黄海水温垂直剖面的遥感反演与数值预报模型.docx

1、Vol.27No.4October,2009海洋科学进展ADVANCESINMARINESCIENCE黄海水温垂直剖面的遥感反演与数值预报模型修树孟。逢爱梅I,申辉之，张钦之<1.国家海洋局第一海洋研究所，山东背岛266061；2.中国科学院海洋研究所，山东育岛266071)摘要：基于黄海水温垂直制面分层结构统计分析建立了一个卫星遥感SST反演水温垂直剖面的参数化模式，以该模式反演数据作为一维数值预报模式的初值.同时用大气预报场去料作为预报模式的过程资料，发展了一个以卫星遥感资料作为主要转入量的黄海水温垂直剖面的数值预报模型。模型实现了利用卫星遥感资料反演预报黄海水温垂直剖面的目的，5d

2、时效的预报效果明显优于巳往强温跃层数值预报模式。关键词：水温垂直剖面；参教化模式；多时间尺度反演；卫星遥感SST；敏值预报模型中图分类号:P731.3文献标识码：A文章编号：1671-6647(2009)04-0444-08利用卫星遥感技术的优势，采用多源数据融合、同化与海洋学理论及物理模型相结合的研究方法，建立海洋三维热结构卫星遥感信息提取和应用模型，已成为国际海洋界开展三维海温业务化监测和预测、拓展卫星遥感技术应用领域的主要发展方向。早在1990年,Carries等就利用卫星遥感SST和SSH变异与次表层水温变异的相关分析方法，建立由SST和SSH反演水温垂宜剖面的相关关系模型。Chu等在

3、现场观测水温剖面统计分析的基础上，发展一个由表层水温反演水温垂直剖面的参数化模型。此外还有许多其它方法，如Holland等3】的SSH异常和位涡相关方法，Alves等将SSH投影成垂向密度廓线等方法。然而，怎样利用卫星遥感信息解决海洋三维热结构的模拟预报问题，至今仍是人们探索的热点问题。卫星遥感海面温度和海面风场，由于具有观测精度高、宏观同步等优势，以此作数值模式的大气强迫和边界条件，可明显地提高海洋上层或浅海温度垂向剖面的模拟预报精度，但对于深海，由于表层信息不能充分强迫深层，模式的限制条件不够充分Erer等认为解决这一问题的关键是把遥感数据投影到水下，并同化到数值模型中。他们采用最优插值法

4、，将遥感SST和SSH相关模型反演的水温垂直剖面同化到湾流区的POM(PrincetonOceanModel)模型中，重建预报时刻三维海温初始场，取得非常好的效果。Fox等利用GDEM(GeneralizedDigitalEnvironmentalModel)模型和海面高度与温度投影的水温垂直剖面，采用最优插值技术，建立了三维温盐模块化海洋数据同化系统MODAS(ModularOceanDataAssimilationSystem)0它包括静态MODAS和动力MODAS两个了系统，静态MODAS主要描述历史平均，而动力MODAS是在静态MODAS的基础上，同化卫星遥感海面高度海面温度投影的某一

5、时刻的水温垂直剖面与现场观测资料，重建模式三维温盐初始场，给出三维温盐的时变信息并用于海洋温盐场的现报和预报。本文基于黄海水温垂直剖面统计分析结果，利用多时间尺度分析方法建立由卫星遥感SST直接收稿日期：200808-15资助项目：国家基金项目(0207QT830)作者简介：修树孟(1952C,男，山东莱阳人.研究员，主要从事海洋遥殖应用方面研究.(张骞编辑)反演水温垂直剖面特征量的参数化模式，并以该参数化模式反演的结果直接作为王宗山等建立的黄海一维预报模式的初值，同时采用卫星遥感SST、W和NECP.ECMWF等大气预报场资料作模式预报因子过程资料，改进了文献8初值和过程资料的确定方法，实现

6、了由卫星遥感信息反演预报黄海水温垂直剖面的目的。1水温垂直剖面的参数化卫星遥感SST反演i.i水温垂直剖面的参数化模式图1黄海水温垂直剖面的参数化方法Fig.1ParameterizationmethodofthetemperatureverticalprofileintheYellowSea水温垂直剖面是一个数据量较大的数据集，能否用一组特征参数来近似表达整个剖面,使数据处理变得简单适用，取决于研究区水温垂直剖面季节性变化与分层结构特点。黄海冬季多为单层结构，表层水温即可近似地表征下层温度，夏季则呈现较稳定的3层结构，即上混合层、温跃层和下均匀层。图1是夏季黄海水温垂直剖面中最典型的实例。这

