基于四维变分同化方法的南海中尺度涡后报实验

海洋中尺度涡在本质上是属于满足准地转平衡的大尺度运动,因此理论上,其在短时间内的运动将主要受到准地转平衡关系的约束,而外部强迫场的影响在短期内不会明显改变其运动特征。基于上述思想,我们提出了一种基于四维变分同化初始场的中尺度涡旋预报方案。为了检验该方案的可行性,本文使用区域海洋模式(regional ocean modeling system, ROMS)和其内建的增量强约束四维变分同化(incremental strong constraint four dimensional variational, I4D-Var)模块,建立了一个南海海洋同化模拟系统。首先,通过I4D-Var方法将AVISO卫星高度计资料同化到海洋数值模拟中,获得了理想的中尺度涡同化模拟结果。同化、模式模拟和观测三者的中尺度涡统计结果表明,该同化系统模拟的南海中尺度涡的路径、半径、海表高度异常和振幅等特征信息与AVISO(Archiving ValidationandInterpolationofSatelliteOceanographicData)观测结果高度吻合,同时在深度上的分析表明,涡旋对应的温度、盐度和密度均得到有效的调整。然后,将该同化系统的模拟结果做为初始场,对某一特定时段的南海中尺度涡进行了后报模拟和结果的定量化分析。通过比较后报模拟与观测资料中对应涡旋的海表面高度异常(sea surface height anomalies, SSHA)相关系数、涡心差距和半径绝对误差,证明该方案的中尺度涡后报时效至少可达10 d以上。后报实验结果验证了该中尺度涡预报方案的可行性,从而为中尺度涡的预报提供一定的理论基础和可行性方案。     

基于概率估算的南海中尺度涡强度定级方法

根据预报工作的实际,选用中尺度涡振幅作为强度指标,首先用概率大小定义强度等级,然后将强度等级和衡量中尺度涡的强度量值——振幅的大小一一对应,给出中尺度涡强度分级方案的同时,提出了以风险评估为基本思路,以概率分布为主要工具的强度定级新方法。这一方法取代纯经验的指标设置,提供一种新的有依据的定级方法。基于实际工作需求,使用概率阈值21\15\10 cm定义中尺度涡强度等级,将中尺度涡强度分为4级。     

多源数据中尺度涡三维结构分析方法研究

作为重要的海洋中尺度现象之一,中尺度涡的研究受到人们的关注和重视。随着数值模式的进一步发展、卫星资料的累积、时间更长以及更多更有效的海上实测数据的取得,使得综合利用实测资料、卫星遥感资料、再分析/数值预报产品等数据源,对中尺度涡进行自动识别与三维结构分析成为中尺度涡研究的主要方向之一。在前期对卫星遥感资料中尺度涡自动检测算法进行研究的基础上,开展多源资料中尺度涡三维结构分析方法研究,以表面漂流浮标运动轨迹为中尺度涡的判定依据,综合利用高度计观测、红外遥感观测、以及再分析/数值预报产品分析中尺度涡三维结构信息,在此基础上,提出中尺度涡研究的发展方向,为全面分析中尺度涡的时空特性提供技术途径,为中尺度涡的动力机制研究奠定基础。     

冬季台湾西南海域一对冷、暖中尺度涡的同化模拟研究

基于改进的1/30°分辨率的南海业务化预报系统,利用集合最优插值(En OI)同化方法对南海北部中尺度涡进行了同化模拟研究。模拟结果准确再现了2013年冬季发生在台湾岛西南海域的一对冷、暖中尺度涡的生成及传播过程。分析暖涡和冷涡成熟时期的垂向结构发现:暖涡中心温跃层深度超过200 m,而冷涡中心温跃层深度小于150 m;暖涡和冷涡经向和纬向流速均存在不对称性,相邻一侧流场强度明显偏强,对应较强的水平流速切变。上述特征与同时期南海中尺度涡观测实验结果基本一致。对暖涡和冷涡生成机制的分析印证了暖涡是由黑潮流套脱离生成的观点,同时指出冷涡是暖涡北侧较强的气旋式流速切变及西南向海流产生的离岸输运共同作用产生的。     

