印度洋混合层盐度季节变化机制研究

本文利用Argo盐度、SODA海流量、OAFlux蒸发量和TRMM降水量等数据,采用盐度收支方程定量给出了印度洋混合层盐度的收支,揭示了整个印度洋净淡水通量项、平流项、垂向卷夹项的分布、季节变化特征及其对混合层盐度变化的主要贡献。结果表明,就多年平均而言,平流项负贡献（15.14%）大于正贡献（9.89%）,说明平流输送把低盐水输送到高盐海域,导致印度洋高盐海域混合层的盐度降低。净淡水通量项的分布和季节变化与降水量基本一致,且正贡献（13.70%）大于负贡献（7.81%）,说明净淡水通量项使印度洋的混合层盐度升高（因为多年平均蒸发量大于降水量）。盐度季节变化显著海域的进一步分析表明,6?11月,西南季风漂流把赤道西印度洋的低盐水（相对阿拉伯海高盐水而言）输送到阿拉伯海西部海域,导致该海域的盐度降低。平流输送把孟加拉湾湾口和中部的高盐水带到北部海域,是导致北部海域盐度升高的主要原因。     

海州湾春季皮氏叫姑鱼栖息地适宜性研究

根据2011年及2013-2015年春季在海州湾及其邻近海域进行的底拖网调查数据,结合同步采集的底层水温、底层盐度、水深以及资源密度等数据,开展皮氏叫姑鱼（Johnius belangerii）栖息地适宜性的相关研究。利用提升回归树（boosted regression tree,BRT）模型确定各环境因子的权重,分别采用算术平均法（AMM）和几何平均法（GMM）建立栖息地适宜性指数（habitat suitability index,HSI）模型,并通过交叉验证确定最优模型。结果表明,皮氏叫姑鱼幼体最适栖息的底层水温为17.4~18.0℃,底层盐度为29.2~30.8,水深为7 m以浅;成体最适栖息的底层水温为17.3~18.0℃,底层盐度为28.8~30.8,水深为12 m以浅。根据BRT模型的输出结果显示,对皮氏叫姑鱼幼体总偏差贡献率最大的是水深,其次是底层盐度和底层水温;对成体总偏差贡献率最大的是底层水温,其次是水深和底层盐度。通过交叉验证发现,无论幼体还是成体,运用GMM算法,且赋予权重的HSI模型具有较低的赤池信息准则值（akaike information criterion,AIC）。海州湾春季皮氏叫姑鱼的最适栖息地随生长阶段而变化,幼体的最适栖息地（HSI ≥ 0.7）主要分布在7 m等深线以浅的山东、江苏沿岸海域;成体的最适栖息主要分布于12 m等深线以浅的海域。海州湾春季皮氏叫姑鱼幼体和成体最适栖息地的空间分布与其自身的生态习性、外界环境因子以及黄海冷水团、近岸沿岸流等因素密切相关。     

两类强度厄尔尼诺和拉尼娜事件对中国近海鲐鱼栖息地的影响

鲐鱼是中上层鱼类,具有较高经济价值,其种群受到气候和海洋环境的显著影响。本文根据2006-2015年7-9月中国远洋渔业数据中心提供的中国近海鲐鱼捕捞和海表温度以及海面高度两个关键环境因子的数据,构建了基于捕捞努力量的鲐鱼综合栖息地指数模型,分析研究了在不同强度厄尔尼诺和拉尼娜条件下鲐鱼栖息地适宜性的变动规律。通过计算和交叉验证,结果发现,基于算术平均法的栖息地模型能够较好地预测鲐鱼渔场栖息地适宜性指数。空间相关性结果表明,鲐鱼渔场主要作业海域范围内海表温度异常与栖息地指数值呈显著正相关关系,而海表面高度异常与栖息地指数值呈显著负相关关系。不同强度厄尔尼诺和拉尼娜事件对鲐鱼种群影响不同,具体表现为:相对于中强度厄尔尼诺事件（或中强度拉尼娜事件）,超强厄尔尼诺事件（或强拉尼娜事件）驱动鲐鱼主要作业海域内温度下降（或上升）,海面高度上升（或降低）,鲐鱼渔场适宜栖息地面积显著减小（或增大）,导致鲐鱼单位捕捞努力量渔获量骤减（或显著增加）。研究表明,中国近海鲐鱼栖息地适宜性与厄尔尼诺和拉尼娜事件显著相关,且随着异常气候事件强度的不同而发生变化。     

