我国近海1992-2006年海平面变化的小波分析

用14年多的多颗测高卫星同化海面异常数据,分析我国近海海平面信号变化特征,结果显示年周期信号在我国海域海平面变化中占有主导地位。其次,半年周期信号在南海也有较强显示,而黄海和东海则表示为高频信号,半年起伏及高频信号的周期和振幅均不稳定。首次在南海和东海海域发现存在一周期为准540 d的信号,其物理机制尚不明确。用标准Morlet小波变换方法对上述周期信号进行了提取。验潮站数据也证实了该信号的存在。海面异常分析结果显示在1993~2007年期间,我国海平面平均升高速率:黄海为(4.01±0.49)mm/a,东海为(4.61±0.35)mm/a,南海为(3.68±0.41)mm/a。海平面上升趋势地理分布结果显示海平面变化具有很大的空间差异性。     

中国近海1992～1998海平面变化监测与分析

利用Topex/Poseidon和ERS-1卫星测高资料采用“共线”法计算出1992-10～1998-06中国近海海域海平面及其变化。在扣除T/P卫星测高仪的零点漂移影响后,发现与全球海平面上升率(+2.1±1.3)mm/a相比,不同海域的海平面变化趋势大不相同,黄、东、南海的海平面年变化率分别为：(+3.44±0.61)mm/a,(+3.12±0.47)mm/a,(-1.41±0.48)mm/a。从海平面变化异常中可以看出1993,1994,1997～1998年3次El Nino异常对中国近海海域海平面的影响是南海海域最大,东海次之,黄海最小。除了对海平面进行传统的频谱分析外,还进行了多分辨率的小波分析,还发现在上述3个海域中除了年周期变化较为稳定外,半年及季节(100 d)周期项存在着时间漂移。此外,在上述3个海域还存在着明显的两个月(62 d)周期的变化,其激发原因在此做了初步探讨。     

四、海洋测量学

CH20002412 中国近海1992～1998海平面变化检测与分析/王海瑛(中国科学院测量与地球物理研究所)…∥测绘学报.—2000,29(增刊).—32～37利用 Topex/Poseidon 和 ERS-1卫星测高资料采用“共线”法计算出1992.10～1998.06中国近海海域海平面及其变化。在扣除 T/P 卫星测高仪的零点漂移影响后,发现与全球海平面上升率(+2.1±1.3)mm/a 相比,不同海域的海平面变化趋势大不相同,黄、东、南海的海平面年变化率分别为(+3.44±0.61)mm/a.(+3.12±0.47)mm/a,(-1.41±0.48)mm/a。从海平面变化异常中可以看出1993.1994,1997～1998年3次 EINino 异常对中国近海海域海平面的影响是南海海域最大,东海次之,黄海最小。除了对海平面进行传统的频谱分析外,还进行了多分辨率的小波分析,还发现在上述3个海域中除了年周期变化较为稳定外,半年及季节(100d)周期项存在着时间漂移。此外,在上述3个海域还存在着明显的两个月(62d)周期的变化,其激发原因在此做了初步探讨。图3表2参7     

联合多代卫星测高数据构建中国近海及邻域海平面异常序列

首先给出海面高的计算方法,并引入基于高斯滤波的粗差探测方法,有效地剔除了各弧段测高数据存在的粗差。通过对3颗卫星同步运行段测高数据的分析,得到3组数据在中国近海及邻域的平均偏差分别为:Jason-1相对T/P需改正-8.77 cm;Jason-2相对Jason-1需改正-7.33 cm,两者均小于其在全球海域的改正值。以T/P测高数据所得平均海平面为基础,利用改正后的Jason-1、Jason-2数据,得到该海域18年海平面异常时间序列,海平面平均上升速率约为4.9 mm/a。分别对中国近海各海域海平面异常时间序列进行分析,得到渤海、黄海、东海及南海的海平面平均上升速率分别为:2.5 mm/a、3.2 mm/a、3.6 mm/a和6.2 mm/a。将所得每周期离散正常点的观测数据格网化,然后逐格网计算海平面异常时间序列,得到研究海域18年来海平面异常平均上升速率的分布情况。结果表明,研究海域海平面上升速率高于全球平均水平。     

