基于距平分析的Argo海表温度场重构

作者：王文娟1 2  俞胜宾1 2  杨凡3  刘增宏2

单位：1. 国家海洋局南海预报中心, 广东广州510310; 2. 国家海洋局第二海洋研究所, 卫星海洋环境动力学国家重点实验室, 浙江杭州310012; 3. 国家海洋局珠海海洋环境监测中心站, 广东珠海519015

关键词：Argo浮标 数据重构 Kriging插值 距平分析

分类号：P731.11

出版年·卷·期（页码）：2014·31·第六期（68-73）

摘要：

提出基于距平分析的Argo 海表温度场(SST)重构方法,即在Argo 浮标观测点提取温度距平值序列进行Kriging 插值生成距平场,并叠加气候态SST的方法重构Argo 海温场.以Argo 数据相对稀少的2003 年8 月份和Argo 数据相对较多的2012 年8 月份印度洋海域(60°S—30°N,25°—125°E)为例,重构水平分辨率为1°×1°的海表温度场.分析表明:(1)这种基于距平分析方法重构的海温场与对Argo 数据直接Kriging 插值获得的结果相比在精度上有大幅提高;(2)重构的温度场与最优插值海表温度场(OISSTV 2.0)的等温线具有高度的一致性,并且在Argo 浮标附近海域有更好的细节表现;(3)即使在Argo 数据相对稀少的海域,基于距平分析方法重构的海温场也能保持较高的精度要求,包括边缘海域和南大洋极锋附近均有较好表现.

By calculating sea surface temperature (SST) anomalies at Argo buoys sites, gridding the SST anomalies using Kriging method, and summing up the gridded SST anomalies and mean SST, we reconstructed the Indian Ocean (60°S-30°N,25°-125°E) SST at the resolution of 1°×1° with Argo data. The reconstructed data of August 2003 and August 2012 were analyzed, the result shows: (1) the new approach can significantly improve the accuracy compared with gridding Argo data directly by using Kriging method. (2) The isotherms of reconstructed SST are highly consistent with optimum interpolation sea surface temperature (OISST) V2.0, and even better than OISST V2.0 in waters near Argo buoys. (3) Even in waters Argo buoys rarely distributed, the new approach can reconstruct SST with high accuracy, including at marginal seas and polar front waters in the Southern Ocean.

参考文献：

[1] Charraudeau R, Gaillard F. ISAS_V4: Mise en place de la configuration[R]. Rapport LPO 07-09, 2007. [2] Gaillard F, Charraudeau R. ISAS_V4.1b: Description of the method and user manual[R]. Rapport LPO 08-03, 2008. [3] Gaillard F. ISAS-Tool Version 5.3: Method and configuration[R]. Laboratoire de Physique de Océans,UMR 6523, 2009. [4] RoemmichD, Gilson J. The 2004-2008 mean and annual cycle of temperature, salinity, and steric height in the global ocean from the Argo Program[J]. Progress in Oceanography, 2009, 82(2): 81-100. [5] HosodaS, OhiraT, NakamuraT. A monthly mean dataset of global oceanic temperature and salinity derived from Argo float observations[J]. JAMSTEC RepResDev, 2008, 8: 47-59. [6] Martin M J, Hines A, Bell M J. Data assimilation in the FOAM operational short-range ocean forecastingsystem: a description of the scheme and its impact[J]. Quarterly Journal of the Royal Meteorological Society, 2007, 133(625): 981-995. [7] UdayaBTVS, RacichandranM, Devender M R, et al. An operational Objective Analysis system at INCOIS for generation of Argo Value Added Products[R]. Technical Report,2007. [8] 张韧, 黄志松, 王辉赞,等. 基于Argo 资料的三维盐度场网格化产 品重构[J]. 解放军理工大学学报( 自然科学版), 2012, 13(3): 342-348. [9] 刘巍, 张韧, 王辉赞,等. 分形插值参数的遗传优化及其ARGO海 温场应用试验[J]. 大气科学学报, 2010, 33(2): 186-192. [10] 张春玲, 王振峰,李宏. 基于最优插值法的Argo 数据网格化实验[J]. 海洋测绘, 2012, 32(3): 29-31. [11] 李宏, 许建平, 刘增宏, 等. 利用逐步订正法构建Argo 网格资料 集的研究[J]. 海洋通报, 2012, 31(5): 502-514. [12] 杨胜龙, 马军杰, 伍玉梅,等. 基于Kriging 方法Argo 数据重构太 平洋温度场研究[J]. 海洋渔业, 2008, 30(1): 13-18. [13] Reynolds RW, Rayner NA, Smith T M, et al. An improved in situ and satellite SST analysis for climate[J]. Journal of Climate, 2002, 15(13): 1609-1625. [14] Smith TM,Reynolds RW. A high-resolution global sea surfacetemperature climatology for the 1961-90 base period[J]. Journal of Climate, 1998, 11(12): 3320-3323. [15] 王靖波, 潘懋, 张绪定. 基于Kriging 方法的空间散乱点插值[J]. 计算机辅助设计与图形学学报, 1999, 11(6): 525-529. [16] 申静, 苏天赟, 王国宇, 等. 基于Kriging 算法的海底地形插值设 计与实现[J]. 海洋科学, 2012, 36(5): 24-28. [17] 李晓军, 王长虹, 朱合华. Kriging 插值方法在地层模型生成中的 应用[J]. 岩土力学, 2009, 30(1): 157-162.

服务与反馈：

【文章下载】【发表评论】【查看评论】【加入收藏】