热带印度洋降水、蒸发的时空特征及其对海表盐度的影响

本文利用降水、蒸发等资料分析热带印度洋年降水量、蒸发量、净淡水通量的分布特征,并选取4个典型海域来分析降水量、蒸发量、净淡水通量的季节变化和年际变化。结果表明:东印度洋的苏门答腊岛西部海域年降水量最大,季节变化较小,属全年降雨型;孟加拉湾的东北部和安达曼海的北部海域年降水量较大,其年际变化以4.2 mm/a的速率增长,强降水出现在5-9月;阿拉伯海的西部海域年降水量较小;南印度洋东部（20°~30°S,80°~110°E）海域年降水量较小,年蒸发量较大,年蒸发量在2000年之前以5.1 mm/a的速率增长,之后以4.5 mm/a的速率减小。本文还采用Argo盐度等资料探讨降水、蒸发对海表盐度的影响,研究结果表明:降水量远大于蒸发量的海域,海表盐度较低;降水量远小于蒸发量的海域,海表盐度较高。表层水平环流是导致高净淡水通量中心与低盐中心并不重合的主要原因,也是导致强蒸发中心与高盐中心并不重合的主要原因。选取的4个典型海域海表盐度的季节变化与净淡水通量关系不大,而是与表层水平环流有关。孟加拉湾强降水对表层盐度的影响显著,强降水发生后表层盐度降低0.2~0.8,其影响深度为30~50 m。     

海州湾秋季细条天竺鲷栖息地适宜性研究

基于2011年和2013—2018年秋季在海州湾海域进行的底拖网调查数据,结合同步采集的底层水温、底层盐度、水深、底质类型等环境数据,研究了该海域细条天竺鲷(Apogon lineatus)的空间分布特征和栖息地适宜性。利用提升回归树(BRT)确定各环境因子的权重,分别采用几何平均法(GMM)和算术平均法(AMM)构建栖息地适宜性指数(HSI)模型,并通过交叉验证确定最优模型。研究表明,海州湾秋季细条天竺鲷最适栖息的水深为19.0～37.5 m,盐度为31.4～32.0,水温为22.8～27.0℃,最适底质类型为粉砂质砂,其最适栖息地的分布范围在34.4°N—36.0°N、119.7°E—121.5°E海域。本研究发现,海州湾细条天竺鲷最适栖息地的分布与其自身生态习性、外界环境密切相关,其中对其栖息地适宜性影响最大的因子是水深,其权重为49.62%,其次是底层水温(22.67%)、底层盐度(15.76%)和底质类型(11.95%)。通过交叉验证发现,基于GMM算法且赋予权重的HSI模型具有较低的赤池信息准则(AIC),是最优的模型。本研究为海州湾细条天竺鲷资源的保护和合理利用提供了科学依据。     

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。     

海洋水平环流输送对印度洋表层盐度的调整机制

本文利用Argo表层盐度、OSCAR海流等数据,基于盐度收支方程的平流输送项来阐述海洋平流输送对热带印度洋表层盐度的调整作用;利用淡水输运量计算公式揭示6条关键断面海洋平流输送对表层盐度空间结构的调整机制。结果表明,海洋平流将赤道西印度洋和阿拉伯海的高盐水输送到低盐海域的赤道东印度洋和孟加拉湾、安达曼海;将赤道东印度洋和孟加拉湾、安达曼海的低盐水输送到高盐海域的赤道西印度洋、阿拉伯海以及赤道南印度洋海域,起到了调整印度洋盐度基本平衡的作用。断面淡水输运量的分析结果表明,导致苏门答腊岛西部海域的强降水中心与低盐中心不重合,澳大利亚西部海域的强蒸发中心与高盐中心不重合的主要原因是水平环流所致;夏季,来自赤道西印度洋和阿拉伯海的高盐水在西南季风环流的驱动下,入侵孟加拉湾,是导致孟加拉湾夏季表层盐度较高的主要原因。     

