基于经验正交函数和机器学习的南海海面高度异常预测

海面高度异常 （SSHA） 作为重要的海洋要素，对研究海洋温盐剖面、海洋涡旋等海洋动力现象具有重要意义。然而，传统的海洋预测技术存在着预测时效过短、预测过程复杂等诸多问题，现有的机器学习预测方法也只针对几个点或区域 进行平均，忽略了很多重要信息。因此，本文提出了一种基于经验正交函数和 BP 神经网络 （一种机器学习方法） 的 SSHA预测模型 （EOF-BPNN） 来实现对起报时刻后 30 天的南海 SSHA 预测。首先，对 1993 年 1 月 1 日—2013 年 12 月 31 日的逐日 SSHA 数据进行距平归一化预处理，构建相关系数矩阵，并对该矩阵进行 EOF 分解，获取主成分。然后将主成分输入 BP神经网络进行训练，实现对主成分的预测。最后将主成分预测值与相应的空间模态结合，获取 SSHA 预测值。结果表明，相较于惯性预报和气候态预报，EOF-BPNN 模型不仅能够提供提前 30 天的较为精确的 SSHA 和相应的涡旋演化过程预报，且在整个南海区域拥有更高的 SSHA 相关系数，证明了 EOF-BPNN 模型具有较好的预测性能。     

格陵兰岛附近海域海平面变化的初步研究

利用17年5个月的卫星高度计资料,探讨格陵兰岛附近海域海平面的季节变化和年际变化特征,结果表明,该区域海平面变化存在显著的季节信号和年际信号。近20a来,格陵兰岛附近海域海平面的平均上升速率为1.7mm/a,小于全球海平面的平均上升速率。该海域的海平面变化存在很强的区域性,通常多年平均海面高度异常(SSHA)大的海区,海平面上升速率也大;多年平均SSHA低的海区,海平面上升速率则较小。EOF分析表明第一模态为季节模态,整个海域第一空间模态的位相相同,说明该海域海平面的季节变化趋势是相同的。该区域的SSHA与海冰面积指数呈负相关,海平面的季节变化受海冰面积大小的影响显著。SSHA与经向风应力距平的低频分量具有很好的正相关性,与纬向风应力距平的低频分量具有不显著的负相关,说明该海域海平面的年际变化受风应力的影响显著。     

由数据同化产品导出南海海表面高度的变化

根据47年月平均的海表面高度序列(SODA-Simple Ocean Data Assimilation数据同化产品),运用经验正交函数(Empirical Orthogoual Function-EOF)的方法,分析了南海海面高度的季节与年际变化.在季节变化尺度上,第一模态体现了对南海上层环流季节变化的传统认识,占有绝对比重(84%):第二模态解析了14%的方差,越南中部沿岸约11°～12°N向东的急流和上升流出现在该模态中.经13个月滑动平均过滤年变化信号后,南海海表面高度变化的前2个模态都表明与ENSO关系密切.年际变化的第一模态说明,厄尔尼诺年整个海面高度出现负异常,特别是南海暖池附近区域.研究结果似乎表明广东沿岸附近海面变化也与ENSO有关.     

热带太平洋月平均海平面低频变化的循环传播规律及其与埃尔尼诺的关系

本文对赤道东太平洋表层水温和热带太平洋月平均海平面变化进行了长时间序列分析,揭示了它们的准周期低频振荡特性,其中20°N～20°S区域月平均海平面低频变化的显着周期在43.5～50.0个月之间,与47.6个月的埃尔尼诺显着周期颇为接近;引入空间谱分析的概念与方法,分析阐明了热带太平洋月平均海平面低频变化遵从下列逆时针循环传播规律:东太平洋(墨西哥近海)→北赤道流区域→西赤道太平洋→北赤道逆流区域→东太平洋,该循环与埃尔尼诺循环过程存在密切的一一对应关系;根据上述分析结果,初步建立了依据典型区域月平均海平面变化预报埃尔尼诺的八元逐步回归模型,预报值与实测值序列的相关系数达0.89.     

