2000年以来长江河口海表温度变化MODIS分析

通过优化劈窗算法,建立适合长江口水域的海表温度反演模型,利用2000年至2012年的Terra-MODIS LIB晴空数据进行海表温度反演,得到长江口13年海表温度数据集,分析长江流域进入河口的水沙变化后河口水域海表温度的年际变化和季节性变化。结果表明:长江口海表温度主要受太阳辐射影响,温度场的空间分布由口内至外海呈现阶梯性变化。受海域潮流上溯和径流下泄的影响,口内口外的海表温度表现出不同的季节性变化特征:冬季,口外高口内低;夏季,则口外低,口内高。伴随着冬季流域进入河口的径流量增加,长江口口外海域的冬季海表温度也出现下降趋势。     

海表温度对SMOS盐度遥感反演精度的影响

利用星载微波辐射计对全球海表盐度的卫星遥感探测,其精度会受到多种环境因子的影响。采用广义加性模型GAM和偏最小二乘法PLS分析了水温对海表盐度遥感反演精度的影响,同时,利用ARGO观测数据对SMOS卫星反演的赤道太平洋和西北太平洋海表盐度进行精度检验。结果表明,水温对海表盐度反演精度具有显著影响,且Stokes矢量第一参数(总辐亮度)是海表盐度反演的最佳亮温参数。在平均水温约16℃时的均方误差约为0.9 psu,23℃水温下的均方误差约为0.7 psu,30℃水温下的均方误差约为0.4 psu,即高水温下盐度反演精度相对较高。     

南海海表盐度异常分布特征分析

利用最小二乘法线性拟合和EOF分析等方法对1980~2011年共32 a的SODA月平均海洋同化数据进行处理与分析,探讨了南海海表盐度的时空分布特征。分析结果显示,从1980~2011年,南海海表盐度有不断下降的趋势,并且存在周期性波动特征,以及明显的季节变化和年际变化。在不同海域异常变化不同,南部和北部异常变化较高且呈反相关;靠近大洋和陆地一侧的异常变化高,中部异常变化较低。     

ERS—1／ATSR海表温度在热带太平洋和西北太平洋的印证与分析

海表温度是气候变化研究的关键参量。ERS／ATSR的设计目标是提供高精精度的海表温度，以满足气候研究的要求。利用美国海洋大气局太平洋海洋环境实验室在热带太平洋的浮标数据和日本气象厅在西北太平洋的浮标数据对1991年至1992年间ESR－1／ATSR数据反演的海表温度进行了印证。在热带太平洋，三通道双观测角算法反演的ATSR海表温度与热带浮标海表温度的平均偏差为－0．22K，标准偏差为0．25K；在西北太平洋，平均偏差为－0．51K，标准偏差为0．61K。结果表明，即使在火山气溶胶的影响下，ATSR海表温度在热带太平洋仍具有较高的精度，可以满足其设计目标。利用大气辐射传输模式LOWTRAN－7，对印证结果进行了分析。     

基于GOCI的辐射沙脊群海表流场遥感分析

针对江苏沿海尤其是辐射沙脊群海域水沙动力环境复杂,难以实时更新实地海洋流场调查数据的问题,根据2014年1月韩国高分遥感影像GOCI与现场同步潮汐数据资料,运用最大交叉相关系数法,遥感模拟分析了辐射沙脊群海表瞬时流场。结果表明,在辐射沙脊群海域琼港-洋口港一带,近岸海流场变化明显,海流自沿岸滩涂带流向外海;同时远岸瞬时流场的涡旋及流场瞬时方向变化亦较清晰。通过遥感分析法观测海表流场,在一定程度上解决了基础资料更新难的问题,实现了实时检测辐射沙脊群海表流场变化的目的。     

海表温度预报方法研究

利用遥感站3年来的海表温度资料,编写了一系列的数据处理、分析和预报程序,得到了东海海区海表温度的年变化规律,并利用周期外推预报法实现东海辖区海表温度的预报,为进一步研究东海辖区海水性质及海水运动的分布和变化打下了基础。     

多源卫星观测的全球海洋次表层温度异常信息提取

基于表层卫星遥感观测的中深层海洋遥感对于了解海洋内部异常及其动力过程有重要意义。如何从现有的海洋表层遥感观测资料提取海洋内部关键动力环境信息场是具有挑战性的海洋遥感技术前沿。本文采用支持向量回归(SVR)方法,通过卫星遥感观测获取的多源海表参量(海表高度异常(SSHA)、海表温度异常(SSTA)、海表盐度异常(SSSA)和海表风场异常(SSWA)),选择最优参量输入组合,感知海洋次表层温度异常(STA),并用实测Argo数据作精度验证。结果表明SVR模型可准确估算全球尺度的STA(1000 m深度以浅);当SVR输入变量为2个(SSHA、SSTA)、3个(SSHA、SSTA、SSSA)、4个(SSHA、SSTA、SSSA、SSWA)时对应的平均均方差(MSE)分别为0.0090、0.0086、0.0087,平均决定系数(R2)分别为0.443、0.457、0.485。因此,除了SSHA和SSTA外,SSSA与SSWA的输入对SVR模型的估算有积极影响,有助于提高STA的估算精度。在全球增暖与减缓背景下,该研究可为从表层卫星遥感观测提取海洋内部热力异常信息研究提供重要技术支持,有利于拓展卫星对海观测范围。     

