基于Argo浮标的西太平洋SMAP卫星海表面盐度数据质量评估

以西太平洋为研究区域,利用Argo浮标表层盐度观测值(5 m)对SMAP卫星获得的2016年海表面盐度反演质量进行了评估。首先将西太平洋2016-01—12期间的每日和每月SMAP卫星SSS数据与Argo实测SSS数据进行匹配,然后利用最小二乘线性回归法对其进行相关性分析,并对误差的分布特征进行了研究。结果表明:SMAP SSS与Argo SSS之间具有极显著的正相关关系;每日Argo浮标数据(WMO ID:2901520,WMO ID:2901548)和SMAP SSS的变化趋势基本一致,前者均方根误差(RMSE)、偏差(Bias)和相关系数(r)分别为0.43, 0.34和0.71,后者RMSE,Bias和r分别为0.41,0.26和0.69;研究区域内全年RMSE值处于0～0.35,在西太平洋南部海域偏差较大,这可能是由于该海域小岛众多,缺少Argo实测数据,导致其网格化的盐度存在较大误差。除夏季外,研究区域的大部分海域,RMSE都小于0.25。在海表盐度较低的海域,两者的对比结果误差较大,该现象在夏秋两季尤为显著。     

基于深度神经网络的海表盐度反演

海表盐度（Sea Surface Salinity,SSS）是研究海洋对全球气候影响的重要参量,欧洲航天局（European Space Agency,ESA）设计研发的SMOS（Soil Moisture and Ocean Salinity）是专用于探测海水盐度的卫星之一。受射频干扰（Radio Frequency Interference, RFI）等因素的影响,SMOS卫星盐度产品的精度难以达到预期效果。为了提高SMOS卫星海表盐度产品精度,本文提出一种基于深度神经网络的海表盐度反演算法。以太平洋中部海域（150°E～180°,5°～30°N）为研究区域,利用Argo浮标实测盐度数据为参考真值,将SMOS卫星L1C、L2级产品与Argo盐度数据进行时空匹配。并根据海洋遥感和辐射传输理论,选取亮温（Brightness Temperature,TB）、海表温度（Sea Surface Temperature,SST）、降雨率（Rain Rate,RR）、波高（Significant Wave Height,SWH）、纬向风速（Zonal Wind Speed,ZWS）、经向风速（Meridional Wind Speed,MWS）和蒸发量（Evaporation,Eva）七个影响盐度的重要参数,利用K折交叉验证法,构建了深度神经网络（Deep Neural Network, DNN）模型,对SMOS卫星L2级数据进行反演。实验结果表明,利用本文算法计算得到的海表盐度数据平均绝对误差为0.159,均方根误差为0.195,均明显优于SMOS盐度产品精度,本文提出的算法能够提供更精准的海表盐度产品。     

基于海面位势高度和海表温度构建西太平洋三维温度场

提出了一个基于上一年逐月三维再分析温盐场和第二年月平均卫星观测数据,包括海表温度SST(Sea Surface Temperature),海面高度异常SLA(Sea Level Anomaly),来推算区域海洋三维温度场的方法。选取西太平洋区域作为验证算法有效的海区。该三维水域的水平海域范围设定为:30°N～50°N,140°W～180°W,水平分辨率为1°;深度方向为从海表至-1 000 m,划分为19层。重构的第一步是利用上一年的逐月的温盐场,在该三维空间的每个网格点上建立一个温度和卫星观测的海表温度、海面位势高度的回归方程。根据该回归方程和第二年的卫星观测数据可以得到第二年的该区域的三维温度场。第二步把相同月份的该区域存在的Argo温度廓线同化进重构的温度场来提高重构的精度。重构的2015、2016年的温度场和CMEMS(Copernicus Marine Environment Monitoring Service)提供的再分温度场的相关系数分别达到了0.992 9和0.991 2,均方根误差为0.79和0.89℃;在-200 m以深的区域,均方根差异小于1℃,-200 m以浅的区域,均方根差异在1～2℃。表明该重构方法是合理有效的,所以基于第一年的温盐三维数据和第二年的卫星观测的海表数据可以重构第二年的三维温度场。     