南海海面高度异常与厄尔尼诺和大气环流的关系

利用经验正交函数分解和相关分析等方法分析研究了南海和赤道太平洋的海面高度异常、海面温度异常和风异常之间的相关关系.得出南海海面高度异常EOF第一模态为ENSO模态,方差贡献达到44.7％.在厄尔尼诺(El Ni(n)o)期间,整个南海海面下降,SSHA呈现不同的分布状态,本文讨论了爆发与下半年的El Ni(n)o期间南海SSHA呈现的典型分布状态.El Ni(n)o的先兆阶段南海中部为SSHA低值区,鼎盛阶段南部SSHA增大形成南高北低的分布状态,恢复阶段SSHA分布与El Ni(n)o过后是否发生La Ni(n)a密切相关.南海海面高度异常与大气环流存在明显的相关关系.El Ni(n)o期间,Hadley环流的加强使得南海东部和赤道西太平洋水交换加强,水温的降低和海水的流失使南海海面下降,Walker环流结构和强度的变化则进一步促进了南海SSH的下降.El Ni(n)o期间,南海海面高度会较常年偏低.     

海平面季节变化及比容贡献

比容模型计算的带状平均海平面高度异常变化与高度计观测的海平面异常相符的很好,在南北半球都显示了较强的季节信号。热膨胀对大尺度平均海平面季节变化起了很大作用,尤其当对纬度带状区域取平均时,在某些纬度带比容的贡献率达80%以上,甚至其决定的高度相当于或超过了高度计的观测。而在高纬和低纬地区,振幅和相位都有较大的差别。同时通过比容模型计算的3月份海面高度异常在全球大部分区域也可以很好地表现出TOPEX/Poseidon、Jason-1的观测。     

基于卫星高度计数据的南海海平面时空变化特征分析

本文利用卫星高度计数据,采用多种方法对1993—2017年中国南海海平面高度异常(Sea Level Anomaly,SLA)的空间分布和时间变化进行分析,主要采取的方法有线性回归、Winters指数平滑法、经验模态分解(Empirical Modal Decomposition,EMD)和经验正交函数(Empirical Orthogonal Function,EOF)。通过研究发现,南海大部分海域的多年平均SLA为正值,只有很少一部分海域出现负值(菲律宾群岛中部海域),并且南海的平均SLA有明显的季节性变化。利用线性回归的方法,发现1993—2017年的南海海平面总体呈现上升趋势。利用EMD分析法发现南海有明显的年际和年代际变化。研究结果表明:中国南海海平面高度呈不断上升的趋势,具有明显的季节和年际变化周期,且ENSO对中国南海海平面的作用不可忽视。     

南海海面风场、高度场和温度场近十年的变化趋势及年际变化特征

利用2002—2011年南海海面风场、高度场和温度场的月平均资料分析了这些要素的变化趋势及年际变化特征。计算得到区域平均海面风东分量的线性趋势为(-0.012±0.014)(m·s~(-1))·a~(-1),北分量的线性趋势为(-0.014±0.019)(m·s~(-1))·a~(-1),其年际变化与NINO3指数相关系数可达0.63,滞后1个月;区域平均海面风应力旋度的线性趋势为(0.099±0.330)×10~(-9)(N·m~(-3))·a~(-1),其年际变化与中太平洋厄尔尼诺(EMI)指数呈高度相关,达到-0.85,滞后3个月;区域平均海面高度的线性趋势为(0.665±0.200)cm·a~(-1),其年际变化与EMI指数相关系数可达-0.80,滞后2个月;区域平均海表温度的线性趋势为(-0.016±0.017)℃·a~(-1),其年际变化与NINO3指数相关系数可达0.68,滞后4个月。其中海表温度的负趋势与近期全球变暖的停滞相一致。采用经验正交函数分解方法分析了各要素的年际变化特征,结果显示海面风场的第一模态呈现海盆尺度的反气旋格局,其对应的时间序列与NINO3.4指数相关系数最大可达0.68,滞后5个月。海面高度场的第一模态沿南海东边界和越南东部出现较高值,其对应的时间序列的变化滞后于EMI指数3个月,呈负相关,但系数最大为-0.32。海面温度场的第一模态呈西高东低的分布状态,其对应的时间序列与NINO3指数的相关系数最大可达0.62,滞后4个月。     

