基于SMOS卫星数据的海表面盐度模型

海表面盐度是研究海洋对全球气候影响以及大洋环流的重要参量之一,而卫星遥感技术是获取海表面盐度数据的最有效方法.目前,L波段的SMOS和Aquarius/SAC-D遥感卫星正在用于探测海表面盐度,并根据卫星观测数据和物理机制反演出海表面盐度的产品.但在某些近陆地区域,由于淡水流入及陆地射频(RFI)等因素影响,卫星反演盐度的产品精度较低.文中利用“东方红2号”科学考察船的实测数据、SMOS卫星数据,首次针对中国南海海域提出了用贝叶斯网络模型计算海表面盐度,并用验证数据集(实测Argo盐度)对模型进行适应性评估.经过计算,模型误差和验证误差分别为0.47 psu和0.45 psu,而相应的SMOS Level 2产品的精度分别为1.90 psu和1.82 psu.此模型为海表面盐度的计算提供了一个新方法.     

渤海海表面盐度神经网络反演研究

海表面盐度是研究海洋生态环境和全球气候变化的重要指标。基于多层神经网络,利用实测海表面盐度数据和MODIS-Aqua遥感反射率产品,针对渤海建立了海表面盐度的反演模型,随后通过该模型分析了2022年3月至2023年3月4个季度的渤海盐度时空变化。研究发现：模型的决定系数(R²)和均方根误差(RMSE)分别为0.66和0.39,优于先前文献提出的多波段线性模型(0.39和0.60)。渤海盐度的时空分析表明：黄河冲淡水是影响渤海海表面盐度重要因素,它致使莱州湾和辽东湾的盐度长期降低;9月份以后随着渤海冷流沿山东半岛南下,随后向渤海海峡和北黄海方向扩散。     

印度洋海表温度的变化及其对印度夏季季风降水影响的诊断研究

对印度洋海表温度(SST)的主要特征及变化趋势进行分析,并研究了其与印度夏季季风降水(ISMR)和季风环流的关系,揭示出:从北印度洋到南半球中高纬度印度洋,SST最显著的变化模态是全海盆一致的变化,近50 a来总体趋势是上升的,在1976,1986年以及1996年间分别有一次跳跃性增温,与太平洋SST变化趋势基本一致.除了长期变化趋势外,南印度洋中高纬度比热带地区有更显著的模态分布.在印度洋SST升温的背景下,ISMR具有逐渐减少的趋势,但两者相关较弱.印度洋SST发生跳跃后的不同阶段,许多海区SST与ISMR相关均发生变化,但在春季,热带外南印度洋具有一对相对稳定区,其分布与EOF分析的第2模态相似.根据它们的分布,文中定义了春季南半球偶极子(SIOD),在正SIOD(PSIOD)情况下印度降水偏多,而负SIOD(NSIOD)则反之.环流分析表明,PSIOD(NSIOD)通过与大气的相互作用,对夏季马斯克林高压具有增强(减弱)作用,进而使得索马里越赤道气流增强(减弱),在印度地区低空产生异常的辐合(辐散),高层辐散(辐合),从而影响印度季风环流,使得印度季风降水偏多(少).     

热带西太平洋海表盐度的变化特征及其对淡水通量的响应

基于1980~2015年的全球简单海洋资料同化分析系统(SODA)、全球海气通量(OAFlux)和全球降水气候学计划(GPCP)等海洋、大气观测再分析资料,采用线性拟合、经验正交函数(EOF)分解、相关分析和波谱分析等数理统计方法,分析了热带西太平洋海表盐度(SSS)和淡水通量时空变化特征及其关系.结果表明,SSS与淡水通量的气候态及长期线性变化趋势有较好的空间对应关系,两者均有多种时间尺度的EOF模态,其年代际变化模态有较好的正相关关系,并与太平洋年代际振荡(PDO)有密切的滞后相关.分析表明,PDO可能通过影响Walker环流的变化来影响热带西太平洋的淡水通量分布,从而影响SSS的时空格局.     

一种利用SMOS卫星观测的海表面盐度反演海水盐度廓线的方法

This paper proposes a new method to retrieve salinity profiles from the sea surface salinity(SSS) observed by the Soil Moisture and Ocean Salinity(SMOS) satellite. The main vertical patterns of the salinity profiles are firstly extracted from the salinity profiles measured by Argo using the empirical orthogonal function. To determine the time coefficients for each vertical pattern, two statistical models are developed. In the linear model, a transfer function is proposed to relate the SSS observed by SMOS(SMOS_SSS) with that measured by Argo, and then a linear relationship between the SMOS_SSS and the time coefficient is established. In the nonlinear model, the neural network is utilized to estimate the time coefficients from SMOS_SSS, months and positions of the salinity profiles. The two models are validated by comparing the salinity profiles retrieved from SMOS with those measured by Argo and the climatological salinities. The root-mean-square error(RMSE) of the linear and nonlinear model are 0.08–0.16 and 0.08–0.14 for the upper 400 m, which are 0.01–0.07 and 0.01–0.09 smaller than the RMSE of climatology. The error sources of the method are also discussed.     

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.     

