分析過程和方法如下：首先對3種遙感SST進行互相比較,一是比較其平均值的年際變化、月變化及其在2020年異常的時間序列;二是比較多年平均值、多年月平均最大值以及2020年異常值的空間分布。然后使用現場SST對3種遙感SST進行評估,具體方法為：將各組遙感SST格點數據通過空間插值得到各站點的遙感SST的逐日的時間序列;監測站的數據進行日平均處理,也得到各站點的現場SST逐日數據;比較各站點現場SST和遙感SST的年際變化、月變化和2020年的異常,針對各站點夏季平均值的逐年數據、2020年夏季的逐日數據分別統計誤差。最后,參照NOAA的珊瑚白化監測預警模型的計算方法,使用遙感SST和現場SST分別計算2020年夏季各站點的周熱度(DHW,Degree Heat Weeks,單位為℃-周),比較不同SST數據的珊瑚白化預測結果的異同。

周熱度模型是NOAA開展珊瑚礁監測計劃[6]使用的珊瑚白化預警模型,也是目前最為成熟的珊瑚白化預警模型。計算周熱度時,首先計算多年的12個月每月平均的氣候態SST,將12個月平均氣候態SST中的最大值定義為最大(最熱)月平均氣候態溫度(MMM),表示“正?！睖囟鹊纳舷?。溫度比正常的最高溫度高出1 ℃以上,就對珊瑚造成壓力,可能造成白化,因此高于最大月平均溫度1 ℃被定義為白化閾值溫度(白化閾值溫度=MMM+1 ℃)。使用逐日SST數據,對最近12周內溫度達到和超過白化閾值溫度的累積,得出周熱度。當DHW值達到4 ℃-周時,珊瑚會出現顯著的白化現象;當DHW值達到8 ℃-周時,就可能出現嚴重的白化現象,并可能導致嚴重的死亡率[27]。

2 結果與討論

2.1 3種遙感SST的相互比較

本研究使用的3種遙感數據的時間均為1990—2020年,共31 a。對3種遙感SST在夏季的區域平均值的年際變化、月變化、2020年的逐日時間序列及其異常進行比較,結果見圖2。如圖2(a)所示,OISST相比另兩種遙感SST數據整體偏低1 ℃左右,在2013年以前偏低明顯;GHRSST與CoralTemp相比,二者在2003年之后的數據非常接近,在1990—2002年CoralTemp略偏低;3種遙感SST的年際變化趨勢相近,均表現出增暖的特征;基于最小二乘法的一元線性回歸表明,OISST的增暖速率最大,為0.036 ℃/a;CoralTemp的增暖速率次之,為0.033 ℃/a;GHRSST的增暖速率最低,為0.023 ℃/a。圖2(b)顯示,3種遙感SST均在8月最暖、7月次之、6月和9月接近;GHRSST比CoralTemp整體偏高約0.1 ℃,這主要是由于2002年前GHRSST比CoralTemp略高造成;OISST整體偏低,與CorelTemp相比在8月低約0.5 ℃,在其他月份低約0.4 ℃,這也與年際變化中OISST整體偏低相對應。圖2(c)顯示,在2020年夏季,GHRSST和CoralTemp的水溫非常接近,OISST在6—8月水溫相對較低,而在9月相對較高。3種遙感SST在2020年夏季均為正異常,9月的高溫異常最明顯,在9月OISST的異常值達到1.8 ℃,GHRSST和CoralTemp的異常值分別為1.1、1.3 ℃;3種數據在6月的異常值為0.5～0.7 ℃、7月和8月的異常值為0.8～1.0 ℃[圖2(d)]。綜上所述,3種遙感SST的年際變化和月變化特征一致,在數值上存在系統偏差,如OISST整體偏低,GHRSST與CoralTemp相比在2002年前CoralTemp略偏低;這可能是由于不同遙感SST在偏差較正時使用了不同的數據造成。CoralTemp的2002年之后的數據參考了OSTIA的數據進行偏差調整,而本研究所用的GHRSST使用的是OSTIA v2.0數據,所以GHRSST和CoralTemp在2002年之后的數據非常接近。另外,因為CoralTemp和GHRSST均使用了多種遙感傳感器獲得的數據,而OISST使用的遙感數據比較單一(只有AVHRR),因此總體上CoralTemp和GHRSST比較接近,而OISST與它們的差異相對明顯。

圖2 3種遙感SST在夏季的區域平均值Fig.2 Average of three remote sensing SST in the study area over the summer(a)夏季(6—9月)平均值年際變化;(b)多年(1990—2020年)逐月平均值;(c)2020年6—10月逐日數據的時間序列;(d)2020年逐月平均SST異常(2020年月平均水溫與多年月平均水溫的差值),同圖4、5、6、7;統計的區域范圍為17.5°N-22.0°N,108°E-112°E。