利用中国区域MERRA-2资料计算ZTD和ZWD的精度分析

对流层延迟是影响高精度定位与导航的主要误差之一,也是全球导航卫星系统（global navigation satellite system,GNSS）水汽探测的关键参数。美国航空航天局发布了最新一代的大气再分析资料（MERRA-2资料）,其可用于计算高时空分辨率的对流层延迟产品,但是目前尚无文献对利用MERRA-2资料计算天顶对流层延迟（zenith tropospheric delay,ZTD）和天顶湿延迟（zenith wet delay,ZWD）的精度进行分析。因此,联合2015年中国陆态网214个GNSS站ZTD产品和分布于中国区域的87个探空站资料,对利用MERRA-2资料在中国区域计算ZTD/ZWD的精度进行评估。结果表明：（1）以陆态网ZTD为参考值,利用MERRA-2资料积分计算ZTD的年均偏差和均方根误差（root mean square error,RMSE）分别为0.32 cm和1.21 cm,且偏差和RMSE均表现出一定的季节变化,总体上呈现为夏季精度低、冬季精度高;在空间分布上,偏差随纬度和高程的变化趋势并不明显,但RMSE随纬度和高程的增加总体上呈现递减的趋...     

黑龙江省1959—2016年极端气温时空变化特征

为了掌握黑龙江省极端气温的变化规律,本文遴选黑龙江省27个气象观测站1959年1月—2016年12月逐月平均气温、极端最高(低)气温资料,运用趋势拟合、Mann-Kendall方法和GIS平台的空间插值方法,开展近58年黑龙江省极端气温时空变化规律研究.结果表明:1959—2016年,黑龙江省平均气温、极端高/低温整体表现出明显增温趋势,平均增温率分别为0.322℃·(10 a)-1、0.631℃·(10 a)-1、0.201℃·(10 a)-1.黑龙江省平均气温整体表现为随纬度增加而降低的空间分布特征,极端最高气温整体表现为由西南向东北方向随着纬度、经度增加而降低的空间分布特征,极端最低气温整体表现为由东南向西北随着纬度增加而降低的空间特征.通过平均气温变化率和极端气温变化率的对比分析,发现极端最低气温对气温变化贡献较大.     

北太平洋中尺度涡海表温度和叶绿素浓度特征分析

本文利用AVISO卫星高度计资料识别并追踪了北太平洋2007年—2012年的中尺度涡,并利用OSTIA的海表温度SST(Sea Surface Temperature)资料与MODIS的叶绿素a浓度(Chl-a)资料,研究了北太平洋2007年—2012年中尺度涡SST和Chl-a浓度的时空分布特征,并分析北太平洋典型中尺度涡SST与Chl-a浓度的变化特征,主要结论如下:本文共识别出992个中尺度涡,其中442个气旋涡,550个反气旋涡。中尺度涡SST时空分布特征为:气旋涡温度强度(ICE)月变化特征比反气旋涡温度强度(IAE)更强。ICE年际变化显著,IAE则不明显。温度强度较强的气旋涡和反气旋涡集中分布在黑潮延伸区。中尺度涡Chl-a浓度时空分布特征如下:气旋涡和反气旋涡Chl-a浓度月变化特征明显,且二者的变化趋势一致;年际变化则均不明显。Chl-a浓度值高的中尺度涡主要分布在高纬海域。中尺度涡SST与海洋动力参数(振幅、涡度和涡动能(EKE))的相互关系为:反气旋涡SST与振幅的相关性亦正亦负,且在空间上均匀分布。气旋涡SST与振幅的负相关系数主要分布在黑潮延伸区。正相关性强的反气旋涡多于气旋涡。反气旋涡SST与涡度的相关性亦正亦负,气旋涡SST与涡度呈负相关。反气旋涡SST与EKE的相关性亦正亦负;气旋涡的相关性为正。中尺度涡Chl-a浓度与海洋动力参数的相互关系为:反气旋涡Chl-a浓度与振幅的相关性为正,且在空间上均匀分布;气旋涡在黑潮延伸区与阿拉斯加湾呈正相关。反气旋涡和气旋涡Chl-a浓度与涡度均呈正相关。反气旋涡Chl-a浓度与EKE呈正相关;气旋涡Chl-a浓度与EKE相关性亦正亦负。     

Earth observations for sustainable development goals monitoring based on essential variables and driver-pressure-state-impact-response indicators

ABSTRACT

In recent years, researchers of different communities have increased their efforts in formalizing a set of measurements regularly collected for analysing changes in Drivers, States, Impacts and Responses of a given discipline. In some cases, different actors have converged in a minimum set of Essential Variables (EVs), such as for Climate, Biodiversity or Oceans. The definition of such EVs is an ongoing evolution and in extension (e.g. EVs for water) although some communities have not even started (e.g. agriculture and energy). This paper characterizes the Earth Observation (EO) networks and creates a graph representation of their relations. Secondly, this graph is enriched with the EVs produced by each network creating a knowledge base. Finally, an effort has been done to identify links between EVs and Sustainable Development Goals (SDG) indicators in a way that they indirectly connect the EO. An analysis to detect gaps in EO variables due to a lack of observational networks is performed. Several suggestions for improving SDG indicators framework by considering EVs are exposed, as well as proposing new necessary EVs and suggesting new EO based indicators. The complete graph is available in the ENEON website (http://www.eneon.net/graph-ev-sdg/).