利用遗传算法反演实时近海面气温和比湿

使用Advanced Microwave Scanning Radiometer for EOS(AMSR-E)的海洋产品数据海表温度、风速,大气水蒸气、云液态水,通过遗传算法建立其与近海面气温和比湿之间的经验关系,进行近海面气温和比湿的实时反演.反演结果与The Tropical Ocean-Atmosphere(TAO)和The National Data Buoy Center(NDBC)的浮标实测资料进行比较,实时近海面气温和比湿的均方根误差分别为1.18℃和1.36 g/kg.分析结果表明,利用遗传算法采用AMSR-E海洋产品数据可以较好地反演近海面气温和比湿.     

利用卫星资料反演月平均近海面气温和湿度

为弥补广阔海面上气象参数的观测数据的不足，利用专用成像传感器SSM／I和红外辐射计AVHRR资料进行近海面气温和湿度的反演，首先分析与近海面气温和湿度关系比较密切的几个气象因子及其相关性，并采用神经网络建立近海面气温和湿度与它们之间的关系，利用训练好的网络模型反演月平均近海面气温和湿度，并与TAO和NDBC提供的浮标及观测站的实测数据进行比较，近海面气温和相对湿度的均方根差分别为0．87℃和3．73％。低纬度反演的结果精度较高，达到0．53℃（气温）和2．03％（相对湿度）；较大的误差（气温1．06℃、相对湿度3．85％）主要发生在近岸和高纬度区，因为近岸的地形比较复杂，并且很容易受陆地气候的影响；高纬度地区的气候变化比较剧烈，同时目前能得到的高纬度地区的实测资料比较少，这些因素都会影响反演结果的准确度。     

基于AMSR2微波辐射计的近海面气温反演算法研究

基于多元线性回归方法,利用2013-01-06的AMSR2辐射计亮温数据和红外-微波融合SST数据产品,开展了近海面气温反演算法研究,并用TAO,RAMA和PIRATA等浮标实测数据对近海面气温的反演结果进行检验。近海面气温反演结果误差情况:均方根误差为0.66℃,偏差为0.02℃,相关系数R为0.91,该误差结果表明所建立近海面气温反演算法较好的反映在60°S~60°N纬度范围内的近海面气温分布情况;同时为进一步确定不同纬度近海面气温反演的误差分布,将近海面气温反演结果与ECMWF再分析数据进行了对比分析,结果表明,从赤道起算,纬度每升高或降低1°,反演均方根误差约增大0.1℃。     

基于神经网络的卫星高度计海面风速反演算法

通过对TOPEX/Poseidon高度计资料与NDBC浮标实测数据进行时空匹配处理,得到同步数据集,利用人工神经网络方法试验得到海面风速反演算法,并与业务运行的M CW算法进行分析比较,指出考虑波浪状态影响因素的神经网络算法在均方根误差和对称性方面的优越性。研究表明利用神经网络方法反演海面风速是可行的。     

太平洋几种海面要素的升降趋势及其对海平面上升的影响

对ＣＯＡＤＳ资料中１９５０－１９９２听太平洋４×８°方区的海水表层温度及海面气温、气压、风速序列数据。进行了时间序列分析。分析结果表明：太平洋海表气温和水温年上升率分别为０．００６３℃．ａ＾－１和０．００２６℃．ａ＾－１。两者的变化趋势在赤道太平洋都有一个年上升率高值区：而在东海以北的西北太平洋广大海区，都有一个年下降率的低值区。西太平洋海面气压呈上升趋势，东太平洋则相反。气温和水温和升降区域分丰     

基于Aquarius数据的粗糙海面L波段辐射模型研究

Aquarius是NASA于2011年6月发射的基于主被动遥感技术的盐度观测卫星,其主要载荷是一个工作于L波段的微波辐射计。Aquarius天线三波束扫描刈幅可达390km,在7d内完成对全球海域的盐度观测。海面风浪导致海面粗糙度的变化,进而影响海面微波辐射特性。粗糙海面辐射亮温是盐度信息提取的重要误差源,需要发展相应的海面辐射模型进行修正。本文利用Aquarius观测的海表亮温数据,与扫描微波辐射计WindSat测量数据进行时空匹配,建立了一个描述粗糙海面L波段辐射特性的参数化模型,进而利用该模型进行了海表盐度反演,并将反演结果与Argo实测盐度数据进行了比较。结果表明,本文发天展的参数化模型可以准确描述中低风速条件下的粗糙海面辐射,在12m/s以上高风速条件下对粗糙海面亮温存在高估;采用此模型反演的盐度误差优于0.5,在高风速条件下盐度反演误差可超过1。     

