海洋站温盐井设计建设研究——一个室外温盐井建设的成功案例

水温、盐度是海滨水文气象观测中的重要观测要素,温盐井是获取温、盐实时连续数据的重要观测基础设施。温盐井的设计、建设近年来才刚刚兴起,在《海滨观测规范》中仅提供了原则规定,尚无成熟经验可供借鉴。对日照海洋站室外温盐井设计、建设进行总结,解决了在复杂地形和水文条件下建设温盐井的问题,经对比验证效果良好。     

基于岸基观测数据的渤海沿岸海域表层温盐特征分析

岸基海洋站观测是我国最基本的传统海洋观测方式,也是最重要的海洋观测方式之一,其特点是规范、连续,所获取的海洋环境要素数据具有标准化程度高、质量可靠等优点。文章利用环渤海沿岸9个岸基海洋站的长期观测数据,对渤海沿岸海域的表层海水温度和盐度数据进行了综合统计、分析,得出了渤海沿岸海域表层海水温度和盐度的地域分布特征,同时给出了渤海沿岸各海洋站所在海域表层海水温度和盐度的季节变化特征等。     

岚山海洋观测站验潮、温盐井的设计建设

验潮井、温盐井设计在《海滨观测规范》中仅提供了一个参考公式与参考数据,至今尚未形成一个从理论到实际的成熟的设计方法及设计模式。对岚山海洋观测站验潮井、温盐井的设计建设进行了总结,经对比验证效果良好。     

基于海温参数模型推算Argo表层温度

Argo浮标观测已成为全球海洋观测系统的重要支柱,但因缺乏表层观测,使得Argo观测资料在海洋和大气研究中的应用仍有一定的局限性。基于一个简化的海洋温度参数模型,由Argo剖面观测及气候态数据所确定的垂向海洋温度参数,得到表层与次表层温度的函数关系,进而利用太平洋海域的Argo次表层温度数据来推算表层温度场。其中,海温参数模型的相关参数采用最大角度法求得,利用此方法得到的混合层深度,温跃层梯度,温跃层下边界等参数较以往的迭代法更精确。与传统采用外插方式得到的表层温度场及卫星反演的SST相比,推算的Argo表层温度与GTSPP、Argo NST等实测资料的标准差有了显著地降低;与Argo NST现场观测数据的相关性分析也表明,推算的表层温度与实测资料有着更好地一致性;通过相关分析检验,在理论上验证了在太平洋海域利用海温参数模型推算海表温度的可行性。本研究为弥补当前Argo资料缺乏表层观测的缺陷,构建完备的Argo网格化温度数据集提供了新途径,具有重要的科学意义和应用价值。     

1990年夏季东海北部和黄海南部海面的异常高水温海况

夏季(8月)东海北部和黄海南部的较高表层水温,一般只有28℃左右。但1990年夏季,中国科学院海洋所、青岛海洋大学以及国家海洋局东海分局调查队均在这一海区观测到海面异常高水温海况。作为例证,这里首先给出东海北部用CTD测得的3个站的温、盐度垂直分布(图1)。 观测表明,7月底,在A站测得的表层水温已高达29.97℃(中科院海洋所观测)。8月中旬,与A站接近     

青岛近海表皮温度和表层温度之差的观测及模糊数学分析

１９９３．１１．２３．９：００－１１．２８．９：００随“东方红”号海洋考察船,采用“走航式海面遥感参数自动观测系统”在青岛近海进行了５个昼夜的连续观测。根据所得资料,首先对表皮水曙和表层水温之差与各因子之间的关系进行了分析,然后利用数学方法对所获数据进行了计算。结果表明,海洋表皮水温与表层水温之差和海面风速,气温与水温之差及太阳辐射等均有明显关系。但此关系难以用传统数学方法准确表述。应用模糊推理方     

