基于南海水下滑翔机观测的业务预报系统温盐分析数据评估

利用2019年7月12日至9月20日“海翼”号水下滑翔机在南海北部的温盐观测数据,对3个海洋业务预报系统（法国Mercator Océan International的PSY4、美国HYCOM Consortium的GOFS3.1和中国国家海洋环境预报中心的CGOFS）的温盐分析数据进行了质量评估。结果表明,3个业务预报系统对温度和盐度都有较好的刻画能力。其中,PSY4系统的温度、盐度在所有评估点处的总体均方根误差分别为0.45℃、0.056,小于另外2个系统,是3个系统中最优的。从总体偏差来看,PSY4与CGOFS温度呈现暖偏差,而GOFS3.1温度呈现冷偏差;3个系统的盐度都呈现负偏差。均方根误差的垂向结构显示,温度均方根误差与偏差最大值出现在水深100 m附近,盐度最大值在水深50 m附近。以上结论为南海北部海域使用分析数据提供参考。此外,大气强迫场的降水量偏多可能导致了CGOFS系统8月的盐度值出现较大的均方根误差和较明显的负偏差,因此在数值预报时需更多地关注强迫场的选取。     

基于DINEOF的风云极轨气象卫星海表温度重构方法研究

海表温度是表征海洋表层热力状况的重要海洋参数,日均全天候覆盖的海温观测数据可为服务台风监测及其他海洋灾害时空演变的精细化预报提供数据支撑。可见光红外扫描辐射计和中分辨率光谱成像仪反演的海温产品具有较高的空间分辨率,但是红外遥感反演的海温产品受到云、雾和霾的影响,在云下存在大面积、无规律的缺值;微波辐射计反演的海温产品空间分辨率低,但可穿透云层,实现全天候海温观测。本文基于风云三号B、C、D三颗极轨气象卫星红外和微波遥感仪器反演的海温资料,利用经验正交函数插值法(DINEOF)重构得到全球海表温度产品。与全球分析场日平均海温OISST数据进行比较可知：原始海温资料的均方根误差为0.59~0.70℃,DINEOF重构后海温资料均方根误差降至0.10~0.34℃;相关系数从0.33~0.48提升到0.78~0.98。多传感器重构海温数据空间分布上连续可信,能够监测不同季节的海温变化特征及暖池空间模态。风云三号气象卫星微波遥感的加入显著提升了重构海温的空间连续覆盖率和时间分辨率。     

基于CatBoost和XGBoost组合模型的水深反演

为获取高精度的水深信息以满足海洋研究各领域的需要,提出一种CatBoost和XGBoost模型组合的水深反演模型。选取Sentinel-2A卫星遥感数据,以瓦胡岛为研究区域,引入CatBoost和XGBoost模型,对二者进行线性组合,构建CatBoost-XGBoost组合模型。实验结果表明：组合模型的决定系数、均方根误差、平均绝对误差以及平均相对误差分别为95.32%、1.29 m、0.86 m、20.51%,与单一模型相比,组合模型的水深反演精度有一定提高。     

RPG-HATPRO-G3地基微波辐射计反演产品评估

RPG-HATPRO-G3地基微波辐射计采用"多通道并行测量技术",性能稳定,反演精度高。应用该微波辐射计和常规L波段探空数据,比较了微波辐射计反演数据与探空测值的差异。结果表明:温度、水汽密度与常规探空资料比较有很好的线性相关性,对仪器维护后可以提高数据质量;相对湿度数据离散度较高。比较无降水时不同高度下微波辐射计反演数据的精度,温度在1 000 m以下低层平均误差和均方根误差较小;水汽密度的平均误差和均方根误差均为近地面较大,随高度而减小;相对湿度的平均误差和均方根误差都明显较大,温度和水汽密度的准确性高于相对湿度。降水时不同高度的温度、水汽密度和相对湿度的平均误差和均方根误差变化趋势均与无降水时相似,但是误差值明显偏大;降水时反演温度在2 000 m以下误差较小,水汽密度在3 000 m以下反演值较探空测值大,相对湿度在降水时的误差较大。     