反映台湾以东黑潮流量变化的海表面高度关键区域的确定

根据HYCOM模型结果,主要分析了台湾以东黑潮流量年际变化和海表面高度变化的相关性。得出黑潮流量的年际变化和台湾以东123°E~125°E,24°N~25°N区域的海表面高度年际变化相关性最好,而且相关系数可这0.8左右。在季节l生变化上,二者总体变化趋势也是比较一致的,但黑潮流量的变化滞后该区域海表面高度1个月左右。黑潮流量整体随时间的变化与该区域海表面高度的相关性也可达到0.73。因此可以看出,这个区域的海表面高度变化可以反映黑潮流量的变化趋势,本文定义这个区域为关键区域,这是对以往利用基隆和石垣两站水位差异常回归得到黑潮流量变化的研究方式的一种较大改进。通过分析影响关键区域海表面高度变化的机制,可以进一步得出影响黑潮流量变化的因素,从而对其进行预测。     

南海海平面季节变化机制的研究

利用Ssalto/Duacs卫星高度计的融合数据和英国气象局哈德利中心的EN4.2.1版本的数据产品,结合1.5层约化重力模式,研究了南海海平面季节变化规律及其影响机制。南海海平面季节变化特征显著,在冬季和夏季、春季和秋季呈现出相反的变化特征。南海区域平均海平面最高值出现在11月,最低值出现在6月,海平面变化年振幅约为10 cm。海平面季节变化信号能够解释南海西北和西南大陆架海域月平均海平面变化的70%～95%,而对南海内区及东部海域的解释方差较小,为20%～60%。南海海平面季节变化主要受比容效应和风应力强迫的动力海平面变化的影响,比容效应是南海东北部海域海平面变化的主要原因,能解释海平面季节变化的50%以上;风应力强迫只对南海中部海域的海平面季节变化起主导作用,其解释方差为50%～80%。导致南海中部海域海平面变化的风应力强迫包括热带太平洋风强迫和南海局地风强迫两部分。     

南海中尺度涡强度的季节和年际变化分析

为了研究南海中尺度涡强度的季节和年际变化规律,利用Matlab提取50 a(1958~2007年)简单海洋资料同化(Simple Ocean Data Assimilation,SODA)月平均数据集中流场和海表面高度场数据,应用一个涡旋自动探测算法对南海中尺度涡初始生成位置进行分析,并分析了海表面高度异常均方根值的季节变化和年际变化。结果表明:50 a里南海中尺度涡主要分布在吕宋岛西北海域、吕宋岛西南海域和越南以东广大海域,秋、冬季中尺度涡能量较高,春季中尺度涡最弱,中尺度涡强度高值区年际变化明显。从季节变化上看,海面高度异常均方根春、夏季最小,秋冬季最大;从年际变化上看,与同时期Nino3指数有显著负相关,周期大约为3 a。     

南海海面高度年际变化的S-EOF分析

应用依赖于季节的经验正交甬数(S-EOF)分析,探讨了最近15a南海海面高度随季节演变的年际变化.S-EOF分析得出南海海面高度异常各模态不同季节的空间结构以及时间演变过程,证实了季风强盛期冬季和夏季基本模态的结构,还分离出了季风转换期(春季和秋季)海面高度的分布格局.结果表明,南海海面高度随季节演变的年际变化与厄尔尼诺和拉尼娜事件密切相关.S-EOF1的结果表明,南海海面高度的变化具有明显而稳定的季节振荡,但在ENSO年海面高度的季节振荡相对减弱;S-EOF2模态显示了1998-2001年间冬季吕宋岛西侧存在一个较强的正异常,且能一直持续到春季;S-EOF3模态主要体现了南海西部一系列中尺度涡状结构的年际差异,包含1997/1998年厄尔尼诺对南海环流的影响.     