基于SMOS卫星数据的BP神经网络盐度反演模型

海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对气候影响的重要参量、是决定海水基本性质的重要因素之一。卫星微波遥感可以满足盐度研究过程中大范围、连续观测的需要。目前,由欧洲空间局设计开发的SMOS(Soil Moisture and Ocean Salinity)卫星于2009年发射成功,并且根据它的观测数据和物理机制反演出了海表面盐度的相关产品。但结果显示,在某些近海岸区域(如中国南海海域)受陆地RFI等诸多因素的影响,基于卫星遥感物理机制反演得到的盐度产品的精度较低。本文的主要目的是利用中国海洋大学"东方红2"科学考察船的走航数据、SMOS卫星数据,针对中国南海海域提出了用BP神经网络预测海表面盐度的方法,并用实测Argo浮标、WOA13的盐度数据对模型进行适应性评估。结果表明,模型产品相对于"东方红2"实测盐度数据的均方根误差(RMSE)是0.21,而SMOS的SSS1产品、SSS2产品和SSS3产品的精度分别为1.90、1.93和1.91。同时,在验证数据集中,模型预测数据相对于Argo浮标实测盐度数据的均方根误差(RMSE)是0.50,而SMOS的SSS1产品、SSS2产品和SSS3产品的精度分别为1.83、1.83和1.84。此模型具有良好的适应性和泛化能力,为海表面盐度的反演和预测提供了一个不依赖于物理机制的新方法。     

SMAP卫星海表盐度产品精度评定与全球海表盐度特征分析

海表盐度是研究海洋变化及其气候效应重要的物理量。本文将2018年SMAP卫星的月均、日均海表盐度产品分别与Argo月均网格化产品、实时散点盐度数据进行比较,评定其精度,并分析全球海表盐度分布特征。结果表明：SMAP卫星月均产品RMSE为0.17,BIAS为0.11,STD为0.17,R为0.98,t检验呈显著相关;SMAP卫星日均产品RMSE为0.28,BIAS为0.23,STD为0.26,R为0.81,相较月均产品,精度较低。SMAP卫星月均产品偏差在中纬度海域较小,在高纬度海域较大;SMAP卫星日均产品偏差在太平洋海域为-0.6~0.6,在地中海海域超过1.0。全球海表盐度在25.0~40.0之间,沿纬度方向呈带状分布,其中大西洋海表盐度普遍高于太平洋和印度洋。     

环境参数对L波段盐度计观测亮温的影响研究

星载海洋盐度计依据海表面盐度在微波波段的辐射特性,通过构建海面微波辐射探测器,利用海面辐射亮温、海表面粗糙度以及海面温度等信息反演得到海表面盐度,是实现全球海洋盐度观测的有效手段。构建合理的星载L波段盐度计辐射传输正演模型是准确定量反演海表盐度的基础,卫星盐度计观测亮温不仅与卫星固有参数有关,还与海洋、大气及空间因素密切相关。为了研究外界环境因素(海表盐度、温度、海面风场、海面气压、海表气温、大气水汽含量、降雨以及法拉第旋转角等)对盐度计观测亮温的影响,文中基于L波段盐度计辐射传输正演模型以及MPM93大气毫米波传播模型,通过敏感性分析,研究星载盐度计在不同环境条件下的参数敏感性,为减小外界因素对海表盐度反演精度的不利影响提供理论依据。     

全球海洋Argo网格数据集制作与可靠性验证

利用改进的 Barnes 逐步订正法,结合一个混合层模型,构建完成了一个新版(2004-2017 年) 全球海洋(79. 5°S~79. 5°N,180°W~180°E)Argo 三维网格温、盐度资料集及衍生数据产品。 与旧版网格数据集相比,新版数据集采用一阶近似(表层温、盐度通过混合层内温、盐度线性拟合得出)的混合层模型,改善了资料集在表层的准确性;与 WOA13 资料集、同类 Argo 资料集和锚碇浮标观测资料的可靠性检验结果表明,新版全球海洋 Argo 网格数据集提供的资料是可信的,其质量也是有充分保证的。     

最新SMOS卫星海表盐度L3/4级产品的误差分析

选取SMOS任务的2个海洋盐度专家中心(法国的CATDS-CECOS和西班牙的BEC)的5种经过再处理的新版SSS L3/4产品作为研究对象,以Argo浮标资料及WOA09资料作为参考标准,对其误差特征进行了细致的分析比较,为将其同化到海洋模式中以及用于其它海洋学的分析应用研究,提供必要的参考。主要结论如下:SMOS年平均海表盐度场与WOA09资料很接近,一些已知的重要的分布形势都有所体现;大洋中部误差较小,近陆误差大;热带误差较小,高纬地区误差较大;三大洋中太平洋均方根误差最小。随着时空分辨率的降低,SMOS SSS资料的均方根误差显著减小。检验的几种资料中,CATDS/CEC-OS处理制作的月平均海表盐度L3级产品误差最小,全球平均均方根误差(RMSE)为0.314;另外几种高分辨率产品中,除由BEC制作的简单加权平均产品均方根误差最大,全球平均0.543以外,其他3种资料的均方根误差量级相当,差异不太明显,全球平均的RMSE为0.3~0.4;BEC的两种分析产品总体上RMSE更小。     