多年夏季平均值、多年月平均最大值以及2020年異常的空間分布結果如圖3所示。由圖可見,3種遙感SST數據中GHRSST的水溫最高、CoralTemp次之、OISST最低,這與上文的分析結果一致;3種遙感SST的空間分布形態基本一致,平均值和月平均最大值均表明,海南島東北側、東側和西南側近海為低溫區,其中東北側水溫最低;北部灣的水溫相對較高,且越靠近北部灣頂水溫越高[圖3(a)至(f)]。2020年水溫異常的空間分布與平均值的分布相似,海南島東北側升溫較少、北部灣升溫明顯[圖3(g)],這與2020年北部灣近岸海域的珊瑚白化程度最高的現象是一致的;在北部灣,3種數據中OISST的異常最大,約為1.5 ℃,CoralTemp次之,約為1.25 ℃,GHRSST約為1.0 ℃。另外,由于GHRSST和CoralTemp相對OISST的空間分辨率較高,對近岸海域溫度梯度的刻畫也更細致一些。

2.2 現場SST與遙感SST的比較

圖4—7是4個水文站的現場SST(圖中的現場SST的圖例均使用觀測值表示)與遙感SST的比較。如圖所示,從年際變化上看,4個站位中,遙感SST在潿洲站和東方站與現場SST的一致性比三亞站和烏場站要好[圖4(a)、圖5(a)、圖6(a)、圖7(a)];月變化趨勢的一致性也是在潿洲站和東方站較好[圖4(b)、圖5(b)、圖6(b)、圖7(b)];在潿洲站OISST顯示冷偏差,在東方站3種遙感SST均顯示冷偏差、OISST的冷偏差最為明顯;在三亞站的6月3種遙感SST均顯示冷偏差、在7—9月GHRSST和CoralTemp顯示暖偏差;在烏場站3種遙感SST均顯示暖偏差[圖4(b)、圖5(b)、圖6(b)、圖7(b)]。2020年逐日數據顯示,在潿洲站和東方站GHRSST和CoralTemp與觀測值較為接近,OISST偏差較大;在三亞站和烏場站3種遙感SST的一致性較好、但變化幅度相對觀測值要偏低[圖4(c)、圖5(c)、圖6(c)、圖7(c)]。遙感SST和現場SST的2020年月平均數據的異常均顯示,除了烏場站在6月份為低溫異常以外,其他站均為高溫異常;從時間上看,潿洲站在6月和7月高溫異常較強、其他站均在9月高溫異常較強。為定量統計遙感SST與現場SST相比的誤差值,使用夏季平均的逐年數據[圖8(a)]和2020年的逐日數據[圖8(b)]分別統計誤差并繪制標準化泰勒圖(圖8)。泰勒圖中,從圓點出發的徑向距離表示遙感與現場的標準差之比,標準差越接近1,表示遙感數據的中心振幅越接近現場觀測值;均方根誤差為遙感與現場之間的距離,在圖中表示為以觀測點(紅色圓點)為圓心的虛線綠色半圓弧,越靠近觀測點,遙感越接近觀測值;相關系數由方位角位置決定,越接近x軸表示與觀測值具有越高的相關性。另外,數據的整體偏差用點的顏色表示。

圖4 潿洲站觀測值與遙感SST數據的比較Fig.4 Comparison of remote sensing SST with observed data at Weizhou station

圖5 東方站觀測值與遙感SST數據的比較Fig.5 Comparison of remote sensing SST with observed data at Dongfang station

圖7 烏場站觀測值與遙感SST數據的比較Fig.7 Comparison of remote sensing SST with observed data at Wuchang station

如圖8(a)所示,4個站位中,GHRSST和CoralTemp在潿洲站與現場SST較為接近、在東方站次之、在三亞站和烏場站誤差相對較大;OISST數據在各個站的誤差均相對較大、振幅相對偏大;除烏場站外,CoralTemp在其他站位的振幅相比GHRSST數據更大、更接近觀測值。以上表明在3種遙感SST數據中,CoralTemp在年際變化上更接近觀測值。由圖8(b)可見,各組數據的標準差均小于1,說明遙感SST的逐日數據均低估了溫度的振幅;在烏場站3種數據的誤差較接近;在潿洲站和三亞站GHRSST和CoralTemp的誤差較接近,相比OISST更接近觀測值;在東方站OISST較接近觀測值,其次是CoralTemp,GHRSST誤差相對較大。以上表明在3種遙感SST數據中,CoralTemp的逐日數據整體上更接近觀測值。