SMOS卫星盐度数据在中国近岸海域的准确度评估

盐度是描述海洋的关键变量,对海表面盐度进行观测可以推进对全球水循环的理解。本文的主要目的是在中国近海海域对SMOS卫星盐度数据进行准确度评估。主要方法是将SMOS卫星L2海洋盐度数据产品(V317)与实测ARGO数据和走航数据进行匹配,并采用统计学的方法对SMOS卫星数据准确度进行评估。结果表明:匹配数据的线性关系不显著,SMOS卫星盐度数据(V317)在南海和东海的均方根误差分别约为1.2和0.7,应用海表面粗糙度修正模型得到的3组海表盐度数据准确度都相对较低,尤其在近岸强风场区域,海表盐度卫星数据相对于实测数据偏高,这可能是由于海表粗糙度和陆地射频干扰(RFI)作用影响的结果;SMOS卫星数据在东海的均方根误差比南海高0.5左右,这可能是由于东海海域为相对开阔海域,受陆地RFI影响相对南海较小;在中国近岸海域,应用SSS1和SSS3模型得到的盐度数据准确度相对较高,可以对模型进行地球物理参数修正,进行局地化改进,预计可以提高近岸海域盐度反演的准确度。     

基于梯度提升决策树模型的Sentinel-1图像浅海水深反演

利用合成孔径雷达(Synthetic Aperture Radar, SAR)反演浅海水深在海洋遥感中极具挑战性。本文采用梯度提升决策树(Gradient Boosting Decision Tree, GBDT)为核心的机器学习算法, 使用Sentinel-1、全球水深数据、风场和流场数据来反演杭州湾和长江口南缘相连的浅海区域的水深。首先分析反演的最佳风速和迭代次数, 再对0~10 m、10~20 m、20~30 m、30~40 m、40~50 m的分段水深和0~10 m、0~20 m、0~30 m、0~40 m、0~50 m的总体水深用相关系数、均方根误差和平均绝对误差进行精度评价, 最后分析反演水深的空间分布特征。结果表明: 反演的最佳风速约为3.78 m/s, 并且GBDT模型达到最佳精度时的迭代次数远小于其他模型, 最佳迭代次数为4。分段水深中, 40 m以内的相关系数都高于0.8, 其中以10~20 m的相关系数最高, 为0.9; 40~50 m则最低, 为0.73。40~50 m的平均绝对误差和均方根误差均为最大, 分别为1.89 m和2.24 m, 20~30 m的平均绝对误差和均方根误差均为最小, 分别为0.75 m和0.96 m。在总体水深中, 虽然随水深区间的扩大, 相关系数会逐渐增加, 但是平均绝对误差和均方根误差的精度都随水深区间的扩大而下降, 且在0~50 m区间内的平均绝对误差和均方根误差最大, 分别为1.06 m和1.59 m, 因此反演的最佳区间为0~40 m。该区域的水深从杭州湾海岸线开始由浅及深阶梯增加, 反演结果能够较好的表现研究区内的实际水深分布情况, 比较符合当前区域的水下地形特征。     

基于高分一号卫星多光谱数据的岛礁周边浅海水深遥感反演

高分一号卫星作为我国首颗对地观测高分辨率卫星,充分挖掘其在海洋领域的应用潜力具有重要意义。以西沙群岛晋卿岛周边浅海水域为研究区域,应用国产高分一号卫星多光谱数据,在开展图像几何校正、大气校正和耀斑校正预处理的基础上,应用常用的双波段线性和对数比值模型开展晋卿岛周边浅海水深反演,并利用实测水深数据开展精度评价,对比分析不同模型反演结果,探讨影响岛礁浅海水深反演精度的可能因素。研究表明,双波段线性模型的反演精度要明显优于对数比值模型,更适合应用于晋卿岛周边浅海水深反演,其20m以浅水深反演均方根误差为1.8m,在5m以浅区域的均方根误差为1.14m,达到了目前浅海水深卫星遥感反演的精度水平。     

