海洋上层暖水在热带气旋迅速增强中的作用:基于台风威马逊(1409)的个例研究

在登陆海南岛之前,台风威马逊在南海北部从热带风暴级别迅速增强成为超强台风。观测数据的分析结果显示,海洋上层的异常暖水在威马逊的迅速增强过程中扮演了重要的角色。威马逊期间,南海北部的海表面温度相比于气候态海表面温度暖很多。这部分异常暖水为威马逊提供了更多的能量,从而导致了威马逊的迅速增强。数值模拟结果进一步证明,南海北部的暖水在台风威马逊的迅速增强过程中起重要作用。如果没有这团异常暖水的影响,威马逊只增强25 hPa,仅为有暖水影响条件下增强程度的58.1%。     

三套再分析资料在青藏高原湖泊模拟研究中的适用性分析

湖泊模式为青藏高原湖-气相互作用研究提供了有效方法,而驱动数据对模拟结果影响显著,但目前用来驱动模式的再分析资料对高原不同地区湖泊的适用性依然不够清楚。利用野外观测数据、M ODIS地表温度数据和WRF耦合的一维湖泊模式,对比分析了中国区域高时空分辨率地面气象要素驱动数据集(简称ITPCAS)、ERA-Interim和NCEP/NCAR三套再分析资料在青藏高原地区纳木错、班公错和鄂陵湖三个不同深度湖泊的适用性,并对三套再分析资料的准确性进行了初步验证,进一步分析了不同校正方式后的再分析资料对模拟结果的影响。结果表明,用三套不同再分析资料作为模式驱动数据时,WRF耦合的一维湖泊模型均能够较好地模拟出高原湖泊表面温度的变化,但仍然与MODIS观测结果存在偏差。三套再分析资料中ITPCAS数据集的各气象要素与站点观测更为接近,ERA-Interim数据的向下长波和短波辐射比观测值偏大,NCEP/NCAR数据中的向下长波较观测值偏小而风速偏大。利用站点观测对再分析资料进行校正,ITPCAS数据进行全要素校正前后模拟结果差别不大,ERA-Interim和NCEP/NCAR进行全要素校正后模拟结果准确性显著提高;对于实地观测资料匮乏的地区,单独对ERA-Interim向下短波辐射数据进行校正以及同时对NCEP/NCAR气温和向下长波辐射数据进行校正均能优化湖表面温度的模拟结果。     

协调大集合模拟下全球海表面温度对北极对流层早冬增暖的影响

本文使用六个不同的最新大气模式进行了协调数值集合实验,评估和量化了全球海表面温度(SST)对1982-2014年冬季早期北极变暖的影响.本研究设计了两组实验:在第一组(EXP1)中,将OISSTv2逐日变化的海冰密集度和SST数据作为下边界强迫场;在第二组(EXP2)中,将逐日变化的SST数据替换为逐日气候态.结果表明...     

利用南极走航观测评估卫星遥感海表面温度

利用1989-2005年间南极走航观测的海表面温度,对目前3个主要的卫星反演的SST产品AVHRR(Advanced Very High Resolution Radiometer),TMI(TRMM Microwave Imager)和AMSR-E(Advanced Microwave Scanning Radiometer for the Earth Observing System)进行了较为系统的评估,并着重检验了它们在南大洋的准确性.结果表明,AVHRR SST比观测数据偏冷,白天的偏差为-0.12℃,夜晚的偏差为-0.04℃,而且南大洋的冷偏差更为显著.TMI SST比观测数据明显偏暖,白天的偏差为0.48℃,夜晚的偏差为0.57℃,其温差ΔT受37GHz风速影响,在强风速(>6m/s)下这种影响仍然存在.AMSR-ESST比观测数据偏暖,白天的偏差为0.34℃,夜晚的偏差为0.27℃,而且南大洋的暖偏差相对较大.AMSR-E SST温差受水汽影响,并在南大洋随着水汽的增加而增加.通过进一步比较微波(AMSR-E和TMI)和红外(AVHRR)遥感的SST在2004年北半球冬季(即南半球夏季)的差别,发现微波遥感在热带(15°S-15°N)和南大洋区域(45°S以南)比红外遥感偏暖,而且在南大洋区域的偏差相对较大,相反在北半球中纬度区域(15°~40°N)偏冷.AMSR-E与AVHRR SST的温差,从白天到夜晚有减小的趋势,而TMI与AVHRR SST的温差无明显的变化.     

