结合注意力机制的区域型海表面温度预报算法

海表面温度预报在海洋相关领域具有重要的实用价值,随着遥感信息采集技术的不断发展和完善,区域内海表面温度数据采集的完整性得到了保障。现今大多数方法在预报海表面温度时,只考虑了海表面温度的时间相关性,并未利用其空间相关性,使得预报精度受到限制。针对该问题,本文将区域内每天的海表面温度数据作为一个矩阵输入模型,便于时间和空间信息的提取,并提出了CA-ConvLSTM模型来预报海表面温度。该模型首先利用卷积层对海表面温度矩阵进行局部特征提取,然后通过注意力模型为矩阵序列分配权重,将权重与矩阵序列对应相乘得到加权特征序列,最后,利用ConvLSTM进行预报,获得未来一天或五天内的海表面温度。通过实验确定模型的结构、输入尺寸和k值,再将CA-ConvLSTM与SVR、LSTM和ConvLSTM进行对比。实验结果表明:CA-ConvLSTM的均方根误差(Root Mean Square Error,RMSE)和预报精度(Prediction Accuracy,PACC)指标均要优于其他三种预报方法,验证了本文方法的有效性。     

变分伴随数据同化在海表面温度预报中的应用研究

将变分伴随数据同化技术应用于海表面温度(SST)数值预报.采用中国近海海表面温度短期数值预报模式,将船舶测报海表面温度同化到该模型中,对SST初始场进行优化.文中给出了中国近海SST数值预报同化模型5d试报结果与观测值的比较,整个区域的均绝差由同化前的2.71℃降至0.87℃,即变分伴随数据同化对改进SST数值预报的效果是比较明显的,表明它可成为SST数值预报初始化的新方法.     

遥感资料同化对海表温度预报的影响

本文将AMSR-E卫星微波遥感海表温资料运用到渤黄东海海表面温度短期数值预报模式当中.数值预报模式利用伴随方法实现了预报模式的初值场优化.微波遥感海表温资料与海表面温度短期数值预报模式有机结合后的试验结果表明:将预报结果和船舶报资料进行比对时,将遥感资料引入到数据同化的结果要明显优于仅同化船舶报资料的结果,且均方差大部...     

东中国海水动力短期预报系统的构建及适用性研究

本文基于中国近海高分辨率ROMS(Regional Ocean Modeling System)海洋模式和"两洋一海"海洋-大气耦合预报系统,构建了由区域到近海的降尺度预报框架,建立了东中国海水动力短期预报系统.预报系统采用后报-预报循环计算方式运行,可以合理避免误差累积.结合多源观测海表面温度和海表面高度资料,评估了...     

黄海海表面温度实况分析方法探讨

一、前言 海表面温度实况分析和预报是密切相关的两个环节,前者是后者的前提和基础。海表面温度分析结果还可用来预报海水的垂直热结构,因而对许多海洋、天气现象都具有重要的预报意义。世界许多海洋国家已广泛利用其成果为海洋气象预报部门、海洋渔业部门和其它有关的国民经济部门服务。 为在我国邻近海域开展海表面温度实况分析与服务业务,我们对黄海海域表面温度实况分析方法进行了探讨,并在一九八二年二月开始向用户提供“黄海海表面旬平均海温实况图”。     

海表面温度的变分同化预报模式:初始场的全局优化

利用变分同化技术,将船舶报资料与海表面温度短期数值预报模式有机结合,实现了渤、黄、东海的海表面温度短期数值预报。本预报模式利用伴随方法实现了预报模式的全局优化,不但最大限度地利用了船舶报资料,而且初始温度场的调整由自动的数值迭代过程来实现。在渤、黄、东海海域,4个季节的典型月份的SST连续1个月的24h后报结果与船舶报资料均方差均降至0.8℃以下。同化后海表面温度初始场的绝均差较同化前有显著下降。与以前所用的客观分析方法比较的结果表明,伴随同化的预报精度明显高于客观分析方法。     

日本利用遥感数据推进渔业生产

日本信息服务中心自1985年以来就利用卫星测得的海表面温度(SST)来预报捕鱼区的位置.从NOAA极轨卫星上AVHRR获得的数据通过GOES-TAP数据传播系统,并与其它有关的各种数据相结合,形成海表面温度变化的成像.这些成像用来预报捕鱼区,这些预报很快传送到捕鱼队.     

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...     