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。     

印度洋海—气某些特征及其海温与北半球大气环流的联系

本文根据印度洋海-气热交换和海温信息区分布特征,得出阿拉伯海是印度洋海-气相互作用的一个重要区域。并讨论了阿拉伯海海温与北半球500hPa高度场和西太平洋副热带高压的一些联系。     

基于Argo的热带印度洋上层海温研究

利用2004年1月—2008年8月的月平均Argo再处理资料和NCEP风场资料,对热带印度洋2.5~500 m深度范围内的海温时空变化特征与机制进行了研究。结果表明:表层的阿拉伯海、孟加拉湾和赤道东印度洋是海温高值中心,同时是海温标准差低值中心,海温高的地方海温变化小,两者的分布型一致。在次表层,西南热带印度洋是海温高值区,赤道东西印度洋是海温低值区,次表层的海温变化最大,尤其在10°S~10°N之间的赤道印度洋。热带印度洋不同区域和深度的海温的显著周期不同,主要有1和0.5 a的显著周期。热带印度洋表层海温年周期变化主要受太阳辐射的影响,而0.5 a周期与季风有关。次表层以下海温变化主要是热带印度洋自身内部的动力作用,其1 a周期除了与太阳辐射和风有关,还与Rossby波和沿岸Kelvin波有关;其0.5 a周期除了季风这个主要因素,还与Wyrtki急流有关。海表面风场和LaNi~na是影响2006和2007年的正偶极子强度不同的重要因素。     

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。     

Revisiting ENSO impacts on the Indian Ocean SST based on a combined linear regression method

The El Ni?o-Southern Oscillation (ENSO) has great impacts on the Indian Ocean sea surface temperature (SST). In fact, two major modes of the Indian Ocean SST namely the Indian Ocean Basin (IOB) and the Indian Ocean Dipole (IOD) modes, exerting strong influences on the Indian Ocean rim countries, are both influenced by the ENSO. Based on a combined linear regression method, this study quantifies the ENSO impacts on the IOB and the IOD during ENSO concurrent, developing, and decaying stages. After removing the ENSO impacts, the spring peak of the IOB disappears along with significant decrease in number of events, while the number of events is only slightly reduced and the autumn peak remains for the IOD. By isolating the ENSO impacts during each stage, this study reveals that the leading impacts of ENSO contribute to the IOD development, while the delayed impacts facilitate the IOD phase switch and prompt the IOB development. Besides, the decadal variations of ENSO impacts are various during each stage and over different regions. These imply that merely removing the concurrent ENSO impacts would not be sufficient to investigate intrinsic climate variability of the Indian Ocean, and the present method may be useful to study climate variabilities independent of ENSO.     

Argo时代东南印度洋上层盐度变化对海平面年代际演变的影响

In the past nearly two decades, the Argo Program has created an unprecedented global observing array with continuous in situ salinity observations, providing opportunities to extend our knowledge on the variability and effects of ocean salinity. In this study, we utilize the Argo data during 2004–2017, together with the satellite observations and a newly released version of ECCO ocean reanalysis, to explore the decadal salinity variability in the Southeast Indian Ocean(SEIO) and its impacts on the regional sea level changes. Both the observations and ECCO reanalysis show that during the Argo era, sea level in the SEIO and the tropical western Pacific experienced a rapid rise in 2005–2013 and a subsequent decline in 2013–2017. Such a decadal phase reversal in sea level could be explained, to a large extent, by the steric sea level variability in the upper 300 m. Argo data further show that, in the SEIO, both the temperature and salinity changes have significant positive contributions to the decadal sea level variations. This is different from much of the Indo-Pacific region, where the halosteric component often has minor or negative contributions to the regional sea level pattern on decadal timescale. The salinity budget analyses based on the ECCO reanalysis indicate that the decadal salinity change in the upper 300 m of SEIO is mainly caused by the horizontal ocean advection. More detailed decomposition reveals that in the SEIO, there exists a strong meridional salinity front between the tropical low-salinity and subtropical high salinity waters. The meridional component of decadal circulation changes will induce strong cross-front salinity exchange and thus the significant regional salinity variations.     

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。     

东亚冬夏季风对热带印度洋秋季海温异常的响应

利用多年的Reynolds月平均海表温度资料和NCEP/NCAR全球大气再分析资料,分析了热带印度洋秋季海表温度距平(SSTA)与后期东亚冬夏季风强度变化的关系。结果表明,热带印度洋秋季SSTA的主要模态是全区一致(USB)型和偶极子(IOD)型,USB型模态主要代表热带印度洋秋季SSTA的长期变化趋势,而IOD型模态主要反映热带印度洋秋季SSTA的年际变化。热带印度洋秋季海温气候变率中既存在着明显的ENSO信号,也有独立于ENSO的变率特征,独立于ENSO的热带印度洋秋季SSTA变化的主要模态仍是USB型和IOD型。前期秋季USB模态与东亚冬季风及东亚副热带夏季风之间为负相关关系;与前期正(负)IOD模态相对应,南海夏季风强度偏弱(强),而东亚副热带夏季风强度偏强(弱)。USB型和IOD型模态对后期东亚冬、夏季风强度变化的影响是独立于ENSO的,但ENSO起到了调节二者相关显著程度的作用。     

基于微波遥感技术海面盐度反演方法

海面盐度(sea surface salinity,SSS)是研究海洋变化及其气候效应重要的物理量,对海洋生态环境、海洋可持续发展至关重要.为了提高海面盐度反演精度,本文通过对SMAP卫星L波段微波辐射计测量的亮温数据进行海面盐度反演研究,考虑风、浪等影响海面粗糙度的环境因子对Klein-Shift模型(简称K-S模型...     

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。