上层海洋对台风"凯萨娜"(2009)的响应特征

本文利用多源卫星遥感数据和Argo浮标数据对2009年台风"凯萨娜"过后,南海上层海洋的物理和生态响应特征进行了分析。结果表明,"凯萨娜"引起的上升流流速最大可以达到1.6×10~(–3)m/s,台风过后,海表面温度(SST)下降显著,最大降温幅度可以达到6℃,海表面高度降低,先前存在的中尺度冷涡进一步加强。台风过后,沿着台风路径,叶绿素浓度升高,最大值可以达到2 mg/m~3以上,初级生产力升高到台风过境前的5倍。SST的最大降温中心与海面高度下降区域以及叶绿素浓度升高的区域一致。Argo数据表明台风诱发了强烈的垂向混合和艾克曼泵吸,不同位置处,垂向混合和艾克曼泵吸的强度不一样。通过混合和泵吸过程,台风可以把海洋内部的营养盐输送到海洋表层,对整个南海的物理和生态过程有重要影响。     

基于Landsat8的海冰表面温度反演算法研究

Landsat8影像被广泛应用于陆地表面温度的提取,但基于Landsat8的海冰表面温度产品依旧空缺,且无标准算法可循。基于Landsat8卫星搭载的TIRS传感器获取的热红外波段影像,利用3种常用的劈裂窗算法分别进行海冰表面温度反演,并将结果与浮标实测海冰表面温度数据和MODIS海冰表面温度产品进行了对比和验证。与浮标数据相比,DU C等的算法平均绝对误差和均方根误差最小,分别为1.718 6 K和2.621 3 K,可作为海冰表面温度反演的标准算法;而Jiménez-Mu?oz J C等的算法结果与MODIS冰温产品最为接近,适用于需与已有的MODIS冰温产品联合使用的情况,且两种算法的精度均优于已有的MODIS冰温产品;JIN M J等的算法在研究区域表现不佳。同时,与浮标数据相比,所有基于卫星影像反演的冰温产品在数值上总体偏低。     

前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估

基于中国587站日最高、最低气温观测资料、月平均的ERA_interim土壤湿度（Soil Moisture,SM）再分析资料及扩展重建的海表面温度（Sea Surface Temperature,SST）资料（ERSST）,对极端气温指数进行了定义,利用变形的典型相关分析和集合典型相关分析方法（Ensemble Canonical Correlation,ECC）,分析了1979-2009年我国夏季极端气温与前期（春、前冬）SM、SST间的线性联系,建立了中国夏季极端气温预测模型,并对独立样本检验的效果进行了评估。结果表明：1）与中国夏季极端气温联系密切的前期SST异常的空间分布为类PDO（Pacific Decadal Oscillation）型,前期土壤湿度异常的区域为华南、青藏高原、东北和西北地区。2）交叉检验结果表明基于前冬预测因子的极端气温预测模型技巧高于春季,基于SM的极端气温预测模型技巧高于SST。3）独立样本检验表明基于前期SM、SST的ECC模型对中国东部夏季极端气温有一定的预测能力。因此,可以在夏季极端气温的预测业务中考虑前期SM、SST的影响。     

台湾海峡海表面温度的遥感反演及精度检验

海表面温度(SST)是海洋-大气系统中一个十分关键的物理量。SST为海洋学课题的研究提供了一种直观的指示量[1],在海洋捕捞中SST是寻找中心渔场的指标之一,可为渔业部门提供鱼类的回游路线和渔场的位置信息[2]。SST制约着海面和大气的热量、动量和水汽交换,是研究大气环流和气候变化[3]甚至台风移动路径[4]等气象学课题的一个重要因子。因此,SST在海洋学和气象学研究中占有非常重要的地位,此外SST对海洋运输、海洋污染、海上油气资源开发、海滨核电站建设等方面的影响近年来也倍受关注。     

Stokes漂流对全球海表面温度模拟的影响

Stokes漂流对海洋上混合层中的流场和温度场结构具有不可忽视的作用。本文基于WAVEWATCHⅢ海浪模式模拟的海浪要素计算得到Stokes漂流,将其引入SBPOM模式的动量方程中,从体积输运的角度研究Stokes漂流对全球海表面温度的影响。分析发现Stokes漂流与Stokes输运在全球呈现高纬度强于中低纬度的带状分布特征,且这种流动与输运对全球海表面温度具有降温作用,该降温作用的分布与全球Stokes输运强度相对应,高纬降温作用大于中低纬度,特别是南极绕极流海域平均降温明显大于其余海域,最大降温可达1.5℃,且全球月平均降温超过0.1℃。     

东、黄海海表面温度季节内变化特征的EOF分析

基于1998—2004年的TRMM/TMI卫星遥感海面温度(SST)数据,在初步分析东、黄海SST的季节分布特征的基础上,采用EOF方法分析了SST的季节内变化特征,进而对SST季节内变化的可能机制进行了探讨。EOF分析获得的前4个模态的累积方差贡献率为57.07%,其结果基本反映了东、黄海SST变化的主要物理过程。其中,EOF的第一模态的方差贡献率占30.17%,其空间模态揭示了以东海北部为中心的、整个海域SST变化趋于一致的特征,这一模态的显著变化周期为6.3周;第二模态的方差贡献率占14.36%,其空间模态呈现东南海域与西北海域SST的反相变化趋势,显著变化周期为8.7周和10.6周;第三模态的方差贡献率占7.02%,其空间SST变率最大的区域位于黄海海域,显著变化周期为6.8,8.7,10.2周等;第四模态的方差贡献率占5.52%,其空间SST变率最大的区域位于东、黄海近海,显著变化周期为6.8周。东、黄海SST季节内变化与此海区大气中的季节内振荡是紧密相关的。