基于差分回归模型和可迁移长短期记忆网络集成的三沙湾水温预测

水温预测是保障近海渔业生产和环境安全的关键技术。现有的数值模型开发成本大,业务化应用不足。本文提出了一种集成差分回归（Differential Regression, DR）和可迁移长短期记忆网络（Transferable Long Short-Term Memory, TLSTM）的水温预测方法。以厦门湾（源域,数据多）和三沙湾（目标域,数据少）水温为研究对象,根据三沙湾在线监测水温和预报气温数据建立了DR模型,根据厦门湾长时间监测水温数据建立了TLSTM模型,采用变权算法将纯差分回归模型、混差分回归模型和TLSTM模型集成为三沙湾DR-TLSTM模型,对模型性能进行了评估,并与仅根据三沙湾少量监测数据建立的LSTM模型效果进行了对比。结果表明：（1） TLSTM模型的预测精度优于基于目标域少量数据建立的LSTM模型;（2） DR-TLSTM集成模型具有较高的预测精度,未来1～7 d预测的均方根误差为0.13～0.77℃,未来1～3 d预测的均方根误差小于0.4℃;（3） DR-TLSTM集成模型可有效预测水温骤升或骤降趋势,对水温突变点的预测均方根误差为0.29～1.09℃。基于本...     

基于航次观测和再分析资料的南海海表二氧化碳分压反演及变化机制分析*

海表二氧化碳分压(pCO₂)是指海洋表层水和大气之间的二氧化碳(CO₂)交换处于动态平衡时CO₂的含量, 是描述海-气CO₂交换的一个主要因子。本文利用2008—2014年覆盖南海大部分海域的海表pCO₂观测资料, 结合现场海表温度和海表盐度以及卫星观测的叶绿素a数据, 构建了基于多元线性回归方法的分区域反演模型。模型在水深浅于30m的区域均方根误差为5.3μatm, 其余海区均方根误差为10.8μatm, 与前人基于个别航次的有限区域反演结果的均方根误差相当。利用该模型公式和HYbrid Coordinate Ocean Model(HYCOM)再分析海表温、盐数据及MODIS-Aqua卫星观测的叶绿素a数据进行反演, 得到了时空分辨率为5'×5'的2004—2016年的逐月南海海表pCO₂数据。该数据能较好地反映南海海表pCO₂在海表温度影响下, 春夏高、秋冬低的季节变化特征, 与前人基于航次观测的研究结果相似, 表明反演模型具有较高的可信度。进一步分析发现, 南海及邻近海域平均海表pCO₂具有显著的准十年振荡特征: 2012年附近出现了极小值, 之前表现为降低的趋势, 之后略有升高的趋势。受海表pCO₂的影响, 南海海盆平均海-气CO₂通量在2012年之前出现了显著降低的趋势, 表明南海释放到大气中的CO₂减少, 并在2007年之后的冬季出现了负值(从碳源变为碳汇), 2012年之后变化较为平缓。热带太平洋年代际振荡引起的南海区域海表盐度变化是造成海表pCO₂及海-气CO₂通量准十年变化的主要原因。分区分析的结果表明, 南海北部海表pCO₂变化最为显著, 在南海海表pCO₂的季节和准十年变化中都起到非常重要的作用。     

基于ARGO资料的MTSAT海温产品误差分析

利用全球海洋观测网计划ARGO浮标的表层海温测量值分析了MTSAT卫星的海温反演误差。结果显示,平均绝对误差为0.73℃,均方根误差为0.885℃,满足应用需要;海温反演异常点多分布在30°N以北的高纬区域。为了确保海温产品数据的可靠性,需要通过数据误差控制技术来检测和控制海表温度反演的异常值,影像边缘和高纬地区的区域数据应谨慎使用。