7、个具有显著3层结构特征的温度垂直分布廓线可用3段线性剖面来描述.即从海面到h的混合层内，为一温度基本不变梯度近似为零的线性剖面；从人到H是温度随深度增加而急剧下降的温跃层，它大致呈线性变化.温度梯度近似为一常数，跃层强度可由平均梯度来表示；由H直到海底之间的下均匀层，也是一温度基本不变梯度近似为零的线性剖面。于是整个水温垂直剖面可用下述参数化模式来表示：T(Z)=TS(OVZWh)丁(Z)=A-Gh(Z-/D(h<Z<H)»(1)T(Z)=Th(Z2H)j式中,T(Z)=Ts-Glh(Z-/I)温跃层中任一深度的温度；八为海面温度(或混合层温度)涌为混合层厚度;H为温跃层

8、下界深度；Z为深度；为温跃层下界深度H处的温度(或下均匀层温度)；Gh为温跃层强度。其中：G»=(TsTH)/(H-h)(2)式中，丁s-Th为温跃层上下界之间的温度差;H-h为温跃层厚度。这样整个水温垂直剖面可由温跃层3项示性特征和2个温度来表示，于是参数化模式有2个深度参数力和H、2个温度参数八和丁h、1个温跃层强度参数Gh共5个未知鼠,只有知道了其中4个参数才能确定整个水温垂直剖面，因此，这个参数化模式有4个空间自由度。1.2水温垂直剖面的多时间尺度反演方法要使用卫星遥感SST和参数化模式反演水温垂直剖面.必须减小参数化模式的未知量，使参数化模式只有一个空间自由度，这就需要分析

9、特征参数的时间尺度变化并使用多解相关时间尺度假定。上述参数化模式的5个参数有不同的时间尺度变化，一般来讲矣和方有短的时间尺度变化(从数小时到数天),T，H和有长的时间尺度变化(从月到季)。长时间尺度变化参数可看作背景数据集，由历史统计资料得到，短时间尺度变化参数可由反演方法确定。如果长时间尺度参数可预先求取，那么参数化模式的自由度就减小为1个，在2个短时间尺度变化参数Ts和h之间，只有1个参数是独立的。通常可把Ts作为独立参数，由卫星遥感SST给出，这样就可以利用式（3）和已知的H,Th，Gm求得人，并利用式（1）给出整个水温垂直剖面：A=H（TS-TH）/G,h（3）黄海夏半年温跃层下界深度

10、H、温度丁,和跃层强度G,h具有较明显的月或季节性变化特征，用这些参数的月平均值作相应月份的长时间尺度参数是合理的。为此，使用参数化模式（1）并采用迭代法，处理了南黄海1976-1989年7、8月份约2300个调查站位的温度剖面资料，从每个剖面中提取1组特征参数（其，奴丁"，GQ,然后以0.5°X0.5°水平网格平均网格内的这些特征参数，用平均值作为这个网格单元的代表值，得到了南黄海7、8月份水平分辨率为0.5°X0.5°的Ts，如的月平均值。利用卫星遥感SST和参数化模式反演水温垂直剖面的另外一个必要条件就是,2个短时间尺度参数共与人之间应具

11、有明显相关性。受夏半年太阳辐射强度和风速季节变化的影响，黄海表层水温Ts和混合层厚度力有强烈的时间尺度变化。从4月到8月为海面温度迅速上升阶段，月平均增加速率为7而从8月到11月为海面温度迅速下降阶段，平均月递减率为一4°C。与此相应的混合层厚度，则从4月的50m迅速下降到5月的8m,68月则在510m之间波动，而从9月混合层厚度又开始快速增加。由此可见，黄海夏半年海面温度与混合层厚度有着非常明显的负相关关系。为定量分析Ts与其它特征参数的相关性，从每个剖面的特征参数丁s，*HT，Gh减去相应网格单元0.5°X0.5°的平均值，得到这些参数的距平并计算了17与其它