南海南部海域海面温度异常的时空分布特征

基于1982年1月—2006年12月NOAA Optimum Interpolation Sea Surface Temperature（OISST）的逐月平均海面温度（SST）资料，采用经验正交函数分解（EOF）方法分析了南海南部海面温度异常场典型的空间分布形态及其时间变化特征。结果表明，南海南部海域海面温度异常场空间上主要表现为三种典型的分布结构，即以研究区域北部为中心的海盆尺度的单涡结构、东西反相的经向偶极子分布结构和南北反相的纬向偶极子分布结构，这三种分布结构都以2—4年的年际变化周期为主，反映了研究海域海面温度异常与ENSO现象高度相关。此外，研究海域还存在显著的半年和季节内周期变化，这种变化周期主要以南北反相的纬向偶极子分布结构（第三模态）存在，反映了大气动力强迫和热力强迫共同影响的结果。     

基于支持向量回归的海面高度统计预报方法研究

本文提出一种基于支持向量回归的统计预报方法,通过经验正交分解对原始数据矩阵进行时空分解,提取出空间模态和时间系数。由于海面高度变化具有非线性、大惯性的特点,对时间系数进行小波分析,能有效滤除其中的高频信号,得到表征海面高度变化的低频信号。利用支持向量回归方法对小波分解后的低频信号构建预报模型。最后,进行小波重构,还原时间序列长度,实现未来7天的海面高度预报。通过黑潮附近海域的海面高度预报结果验证,该预报方法的预报效果优于整合滑动平均自回归预报方法。本文通过机器学习的算法实现了海面高度的预报,为海洋预报方法提供了新的思路。     

印度洋热通量变化及其对南海夏季风爆发的影响

采用卫星遥感资料反演出的海洋大气参数,应用通量算法(CORAER3.0),计算出了印度洋区域海气热通量,据此,分析研究了该区域海气热通量的年、年际和年代际变化特征。进而分析探讨了该区域热通量变化与南海夏季风爆发之间的联系。结果表明,北印度洋的热通量具有明显的季节变化特征,在一年四季最大热通量基本发生在阿拉伯海和孟加拉湾,但其量值具有明显的差异。特别是在南海季风爆发前后,其量值显著增大,4月份之前,平均潜热通量维持在110—120W/m2之间,4月份开始增大为130W/m2,5月份突然增大超过160W/m2。这种增大过程可能是影响南海夏季风或南亚夏季风爆发的关键。由分析可知,南海夏季风的爆发与北印度洋的热通量变化存在显著的相关关系,且它们均具有显著的年代际变化周期为16a。当3年前的5月份北印度洋区域海气潜热通量出现偏大(小)时,南海夏季风爆发时间会出现偏晚(早)的趋势。另外,为了预测南海夏季风爆发时间,建立了一个简单的回归方程,用来预测2012年南海夏季风爆发时间。预测结果表明,2012年南海夏季风爆发时间将会出现偏晚1—2候的趋势。     

黄海月平均风、气压、气温场季节与年际变化时空模态

根据1973年至2016年黄海沿岸风、平均海平面气压与气温观测资料,采用旋转经验正交函数(REOF)、调和分析和延迟相关分析等方法,研究了黄海月平均风应力、风速、平均海平面气压、气温场季节与年际变化时空模态.月平均风应力、风速场主要有4种时空模态,风应力模态空间分量分布与风速模态不完全相同,风应力、风速模态季节周期分量多数为不稳定,风应力、风速场强度年际变化显著线性减弱,对黄海环流以及物理、化学要素场季节与年际变化有显著影响.月平均气压、气温场季节循环与年际变化主要有2种时空模态,气压、气温模态季节周期分量的位相均为准稳定季节变化;振幅为不稳定季节变化.气压模态为准平衡态年际变化,大尺度气压系统季节与年际变化是黄海气压场模态的主要影响因素.气温模态为显著线性升温趋势年际变化,海气、陆气热交换作用对黄海气温场模态季节与年际变化有显著影响.     