中尺度涡自动识别算法比较与应用

中尺度涡是典型的海洋中尺度现象,开展中尺度涡研究具有重要的科学意义和实用价值,主要利用Okubo(1970)和Weiss(1991)提出的W方法和Nencioli等(2010)提出的几何学算法,针对数值模式输出产品开展了中尺度涡的自动识别与信息提取。结果表明,W方法和几何学方法均能够较好地识别出中尺度涡的位置,进而提取中尺度涡的半径、强度能信息,相比W方法,几何学方法能够识别出更多尺度相对较小的中尺度涡。同时,这两种自动识别方法也存在一定比例的漏判和错判的现象,进一步改进和完善中尺度涡的识别和信息提取算法仍然是必要的。     

海表地转流差商计算试验分析

基于卫星高度计海面异常高度资料反演的海表地转流场在海洋学研究中应用广泛。针对Arbic等(2012)提出的海表地转流差商计算改进算法,以南海为试验海区,通过涡动能和中尺度涡自动识别计算试验对差商改进方法进行有效性检验。结果表明,七点中差法计算的海表地转流场比其他常用差商方法更利于中尺度涡旋外边界确定,得出的涡动能分布规律和数值大小也更符合实际。     

海洋模式中垂直混合参数化方案介绍

介绍了海洋垂直混合过程参数化方案的发展,以及不同参数化方案在海洋模式中的应用情况。首先,介绍不同垂直混合参数化方案的物理问题、理论依据、数学表达和特征,并对不同参数化方案进行了比较。其次,针对中尺度涡、亚中尺度涡以及波浪、潮流混合参数化的最新研究进展进行了总结并对垂直混合参数化的未来发展提出了一些建议。     

中国海高分辨率业务化风暴潮模式的业务化预报检验

国家海洋环境预报中心建立了中国海高分辨率风暴潮数值预报模式,模式在水平分辨率和网格的嵌套方面都较以往的业务化模式有改进和提高.自2003年起将模式投入业务化运行以来,连续三年共对11个台风风暴潮过程进行了跟踪预报,并将数值预报结果与实测资料相对比.本文将对预报模式三年来的预报结果进行检验.     

基于生成对抗网络模型的热带和亚热带海洋中尺度涡预报研究

中尺度涡蕴含海洋超过90%的动能,显著影响海洋物质能量循环。对中尺度涡的预报是目前物理海洋学研究的热点和难点。文章基于卫星高度计观测的近30年海表面高度异常数据(sea level anomaly, SLA),采用基于博弈思想的生成对抗网络方法(generative adversarial networks, GAN),构建了中尺度涡预报模型,进行了28天预报,并采用独立样本分析了预报涡旋的空间分布、时间分布、能量强度等特征参数,探讨影响预报结果准确性和时效性的主要因素。结果表明,半径为100～200km的涡旋在15天左右的预报时长仍能保持较好的准确性及时效性,误差在20%以内。该区域的平均涡动能约为0.875m²·s^–2,其预报的均方根误差(root mean square error, RMSE)普遍介于0.02～0.04m²·s^–2。且涡旋预报结果受异常天气影响较小,在正常天气条件和台风娜基莉条件下具有相似的预报能力。这些结果对进一步理解并应用生成对抗网络这一新方法预报海洋中尺度涡提供了参考。     

南海冬季一次海面大风天气的WRF模式预报检验

为寻找出适合南海冬季海面大风天气预报的边界层参数化方案,利用中尺度气象模式WRF中9种边界层方案(YSU、MYJ、QNSE-EDMF、MYNN2、MYNN3、ACM2、BouLac、UW、GBM),对2012年12月29-31日的大风过程进行预报,并用最终分析资料(FNL)检验10 m风场预报。结果表明:风速风向预报的整体平均偏差相当,风向预报的均方根误差较风速大;风速风向与实况的相关随着预报时间增加,整体呈现下降趋势;各方案对海陆交界风速预报普遍偏大2 m/s以上,而在远离陆地的海域偏差较小;YSU方案对北部湾、东沙群岛、西沙群岛、南沙群岛4个海区风场的变化趋势均能较好预报;整体而言,南海大部分海域的预报偏差较小,YSU、MYNN2、MYNN3方案对风速预报较好,ACM2方案对风向预报较好。     