12、参数距平九如,丁/，的相关系数。结果表明，在夏季的7、8月，黄海表层水温距平Ts'与混合层厚度距平人'之间的相关系数为一0.26,明显的大于Ts'与H'（0.05）、Th'（0.03）和Glhz（0.09）的相关系数，2个短时尺度参数T：与¥之间存在最强的负相关关系。这表明对黄海采用多时间尺度的假定是正确的，多时间尺度反演方法在黄海适用。I. 3参数化模式反演效果检验为检验参数化模式的反演效果，用黄海H,T和Gh.的月平均值作长时间尺度参数，以对应于1998年8月海洋环境调查30个调查站位相应时刻获得卫星遥感SST作独立参数，利用参数化模式（1

13、）和（3）反演的剖面与实测剖面进行比对分析。30个站位反演与实测值之间的均方根误差:水温垂向剖面平均为0.90笆，Ts为0.76X：,Th为0.685为2m,H为1.9m，Gh为。20*C/m,反演与观测剖面间的平均相关系数为0.86,表明参数化模式反演的剖面与实测剖面吻合良好。2基于卫星遥感资料的数值预报模型三维海温模拟预报效果的准确度除模式本身物理机制的完善程度以外，初始场和预报因子过程资料的确定方法也至关重要。就黄海而言，王宗山槌，刃、金梅兵等的预报模式的应用效果较好。然而，由于当时资料获取方法的限制，要实现天气尺度预报的业务化运行,需要对模式初值和预报因子过程资料的确定方法进行必要的改

14、进。与文献8口0预报模式初值的确定方法相比，本文建立的参数化反演模式，尽管是一个统计模式，但由于采用了多时间尺度反演方法，模式得到的并不是一组简单的统计结果，而是在底层统计数据的基础上，给出了表层水温Ts和混合层厚度h的时变信息，得到的是与卫星遥感SST获得时间相对应的某一时刻的水温垂直剖面特征参数。这个模式的功能类似于Fox动力MODAS中的SST、SSH投影模式，即可以给出任一时刻水温垂直剖面的时变信息，又可以用于三维海温场的重建，可以有效地解决水温垂直剖面数值预报模式的初值问题和三维海温数值预报模式的初始场重建问题。此外，文献8预报因子采用的是模式风和加热场资料，而未采用实测数据，这对模

15、式的预报效果有负面影响。本文采用参数化模式反演的特征参数L，力和丁H直接作一维数值预报模式的初值，预报因子过程资料则完全采用卫星遥感和大气预报场资料，将其发展为一个以卫星遥感资料作主要输入参数的黄海水温垂直剖面的数值预报模型。数值预报模型由水温垂直剖面遥感反演模式、过程资料数据处理、一维数值预报模式和预报结果数据处理4部分组成（图2）。图2数值预报模型结构Fig.2Thestructureofthenumericalpredictionmodel水温垂直剖面数值预报模型运行时需要的过程资料主要有海面温度SST、海面风速W、海面气温T.和太阳辐照度E。，其中在黄海月周期内可视为常数,SST主要用

16、于确定模式的初值，W和T.为预报因子。本模型计算时的过程资料主要使用AVHRR,QUICKSCAT,NECP和ECMWF的遥感和模拟预报场资料,并采用二维线性插值方法生成SST，L，Wl/24°网格数据，形成预报期内6h间隔的过程资料时间序列数据集。在完成数值预报模型预报时刻水温垂直剖面遥感反演和预报期内的大气强迫过程资料后，数值预报模型的预报过程也就是一维海洋模式的数值求解过程。模型计算的差分格式和定解条件，除计算步长改为6h外，其它均与王宗山的求解方法相同。模型在预报过程中，每隔6h向模式输入并更新预报因子过程资料（W,T.）,预报因子过程资料拟采用直接插值方法同化到一维数值预报

17、模式，并以模式计算的6h间隔后的水温垂直剖面特征参数（Ts0和丁Q作下一步运算的初值，依次重复直到预报过程结束为止。3数值预报模型的精度检验为检验模型的预报效果，以1997年7月中韩合作调查海上现场观测的水温垂直剖面资料为依据，通过对比预报与实测值之间的误差对模型进行5d时效预报效果检验。检验的主要参数有表层水温八、下均匀层温度丁，混合层厚度奴温跃层厚度1和温跃层强度Ge在进行预报时，以1997年7月中韩合作黄海各个站位的观测时间为终点，分别向前推5d作为预报时刻的起点，然后利用卫星遥感资料和大气预报场资料，建立1997年7月模型预报所需的海面温度、海面风速和海面气温的时间序列资料.再启动模型

