复经验正交函数在水温预报中的应用

复经验正交函数是一种新的物理场的分解方法，它除了可以揭示物理场的时，空分布和变化规律外，还可以反映波动或平流效应。故本文首次将该方法移植到预报方法研究上来，建立了渤海，黄海的表，底层水温预报方案，。     

基于TOPEX/Poseidon资料的南海海面高度场的时空特征分析

采用经验正交函数(EOF)分解方法，对TOPEX／Poseidon卫星高度计在南海获得的1992年10月到1999年9月约7a的海面高度观测资料进行分析，从而获得南海海面高度距平场典型的空间分布型态及其对应的时间变化特征。结果表明，南海海面高度距平场在空间上主要表现为两种典型的分布结构：(1)由于冬、夏季风反转造成海盆尺度的涡旋结构，这种分布结构对南海海面高度距平场的方差贡献达27．46％；(2)NE—SW即吕宋—越南反相双涡结构，其方差贡献达20．37％。这两个模态都明显反映了季风的反转以及季风结构所造成的影响。同时，对各空间典型场所对应的时间系数序列进行了傅立叶谱分析，结果表明南海海面高度距平场存在多种时间尺度的变化。     

海洋水色遥感资料的经验正交函数分析

海洋中浮游植物进行光合作用,固定有机碳,是海洋生物链的基础,因此,研究浮游植物生物量的指标——光合色素(主要是叶绿素a)的时空变化具有十分重要的意义。我国自50年代以来,对海洋浮游植物色素分布进行了大量的现场调查和研究,取得了一些初步结果[1-3]。     

复经验正交函数方法在黄海水温预报中的应用

本文介绍了复经验正交函数(CEOF)方法,并首次将其应用于黄海的水温预报,同时与依据同样资料采用经验正交函数(EOF)方法所作的预报进行了对比.比较可知,在黄海表层水温预报中,应用复经验正交函数方法所作的预报,其精度较应用经验正交函数方法提高0.20℃左右,底层预报精度相当.     

改进型经验正交函数海洋声速剖面预报方法

鉴于深海温跃层以下往往声速值缺乏,声速剖面不完整的原因,提出一种声速剖面的预报方法:在传统经验正交函数预报法基础上,首先改进协方差矩阵的求解方法,将原始数据的空间信息和时间信息有效地融合到协方差矩阵中,通过由大量实测数据统计得出的时间函数的经验公式,得到合成剖面,将二者结合,把不完整剖面垂直向下延拓到海底,较为有效地解决了传统方法求解协方差矩阵和时间函数较粗糙的问题,给出了完整的海洋声速剖面的准确预报.实测数据检验结果表明,改进方法的预报精度比传统方法有了很大提高.     

复经验正交函数在水温预报中的应用

复经验正交函数（ＣＥＯＦ）是一种新的物理场的分解方法，它除了可以揭示物理场的时、空分布和变化规律外，还可以反映波动或平流效应。故本文首次将该方法移植到预报方法研究上来，建立了渤海、黄海的表、底层水温预报方案。为了检验该预报方案的可靠性，试报的结果除与实测值进行比较外，同时还与依据经验正交函数（ＥＯＦ）建立预报方法的预报结果进行了对比。结果表明，对于南、北黄海表层水温的试报结果，ＣＥＯＦ方法试报的平均绝对误差比ＥＯＦ方法预报的误差平均小０．２℃；而对于底层水温，两种方法的预报误差相近。     

海洋声速场的经验正交函数描述及声速剖面预报

针对位于东海外缘台湾东北部冲绳海槽张裂带以西的深海海域声速场的统计资料,分析利用少于５号经验正交函数描述声速场。探索利用经验正交函数、海表和温跃层水温对海水声速剖面进行预报的方法。研究结果对于声速场数据库的建设、海洋声速场的预报和水下声层技术具有重要的意义。     

珠江口外海水声速经验正交函数分析

利用珠江口外海多年的水文观测资料,采用经验正交函数(EOF)法分别对该海域表层及21°N垂向断面的声速及其距平值进行了分析.结果表明该海域表层声速自西北向东南增大,21°N垂向断面声速随水深的增加而减小.EOF法分析声速及其距平值得出的第一个特征分量在该区域表层和21°N垂向断面上都是最重要的.声速季节变化显著:自上一年的10月开始减小,2或3月减到最小值后开始增大,7~9月增至最大值,有显著的年变化周期.声速也似有年际变化:1981年冬季声速开始减小,一直持续到1982年秋季,1982年冬季开始呈增大的趋势.声速的年际变化强度随着水深的增加而减弱.     

南海北部海面高度的季节内变异及其传播特征 *

利用25年(1993—2017)的卫星高度计资料, 采用复经验正交函数(complex empirical orthogonal function, CEOF)方法, 分析南海北部海区海面高度季节内变异的时空分布及传播特征。标准差分析表明, 南海北部海面高度的季节内变异(intra-seasonal variability of sea level anomalies, SLA-ISV)在沿陆坡外侧区较强, 且SLA-ISV表现出明显的季节性变化, 冬半年强于夏半年。CEOF前两个主要模态能较好地揭示研究海区SLA-ISV的时空分布及其传播特征, 并表明SLA-ISV的强度受到季节性变化和年际变化的调制。全年CEOF的第一模态揭示SLA-ISV从台湾岛西南至西沙群岛以东区域的冬半年西南向传播特征; 而全年CEOF的第二模态则表现了SLA-ISV分别在台湾岛西南和东沙群岛西南的西南向传播特征。南海北部中尺度涡季节变化统计分析表明, CEOF的分解结果与南海北部的涡旋活动一致。     