基于深度学习的中尺度涡检测技术及其在声场中的应用

针对海洋中尺度涡的检测与参数提取问题,本文使用中尺度涡SAR图像数据集,提出基于深度学习的EddyYolo目标检测模型进行中尺度涡的涡旋中心和涡旋水平尺度的多目标检测,并且提取涡心位置和涡旋水平半径等参数.实验结果表明:本文提出的EddyYolo模型实现了涡旋中心和涡旋水平尺度的多目标检测,检测准确率达到94%.在此基础上,结合二维高斯涡模型和三维中尺度涡模型,本文提出了基于卫星遥感与声学对中尺度涡的联合建模方法.     

一种使用卫星高度计数据且基于密度聚类的新型海洋中尺度涡自动探测算法

中尺度涡旋是海洋中典型的中尺度现象,是海洋中能量传递的运输者,中尺度涡识别与提取是物理海洋学研究的重要内容之一,而中尺度涡自动发现算法是最基础的用于寻找与分析中尺度涡的工具。中尺度涡旋探测工作的数据来源主要为卫星高度计数据融合出的SLA数据,该数据可以客观的描述海洋表层高度状态。中尺度涡表示为SLA闭合等值线所包围的局部等值区域,涡旋识别需要从SLA数据中提取出稳定的闭合等值线结构。针对基于SLA数据中的中尺度涡探测的特点,本文提出了一种新的基于聚类方法的中尺度涡自动识别算法,通过对SLA数据集的分割与筛选将中尺度涡区域与背景区域分离,后建立区域内联系并将其映射到SLA地图上来提取中尺度涡结构。本文算法解决了传统探测算法中参数设定的敏感性问题,不需要进行稳定性测试,算法适应性增强。算法中加入了涡旋筛选机制,保证了结果的涡旋结构的稳定性,提高了识别准确率。在此基础上,本文选取了西北太平洋及中国南海地区进行了中尺度涡探测实验,实验结果展示出了本文算法在较传统算法提高算法效率的同时,也保持着较高的算法稳定性,可以在稳定识别各个单涡结构的同时识别稳定的多涡结构。     

基于改进U-Net网络的海洋中尺度涡自动检测模型

海洋中尺度涡对浮游生物的分布、能量和盐分的输送具有非常重要的影响,海洋中尺度涡的自动检测是监测、分析中尺度涡时空变化的重要基础.针对传统基于物理特征检测海洋中尺度涡的方法存在受限于人工设计参数导致精度不高的问题,本文依据海洋卫星反演的海表面高度图,提出了一种基于改进U-Net网络的海洋中尺度涡自动检测模型.该模型在海洋...     

基于密度峰值聚类的中尺度涡轨迹自动追踪方法

中尺度涡信息的提取包括涡旋的识别和轨迹追踪,其自动识别与追踪对于基于海量数据的中尺度涡分析十分重要。传统涡旋轨迹自动追踪方法一般需要预先设定搜索半径的阈值,存在一定的主观性。针对传统中尺度涡轨迹追踪方法存在的问题,论文从聚类的角度出发,提出基于密度峰值聚类算法实现对涡旋轨迹的自动追踪,并以南海中尺度涡追踪为例,将基于聚类的追踪算法与传统的相似度追踪算法进行比较分析。结果表明:（1）基于密度峰值聚类算法,可实现对海洋中尺度涡的自动追踪,该算法涡旋追踪准确率优于传统相似度算法;（2）该涡旋追踪算法对资料的完整性依赖度较低,特别是对于存在部分缺损数据的情况仍能较准确追踪;（3）该追踪算法克服了传统涡旋追踪算法需要预先设定搜索半径阈值的问题,自适应性更强。     