18、进行相应站位5d时效的水温垂直剖面预报。图3给出了中韩合作调查8个站位5d时效水温垂直剖面的实测与预报值比较图，表1给出中韩合作18个站位预报与实测的误差分析结果，模型的预报结果与实测值吻合良好。预报结果的均方根误差：表层水温Ts为0.72I,下均匀层水温Th为0.69*C,混合层厚度h为1.79m,温跃层厚度I为2.69m,温跃层强度G,h为0.19r/mo图3中怖合作调查8个站位的实测（蓝线）与预报（红线）水温垂直剖面图Fig.3Theobserved（blue）temperatureprofilesobtainedduringChina-KoreaJointsurveyandthefor

19、ecast（red）图3中怖合作调查8个站位的实测（蓝线）与预报（红线）水温垂直剖面图Fig.3Theobserved（blue）temperatureprofilesobtainedduringChina-KoreaJointsurveyandtheforecast（red）由中韩合作调查资料和海洋环境调查资料（本文省略）对模型预报结果的精度检验，可以看出，本模型在黄海有较好的预报效果，2次5d时效预报结果的平均均方根误差：表层水温Ts为0.73*C,下均匀层水温Th为0.70X：，混合层厚度九为1.68m,温跃层厚度I为2.71m,温跃层强度G»为0.19V/m.预报误差与王宗山

20、等的结果相比，混合层厚度、温跃层厚度和温跃层强度误差分别减小了0.42m,1.09m和0.06*C/m,表明本模型进一步提高了预报的准确性。«1中韩97联合海洋调查各站位“模型”预报与实测结果误差分析（预报时效：Sd）Table1Theerroranalysisbetweenthemodel5-daysadvanceforecastresultsandtheobservationduringChina-Koreajointsurvey温度一数/P跃层参数位经纬度实测值镇报值误差值实测值预报值误差值厅号TsThTsThTsAThh/mGw/Git,/IAGthI7m笆m-】h/mI/m

21、*CmTAA经度/E纬度/N1123,00#33*30,5225.298.7623.368.621.930.1511180.9210.0217.980.820.980.020.102122°30'33*30*5824.628.7623.128.631.490.1311141.1310.1217.880.810.88-3.880.323122*16'33°30'6524.489.3423.088.631.400.7110180.8410.1617.840.81-0.160.160.034122,00,33*30*7524.5110.3622.829.9

22、51.690.4110190.7410.2718.730.69-0.270.270.065121MS*34,018922.938.4122.708.480.23-0.0715240.6117.5721.430.66-2.572.57-0.066122*15'34*01,9322.708.9022.167.560.531.346250.559.6921.310.69-3.693.69-0.137123,3Oz3/00，4023.539.5923.648.21-0.111.3810280.5010.7529.250.53-0.75-1.25-0.038124°01*33*59*6

23、023.7210.7923.2511.220.47-0.436200.658.2717.730.68-2.272.27-0.039124*15,34,OOz7024.1511.1223.2511.220.90-0.115210.628.2717.730.68-3.273.27-0.0610124*30*34*00*7223.979.7923.3510.610.62-0.828220.6412.2620.740.61-4.261.260.0311124°46'34'59'7623.7710.2123.0310.580.74-0.378190.7112.2320.

24、770.60-4.23-1.770.1112124*30r34*59*8023.749.3023.0310.580.71-1.289240.6012.2320.770.60-3.233.230.0013124*00,35,00'9922.9910.3322.819.380.180.952310.415.0127.990.48-3.013.01-0.0714122o30r35*00*3223.4720.4523.8920.60-0.42-0.153270.115.3426.660.12-2.340.34-0.0115121*30,35*01*5522.6512.5323.4611.89-

25、0.810.647360.288.4234.580.33-1.421.42-0.0516121,59*36*00*7123.4612.8423.1412.910.32-0.071060.665.649.361.09-3.646.64-0.4317122*15'36*00*8223.1313.1323.1212.910.010.222150.675.709.301.10-3.705.70-0.4318122勺0'36*00*7723.6413.1722.7312.910.910.261140.755.809.201.07-4.804.80-0.32平均误差0.600.16-2.3

26、21.760.05均方根误差0.720.691.792.690.194结语1) 本文建立的参数化模式,尽管是一个简单的统计模式，但由于采用r特征参数的多时间尺度分析方法，模式给出的并不是一组简单的统计结果，而是在统计结果的基础上，加入了表层水温矣和混合层厚度h的时变信息。这个模式的功能类似于FOX"】动力MODAS中的海面温度、海面高度反演水温垂直剖面的相关模型，可以给出任一时刻的水温垂直剖面。参数化模式运行时需提供的已知虽只有表层水温，且具有简单适用、反演精度高、便于应用等特点，利用卫星遥感SST可以很方便快捷地实现黄海水温垂直剖面的实时反演和动态监测。2) 本文发展的基于卫星遥感