不同辐射背景下大西洋热盐环流下 沉区混合层深度变化

基于政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)4种最新辐射强迫情景,利用ECHAM5/MPI-OM(European Centre Hamburg Model 5/Max Planck Institute Ocean Model)气候模式输出的1850—2300年逐月混合层深度、海表面温度、海表面盐度数据,分析大西洋热盐环流下沉区混合层深度的变化情况。结果表明:随辐射强迫增加,热盐环流下沉区混合层深度下降,混合层深度振荡周期在格陵兰-冰岛-挪威海(Greenland Sea–Iceland Sea–Norwegian Sea,GIN)海域减小,在拉布拉多海(Labrador Sea,LAB)海域变化不大;与GIN海域相比,LAB海域混合层深度对辐射强迫变化更敏感;两海区温度对混合层深度的影响时间较长,混合层深度对盐度的变化反应迅速;混合层深度变化的主导因素在LAB海域中为盐度,而在GIN海域,低辐射强迫下温度主导混合层深度变化,中高辐射强迫下温度与盐度共同起主导作用。     

海洋混合层深度时空分布及其与风、浪参数的相关性分析

本文应用一个经验证的全球尺度FVCOM海浪模型,模拟了2012年全球海洋海浪场的分布和演变,分析了海表面风场、海浪场与混合层深度的全球尺度分布及相关性。综合观测资料和模型结果显示,海表面10 m风速、有效波高与混合层深度的全球尺度分布随季节发生显著的变化,并且其分布态势存在明显的相似性。从相关系数的全球分布来看,海表面10 m风速在印度洋低纬度海区（纬度0°~20°）与混合层深度间有较强的相关性,相关系数大于0.5;有效波高与混合层深度间相关系数大于0.5的网格分布在北半球高纬度海区和印度洋北部。谱峰周期与混合层深度间在部分海区存在负相关关系,这些网格主要分布在低纬度海区（纬度0°~30°）。统计结果显示,有效波高、海表面10 m风速和谱峰周期与混合层深度间的平均相关系数分别为0.31、0.25和0.12。综合以上结果表明,有效波高较谱峰周期能更有效地表征波浪能对海洋上层混合的影响;相比于海表面风速,有效波高与混合层深度间存在更强的相关关系,其变化对海洋上层混合有更显著的影响。     

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。     

印度洋海表盐度预报的线性马尔可夫模型及其改进办法

海洋盐度在水循环、海洋环流、海洋生态系统、全球天气和气候变化等方面起着至关重要的作用。然而,受观测的限制,以往对海洋盐度的研究相对匮乏,对其进行预报的工作更为少见。本文采用线性马尔可夫模型对印度洋海表面盐度(sea surface salinity,SSS)开展初步的预报工作。根据混合层盐度收支方程,选择海表面高度(sea surface height,SSH)、海表面温度(sea surface temperature,SST)、SSS等物理量的异常值作为模型的组成部分,对印度洋SSS开展预报工作。结果表明,马尔可夫模型可提前9个月对印度洋SSS进行较好的预报。此外,南太平洋海表面温度异常(sea surface temperature anomaly,SSTA),海表面高度异常(sea surface height anomaly,SSHA)和印度洋偶极子(Indian Ocean dipole,IOD)系数等遥相关因素的加入可将线性马尔可夫预报对印度洋SSS的预报效果(相关系数)平均提高10%。利用改进的模型对印度洋SSS进行提前1～11个月的“实时”预测,得出预报的SSS时空变...     