我国极地数值天气预报系统在南极长城站的应用与检验

选取2018年2月—2019年11月南极长城站气象台观测资料,对我国极地数值天气预报系统的风速、降水、气温和气压预报进行了检验。统计结果表明:预报风速误差呈正态分布,平均误差随预报风速增加有变大的趋势,短期预报好于长期预报,6级及以上大风时预报结果偏大的概率逐渐增大。预报降水量约是观测降水量的两倍,且在时间上和各降水量级上的误差分布特征一致,降水预报明显偏大。气温和气压的预报能够较好地反映天气形势变化,但存在明显的系统性偏差,其中气温的平均值偏小2.1℃,气压的平均值偏大2.4 hPa。     

太平洋几种海面要素的升降趋势及其对海平面上升的影响

对ＣＯＡＤＳ资料中１９５０－１９９２年太平洋４°×８°方区的海水表层温度及海面气温、气压、风速序列数据，进行了时间序列分析。分析结果表明：太平洋海表气温和水温年上升率分别为０．００６３℃·ａ（－１）和０．００２６℃·ａ（－１）。两者的变化趋势在赤道太平洋都有一个年上升率高值区；而在东海以北的西北太平洋广大海区，都有一个年下降率的低值区。西太平洋海面气压呈上升趋势，东太平洋则相反。气温和水温的升降区域分布特征与风速分量增强和减弱的变化趋势有关。文章还指出，中国和日本沿岸今后几十年海平面变化趋势的预测模式，应以太平洋或全球海平面上升趋势的预测为基础，加上本海区海平面的局地变化订正。     

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     

神经网络反演散射计风场算法的研究

建立了一个神经网络反演卫星散射计海面风场的B-P算法,给出了一个神经网络反演风场的模型,并利用该反演算法和模型对实际卫星散射计数据进行了海面风场反演试验,对风向的多解性利用圆中数滤波方法进行排除.对神经网络训练和检验数据集分别采用ERS-1/2散射计数据和欧洲中期天气预报(ECMWF)提供的风场作为配准点数据.把反演的风速和风向与CMCD4和ECMWF的风场作了比较,它们吻合得比较好;研究表明神经网络反演海面风场是可行和高效的.     

卫星遥感业务系统海表温度误差控制方法

提高卫星遥感海表温度的反演精度是各种反演模型追求的目标,也是遥感系统业务化应用的关键.据相关文献报道,在晴空无云的条件下遥感海表温度的精度达到了0.5℃,但考虑到影响海表温度反演精度的多种因素,在遥感业务系统真正实现SST精度在1℃以内是非常困难的.在北太平洋渔场速报制作系统中,对遥感海表温度与船测温度误差统计显示均方根误差达到5.71℃,匹配点误差分布显示存在大量较大的负误差值,最大的为-17.2℃,遥感温度图也反映出存在片状温度低值区,这些区域很可能被错误地当作冷涡或冷锋区,严重干扰渔情分析,这些异常的温度误差很难通过海表温度反演模式和云检测技术来消除.采用一种标准海表温度参考图用于温度误差控制技术,可有效地检测温度反演异常值,将均方根值从5.71℃降低到1.75℃,如果采用2℃阈值控制计算均方根值,则海表温度精度达到0.785℃.该方法基本消除了遥感海表温度的低值现象,明显提高了遥感海表温度的精度,并已成功地应用于北太平洋渔区的海况速报产品制作中.     

用蒙特卡洛方法研究海洋盐度遥感误差

海洋的盐度观测对于气候和海洋科学的研究有重要的意义,盐度的卫星遥感观测需要估计各种因素带来的误差影响。本文基于海面微波辐射理论和海水相对电容率等模型,采用蒙特卡洛模拟方法研究了在盐度遥感中温度误差、仪器误差以及风速误差对于后续的盐度反演的影响。通过计算温度误差产生的盐度误差,并与敏感性方法的对比发现,在低温低盐时温度误差对盐度反演误差的影响较大,2种方法的偏差较大;而在高温高盐时温度误差对盐度反演误差的影响较小,2种方法的偏差较小。辐射计仪器噪声对盐度误差的影响普遍在0.1psu以上,在低温低盐时可达0.5psu以上。风速误差对盐度反演误差的影响在水平极化状态下随入射角增大,在温度低于20℃时普遍超过1psu;在垂直极化状态下随入射角先减小后增大,在温度低于20℃以及较小的入射角下误差也会超过1psu。对误差的综合分析发现,采用垂直极化状态在高温时这2种误差的影响较小。研究发现,当入射角是45.6°和垂直极化状态下,对于3种典型海面状态(35℃和35psu,20℃和35psu,5℃和30psu),反演的盐度反演误差可达到0.162,0.153和0.444psu,达到了卫星单次扫描对盐度反演的误差要求。     