中国近海TOPEX/Poseidon卫星测高海平面变化的CPCA分析

用复主成分分析方法，对中国近海TOPEX／Poseidon卫星6年的测高的海平面变化资料进行了分析，给出了中国南海，黄海和东海的海平面变化的空间和时间分布特重征，利用小波方法分析了主要主成分时间变化序列的时－频特征，分析结果表明，主要主成分的空间分布特征与海洋环充相对应，南海，黄海和东海的海平面变化存在显著的年际和2个月的非稳态振荡信号，南海具有较明显的半年周期信号，而黄海和东海的半年周期信号不明显。     

基于T/P卫星测高数据的海平面变化研究

本文以T/P系列卫星测高数据为研究基础,对各月份数据进行共线处理,对各交叉点进行平差,从而得到海面高,然后对海面高程异常值进行计算,通过对T/P卫星同时在轨阶段测高数据进行综合分析分析,得到中国近海及邻域的平均偏差数据,分别是T/P与Jason-1的差值为-11.76 cm,Jason-1与Jason-2的差值为9.60 cm,Jason-2与Jason-3的差值为2.42 cm,并进行海面高异常改正,建立了研究海域25年的海面高异常序列.对得到海面高异常序列进行分析,得到黄海、东海的海平面上升速率分别为2.68、2.88 mm/a.     

1993～2015年中国南海海平面变化的初步研究

利用多代卫星测高资料,采用线性回归、傅里叶变换、经验模态分解(EMD)算法等,对1993~2015年中国南海海平面变化的规律进行分析。结果表明,近23 a来,中国南海海平面总体呈现明显上升趋势,平均上升速率为2.4 mm/a,具体上升速率呈现先上升后下降趋势。中国南海海平面存在显著的年际和年代际变化,其主要变化周期有1 a,0.5 a,1.5 a,2~3 a,4~7 a,其中最显著的为1 a周期信号,夏秋季节海平面高度较高,春冬季节较低。     

联合卫星重力、卫星测高和海洋资料研究全球海平面变化

利用GRACE、卫星测高和海洋实测温盐数据,探讨了2003~2012年间全球海平面、比容海平面和海水质量等的变化特征,并讨论了南极冰盖和格陵兰冰盖消融对全球海平面变化的影响。全球海平面整体呈上升趋势,上升速度为2.72±0.07 mm/a,且存在显著的空间分布特征。全球海平面、比容海平面和海水质量等的变化还具有显著的季节性特征,其中全球海平面变化的年周期振幅为4.6±0.3 mm。使用经验正交函数分析(EOF)得到全球海平面和比容海平面的季节性变化在南北半球存在显著的差异,但海水质量季节性变化不存在这种差异。南极冰盖和格陵兰冰盖的消融速率分别为-75.7±12.3 Gt/a和-124.1±2.9 Gt/a,对海平面的长期趋势项贡献分别为0.21±0.03 mm/a和0.34±0.01 mm/a,仅占全球海水质量增加速度1.80±0.10 mm/a的12%和19%,总计占31%,因此,两极冰盖质量消融并不是2003-2012年间海水质量增加的最主要因素。     

利用卫星测高与验潮站数据监测越南近海海平面变化

利用卫星测高和验潮站资料计算分析了越南近海海平面变化。结果表明,两种数据得到的海平面变化过程具有很好的同步性,其中,由测高数据计算得到的1993-2015年越南近海整体上升速率为3.18 mm/a,沿岸验潮站海平面上升速率为4.1 mm/a。在整个验潮站观测时段,越南沿海海平面呈上升趋势,平均上升速率为3.02 mm/a。越南近海海平面表现为较强的季节性特征,在红河和湄公河三角洲沿岸地区,极易受到风暴潮和洪水等季节性气候的影响。     

