黄、渤海海冰长期变化特征分析

选取渤海、黄海北部冰情等级、冰面积资料和大气环流逐月资料,采用小波分析和交叉小波分析方法,研究海冰长期变化特征及其气候成因。结果发现黄、渤海海冰具有多尺度变化特征,存在低频变化、高频变化和无明显周期的演变过程。西太平洋副高、亚洲极涡以及纬向环流是影响海冰生成与变化的直接因素。黄、渤海海冰还与印度洋副高、北美副高,以及大西洋副高存在显著年代际相关关系。     

渤海海冰的年际和年代际变化特征与机理

根据1951-2013年间的渤海冰情等级资料,利用最大熵谱分析、相关分析和合成分析等方法,研究了渤海冰情等级的年际和年代际变化特征,探讨了局地气候、大气环流、ENSO(El Nio-Southern Oscillation)和太平洋年代际振荡(PDO)对海冰的影响。结果表明,渤海海冰具有明显的年际和年代际变化特征,并在1972年前后发生了一次由重到轻的气候跃变,在跃变后冰情较跃变前平均降低了0.7级。相关分析与合成分析结果显示,渤海冰情的年际变化除受局地气候的影响外,还受西太平洋副热带高压(副高)、极涡和欧亚环流的共同调控,特别在1972年以后,秋季副高、冬季欧亚和亚洲纬向环流对渤海冰情的年际变化均有重要影响,可作为渤海海冰预报的重要因子,而春季PDO、ENSO、冬季副高及欧亚和亚洲经向环流则是渤海冰情年代际变化的影响因素。     

气候因子对渤海冰情影响的统计分析

运用相关分析、偏相关分析等统计分析方法研究了北极涛动、北极海冰和西伯利亚高压等气候因子对渤海海冰年际变化的影响。统计表明西伯利亚高压是影响渤海海冰年际变化最重要的因子。秋季北极海冰密集度、冬季北极涛动与渤海冰情显著相关,它们可能通过影响西伯利亚高压的强度,从而影响渤海海冰的严重程度。利用回归分析得到渤海冰情等级与西伯利亚高压、西太平洋副高之间的统计关系,回归结果较好的反映了渤海冰情年际变化。     

基于卫星观测的辽东湾冰情统计分析

根据渤海6个海洋站的海冰监测及气温观测数据统计,终冰日及冰期可用来表征当年渤海冰情严重程度,在大多数年份冰情与终冰日早晚和冰期长短呈负相关。根据2006/2016年的辽东湾海冰面积及外缘线资料,分析了11年间辽东湾冰情的年变化特征,分析结果显示,辽东湾海冰受局地气温影响明显,两者呈较显著的负相关关系。分析结果发现,辽东湾海冰年际变化除受局地气候的影响外,还受太平洋副热带高压(简称副高)、极涡、东亚槽和欧亚环流等气候因子的共同调控,其中受太平洋副高北界位置指数、极涡面积指数、东亚槽强度指数、欧亚纬向环流指数影响最为显著,可作为辽东湾海冰预测的重要因子,此外北极海冰密集度也可以为预测当年冬季辽东湾每月冰情提供依据。     

渤海冬季海冰气候变异的成因分析

选取渤海冰情等级资料和大气环流74个指数逐月资料,分别建立不同尺度(年、半年、季和月)的累积值变量作为因子,研究该地区冰情年代际变化及冰情的气候成因,结果发现以1972年为分界把1932～2000年时期冰情的变化分为两个时段,前一时段为重冰情多发阶段,1972年以后转为轻冰情时段.影响渤海海冰冰情变化主要因子是太平洋副高.     