27、资料的数值预报模型，初步解决了传统预报过程中海匕实测资料的缺陷和资料时空分布非同步的问题，吐在黄海有较好的适用性。在获得实时卫星遥感SST和大气预报场资料的情况下，可以基本实现黄海水温垂直制面的天气尺度预报。模型的预报结果与王宗山等建立的强温跃层模式的预报结果相比，预报精度得到较大改善，混合层厚度、温跃层厚度和温跃层强度的均方根差，分别减小了0.42m,1.09m和0.06*C/m,表明采用卫星遥感技术与现有海洋模式相结合的方法，是改善传统海洋模式时效性，提高模拟预报效果的一种有效途径。3) 本文建立的遥感反演模式和预报模型的精度仍有进一步改善的可能，如采用Carnes等的SST和SSH联合投

28、影方法，可能会克服近岸海区非典型水温垂直剖面带来的误差，提高水温垂直剖面的遥感反演精度。预报模式如能采用三维海温预报模式或环流模式，同时采用数据同化方法重建三维海温初始场，可望会克服一维模式未考虑流场影响而产生的误差，进一步提高模型的预报效果。参考文献(References):1 CARNESMR,MITCHELLJL.WITTPWD.SynthetictemperatureprofilesderivedfromGeosataltimetry：Comparisonwithairdropp'dexpendablebathythermographprofilcsCJ,J.Geophys.R

29、es.,1990,95,(clO)t17979-17992.2 CHUPC,FANCW,LIUWT.DeterminationofverticalthermalStructurefromseasurfacetempcraturcJ.J.AtmosphericOceanicTechnology,2000.17(7),971-979.3 HOLLANDWR,MALANOTTERIZZOLIP.Assimilationofaltimeterdataintoanoceancirculationmodel:SpaceversustimeresolutionstudiesJ.J.Phys.Oceanogr

30、.,1989.19：1507-1534.4 ALVESJOS,HAINESK.ANDERSORDLT.Sealevelassimilationexperimentsinthetropica!pacific。.J.Phys.Oceanogr.,2001.31:305-323.5 PINARDIN»ROSATIA,PACANOWSKIRC.Theseasurfacepressureformulationofrigidlidmodels：Implicaiionsforaltimetricdataassimilationstudies(JJ.J.Mar.Syst.,1995.6:109-11

31、1.6EZERT,MELLORGL.DataassimilationexperimentsintheGulfStreamregionthowusefularesatellite-derivedsurfacedatafornowcastingthesubsurfacefieldsJ.J.Atmos.OceanicTechno).*1997*14：1379-1391.7 FOXDN,TEAGUEWJ,BARRONCN,etal.Themodularoceandataassimilationsystem(MODAS)J.J.Atmos.OceanicTechn-ol.2002,19:240-252.

32、8 WANGZS.XUBC.ZOIJEM,etal.AstudyonthenumericalpredictionfortheverticalthermalstructureintheBohaiandHuanghaiSeas：I.One-dimcnsionalnumericalpredictionmodelCJl-JournalofOceangraphyofHuanghaiandBohaiSeas,1996,14(3):37-45.王宗山.徐伯日.邹娥梅.等.黄海、渤海水温垂直结构数值预报方法研究：1.一缗数值Hi报模式J.黄渤海海洋.1996,14(3):37-45.f9WANGZS,XUBC

33、»JINMBctal.AnumericalpredictionmodelonthestrongthermoclineintheBohaiandHuanghaiSeasj.JournalofOceangraphyofHuanghaiandBohaiSeas*1996.14(3)；75-85.王宗山，徐伯吕，金梅兵，等.黄海、渤海强温既层数值预报模式JJ.黄渤海海洋,1996,14(3),75-85.10JNMB,WANGZS,XUBC.Three-dimensionalnumericalpredictionofverticaltemperaturestructureoftheHuanghaiandBohaiSeasJ.JournalofOceangraphyofHuanghaiandBohaiSeas.1996,14(3)：67-74.金梅兵.王.宗山.徐伯3.黄海、渤海温度垂在结构三维数值预报111黄渤海海洋,1996,14(3):67-74.RemoteSe