1000hPa温度平均预报的参数化方法

海洋和大气相互制约,预报海表面温度变化所要考虑的因素之一是栈面上大气的温度变化.因此,准确预报出1 000hPa大气温度变化对提高海表面温度预报水平将有很大的帮助.长期温度预报的方法有多种.如Adem[1]的模式,它主要以热力学为基础;还有我国长期数值值预报小组[2]和巢纪平等[3]的模式.他们的预报结果都有一些很成功的预报个例,但仍需作大量的例子才能检验其方法的可倍度.     

印度洋偶极子预报技巧在多模式中的对比研究

本文采用北美多模式集合产品数据,分析了印度洋偶极子指数在不同模式中实际预报技巧和潜在可预报性的差异,并进一步探究其可能的原因。结果表明,印度洋偶极子的有效预报时效在不同模式中差别较大,从2个月到4个月不等。其中东极子海温异常在不同模式中预报技巧的差别较西极子海表面温度异常更明显,表明模式误差和初始误差对东极子海表面温度异常演变的影响更为显著。另外,印度洋偶极子的实际预报技巧和潜在预报技巧存在明显的线性关系,潜在预报技巧高的模式,其实际预报技巧也高。最后,本文诊断、分析了厄尔尼诺对印度洋偶极子预报技巧的影响,发现在厄尔尼诺和印度洋偶极子相关性较高的气候模式中,印度洋偶极子实际预报技巧也较高。     

Spark平台下的海表面温度并行预测算法

面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性。     

基于CESM模式同化及后报实验的南海气候特征分析

基于气候模式CESM,利用牛顿松弛逼近(nudging)方法将次表层海温同化到海洋模式中,通过多种评估方法对1982—2011年同化和后报结果的南海海区进行分析。CESM同化和后报结果能够刻画出南海海表面温度、海表面流场、降水和850 hPa风场的空间基本特征,并且能比较好的再现海表面温度和降水随时间变化规律,nudging同化结果要优于超前1个月、3个月预报。但对南海大部分海区还存在0.5℃以内的冷偏差,流场强度模拟偏弱,850 hPa风场模拟偏强的误差。同化和后报结果表明模式对夏季和秋季海表面温度模拟效果较好,海表面温度与东亚夏季风相关性在空间分布形态及量值方面模拟较为一致,而降水与东亚夏季风相关性模拟在空间分布形态及量值方面都有一定误差。南海气候模拟难点在于其夏季海气相互作用,nudging同化结果能较好的模拟出南海北部夏季海表面温度变化对大气变化的响应,同大气模式相比考虑了南海海区的海气相互作用这一特殊性。     

南太平洋大气和海洋年代际变化与冷空气关系的研究

本文分析了美国国家环境预报中心和气象研究中心(NCEP／NCAR)1958—1997年的月平均资料和海表面温度异常资料(JONES，1994)，发现南太平洋大气和海洋及赤道东太平洋中存在明显的年代际时间尺度的变化，1972年以前，副热带海区大气旋度场与海表面温度(SST)的变化同步，大气中的变化超前于海洋的变化；1972年以后到90年代初，该海区大气旋度场与海表面温度(SST)的变化趋势相反。研究发现南半球中低纬度之间热量的交换程度与副热带海区年代际时间尺度的变化具有明显的关系，说明南半球大气热通量的经向输送有可能是影响海洋年代际变化的原因之一。相关分析表明，对赤道东太平洋年代际变化的影响海区在南太平洋副热带海区，主要位于南纬20度和25度附近。     

基于CESM预测系统对全球关键海区海温主要模态后报能力评估

基于HadISST、ERSST和OISST 3种再分析海表面温度数据集,对CESM1全球气候预测系统模拟的重点海域海温的主要模态进行了评估。结果表明,模式能够基本再现再分析资料表征的海表面温度异常时空特征,5个关键海区海表面温度异常EOF分析前两个模态,超前1个月的后报结果均有较高的可预报性。特别是热带太平洋第一模态（ENSO模态）,超前3个月的后报与再分析相关系数能够达到0.79,能够为ENSO的预报提供宝贵参考。模式不可避免的存在较多误差,空间上表现为海表面温度异常（SSTA）显著区域的范围以及位置的差异,特别值得注意的是热带印度洋SSTA第一模态存在一个伪印度洋偶极子模态,同时此海区也是3种再分析资料SSTA第一模态空间差异最大的区域;时间序列上均表现出异常高频信号和异常波动情况,误差的大小通常是由同化、超前1月后报、超前3月后报逐渐增大,体现出初始误差随着积分逐渐积累的特征。热带大西洋SSTA第一模态时间序列前5年的位相存在明显偏差,将其剔除后,其时间序列与再分析资料的相关性有实质性改善。     