基于机器学习的海洋环境预报订正方法研究

结合中尺度数值模式WRF预报数据和ERA5再分析资料,利用机器学习方法对WRF预报场的风场、温度、气压进行预报订正。采用ERA5作为真值,与原始WRF预报相比,利用随机森林模型可以将预报结果整体均方根误差降低44%以上,利用深度神经网络模型可以将预报结果整体均方根误差降低34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度,分析了关键的预报订正因子。     

基于演化算符的南海海面高度异常中长期统计预报

水下移动平台行动时需要1～3个月左右海洋数值预测预报结果,但是当前数值预报技术受对应的气象驱动场预报时效的限制,难以提供10 d以上的数值预报产品。鉴于海水在动力热力上具有较大的惯性,海洋内区有其自身的演化规律,本研究设计了一种基于演化算符的统计预测方法,利用历史卫星遥感资料构建海洋状态变量中长期演化矩阵,并结合惯性预报模型,构建了最终的南海海洋中长期统计预报模型,能够提供1～60 d逐日的南海海面高度异常预测结果,开展数值试验验证了该方法的有效性,结果表明,在起报后15 d内,预报结果与卫星资料的相关系数均大于0.8,在起报60 d内,相关系数仍高于0.6。     

基于机器学习的海洋浮标寿命及轨迹预测

Argo计划(Array or Real-time Geostrophic Oceanography)为海洋和大气研究提供了宝贵的资料,在短期天气预报和长期气候预测中起到了重要作用.为保证Argo观测阵列的正常运转,需要时刻关注浮标的运行状态,以保证研究区域内维持一定数量和密度的浮标.然而Argo浮标投放费用高昂,投放...     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

基于深度学习和时空特征融合的海洋渔船密度预测方法

为了从海量渔船轨迹数据中挖掘隐含的信息和知识,进而为渔业行政主管部门的决策提供科学依据,本研究以AIS渔船轨迹数据为研究对象,提出了一种基于深度学习和面向时空特征融合的海洋渔船密度预测方法：首先,利用渔船轨迹数据集对渔船行驶区域进行网格划分;其次,筛选出渔船高密度区域进行研究,避免数据稀疏性问题;再次,根据渔船轨迹数据的时空分析,构建三维时空融合矩阵;最后,通过卷积循环神经网络模型捕获渔船分布的时间和空间特征,并利用卷积神经网络的堆叠加强对空间特征的学习。实验通过东海海域渔船真实轨迹数据进行具体测试,结果表明渔船密度预测值与真实值非常接近,平均绝对误差为4×10-4,模型较好地拟合了渔船密度分布特征,有效地提高了渔船捕捞热点预测的准确性和鲁棒性。     

基于调和分析法与ANFIS系统的综合潮汐预报模型

港口沿岸地区以及河流入海口等地区的精确潮汐预报对于各种海洋工程作业有着非常重要的意义。潮汐水位的变化受到众多复杂因素的影响,而且这些复杂的因素往往有着较强的实变性和非线性。为了进一步提高沿岸港口码头等水域的潮汐水位的预测精度,本文提出了一种基于调和分析模型与自适应神经模糊推理系统相结合的模块化潮汐水位预测模型;并采用相关分析确定整个预测模型的输入维数;模块化将潮汐分解为两部分：由天体引潮力形成的天文潮部分和由各种天气以及环境因素引起非天文潮部分。其中调和分析法用于天文潮部分的预测,ANFIS用于预测具有较强非线性的非文潮部分。模块化综合了两种方法的优势,即调和分析法能够实现长期、稳定的天文潮预报,ANFIS能够以较高的精度实现潮汐非线性拟合与预测。模型使用ANFIS模型和调和分析模型分别对潮汐的非天文潮和天文潮部分进行仿真预测,然后将两部分的预测结果综合形成最终的潮汐预测值。此外,本文选用三种不同的模糊规则生成方法（grid partition （GP）,fuzzy c-means （FCM） and sub-clustering （SC））生成完整的ANFIS系统,并使用实测数据进行验证用以选取最优的ANFIS预测模型。最后将最优的ANFIS模型与调和分析模型相结合进行潮汐水位的最终预报。仿真实验选用Fort Pulaski潮汐观测站的实测潮汐值数据进行预报的仿真实验,仿真结果验证了该模型的可行性与有效性并取得了良好的效果,具有较高的预报精度。     

基于熵权TOPSIS模型的海岛地区资源环境承载力研究——以舟山普陀区、定海区为例

随着海洋强国、"一带一路"、生态文明建设等国家战略的不断推进,海岛在国家政治、军事、经济、社会、生态中的地位不断提高,海岛开发、利用的规模越来越大,其生态保护也面临着新的挑战。本文依据资源环境承载力内涵,兼顾海岛资源环境特点,研究形成海岛地区资源环境承载力评价指标体系,综合应用熵权法、TOPSIS(逼近理想解排序方法)模型评价了典型海岛地区——普陀区与定海区2009-2015年间的资源环境承载力状况,结果表明:普陀和定海资源环境承载力水平呈稳步提升趋势,各个时期的环境保护政策和节能减排相关措施在环境保护与污染治理等方面起到了较为积极的作用。最后,在基于生态系统的海岛综合管理框架内提出了对策建议。