SMAP卫星的RBF神经网络海表盐度遥感反演

针对传统海表盐度遥感反演精度不高、影响因素较少等问题,本文基于SMAP（Soil Moisture Active Passive）卫星L2C（Level 2 C）数据、Argo（Array for Real-time Geostrophic Oceanography）数据和其他辅助数据,以太平洋部分海域（160°E～120°W,0°～30°N）为研究区域,综合考虑海面粗糙度以及白冠覆盖率等参量,利用径向基神经网络建立RBF亮温增量模型,并对平静海面亮温进行修正,然后基于Meissner-Wentz介电常数模型得到反演后的盐度值。验证结果表明：模型预测盐度和SMAP卫星盐度相对于Argo实测盐度的均方根误差分别为0.4和0.5,平均绝对误差分别为0.3和0.4。实验证明,利用RBF神经网络建立的亮温增量模型可以提高海表盐度反演的精度,对海表盐度反演具有实用意义。     

基于再分析数据的南海三维温盐结构特征分析

掌握南海三维温盐场特征对于研究南海海洋动力环境及其对海洋气候变化的影响具有重要意义。基于海洋再分析数据GLORYS12V1和AVHRR OISST数据,开展了南海温盐空间分布及季节变化分析,以及海表温度对台风过程的响应特征分析。分析结果表明：南海海表温度一般为25～32℃,最高温度出现在8月的黄岩岛附近海域,海表盐度一般为32～35 psu,最高盐度出现在7月的东海附近海域;温盐垂向结构表现为表层高温低盐,随着深度增加温盐季节性变化越小。南海地区温跃层深度存在明显季节变化特征,秋冬季节温跃层深度大于春夏两季。根据“威马逊”台风期间海表温度变化特征分析海表温度对台风过程的响应,台风期间南海水体垂向混合作用增强,海表温度降温明显。     

基于梯度依赖客观分析技术的全球Argo网格化数据集:构建及初步应用

采用梯度依赖相关尺度方法构建了1套2004—2017年间,月平均的全球海洋(0~1 500 m)1°×1°的Argo数据集,并在对该数据集进行对比检验的基础上,将其初步应用于中西太平洋黄鳍金枪鱼的渔场分析研究。结果表明,所构建的Argo数据集与WOA13数据集的温、盐偏差在上表层(150 m)稍大,最大值分别约为0.5 ℃和0.1,且偏差均随深度的增加而逐渐减小;其与TAO浮标时间序列的温度偏差,2004—2017年间均小于1 ℃,最大盐度偏差则小于0.5,且大部分海域接近0。中西太平洋海域,黄鳍金枪鱼中心渔场多集中在 28~29 ℃ 等温线范围内,在 22 ℃以下的海域单位捕捞努力量渔获量(catch per unit effort,CPUE)值极小;中心渔场区温跃层上界深度范围在20~120 m之间,且中心渔场在各个深度上形成的频数大体呈正态分布,温跃层上界深度为90 m时,形成中心渔场的可能性达到最大。研究表明所构建的数据集在水文环境分析及资源评估中有一定的应用价值。     

Estimating the Isoneutral Slope and Tracer Diffusion from Argo Observations

Tracer diffusion is an important issue in ocean modeling, and isoneutral slope is key to parameterization of tracer diffusion in the ocean interior when using the isoneutral/dianeutral scheme. In this study, multiyear mean temperature, salinity, and pressure-gridded products that cover the upper 2000 m of the global ocean are created by employing all the Argo float observations up to date. Comparison with WOA09 data indicates that Argo temperature and salinity depict the reality well. Based on the reliable Argo gridded products, the in situ density fields are calculated. Then isoneutral slope in the ocean interior deep to 2000 m was determined by using the Argo-derived density. Taking advantage of isoneutral slope, therefore, diffusion tensor as well as isoneutral tracer diffusion flux can be obtained in combination of the tracer diffusion coefficient. The aim of this work is to propose a procedure to estimate the isoneutral slope using Argo observations and to offer new isoneutral slope-gridded products in the hope of further facilitating the parameterization of isoneutral tracer diffusion in geopotential (Z-coordinate) ocean models.     