渤海海冰与西伯利亚高压之间的关系及与北大西洋涛动之间的可能联系

依据对2000/2001—2014/2015年冬季渤海海冰范围和海平面气压(SLP)场季节内和年际变化的分析表明,SLP场与海冰范围关系密切,其中西伯利亚高压、冰岛低压附近为正相关区,亚速尔高压附近为负相关区。西伯利亚高压的变化在季节内和年际尺度上同时影响渤海海冰,北大西洋涛动(NAO)与渤海海冰的相关性主要表现在年际尺度上。研究表明,渤海海冰逐年冬季的季节内变化有所不同,在2003/2004、2004/2005、2007/2008年存在9~12候的显著周期,与大气30~60d的季节内振荡相对应,但在2009/2010年以后这一周期没有再出现,而西伯利亚高压相关区SLP的9~12候信号在整个研究时段相对较明显,这可以解释在季节内尺度上西伯利亚相关区与海冰范围的相关性在2009/2010年以后明显减小的现象;在年际尺度上,2007/2008年以后NAO(冰岛和亚速尔相关区SLP)与海冰范围的相关性突然增大,这一变化是由NAO和海冰范围(渤海地区气温)的2~4年和4~8年周期从2007/2008年开始更加契合引起的。NAO年际周期的变化可能会通过大气环流的北极-亚洲遥相关模态对渤海海冰范围产生影响。     

渤海、北黄海海冰与气候变化的关系

渤海和北黄海的冰情随着历年冬季气候差异而不同.暖冬海冰覆盖范围不足海域的15%,而寒冬可覆盖海域80%以上.概述了海冰监测及资料来源.冰覆盖面积、外缘线位置和冰况等级等被作为反映结冰海域冰情的指标.用大连和营口站的气温表示渤海、北黄海海域的局地气候.用1952～2000年大连的月平均气温描述冰情的变化.给出冰情指数由1952/1953年到1999/2000年随大连站月平均气温变化.影响渤海和北黄海冰情和气候的因子很多,诸如大气环流的演变和太阳活动等.分析了多种因子与冰情的滞后相关,指出20世纪90年代渤海冰情持续偏轻与全球气候变暖趋势相当一致;渤海和北黄海冰情的年际变化与El-Nino现象以及太阳活动周期有关;讨论了海冰季节演变的特征     

分形分析方法在海冰趋势预测中的应用

根据渤海北部1966——2001海冰冰级年际变化的实际资料，利用R／S分析的原理和方法计算了H指数，建立了R(i)/S(i)与i的关系式，对渤海北部海冰趋势进行了预测分析。结果表明，利用分形分析方法进行海冰趋势预测不仅方法简便，而且结论具有客观性，可以将其作为海冰趋势预测中较为有效的一种方法。     

黄、渤海海冰与冬季冷暖的周期分析

本文利用渤海及黄海北部冬季气温资料进行了谐波分析,研究了海冰与冬季冷暖的长期振动。结果表明,渤海及辽东湾有7,7年和23年振动周期,黄海北部有3.8年和23年周期,青岛则有 6.3年和 12.5年的振动周期。并探讨、分析了极移振幅与冬季气温的相关关系,该分析为渤海海冰的长期预报提供了依据。     

渤海、北黄海冰情与太平洋副热带高压的统计关系

对1975—2006年逐月太平洋副热带高压面积和强度指数序列与渤海、北黄海冰情等级序列进行了统计分析,计算结果表明,8月和12月太平洋副热带高压面积和强度指数与冰情等级具有良好的相关关系。利用回归方法得到它们之间的统计关系,回归结果表明,太平洋副热带高压面积和强度指数越大,当年冬季冰情越轻,该统计关系对中国冰情预报具有一定的参考意义。     

渤海、黄海、东海海面热量平衡的平均状况——Ⅰ.资料处理和计算方法

渤、黄、东海海面热量平衡状况对该海域海洋水文和中国气候有着重要的影响。我们对该海域热量平衡各分量的年平均和年变化进行了计算,并分别就资料处理和计算方法、年平均状况、年变化特征等几个方面进行了分析。本文作为该项研究的第一部分,讨论了所用的资料和计算公式,提出了在稳定温度层结条件下的交换系数的校正方法。     

渤海、黄海、东海海面热量平衡的平均状况——Ⅰ.资料处理和计算方法

渤、黄、东海海面热量平衡状况对该海域海洋水文和中国气候有着重要的影响。我们对该海域热量平衡各分量的年平均和年变化进行了计算,并分别就资料处理和计算方法、年平均状况、年变化特征等几个方面进行了分析。本文作为该项研究的第一部分,讨论了所用的资料和计算公式,提出了在稳定温度层结条件下的交换系数的校正方法。     