近海海平面变化成因分析

近海海平面上升直接威胁人类生存,分析其成因不仅具有重要科学意义,而且能够为应对海平面上升提供相应策略。使用卫星测高、时变重力以及浮标观测研究2002—2020年近海300 km内海平面变化成因。由于时变重力在近海受到较为严重的泄漏误差影响,使用时变重力约束解模拟陆地质量变化对海洋质量的泄漏,其线性趋势约为0.68 mm/a。在季节和非季节尺度上,时变重力和浮标观测解释了卫星测高的结果,证明近海海平面平衡方程在季节和非季节时间尺度上能够被闭合。在长期变化趋势方面,卫星测高显示近海海平面上升速率为3.32±0.45 mm/a,而时变重力与浮标观测之和的速率为2.25±0.51 mm/a,两者之间存在约1 mm/a的速率差。鉴于该速率差高于估计的不确定度,认为当前在闭合近海海平面平衡方程长期趋势方面仍存在不小挑战,一方面近海比容实测数据较为稀少,很可能低估了长期趋势变化;另一方面,不完善的泄漏误差改正和陆地垂直运动改正也会影响近海海平面长期趋势变化。     

Influence of tide models on the use of altimetry data to research sea level anomaly

A tide model (named DN1.0), which contains 12 principal constituents over China seas and the Northwest Pacific is estimated by along-track harmonic analysis with TOPEX/Poseidon altimetry data taken from 1993 to 2002. CSR3.0, FES95.2 and DN1.0 are used respectively to detide the data for the time series of sea level anomaly (SLA) in the Yellow Sea, East China Sea, South China Sea and Northwest Pacific. The SLA curves and the power spectral density show that the major components that exist in SLA in China seas arise from the error of the tide models.     

Influence of Tide Models on the Use of Altimetry Data to Research Sea Level Anomaly

A tide model (named DN1.0), which contains 12 principal constituents over China seas and the Northwest Pacific is estimated by along-track harmonic analysis with TOPEX/Poseidon altimetry data taken from 1993 to 2002. CSR3.0, FES95.2 and DN1.0 are used respectively to detide the data for the time series of sea level anomaly (SLA) in the Yellow Sea, East China Sea, South China Sea and Northwest Pacific. The SLA curves and the power spectral density show that the major components that exist in SLA in China seas arise from the error of the tide models.     

潮汐模型对利用卫星测高数据研究海平面变化的影响

利用T/P测高数据反演了中国近海及西北太平洋海域的潮汐参数,构造了CSR3.0、FES95.2和T/P反演的海潮模型改正下的海面高时间序列,通过海面高变化曲线及功率谱的比较确定了利用测高数据发现的海平面季节内变化主要是潮汐模型误差的贡献.     

Characterization of spatial and temporal variation of suspended sediments in the Yellow and East China Seas using satellite ocean color data

Total suspended sediment (TSS) data concentrations are retrieved from two sets of satellite ocean color data (the Moderate Resolution Imaging Spectroradiometer (MODIS) onboard Aqua and the Korean Geostationary Ocean Color Imager (GOCI)) using an existing regional model to characterize spatial and temporal variation of TSS in the Yellow and East China Seas. MODIS-derived TSS maps show that TSS concentrations are, in general, high along the Korean and Chinese coasts including the Bohai Sea and the Yangtz River estuary, and lower in the middle of the Yellow Sea and the southeastern area of the East China Sea. The monthly average of 10-year MODIS data reveals that TSS values are highest during winter (January to February) and lowest in summer (July to August). Short-term TSS concentrations retrieved from GOCI data showed the dominant influence of semi-diurnal tidal changes on sediment dynamics through temporal (hourly) and spatial distribution in coastal zones of the Yellow sea. The results presented here demonstrate that the satellite-derived TSS products can be utilized as an application tool for future studies on long- and short-term sediment dynamics of turbid coastal waters. In particular, GOCI observations provide unique important capabilities to characterize and quantify the water properties at high temporal (hourly) and spatial (0.5 km) resolutions in the turbid coastal waters of the Yellow Sea and its vicinities.     

