Merging daily sea surface temperature data from multiple satellites using a Bayesian maximum entropy method

海表面温度(SST ) 是为理解在海洋和空气之间的相互作用的一个重要变量。SST 熔化为获得高空间的分辨率和范围的 SST 产品是关键的。这研究介绍贝叶斯的最大的熵(BME ) 为从多重卫星传感器混合每日的 SST 的方法。一块 SST 地的一个新空间与时间的协变性模型被造集成不仅单个天的 SST 而且时间邻近的 SST。另外， AVHRR 30 年的 SST 气候学数据在评价点作为软数据被介绍在 BME 框架以内改进混合结果的精确性。与 4 km 的空间分辨率和 24 个小时的时间的分辨率，合并 SST 在西方的太平洋区域被生产表明并且评估建议方法论。比较与在合并 SST 是精确的 situ 漂流浮标观察表演和偏爱和 root-mean-square，为比较的错误是 0.15