基于现场观测与MyOcean模式数据的印度洋东南部Aquarius反演海表盐度的评价与纠正

The in situ sea surface salinity(SSS) measurements from a scientific cruise to the western zone of the southeast Indian Ocean covering 30°–60°S, 80°–120°E are used to assess the SSS retrieved from Aquarius(Aquarius SSS).Wind speed and sea surface temperature(SST) affect the SSS estimates based on passive microwave radiation within the mid- to low-latitude southeast Indian Ocean. The relationships among the in situ, Aquarius SSS and wind-SST corrections are used to adjust the Aquarius SSS. The adjusted Aquarius SSS are compared with the SSS data from My Ocean model. Results show that:(1) Before adjustment: compared with My Ocean SSS, the Aquarius SSS in most of the sea areas is higher; but lower in the low-temperature sea areas located at the south of 55°S and west of 98°E. The Aquarius SSS is generally higher by 0.42 on average for the southeast Indian Ocean.(2) After adjustment: the adjustment greatly counteracts the impact of high wind speeds and improves the overall accuracy of the retrieved salinity(the mean absolute error of the Zonal mean is improved by 0.06, and the mean error is-0.05 compared with My Ocean SSS). Near the latitude 42°S, the adjusted SSS is well consistent with the My Ocean and the difference is approximately 0.004.     

Validation of interannual simulations from the 1/8° global Navy Coastal Ocean Model (NCOM)

A 1/8° global version of the Navy Coastal Ocean Model (NCOM) is used for simulation of upper-ocean quantities on interannual time scales. The model spans the global ocean from 80°S to a complete Arctic cap, and includes 19 terrain-following σ- and 21 fixed z-levels. The global NCOM assimilates three-dimensional (3D) temperature and salinity fields produced by the Modular Ocean Data Assimilation System (MODAS) which generates synthetic temperature and salinity profiles based on ocean surface observations. Model-data intercomparisons are performed to measure the effectiveness of NCOM in predicting upper-ocean quantities such as sea surface temperature (SST), sea surface salinity (SSS) and mixed layer depth (MLD). Subsurface temperature and salinity are evaluated as well. An extensive set of buoy observations is used for this validation. Where possible, the model validation is performed between year-long time series obtained from the model and time series from the buoys. The statistical analyses include the calculation of dimensionless skill scores (SS), which are positive if statistical skill is shown and equal to one for perfect SST simulations. Model SST comparisons with year-long SST time series from all 83 buoys give a median SS value of 0.82. Model subsurface temperature comparisons with the year-long subsurface temperature time series from 24 buoys showed that the model is able to predict temperatures down to 500 m reasonably well, with positive SS values ranging from 0.18 to 0.97. Intercomparisons of MLD reveal that the model MLD is usually shallower than the buoy MLD by an average of about 15 m. Annual mean SSS and subsurface salinity biases between the model and buoy values are small. A comparison of SST between NCOM and a satellite-based Pathfinder data set demonstrates that the model has a root-mean-square (RMS) SST difference of 0.61 °C over the global ocean. Spatial variations of kinetic energy fields from NCOM show agree with historical observations. Based on these results, it is concluded that the global NCOM presented in this paper is able to predict upper-ocean quantities with reasonable accuracy for both coastal and open ocean locations.     

印度洋东西海温信息区海表温差与我国同期降水的关系

本文利用多年月平均印度洋海表温度资料和我国160站点降水资料,通过奇异值分解(SVD)方法,分析了印度洋东西海温信息区温度差值与我国同期降水场之间的耦合关系,得到奇异向量分布型及相互作用的耦合周期信号。在对第一主模态的分析中发现印度洋海温分布对我国降水分布和降水强度有很大影响,且对各季影响存在一定差异。     

热带西太平洋、印度洋表层水温的变异特性及其对南极冰面积变化的响应

应用海洋表层水温资料（ＣＯＡＤＳ资料）,分析研究了对全球气候有重要影响的热带西太平洋、印度洋海洋表层水温的年变化和年际变化的特性,探讨了与ＥＮＳＯ和南极冰面积变化之间的联系。结果表明,热带西太平洋及印度洋表层水温具有明显的年变化和年际变化而且它们之间存在不同的变化趋势。这种结果是两大洋的水温振荡周期不同有较大关系。热带印度洋表层水温的年际变化与Ｅ１ Ｎｉ￣／ｎｏ和Ｌａ Ｎｉ￣／ｎａ的发生年份存在较     