為進一步了解遙感SST在4個站點的平均誤差情況,統計2006年以來遙感SST的夏季逐日數據與現場SST相比的平均偏差和均方根誤差(表2)?？梢?種遙感SST中,CoralTemp的偏差和均方根誤差均較小,OISST有較明顯的冷偏差、均方根誤差較大,GHRSST居中。CoralTemp的平均偏差和均方根誤差分別為0.03 ℃和0.92 ℃,GHRSST為0.08 ℃和0.96 ℃,OISST為-0.25 ℃和1.21 ℃,總體上CoralTemp更接近觀測值。

表2 3種遙感資料夏季逐日SST與觀測相比的誤差統計值Tab.2 Error statistics of three daily remote sensing SST data with observed data

2.3 DHW計算結果比較

為比較不同的SST數據在珊瑚白化預警中的差別,參照NOAA的珊瑚白化監測預警模型的計算方法[24],使用遙感SST和現場SST的逐日水溫數據分別計算2020年夏季4個站位的DHW并進行比較。因烏場站現場SST的時間長度相對較短(從2006年開始),4個站位均統一使用2006—2015年共10 a的數據來計算最大月平均溫度(MMM)。不過,國際上通用長時間尺度一般是30 a以上,本研究計算的MMM是基于10 a數據,可能會偏高,從而計算的DHW有可能低估了當地的熱脅迫效應。2020年夏季不同SST計算的各站位的MMM和DHW如圖9所示。OISST計算的4個站位的MMM值均比其它SST數據計算的MMM值要小,GHRSST和CoralTemp計算的MMM值接近,這與前文中OISST表現出冷偏差、GHRSST和CoralTemp接近的分析相一致。

圖9 2020年夏季4個站點DHW計算結果(使用不同的MMM)Fig.9 Results of calculated DHW from 4 stations in 2020 (using different MMMs)

在潿洲站,使用現場SST計算的DHW在6月底達到4 ℃-周,7月上旬達到8 ℃-周,到9月初達到最大值16 ℃-周,隨后DHW開始下降,但到9月底DHW值仍維持在8 ℃-周以上,說明該海域的珊瑚在整個夏季都受到非常強的熱脅迫,可能出現嚴重白化;使用GHRSST和CoralTemp計算的潿洲站的DHW的時間變化趨勢與使用現場SST的計算結果接近,但數值偏小,GHRSST計算的DHW偏小較為明顯,CoralTemp計算的DHW相對接近現場SST的計算值;OISST計算的DHW在9月前與現場SST的計算值接近,但在9月的時間變化趨勢與現場的趨勢不符,這應該是OISST在2020年9月表現出異常強的高溫造成[圖4(d)],整體上CoralTemp計算的DHW與現場SST的計算值較為接近[圖9(a)];由圖4(c)可知,GHRSST與CoralTemp相比,在潿洲站二者的逐日SST是非常接近的,但GHRSST計算的DHW相對較小,主要是因為GHRSST在2002年之前的數值比CoralTemp略大,導致其計算的MMM也較大(GHRSST的MMM為30.3 ℃,而CoralTemp為30.1 ℃,),而DHW為達到和超過白化閾值溫度的累積,所以GHRSST超出白化閾值溫度的部分較少、計算的DHW也較小。

在東方站,現場SST與遙感SST相比MMM值較大、DHW值較小,說明3種遙感SST在該海域存在冷偏差,這與上文的分析也是一致的;使用現場SST計算的DHW在9月前均未達到4 ℃-周,9月開始明顯升高,9月上旬超過4 ℃-周,到9月底接近8 ℃-周,說明該海域的珊瑚在9月之前的熱脅迫壓力較小,9月上旬開始受到熱脅迫,可能導致顯著白化;3種遙感SST計算的DHW比現場SST的計算值偏大,GHRSST偏大最為明顯、CoralTemp次之、OISST相對接近現場SST的計算值[圖9(b)];GHRSST資料計算的DHW在6月中旬就達到了4 ℃-周,這可能是因為GHRSST在2020年夏季到來之前的溫度就已經達到或超過了白化閾值;OISST雖然存在較大的冷偏差(MMM較小),但其在2020年的SST值也相對較低[圖5(d),6—8月],導致2020年達到和超過白化閾值溫度的天數也較少。