Sea-Level Change Over the China Sea and Its Vicinity Derived from 25-Year T/P Series Altimeter Data

The characteristics of sea-level change in the China Sea and its vicinity are studied by combining TOPEX/Poseidon (T/P), Jason-1, Jason-2, and Jason-3 altimeter data. First, the sea-surface height is computed by using monthly data via collinear adjustment, regional selection, and crossover adjustment. The sea-level anomaly (SLA) from October 1992 to July 2017 is calculated based on the difference that is obtained by the value derived from the inverse distance weighting method to interpolate the CNES_CLS15 model value at a normal point. By analyzing the satellite data at the same time in orbit, three mean bias groups over the China Sea and its vicinity are obtained: the difference between T/P and Jason-1 is ??11.76 cm, the difference between Jason-1 and Jason-2 is 9.6 cm, and the difference between Jason-2 and Jason-3 is 2.42 cm. To establish an SLA series for 25 years in the study area, the SLAs are corrected. Mean rate of sea-level rise of the Bohai Sea, Yellow Sea, East China Sea, and South China Sea of 4.87 mm/a, 2.68 mm/a, 2.88 mm/a, and 4.67 mm/a, respectively, is found by analyzing the series of SLAs.     

相对海平面变化时段选择效应分析

验潮站观测的海面高度数据是监测海平面变化以及确定平均海面的重要基础观测信息,利用滑动时段法和时段累积法对验潮站不同观测时段相对海平面变化速率的差异进行了分析,讨论了时段选择效应对计算相对海平面变化的影响,并利用美国东海岸验潮站观测数据对分析结果进行了补充实验。实验结果表明,不同观测时段相对海平面变化速率差异最大可达27.5 mm/a,相邻年份逐年滑动结果的最大互差可达7.1 mm/a;随着观测时段年数的累积,相对海平面变化速率增加,为了获得0.5 mm/a中误差精度的相对海平面变化速率,验潮站需要的观测年数为22~28 a;而要获得0.2 mm/a中误差精度的相对海平面变化速率,则需要40~54 a的观测年数,这与使用美国验潮站观测数据的补充实验结论一致。     

联合卫星测高、GRACE、海洋和气象资料研究南海海水质量变化

首先利用重力恢复与气候实验（gravity recovery and climate experiment,GRACE）卫星重力、卫星测高和海洋温盐数据分析了2003-2012年间南海海水质量的变化特征,进而结合海洋和气象资料探讨了厄尔尼诺和南方涛动（El Ni?o-Southern Oscillation,ENSO）、净淡水通量、海水体积输送和陆地径流在此期间对南中国海海水质量变化的影响。研究结果表明,南海海水质量变化主要受海面净淡水通量和海水体积输送的联合调制影响,周边陆地径流对其影响有限。南海海水质量季节性变化显著,且具有明显的长期增加趋势;ENSO通过改变降水和黑潮自吕宋海峡流入南海的水量影响南海海水质量,使得南海海水质量存在着显著的具有ENSO特征的年际变化。     

Sea Surface Height Variability in the Tropical Indian Ocean: Steric Contribution

Variability of Sea level and its steric contribution in the Tropical Indian Ocean (TIO) was studied based on 15?years (1993?C2007) satellite altimeter observations of sea surface height (SSH) anomaly and steric height (STH) anomaly computed using temperature and salinity fields obtained from Simple Ocean Data Assimilation (SODA) product. Complex Empirical Orthogonal Function (CEOF) analysis was carried out to decompose variability of SSH and STH into various modes to examine the coherency between them. It is revealed that both the parameters exhibit variability in all the time scales. First three major modes of CEOF corresponds to 90% and 84% of the total variability of SSH and STH respectively. There exists strong coherence between the respective CEOF modes of SSH and STH. The first mode of CEOF contributes around ~50% of the total signal corresponds to the annual cycle exhibit large variability in the western Arabian Sea along the Somali and Arabia Coast, latitudinal strip between 2 and 10°N extending from Somali-coast to the west coast of India, coastal oceans around India, and the south eastern TIO. The second CEOF with 25% of total signal contains mixed signature of intra-seasonal and inter-annual periodicities. This exhibit large amplitude in the central south TIO, western and eastern parts of Equatorial Indian Ocean (EIO). Computed long term linear growth rate of sea level anomaly suggests that increase of sea level varies from small (1?C3?mm?yr^?1) in the north TIO to large (8?mm?yr^?1) in the south TIO. Further analysis suggests that SSH trend in the south TIO was mostly governed by steric contribution while the variability of SSH trend in the north TIO could be explained partially by the variability in STH.