数据同化在浅海温度同步性调查中的应用

建立了一个功能较为完善的四维同化系统,解决了温度调查资料中存在的同步性问题。为了检验同化方法和模式程序的正确性,以及讨论同步性误差的校正效果,从同化结果与锚系调查数据、同化结果与遥感数据、比对断面均方根误差和海表平均温度4个方面进行了探讨,结果表明:1)同化结果与锚系调查数据对比显示,改进参数的NMC方法(来自美国国家气象中心)能够适用于长江口外海域中的温度四维同化,同化温度结果与锚系调查数据在变化趋势上一致,在数值上最大差异不超过0.4℃;2)同化结果与遥感数据对比显示,同化结果能够将调查资料推演到完整的时空范围,并具有较好的变化趋势和精度;3)根据比对断面均方根误差分析,调查资料中两个比对断面温度间的均方差误差为3.8℃,而同化结果与实测数据的均方根误差低于0.6℃,说明同化方法有效地降低了调查资料中的同步性误差;4)海表平均温度分析显示,同化结果能够避免调查不同步引起的各种温度斑块,并且其温度分布和锋面结构能够更如实地反映实际情况。     

3套不同的SST再分析数据与中国近海浮标观测的对比研究

基于自然资源部浮标数据，通过分析均值差、均方根误差、相关系数和标准差偏差4个统计量，检验了2018年7月1日至8月6日全时段及该时段内3个台风（1808号台风“玛利亚”、1810号台风“安比”、1812号台风“云雀”）过境期间，3套海表面温度（Sea Surface Temperature，SST）再分析资料（OISST、OSTIA SST、RTG SST）在中国近海区域的可靠性。对比结果表明，在全时段内，3套SST再分析资料都能在一定程度上反映中国近海SST的基本状况，其中OSTIA SST资料同浮标实测SST数据的均值差为0.12℃、相关系数为0.94，均优于OISST资料（均值差为–0.85℃、相关系数为0.90）和RTG SST资料（均值差为–0.17℃、相关系数为0.86）。通过对比单个浮标数据发现，相较约80%的MF浮标实测SST数据，OSTIA SST资料都显著优于RTG SST资料和OISST资料，具有较高的可信度。在台风过境期间，较之RTG SST资料和OISST资料，OSTIA SST资料同大部分浮标实测数据的均值差绝对值及均方根误差更小、相关系数更大，表明在高海况条件下，OSTIA SST资料能更真实地反映中国近海SST的基本状况。     

基于DINEOF的风云极轨气象卫星海表温度重构方法研究

海表温度是表征海洋表层热力状况的重要海洋参数,日均全天候覆盖的海温观测数据可为服务台风监测及其他海洋灾害时空演变的精细化预报提供数据支撑。可见光红外扫描辐射计和中分辨率光谱成像仪反演的海温产品具有较高的空间分辨率,但是红外遥感反演的海温产品受到云、雾和霾的影响,在云下存在大面积、无规律的缺值;微波辐射计反演的海温产品空间分辨率低,但可穿透云层,实现全天候海温观测。本文基于风云三号B、C、D三颗极轨气象卫星红外和微波遥感仪器反演的海温资料,利用经验正交函数插值法(DINEOF)重构得到全球海表温度产品。与全球分析场日平均海温OISST数据进行比较可知：原始海温资料的均方根误差为0.59~0.70℃,DINEOF重构后海温资料均方根误差降至0.10~0.34℃;相关系数从0.33~0.48提升到0.78~0.98。多传感器重构海温数据空间分布上连续可信,能够监测不同季节的海温变化特征及暖池空间模态。风云三号气象卫星微波遥感的加入显著提升了重构海温的空间连续覆盖率和时间分辨率。     

HY1C/1D海表温度对Terra/Aqua产品的可替代性分析

通过卫星遥感获取的海表温度（SST）产品已经成为海洋和大气研究中的重要数据源,我国海洋水色遥感卫星（HY1C和HY1D）的海洋水色水温扫描仪（COCTS）具有两个热红外通道,可反演全球SST遥感产品。对比Terra和Aqua卫星的中分辨率成像光谱仪（MODIS）的SST产品,分析COCTS海表温度产品对MODIS相应产品的可替代性。比较了两种卫星的全球SST单日和月平均融合产品的图像空间结构,分析了匹配像元SST值的离散度,统计了HY1C/1D的误差结果,讨论了HY1C与HY1D产品的一致性、不同质量控制方案对SST产品影响以及遥感产品质量对昼夜SST变化研究影响等问题。结果表明,以2020年6月SST(Terra)为真值,HY1C白天SST的单日全球遥感产品的平均偏差、绝对偏差、均方根误差和相关系数分别为0.04℃、0.60℃、0.78℃和0.98,夜晚SST的单日全球遥感产品的平均偏差、绝对偏差、均方根误差和相关系数分别为-0.16℃、0.78℃、0.95℃和0.86。以2020年6月SST(Aqua)为真值,HY1D白天SST的单日全球遥感产品的平均偏差、绝对偏差、均方根误差和相...     