在三亞站,3種遙感SST計算的MMM均比現場SST的計算值小;使用現場SST計算的DHW在2020年整個夏季都不超過4 ℃-周,說明該海域的珊瑚受到的熱脅迫壓力較小,珊瑚熱白化發生的可能性較低;3種遙感SST計算的DHW與現場SST的計算值趨勢一致,遙感SST在9月的DHW計算值比現場SST的計算值略偏大,OISST偏大明顯,GHRSST和CoralTemp相對接近現場觀測值[圖9(c)],這應該也是OISST在2020年9月的表現出異常強的高溫引起(圖6)。

在烏場站,3種遙感SST計算的MMM與現場SST的計算值接近、GHRSST略偏大、OISST略偏小;與東方站相似,使用現場SST計算的DHW在9月初超過4 ℃-周,9月底接近8 ℃-周,說明該海域的珊瑚在9月之前的熱脅迫壓力較小,在9月上旬開始受到熱脅迫,可能導致顯著白化;各組遙感SST計算的DHW與觀測值相比趨勢一致,CorelTemp和OISST計算的DHW略偏大,GHRSST相對接近觀測值[圖9(d)]。

使用現場SST計算的DHW表明,2020年各站點珊瑚白化可能出現的時間和程度均表現出空間差異。潿洲站的珊瑚白化可能出現的時間早、白化程度高;烏場站和東方站的珊瑚白化可能出現的時間較晚、白化程度次之;三亞站的珊瑚熱白化的壓力較小。這與各站點高溫異常出現時間的早晚及強度是對應的,如潿洲站早在6、7月即已出現明顯的高溫異常,且異常幅度較大[圖4(d)],而其他站點的高溫異常值均是在6月最小、9月最大[圖5(d)、6(d)、7(d)]。目前來看,使用現場SST計算的DHW在潿洲站和三亞站對珊瑚白化的預測與珊瑚白化的實際情況比較一致,在東方站和烏場站預測的珊瑚白化發生的時間與現場觀測相比略有滯后;總體上DHW能預測出珊瑚白化出現的時間、強度和空間差異,表明DHW模型基本適用于海南島周邊海域。3種遙感SST計算的DHW與現場SST的計算值趨勢接近,但在不同站點不同遙感SST的表現有所差異;與現場SST的計算值相比,OISST計算的4個站的DHW均在9月偏高,GHRSST計算的DHW在潿洲站偏低、東方站偏高,CoralTemp計算的DHW在潿洲站略偏低、在東方站和烏場站略偏高;在東方站和烏場站,CoralTemp計算的DHW甚至比現場測SST的計算值更能反映實際的珊瑚白化情況。

此外,由DHW的算法可以得知,DHW的計算結果與MMM的取值密切相關。本研究分析中的MMM都是由所使用數據的多年統計值產生,在同一站位,不同SST數據計算的MMM可能不同。若統一使用現場SST計算的MMM,DHW的計算結果如圖10所示。

圖10 2020年夏季4個站點DHW計算結果(使用相同的MMM)Fig.10 Results of calculated DHW from 4 stations in 2020 (using the same MMMs)

由圖10可見,與現場SST計算的DHW相比較,在潿洲站OISST計算的DHW明顯偏低,在東方站和三亞站3組遙感SST數據計算的DHW均偏低;這是由于對應的遙感SST在這些站位出現冷偏差,導致所計算的MMM相對現場SST的計算值較小,若直接使用現場SST計算的MMM(即珊瑚白化閾值升高),DHW的計算值也會相應偏小。因此,未來需要基于水文站的現場觀測數據進一步分析珊瑚白化閾值溫度、周熱度與特定海域珊瑚白化之間的關系,將通過后續白化事件過程監測、模擬實驗等結合,進一步確認其有效性和準確性;以及根據實際觀測水溫,研究遙感SST的訂正方法,為白化預警模型的本土化應用奠定基礎。

3 結論

通過本研究的分析,可以得到以下主要結論：①3種遙感SST資料的相互比較表明,GHRSST的水溫最高、CoralTemp次之、OISST最低。OISST相比GHRSST和CoralTemp偏低1 ℃左右,在2013年以前偏低明顯;GHRSST與CoralTemp相比2002年之前的數據略偏高,2003年之后的數據接近;②與現場SST相比,2006年以來CoralTemp的平均偏差和均方根誤差分別為0.03 ℃和0.92 ℃,GHRSST為0.08 ℃和0.96 ℃,OISST為-0.25 ℃和1.21 ℃,總體上CoralTemp更接近觀測值;③珊瑚白化預警周熱度模型基本適用于海南島和北部灣周邊海域;④3種遙感SST計算的DHW與使用現場SST的計算結果趨勢均比較一致,CoralTemp的應用效果相對更好。