太平洋海平面变化特征及影响因素分析

采用经验模态分解法对太平洋沿岸验潮站的月平均海平面资料进行处理,结合T/P高度计资料、Church(2004)重构SSH资料、Ishii(2005)月均海温资料,研究太平洋海平面年际、年代际变化以及资料长度内海平面变化趋势。太平洋沿岸海平面总体呈上升趋势,平均上升速率为1.4 mm/a,趋势项分布有明显的区域性和纬度特征。ENSO对太平洋地区海平面年际变化有显著影响,海平面年际变化与Nino3指数在西(东)太平洋为负(正)相关,海平面年际变化与Nino3指数的相关性在热带太平洋最大,并随着纬度升高相关性减弱,且不同地区年际变化有滞后ENSO时间不等的最大相关。海平面年际变化与PDO指数在西(东)太平洋为负(正)相关,海平面与PDO的相关性分布有区域性和随时间演变特征。年代际变化对目前使用卫星高度计资料分析海平面长期趋势项的预测有直接影响,可能完全掩盖海平面长期变化趋势。     

大气低层风场对南海海温的影响及其与季风的关系

利用1960-1999年月平均海表温度资料和大气低层风场资料,分析了南海海表温度与局地风场之间的关系及其季节变化特征,讨论了局地风场对南海海温的影响与季风的联系.结果表明,南海海表温度异常与局地风场异常之间的关系具有明显的季节变化特征,南海海表温度异常在夏季与纬向风异常呈明显的负相关,在冬季与经向风异常呈明显的正相关,这种季节变化与东亚季风特性(即盛行风存在明显的季节变化)密切相关.为南海海表温度监测预测提供气候背景,从而也解释了过去在大气低层风速与南海海表温度异常相关性方面不同研究结果存在差异的原因.     

运用CSEOF方法分析南海表面温度季节与年际变化

本文基于粗分辨率卫星数据和中尺度分辨率ROMS模型数据,通过一种较新的循环平稳经验正交函数(CSEOF)方法,分析南海表面温度的季节变化与年际变化,其中南海表面温度的第一模态和第二模态分别代表南海温度的季节变化信号和随ENSO变化的信号。卫星与模型的第一模态的空间分布较为一致,南海北部相对南部具有更强的季节变化,第一模态时间序列主成分与Nino3指数具有一定相关性,但相关系数小于30%。卫星与模型第二模态时间序列主成分与Nino3相关性较高,均大于50%,落后Nino3指数7个月。通过对比模型与卫星结果发现,中尺度过程的引入仅使第二模态空间分布更为复杂,而对第一模态的季节变化及与ENSO信号的相关性并没有显著影响。赤道太平洋温度异常通过大气环流无延迟的影响南海的云层覆盖和蒸发,进而影响南海表面的短波辐射和潜热通量,混合层中垂向混合和夹带过程可能是阻碍南海表面温度过快响应净热通量改变的原因。     

基于GHSOM网络的南海风场时空变化特征分析

基于1979—2018年欧洲中期天气预报中心(ECMWF)近海面10 m风场资料,采用增长型分层自组织映射(GHSOM)神经网络方法,对南海海表面风场(SSW)的季节变化和年际异常变化进行了分析,结果表明：(1)GHSOM网络训练原始风场数据第一层结果揭示了4个特征模态,高度概括了南海近海面风场的季节变化特征;第二层结果提取了风场的月变化特征。(2)GHSOM网络训练异常风场数据第一层结果揭示了4类异常风场特征模态：反气旋式异常、气旋式异常、西南风异常和东北风异常模态。其中反气旋式异常和气旋式异常模态呈现出不对称现象,即反气旋式异常风场的振幅大于气旋式异常风场;且这两个模态与ENSO事件密切相关,它们的时间序列与Niño 3.4指数序列存在显著的延迟相关。同时,东北风异常风场模态的发生频率大于西南风异常模态。向下扩展的第二层结果揭露了异常风场模态更多的细节特征。