南海上层水温的准双周(10-20d)变化

对南海季风实验(SCSMEX)期间布设于南海中部的3个ATLS海洋锚定浮标所观测的水温资料进行分析，结果表明：南海上层水温存在准双周(10-20d)变化，且主要发生在次表层，尤其在冬半年，温跃层的年循环对其有调制作用；次表层水温的振幅北部大于南部；南海上层的准双周振荡可分为3个垂向模态，即上下同位相、反位相、次表层先于表层；低层大气准双周振荡的强迫，是造成这种变化的主要原因，海面风应力强迫使得温跃层发生垂直位移，从而引起次表层水温的变化；表层水温(SST)的变化小于次表层，海面热收支是引起表层水温变化的主要原因，但次表层水温可以影响表层。     

基于10 米浮标载体的锚链式剖面观测系统实践之一——自容式采集方式

为了对我国近海海域进行剖面观测,获取到多层位水体的多要素观测数据,尝试依托中国近海海洋观测研究网络东海站10 m浮标系统的锚系,采用在锚系上挂载自容式组合传感器方式,获取到8个观测周期共412 d的有效剖面观测数据,观测层位分布于10,20,30 m 3个水层;通过结合浮标获取的表层温度数据与3个水层的对比分析表明,锚链式剖面观测方案在实用性和可推广性方面具有显著优势,是基于海面浮标载体进行剖面观测的有益尝试,可在我国构建的海洋浮标观测网络上进行广泛应用,将为我国近海海洋科学研究提供弥足珍贵的水面-水体全序列系统观测数据资料,从而为近海海洋科学研究取得突破性进展提供重要的数据支撑。     

基于遥感的海洋三维温盐场智能探测研究进展

海洋三维温盐场信息是描述海洋物理属性特征和掌握海洋物理运动过程的重要参数,获取准确的海洋三维温度和盐度信息对于认识海洋、开发利用海洋和海洋科学研究等具有重要意义。随着人工智能与深度学习方法的发展,采用深度学习方法的海洋次表层三维温盐场智能探测研究成为热点之一。从海洋温盐观测数据集、传统机器学习方法三维温盐智能探测、一般神经网络三维温盐智能探测和深度学习三维温盐智能探测等方面展开,对与海洋三维温盐场智能探测相关的研究进展进行综述,最后针对三维温盐场智能探测存在的问题和未来的发展趋势进行了总结和展望。     

海面表层水温与表皮水温的相关研究

海洋水温是海洋研究的重要参数之一.本文介绍了"表皮温度"和"表层温度"的不同概念,分析了表皮和表层温度不同的产生机理,初步建立了两个温度之间的关系式,分析了回归方程产生的误差.     

Oceanographic and sound speed fields for the ESME workbench

The authors describe the effort to provide three-dimensional global thermohaline and sound speed fields for use in the effects of sound in the marine environment (ESME) workbench suite of programs. The primary fields used are from the modular ocean data assimilation system (MODAS), developed by Fox et al. The system provides global thermohaline and sound speed fields on a daily basis using environmental inputs from the U.S. Navy as well as remote sensing of sea surface temperature and sea surface height. To examine the MODAS fields, the authors also used data from the Southern California Bight collected by the California Cooperative Fisheries Investigations as well as high-resolution hydrographic data collected over the continental shelf south of New England as part of the shelfbreak PRIMER experiment. MODAS performs well for features such as large-scale boundary currents and eddies but is more limited in resolving features such as shelfbreak and coastal fronts, which have small spatial and temporal correlation scales. Because of the considerable computational needs of other ESME modules and its use as a planning tool, the authors present a pragmatic approach for future applications.     