2016年中国沿海海平面上升显著成因分析及影响

使用中国沿海及西北太平洋区域的水位、海温、气温、气压和风等水文气象资料，详细分析了2016年中国沿海海平面显著升高的成因及影响。分析结果表明:（1）2012-2016年，中国沿海海平面处于准2 a、4 a、准9 a和准19 a周期振荡的高位，几个周期振荡高位叠加，对该时段海平面上升起了一定的作用；（2）2016年，中国沿海气温和海温较1993-2011年的平均值分别高0.7℃与0.5℃，均处于1980年以来高位；气压较1993-2011年的平均值低0.2 hPa；（3）2016年4月、9月、10月和11月，中国沿海海平面均达到1980年以来同期高位，这4个月的风场距平值在东海以南均明显偏大，且以偏南向和向岸风为主，风生流使得海水向岸堆积，沿海长时间以增水为主，对当月局部海平面上升的贡献率达到40%~80%；（4）2016年，中国沿海降水总体偏多，局部区域降水量达到历史同期最高，加上沿海径流量的增加，对沿海局部海平面升高有一定贡献；（5）2016年9-10月，有5个台风相继影响我国南部沿海，持续的风暴潮增水导致台风影响期间的海平面高于当月平均海平面70~360 mm，风暴潮和洪涝灾害给当地造成直接经济损失超过30亿元。     

OSTIA数据在中国近海业务化环流模型中的同化应用

The prediction of sea surface temperature(SST) is an essential task for an operational ocean circulation model. A sea surface heat flux, an initial temperature field, and boundary conditions directly affect the accuracy of a SST simulation. Here two quick and convenient data assimilation methods are employed to improve the SST simulation in the domain of the Bohai Sea, the Yellow Sea and the East China Sea(BYECS). One is based on a surface net heat flux correction, named as Qcorrection(QC), which nudges the flux correction to the model equation; the other is ensemble optimal interpolation(En OI), which optimizes the model initial field. Based on such two methods, the SST data obtained from the operational SST and sea ice analysis(OSTIA) system are assimilated into an operational circulation model for the coastal seas of China. The results of the simulated SST based on four experiments, in 2011, have been analyzed. By comparing with the OSTIA SST, the domain averaged root mean square error(RMSE) of the four experiments is 1.74, 1.16, 1.30 and 0.91°C, respectively; the improvements of assimilation experiments Exps 2, 3 and 4 are about 33.3%, 25.3%, and 47.7%, respectively.Although both two methods are effective in assimilating the SST, the En OI shows more advantages than the QC,and the best result is achieved when the two methods are combined. Comparing with the observational data from coastal buoy stations, show that assimilating the high-resolution satellite SST products can effectively improve the SST prediction skill in coastal regions.     

利用西北印度洋船测数据评估基于卫星的海表面温度

本文描述了一次夏季在西北印度洋进行的调查船水文测量,用船测数据评估卫星海面表温度,并寻找影响海表面温度误差的主要因素。我们考虑了两种卫星数据,第一种是微波遥感产品——热带降雨测量任务微波成像仪TMI数据,另外一种是融合了微波,红外线,以及少部分观测数据的融合数据产品——可处理海表温度和海冰分析OSTIA数据。结果表明融合数据的日平均海表面温度的平均误差和均方根误差都比微波遥感小。这一结果证明了融合红外线遥感,微波遥感以及观测数据来提高海表面温度数据质量的必要性。此外,我们分析了海表面温度误差与各项水文参数之间的相关关系,包括风速,大气温度,想对湿度,大气压力,能见度。结果表明风速与TMI海表面温度误差的相关系数最大。而大气温度是影响OSTIA海表面温度误差最重要的因素;与此同时,想对湿度与海表面温度误差的相关系数也很高。     

地形与热源强迫下的南方涛动

用El Nino和La Nina位相时的海温异常和地形作为大气下垫面的异常强迫,引入IAP的两层原始方程大气环流模式,模拟出了南方涛动的典型结构.当去掉地形后,仅仅由海温异常也能模拟出太平洋东西部的气压异常振荡,但太平洋东部振荡中心的位置并不与观测的一致.由此可见,观测到的南方涛动是在实际地形下对全球海温异常的响应.