利用西北印度洋船测数据评估基于卫星的海表面温度

本文描述了一次夏季在西北印度洋进行的调查船水文测量,用船测数据评估卫星海面表温度,并寻找影响海表面温度误差的主要因素。我们考虑了两种卫星数据,第一种是微波遥感产品——热带降雨测量任务微波成像仪TMI数据,另外一种是融合了微波,红外线,以及少部分观测数据的融合数据产品——可处理海表温度和海冰分析OSTIA数据。结果表明融合数据的日平均海表面温度的平均误差和均方根误差都比微波遥感小。这一结果证明了融合红外线遥感,微波遥感以及观测数据来提高海表面温度数据质量的必要性。此外,我们分析了海表面温度误差与各项水文参数之间的相关关系,包括风速,大气温度,想对湿度,大气压力,能见度。结果表明风速与TMI海表面温度误差的相关系数最大。而大气温度是影响OSTIA海表面温度误差最重要的因素;与此同时,想对湿度与海表面温度误差的相关系数也很高。     

北太平洋海表面温度与西北太平洋台风相关关系的准周期振荡

本文主要分析了赤道东太平洋海表面温度与西北太平洋台风的相关关系,发现台风与海表面温度(SST)前期相关是正、同期是负、落后时为正,其正-负-正的转换周期2—3年。每次都是先从厄·尼诺海区开始,然后向西传播,从东端(80°w—90°w)传播到西端(180°w—160°w)的时间约需半年。从发生厄·尼诺事件开始,滞后两年是多台风年。另外,还利用了北太平洋SST与西北太平洋台风之间的优质遥相关海区建立了回归方程,在1981—83年的台风试报中,预报准确率约76％。     

海浪混合作用对热带海洋海表面温度模拟的影响

赤道太平洋冷舌模拟偏低且过于西伸是一个共性问题。基于特征波参数化理论,利用美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)再分析风场驱动海浪模式WAVEWATCHⅢ模拟所得的有效波高、波周期、波长等海浪要素,计算出海浪混合作用引起的垂直涡动动量系数和热混合系数,将其引入到SBPOM(Stony Brook Parallel Ocean Model)环流模式的动量控制方程中,由此探究海浪混合作用对热带海洋海表面温度模拟的影响。初步数值模拟研究结果表明,海浪混合作用的考虑,有效地改进了环流模式模拟热带海洋海表面温度偏低和赤道冷舌偏冷且过于西伸的现象,使得环流模式对热带海洋的模拟效果更好。     

一次黄海海雾的集合预报试验

基于WRF(Weather Research and Forecasting)模式及其杂合三维变分(Hybird-3DVAR)同化模块,对2006年3月发生的一次大范围黄海海雾进行了集合预报尝试。详细分析了其预报效果,并与决定性预报结果作了比较。研究揭示:集合预报50%概率雾区预报的公正预兆得分(Equitable threat score,ETS)优于决定性预报大约29%;集合预报中加入海温扰动非常必要,对浓雾预报改善作用明显,ETS提高至少10%;在集合预报中混用YSU与MYNN边界层方案的做法,可以降低只使用其中之一可能导致的预报误差。研究表明,借助Hybrid-3DVAR开展黄海海雾的集合预报技术上可行,集合预报将成为黄海海雾数值预报的一种有希望的途径。     

局地混合率变化对热带太平洋SST的影响

利用1个等密度面坐标大洋环流模式,研究了热带太平洋地区局地混合率变化对局地海表面温度的影响.研究表明,局地混合率的变化对热带中-东部地区以及海盆东边界处的海表面温度影响较强,而对海盆西部的海表面温度影响较弱,这些影响主要与局地温跃层的深度有关,此外海洋表层与温跃层的温度差等也会对局地海表面温度产生影响.     

基于D-S理论的卫星遥感海表面温度和同化数据融合方法

利用卫星遥感获取海表面温度实时性强,但其数据质量随大气环境而波动;利用同化技术求解的海表面温度局部精度高,但覆盖面与实时性差.鉴于两种技术适应不同情况,拟使用信息融合技术实现两者优势互补,即根据各自的优势和局限性对数据点进行一致性评价和加权融合计算,在提高精度的同时对结果的不确定性进行量化和评价.以我国东部海域海表温度为例的采样试验结果表明,融合法更适应复杂的环境.