印度洋海温异常对西北太平洋台风的影响及机制研究

基于近40 a NCEP/NCAR再分析月平均高度场、风场、涡度场、垂直速度场以及NOAA重构的海面温度(sea surface temperature,SST)资料和美国联合台风预警中心(Joint Typhoon Warning Center,JTWC)热带气旋最佳路径资料,利用合成分析方法,研究了前期春季及同期夏季印度洋海面温度同夏季西北太平洋台风活动的关系。结果表明:1)前期春季印度洋海温异常(sea surface temperature anomaly,SSTA)尤其是关键区位于赤道偏北印度洋和西南印度洋地区对西北太平洋台风活动具有显著的影响,春季印度洋海温异常偏暖年,后期夏季,110°～180°E的经向垂直环流表现为异常下沉气流,对应风场的低层低频风辐散、高层辐合的形势,这种环流形势使得低层水汽无法向上输送,对流层中层水汽异常偏少,纬向风垂直切变偏大,从而夏季西北太平洋台风频数偏少、强度偏弱,而异常偏冷年份则正好相反。2)春季印度洋异常暖年,西北太平洋副热带高压加强、西伸;而春季印度洋异常冷年,后期夏季西北太平洋副热带高压减弱、东退,这可能是引起夏季西北太平洋台风变化的另一原因。     

亚印太交汇区海表温度的分布和变化特征及其对中国降水的影响

利用1967-2009年的逐月海表温度(Sea Surface Temperature,SST)资料和降水资料,以及经验正交函数(Empirical Orthogonal Function,EOF)和相关分析方法,探讨了亚印太交汇区(Joining Area of Asia and Indian-Pacific Oce...     

不同环境因子权重对东海鲐鱼栖息地模型的影响研究

鲐鱼（Scomber japonicus）是栖息在西太平洋沿岸的中上层鱼类,了解其栖息地分布及其与海洋环境因子的关系有助于合理开发和管理该资源。本文根据2003-2011年7-9月中国东海鲐鱼的生产数据,采用正态分布函数分别构建海表面温度（sea surface temperature,SST）、海表温梯度（gradient of sea surface temperature,GSST）和海表面高度（sea surface height,SSH）与作业次数的适应性指数（suitability index,SI）,基于不同权重的算术平均法（arithmetic weighted model,AWM）分别建立栖息地指数（habitat suitability index,HSI）模型,并用2012年7-9月生产数据进行验证。结果显示,7、8、9月各月最佳HSI模型的SST、STG和SSH的权重分别为0.5、0.25、0.25,0.8、0.1、0.1和0、1.0、0,利用2012年7-9月生产数据与环境数据对各月份最佳权重HSI模型进行验证,在HSI>0.6的海域,7、8、9月各月作业次数比重和产量比重分别为85.87%和92.55%,76.74%和86.69%,51.83%和56.11%。研究表明,不同月份的环境因子对鲐鱼渔场分布的影响程度不同,本研究为更好地预测鲐鱼栖息地奠定了基础。     

印度洋-太平洋暖池海域表层水温分析

利用1951~2003年HadISST资料集的表层海水温度（SST）资料,讨论了印度洋-西太平洋暖池（IPWP）海域,尤其是印度尼西亚贯穿流（ITF）及其周边海域SST的季节及年际变化的时空特征.研究结果表明,整个研究海域SST的年际变化均与ENSO相关,但印度洋与南海的响应特征与西太平洋的相反且不同步.前者海温变化滞后Nio3指数3~6个月,而热带太平洋西边界和ITF流经海域海温则超前1~3个月.沿ITF及其东印度洋出口,SST的年际变化规律不同于热带印度洋而与太平洋的相似,分析表明其在较大程度上受到ITF海洋桥的影响.在季节尺度上,印度洋和太平洋赤道海域SST的波动规律也有明显不同.以巽他岛弧（苏门答腊、爪哇和小巽他群岛）为界,从赤道西太平洋向西沿ITF流径,太平洋一侧SST的季节变化以0.5a周期的波动占主导,印度洋一侧则以1a周期占主导.