MPI环境下基于边界校正方法的海洋模型的并行化

基于区域分解技术,设计了一种针对海洋模型的边界校正方法,该方法不需要对原有海洋模型进行较大改动,只需要利用消息传递接口(message passing interface,MPI)编写子区域间的数据传输模块,即可实现原有海洋模型的并行化。相对于重新开发并行系统,该方法能够较快把原有模型的串行解决方案转化为并行解决方案,并且并行化后的海洋模型能够获得较高的加速比。     

基于SODA数据集的南海海表面盐度分布特征与长期变化趋势分析

盐度是南海物理环境的重要组成部分之一,盐度的变化对南海的水动力环境有重要影响。利用1972-2010年的SODA数据集的5.01 m层月平均数据,分析南海海域海表面盐度的时空分布特征,采用基于最小二乘法的线性拟合分析南海海表面盐度的长期变化趋势。结果表明南海海域的海表面盐度在39 a间90%以上区域均呈现盐度下降趋势,整个海域SSS则以每年0.005 88 psu的速率下降,春季SSS下降速率最大为0.006 4 psu/a,夏季SSS下降速率在四季中最小为0.005 19 psu/a。     

基于World Wind的海洋数据可视化研究

以World Wind提供的类和接口为基础,设计、开发了栅格图面图元、矢量箭头和等值线生成算法,并进行了可视化实现。此外,还实现了基于三维地形的多层叠加图。不仅提高了可视化效率,还丰富了World Wind的海洋数据可视化表现形式。研究开发的海洋数据可视化算法,能够满足实际应用需求,并已成功应用到南海海洋信息服务系统中。     

ENSO与COWL对全球气温影响分析

影响全球气温变化的因素主要有人类活动、自然以及气候系统内部变率等3个方面。主要运用低通滤波法,分析了气候系统内部变率因素中ENSO和COWL因子对全球气温演变趋势的影响,并建立了分离模型。     

南海及周边海域风浪流耦合同化精细化数值预报与信息服务系统简介

面向社会需求,建立覆盖南海及周边海域的高分辨率风-浪-流耦合同化数值预报与信息服务系统。系统包含耦合同化数值预报模式、海洋动力环境数据库与可视化平台两部分。其中,耦合同化数值预报模式由中尺度大气数值预报模式、海浪数值预报模式和区域海洋环流数值模式,在C-Coupler耦合器中进行耦合,引入集合调整Kalman滤波同化模块,在耦合预报前进行大气、海浪和海流的同化后报模拟,为耦合预报模式提供更为精确的初始场。预报结果经海洋动力环境数据库和可视化平台处理后,通过二维和三维可视化展示,向用户提供直观的南海及周边海域海洋环境预报产品。     

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。     

Surface thermal centroid anomaly of the eastern equatorial Pacific as a unified Niño index

By analyzing the variability of global SST(sea surface temperature) anomalies,we propose a unified Ni o index using the surface thermal centroid anomaly of the region along the Pacific equator embraced by the 0.7°C contour line of the standard deviation of the SST anomalies and try to unify the traditional Ni o regions into a single entity.The unified Ni o region covers almost all of the traditional Ni o regions.The anomaly time series of the averaged SST over this region are closely correlated to historical Ni o indices.The anomaly time series of the zonal and meridional thermal centroid have close correlation with historical TNI(Trans-Ni o index) indices,showing differences among El Ni o(La Ni a) events.The meridional centroid anomaly suggests that areas of maximum temperature anomaly are moving meridionally(although slightly) with synchronous zonal movement.The zonal centroid anomalies of the unified Ni o region are found helpful in the classification of the Eastern Pacific(EP)/Central Pacific(CP) types of El Ni o events.More importantly,the zonal centroid anomaly shows that warm areas might move during a single warming/cooling phase.All the current Ni o indices can be well represented by a simple linear combination of unified Ni o indices,which suggests that the thermal anomaly(SSTA) and thermal centroid location anomaly of the unified Ni o region would yield a more complete image of each El Ni o/ La Ni a event.     

海表面盐度的高精度预测模型

为了建立高精度的海洋表面盐度预测模型,采用BP神经网络的方法,针对SMOS卫星level 1C级亮度温度数据和辅助数据建立了一种海表面盐度预测模型,以ARGO浮标观测值作为海表盐度实测值来检验新模型预测结果的准确度,同时利用验证集对模型的精度进行验证。结果表明:通过新模型预测的海表盐度(SSS0)比SMOS卫星的3个粗糙度模型盐度产品(SSS1,SSS2,SSS3)精度高;SSS0,SSS1,SSS2,SSS3与ARGO浮标实测盐度(SSS ARGO)的均方根误差分别为0.8473,2.0417,2.0288和2.0805,平均绝对误差分别为0.7553,1.4226,1.4216和1.4566,SSS0与SSS ARGO的均方根误差和绝对平均误差值都明显小于SSS1,SSS2和SSS3与SSS ARGO的;由此可见,建立的海表盐度预测模型精度较高。新模型为海表盐度的反演算法提供了新思路。     

基于机器学习的SMAP卫星海表盐度反演

针对传统海表盐度的物理机制反演模型拟合过程复杂且反演精度不高等问题,借助大范围、全天时、L波段探测的SMAP卫星微波海洋遥感产品,以北太平洋(135°～165°E,15°～45°N)范围为研究海域,利用深层神经网络(Deep Neural Network,DNN)和支持向量机(Support Vector Machin...     

全球海表温度变化特征分析

使用一维连续小波变换方法,分析了1880～2011年全球海洋表面温度平均异常时间序列的变化特征;探讨了全球以及半球在不同时间尺度上的变化、突变点以及一致性;清晰地获得了海温在不同时间层次上的分布和冷暖交替情况。另外,在大尺度上全球海洋表面温度有80 a和40 a附近的2个年代际周期,在中尺度上存在一个12 a和一个19 a的周期,在小尺度上存在一个4～6 a的主周期。