基于神经网络的全球三维温盐场重构技术研究

文章利用果蝇优化广义回归神经网络算法FOAGRNN (fruit fly optimization algorithm, FOA; generalized regression neural network, GRNN)对SODA (simple ocean data assimilation)再分析数据进行训练, 构建海表温度、盐度、海面高度与次表层温盐场之间的投影关系模型, 并在全球范围使用SODA和卫星遥感数据评估了模型的应用性能。首先, 利用独立的2016年SODA海表数据作为模型输入进行理想重构试验, 结果显示全球重构温、盐平均均方根误差(MRMSE)分别为0.36℃和0.08‰, 与世界海洋图集WOA13资料相比减小约50%和60%。然后, 利用卫星观测的海表信息作为模型输入进行实际应用试验, 并与Argo观测剖面进行比较评估。试验结果表明, 重构模型能有效表征海水温、盐特征, 其中重构温、盐MRMSE分别为0.79℃和0.16‰, 相比WOA气候态减小27%和11%。误差的垂向分布显示, 重构温度RMSE从海表向下迅速增大, 至100m达到峰值1.35℃, 而后又迅速回落,至250m处为0.81℃, 跃层往下不断减小; 重构盐度RMSE基本随深度增大而减小, 误差峰值位于25m附近, 约为0.25‰。此外, Argo浮标跟踪分析和区域水团统计结果也表明模型能够较好地刻画海洋三维温盐场的内部结构特征。     

基于深度学习的海温观测数据质量控制应用研究

基于国家海洋信息中心质量控制后的西太平洋 10 度方区约 100 万站次温盐实测历史调查资料,对经过 26 种严格质量控制方法的综合海温质量符进行分类分析,首次将深度学习技术应用于海洋数据质量控制多分类 （multiclass classification）算法与应用研究。通过人工合成少数类样本和加权损失函数方法减少多数类的频率来降低数据的不平衡,并构建了多层感知器 （Multi-Layer Perceptron, MLP） 和深度神经网络 （Deep Neural Network, DNN） 两个海温资料质量符分类深度学习模型。分类结果表明本文构建的两个深度分类模型能够较准确快速地识别该海域海温数据质量,在 20 975 条温盐剖面资料测试集中分类准确率分别达到 99.63%和 99.69%。海温资料的分类精度评分有着较好的表现,其中正确数据 （QC1） 和数据缺失（QC9） 的正确识别率均达 100%。MLP 和 DNN 多分类质量控制模型可大幅降低传统质量控制方法的工作量,提升海量数据处理速度和分析能力,为海温观测资料在海洋研究与工程中应用提供参考。     

渤黄东海40年温盐流模拟与初步分析

使用ROMS(regional oceanic modeling system)模式模拟了40年的渤黄东海温盐流,数据包括三维的温度、盐度、流速、流向和海表高度,同时包含了逐小时的潮汐信息。将模拟结果与观测资料和卫星反演数据进行对比,检验了模式准确性。整体上,模式模拟的水位与近岸观测值基本一致,能够准确再现风产生的增水;模式较为准确的再现了渤黄东海的温度分布,在深水区模拟的温盐剖面与观测值基本一致;模式模拟渤黄东海区域的海表高度和海表流与卫星反演结果相比偏小,但分布趋势相近。模式结果可以为研究气候变化对水位的影响和黄海暖舌的扩散过程等现象提供数据支持。     

北极冰海耦合模式对两种不同大气再分析资料响应的分析

本文中我们比较了Climate Forecast System Reanalysis(CFSR)高分辨率的再分析数据集和低分辨率的Japanese 25-year Reanalysis Project(JRA25)再分析数据集在向下短波辐射、向下长波辐射、10m风场、近地面气温、降水、湿度上的不同,发现二者差异最大的为降水数据,其次为向下短波辐射数据、向下长波辐射数据。用这两个数据集驱动同一冰海耦合模式,CFSR强迫的海冰、北冰洋中层水和加拿大海盆温盐结构与实测相比有很大差距,等密度面上的地转流速在加拿大海盆和欧亚海盆比JRA25强迫的结果高20%,同时等密度面的深度偏深、位温偏高,在弗拉姆海峡的流通量也比海洋再分析数据Simple Ocean Data Assimilation(SODA)偏多。CFSR的向下辐射数据更加接近实测,采用此数据的敏感性实验模拟结果与实测符合的更好。对于海冰的模拟,云量起着至关重要的作用,降水带来的淡水通量通过影响大西洋入流水携带的热量进而影响到冰区。此外,CFSR过量的降水也是二者对于北冰洋温盐结构、弗拉姆海峡流通量以及地转流强度模拟产生偏差的主要原因。尽管风场的分辨率不同,在海盆尺度上对于海冰和海水温盐结构的影响并不大。     