苏门答腊岛西北海域中尺度涡源区特征与形成机制

孟加拉湾内和湾口附近有丰富的中尺度现象,本文利用2.0版可分辨低纬地区中尺度涡的Chelton数据集,通过溯源的方法得到中尺度涡的源地分布。苏门答腊岛西北海域(以5°N,94°E为核心的区域)是中尺度涡重要源区之一。通过拉格朗日方法的涡旋追踪表明,1993—2017年该海域(3°N—6°N、92°E—95°E),分别有57个气旋式和40个反气旋式中尺度涡。频谱分析显示海表面高度异常存在180 d和360 d两个显著周期。地形和风场的共同作用是该海域产生中尺度涡的动力机制：沿5°N西传的罗斯贝波在海岭地形的作用下触发了中尺度涡的生成;赤道风场是源区重要的能量来源,局地风场能诱发中尺度涡的极性。本研究也揭示了以往文献虽刻画了苏门答腊岛西北部海域为高涡动能区,却没有识别出较多中尺度涡的原因。     

基于高分辨率再分析海流数据的三种涡旋识别方法在南海的评估

本文基于南海11 a逐日高分辨率再分析海流数据,利用三种涡旋识别方法——缠绕角（Winding Angle,WA）法、速度矢量几何（Vector Geometry,VG）法和OW (Okubo Weiss)参数法对南海中尺度涡进行识别和追踪,对比了三种方法对中尺度涡的探测能力,并分析了在高分辨率再分析产品中的适用性。研究表明,产品空间分辨率的提高能够放大OW方法的W参数噪声,使该方法存在涡旋过量检测和涡旋分割现象,导致识别的涡旋数量偏多、半径偏小,涡旋平均成功探测率最低（76.2%）;与OW方法相比,WA方法在一定程度上降低了涡旋过量探测率和漏判率,涡旋平均成功探测率提高至85.1%,但涡旋识别时间较长;与前两种方法相比,VG方法的涡旋平均成功探测率可达93.2%,综合评估参数（过量探测率×漏判率÷成功探测率）优势显著（4.5%）,且计算高效。因此,在基于高分辨率再分析产品进行中尺度涡识别时,VG方法具有更加合理的涡旋探测结果和更强的适用性。     

南海中尺度涡年际变化特征及动力机制分析

基于Okubo-Weiss函数方法对20年高度计资料进行涡旋识别,分析了南海中尺度涡的时空分布,初步研究了中尺度涡旋活动的年际变化特征及其可能的动力机制。结果显示,南海中尺度涡旋活动具有较为显著的年际变化特征,通过对涡旋个数、涡区面积、涡动能计算分析表明涡旋活动与ENSO现象遥相关:南海中尺度涡活动在ElNio年较弱,在LaNia年较强。可用风场异常解释南海中尺度涡的年际变化与ENSO现象的负相关关系。ElNio期间南海年平均意义下的东北风场减弱,风应力旋度绝对值减小,从而导致了较弱的涡旋活动,相反LaNia期间强劲的风场导致了涡旋活动增强。     

基于卫星测高数据的海洋中尺度涡流动态特征检测

为了最终实现对海洋中尺度涡流(简称中尺度涡)的自动采样,首先应该发展中尺度涡动态特征识别技术。本文基于SLA(Sea Level Anomaly)数据,实现了对中尺度涡动态特征的检测算法。主要内容是制定了一个判别相邻两组SLA数据中的涡流,是否为同一涡流子在不同时刻的状态的标准,即判别下一时刻SLA数据中是否存在涡流是由上一时刻确定的被检测涡流演化而来的。通过确定这种进化关系,可以得到被检测涡流的一系列动态状态信息,例如:面积变化速率、中心移动情况以及其他情况。本算法的计算量不大,从而可以应用到实时涡流跟踪的环境中。值得注意的是,本文中的算法不仅仅局限于应用SLA数据,SSH(Sea Surface Height)等大部分反映海洋高度的数据也可以使用。