南极海冰快速下降历史事件的时空特征分析

卫星记录以来,南极海冰范围发生5次快速下降事件,研究这5次事件的时空特征,对进一步认识海冰快速下降事件的物理机制具有重要意义。基于海冰范围和海冰密集度的卫星数据,从时间和空间两个维度总结5次南极海冰快速下降事件的特征,再结合大气和海洋各项环境因素的再分析数据,探讨海冰快速下降的影响因素及其驱动过程。结果显示:南极海冰快速下降的空间分布存在季节性差异, 2021年8～12月以及2016年8～12月的春季南极海冰快速下降由别林斯高晋海、威德尔海、印度洋和西太平洋区域的海冰减少所主导; 2010年12月至2011年4月以及1985年12月至1986年4月的夏季南极海冰快速下降由威德尔海、罗斯海沿岸和西太平洋区域的海冰减少所主导;2008年4～8月的冬季南极海冰快速下降则由别林斯高晋海和西太平洋的部分区域的海冰减少所主导。探究影响海冰的环境因素发现,海表面温度和海表面净热通量对海冰减少的热力效应影响具有区域性差异。此外,南极海冰快速下降受阿蒙森低压的影响,相应的海表面风异常既通过经向热输运的热力效应导致海冰减少,也通过风的动力效应驱动海冰漂移使得海冰密集度降低。     

RCP4.5情景下预测21世纪南海海平面变化

结合卫星高度计资料和SODA温盐数据,本文利用CCSM(Community Climate System Model version4)气候系统模式在代表性浓度路径RCP4.5情景下对全球海平面变化趋势的预测模拟结果作为强迫场,用POP模式模拟预测21世纪南海海平面长期趋势变化及空间分布。模拟结果显示,在RCP4.5情景下,南海海域在21世纪末10年平均海平面相对于20世纪末10年上升了15~39cm,明显上升海域位于中南半岛东部的南海中部、南部海域和吕宋海峡东西两侧海域,上升值最大可达39cm。如果加上格陵兰和南极等陆地冰川融化的影响,21世纪南海总海平面上升值将可能达到35~75cm。南海比容海平面明显上升区域位于吕宋岛东面的深水海域,广东沿岸流和吕宋冷涡之间海域,以及中南半岛东南部海域。总比容海平面的变化主要来自热比容,盐比容贡献比较小。南海南部和西部比容海平面上升速率较低,如加里曼丹岛西北侧、泰国湾和海南岛西侧有下降趋势。     

1979-2012年北极海冰运动学特征初步分析

利用美国冰雪数据中心(NSIDC)发布的海冰速度和范围数据,本文分析了1979—2012年间北极海冰的运动学特征,以及北极海冰运动与分布范围演变之间的关系。结合欧洲中期天气预报中心(ECMWF)发布的2007和2012年高分辨率的气压场、风场数据,探讨了北极风场和气压场与海冰运动、辐散辐合和海冰面积的关系。结果表明,在1979-2012年间北极海冰平均运动速度呈显著增强的趋势,冬季海冰平均运动速度增加趋势明显强于夏季;北极、波弗特-楚科奇海域和弗拉姆海峡的冬、夏季海冰平均运动速度的增加率分别为2.1%/a和1.7%/a、2.0%/a和1.6%/a以及4.9%/a和2.2%/a。1979-2012年北极海冰平均运动速度和范围的相关性为-0.77,二者存在显著的负相关关系。北极冬季和夏季风场的长期变化趋势与海冰平均运动速度的变化趋势一致,冬季和夏季的相关系数分别为0.50和0.48。风场和气压场对海冰的运动、辐散及重新分布发挥着重要作用。2007年夏季,第234~273天波弗特海域一直被高压系统控制,波弗特涡旋加强,使得波弗特海域海冰聚集在北极中央区;顺时针的风场促使海冰向格陵兰岛和加拿大北极群岛以北聚合。2012年,白令海峡和楚科奇海域处于低压和高压系统的交界处,盛行偏北风,海冰从北极东部往西部输运,加拿大海盆的多年海冰因离岸运动而辐散,向楚科奇海域的海冰输运增加,受太平洋入流暖水影响,移入此区域的海冰加速融化,从而加剧海冰的减少。     

渤海海冰现场监测的数字图像技术及其应用

在渤海冰区油气开发中,海冰给平台结构、油气运输和施工作业带来很大影响.油气作业区海冰参数精确、连续、实时的现场监测对分析油气开发的可靠性、检验海冰数值模式、校正海冰卫星遥感数据具有重要意义.针对渤海油气作业区的海冰运动和分布特性,通过数字图像技术对海冰的厚度、运动速度和密集度三个参数的提取进行了算法开发和软件研制.在2...     