一个中国边缘海的风-浪-流预报系统

海洋预报是进行海上活动的安全保障,海洋预报系统技术已经成为现代海洋气象业务的技术支撑。海洋观测、数据同化、数值模拟和高性能计算机等技术的进步极大地推动着海洋业务化预报的发展。采用大气数值模式（WRF）、海洋数值模式（CROCO）和海浪数值模式（SWAN）的多模式高分辨率离线耦合方式,添加南京信息工程大学“海洋数值模拟与观测实验室”团队自主研发的一系列海洋模式参数化方案,包括浪致混合参数化方案、亚中尺度参数化方案、海山诱导混合参数化方案以及涡旋诱导的沿等密度面和跨等密度面混合参数化方案,并通过同化技术和最新的人工智能技术与观测资料相结合,构建一种面向中国边缘海的风浪流多参数耦合预报系统,用于海上风电功率的预报和其他海洋灾害预警。实际观测资料的验证表明,该预报系统能较准确地模拟海上风场、海流、海温、波浪、潮汐等海洋气象要素。同时实现了按需实时可视化全景展示。     

Three-dimensional numerical prediction of vertical temperature structure of the Huanghai and the Bohai Seas

In the paper, the sea is divided into two layers with density jumping, assuming that the physical parameters in each layer are independent of depth. Two-layer flow field with tide and wind currents is calculated with extended ADI method, after the calculation for flow field is stable , coupled with temperature diffusion equations and thermohaline depth prediction equation, a four-day time prediction of the surface, bottom temperature and thermohaline depth of the Huanghai and the Bohai Seas. At the same time, three dimensional temperature field of sea water is predicted through vertical temperature distribution function. The result indicates that the prediction quality of the whole model and the fitting degree between the predicted result and the measured values are satisfactory.     

南黄海春季温、盐结构特征分析

利用１９９２年５月在南黄海获得的ＣＴＤ资料对该海域春季温、盐结构特征进行了分析，结果表明：（１）春季，南黄海温、盐结构处于由冬季型向夏季型的过渡期，此时，整个研究海域大体上可以２０ｍ层为界分为上、下两层。上表层的温、盐结构已基本呈现夏季型特征，但深底层还具有冬季型的某些特征。（２）南黄海春季温、盐结构特征与水团配置具有较密切的关系，亦即不同的温、盐结构对应着不同的水团，反之，同一个水团具有相近的温     

结合注意力机制的区域型海表面温度预报算法

海表面温度预报在海洋相关领域具有重要的实用价值,随着遥感信息采集技术的不断发展和完善,区域内海表面温度数据采集的完整性得到了保障。现今大多数方法在预报海表面温度时,只考虑了海表面温度的时间相关性,并未利用其空间相关性,使得预报精度受到限制。针对该问题,本文将区域内每天的海表面温度数据作为一个矩阵输入模型,便于时间和空间信息的提取,并提出了CA-ConvLSTM模型来预报海表面温度。该模型首先利用卷积层对海表面温度矩阵进行局部特征提取,然后通过注意力模型为矩阵序列分配权重,将权重与矩阵序列对应相乘得到加权特征序列,最后,利用ConvLSTM进行预报,获得未来一天或五天内的海表面温度。通过实验确定模型的结构、输入尺寸和k值,再将CA-ConvLSTM与SVR、LSTM和ConvLSTM进行对比。实验结果表明:CA-ConvLSTM的均方根误差(Root Mean Square Error,RMSE)和预报精度(Prediction Accuracy,PACC)指标均要优于其他三种预报方法,验证了本文方法的有效性。