基于微波遥感技术海面盐度反演方法

海面盐度(sea surface salinity,SSS)是研究海洋变化及其气候效应重要的物理量,对海洋生态环境、海洋可持续发展至关重要.为了提高海面盐度反演精度,本文通过对SMAP卫星L波段微波辐射计测量的亮温数据进行海面盐度反演研究,考虑风、浪等影响海面粗糙度的环境因子对Klein-Shift模型(简称K-S模型...     

Evaluating the contribution of satellite measurements to the re-construction of three-dimensional ocean temperature fields in combination with Argo profiles

Assimilation systems absorb both satellite measurements and Argo observations. This assimilation is essential to diagnose and evaluate the contribution from each type of data to the reconstructed analysis, allowing for better configuration of assimilation parameters. To achieve this, two comparative reconstruction schemes were designed under the optimal interpolation framework. Using a static scheme, an in situ-only field of ocean temperature was derived by correcting climatology with only Argo ...     

利用遥感SST反演上层海洋三维温度场

通过统计相关分析验证了一个简单的温度参数模型在太平洋海域的较好适用性。基于Argo观测资料及WOA09气候态温度数据,采用最大角度法求得此模型的相关参数,并利用高分辨率卫星遥感海表温度反演了太平洋上层海域空间分辨率为1°×1°的气候态月平均三维温度场。与实测资料的比较分析表明反演结果是较为真实可靠的,并可作为海洋数值模式积分的初猜场,为实现现场观测(如:Argo)与卫星观测的优势互补,构建太平洋海域完整的三维温度分析场提供一种新途径。     

基于ROMS模式的南海SST与SSH四维变分同化研究

卫星遥感观测获得了大量高分辨率的海面实时信息，包括海面温度（SST）和海面高度（SSH）等，同化进入数值模式可有效提升模拟精度。本文基于ROMS模式与四维变分同化方法（4DVAR），使用AVHRR SST和AVISO SSH数据，开展了南海区域同化实验。为检验同化的效果，分别利用HYCOM再分析资料和Argo温盐实测数据分析了同化结果的海面高度、流场及温盐剖面的精度。对比结果表明，SST和SSH的同化能够改善ROMS的模拟结果:同化后海面高度场能够更为准确地捕捉海洋的中尺度特征，与HYCOM海面高度再分析资料相比，平均绝对偏差和均方根误差分别为0.054 m和0.066 m；与HYCOM 10 m层流场相比，东向与北向流速平均绝对偏差分别为0.12 m/s和0.11 m/s，相比未同化均提升约0.01 m/s；温盐同化结果与Argo温盐实测具有较高的一致性，温度和盐度平均绝对偏差为0.45℃、0.077，均方根误差为0.91℃、0.11，单个的温盐廓线对比说明，同化结果与HYCOM再分析资料精度相当。     

Improvement of short-termforecasting in the northwest Pacific through assimilating Argo data into initial fields

The impact of assimilating Argo data into an initial field on the short-term forecasting accuracy of temper- ature and salinity is quantitatively estimated by using a forecasting system of the western North Pacific, on the base of the Princeton ocean model with a generalized coordinate system （POMgcs）. This system uses a sequential multigrid three-dimensional variational （3DVAR） analysis scheme to assimilate observation da- ta. Two numerical experiments were conducted with and without Argo temperature and salinity profile data besides conventional temperature and salinity profile data and sea surface height anomaly （SSHa） and sea surface temperature （SST） in the process of assimilating data into the initial fields. The forecast errors are estimated by using independent temperature and salinity profiles during the forecasting period, including the vertical distributions of the horizontally averaged root mean square errors （H-RMSEs） and the horizontal distributions of the vertically averaged mean errors （MEs） and the temporal variation of spatially averaged root mean square errors （S-RMSEs）. Comparison between the two experiments shows that the assimila- tion of Argo data significantly improves the forecast accuracy, with 24% reduction of H-RMSE maximum for the temperature, and the salinity forecasts are improved more obviously, averagely dropping of 50% for H-RMSEs in depth shallower than 300 m. Such improvement is caused by relatively uniform sampling of both temperature and salinity from the Argo drifters in time and space.