渤海海冰现场监测的数字图像技术及其应用

在渤海冰区油气开发中,海冰给平台结构、油气运输和施工作业带来很大影响。油气作业区海冰参数精确、连续、实时的现场监测对分析油气开发的可靠性、检验海冰数值模式、校正海冰卫星遥感数据具有重要意义。针对渤海油气作业区的海冰运动和分布特性,通过数字图像技术对海冰的厚度、运动速度和密集度三个参数的提取进行了算法开发和软件研制。在2009-2010年采用该海冰数字图像监测软件对渤海辽东湾JZ20-2油气作业区的海冰参数进行了全冰期的连续监测,获得了翔实可靠的海冰厚度、密集度和冰速等海冰监测资料。现场监测应用表明,该海冰数字图像监测软件具有操作性强、精确度高、可靠性好的优点。该监测技术进一步完善后可广泛应用于渤海油气作业区的海冰现场监测,成为海冰业务化现场监测的重要组成部分。     

2004～2005年冬季南堡-曹妃甸海域海冰监测报告

南堡-曹妃甸海域是渤海湾冰情严重海域之一。本文根据海上平台、陆地测点、航空监测、船舶调查及卫星遥感等有关海冰监测资料及相邻海域有关海冰监测资料,给出了该海域本年度冰期、冰型、冰厚、结冰范围、浮冰最大外缘线及海冰时空分布变化等状况,综合分析得出,本年度该海域的冰情状况接近于正常年份。     

An Improved 20-Year Arctic Ocean Altimetric Sea Level Data Record

For ocean and climate research, it is essential to get long-term altimetric sea level data that is as accurate as possible. However, the accuracy of the altimetric data is frequently degraded in the interior of the Arctic Ocean due to the presence of seasonal or permanent sea ice. We have reprocessed ERS-1/2/Envisat satellite altimetry to develop an improved 20-year sea level dataset for the Arctic Ocean. We have developed both an along-track dataset and three-day gridded sea level anomaly (SLA) maps from September 1992 to April 2012. A major improvement in data coverage was gained by tailoring the standard altimetric editing criteria to Arctic conditions. The new reprocessed data has significant increased data coverage with between 4 and 10 times the amount of data in regions such as the Beaufort Gyre region compared with AVISO and RADS datasets. This allows for a more accurate estimation of sea level changes from satellite altimetry in the Arctic Ocean. The reprocessed dataset exhibit a mean sea level trend of 2.1 ± 1.3 mm/year (without Glacial Isostatic Adjustment correction) covering the Arctic Ocean between 66°N and 82°N with significant higher spatial coherency in the ice-covered regions than the RADS and DUACS datasets.     

Arctic sea ice concentration and thickness data assimilation in the FIO-ESM climate forecast system

To improve the Arctic sea ice forecast skill of the First Institute of Oceanography-Earth System Model (FIO-ESM) climate forecast system, satellite-derived sea ice concentration and sea ice thickness from the Pan-Arctic Ice-Ocean Modeling and Assimilation System (PIOMAS) are assimilated into this system, using the method of localized error subspace transform ensemble Kalman ?lter (LESTKF). Five-year (2014–2018) Arctic sea ice assimilation experiments and a 2-month near-real-time forecast in August 2018 were conducted to study the roles of ice data assimilation. Assimilation experiment results show that ice concentration assimilation can help to get better modeled ice concentration and ice extent. All the biases of ice concentration, ice cover, ice volume, and ice thickness can be reduced dramatically through ice concentration and thickness assimilation. The near-real-time forecast results indicate that ice data assimilation can improve the forecast skill significantly in the FIO-ESM climate forecast system. The forecasted Arctic integrated ice edge error is reduced by around 1/3 by sea ice data assimilation. Compared with the six near-real-time Arctic sea ice forecast results from the subseasonal-to-seasonal (S2S) Prediction Project, FIO-ESM climate forecast system with LESTKF ice data assimilation has relatively high Arctic sea ice forecast skill in 2018 summer sea ice forecast. Since sea ice thickness in the PIOMAS is updated in time, it is a good choice for data assimilation to improve sea ice prediction skills in the near-real-time Arctic sea ice seasonal prediction.