共查询到16条相似文献，搜索用时 421 毫秒
1.
利用卫星高度计风速资料研究海面粗糙度 总被引：2，自引：2，他引：2
海面粗糙度对于海洋工程和海洋军事都非常重要，但对海面粗糙度的现场观测资料非常少，这大大制约了我们对海面粗糙度的认识。本文利用TOPEX高度计风速资料，实现了对海面粗糙度的反演。利用1993年和1998年两年的资料，文中对西北太平洋海域的海面粗糙度进行了研究。 相似文献
2.
3.
4.
太阳耀光是来自粗糙海面的直接太阳反射光,其强度与海面粗糙度密切相关,而海面粗糙度主要受海面风场影响。因此,包含太阳耀光信息的光学遥感影像在海洋动力过程和海面风速探测中具有积极意义。本文利用2016年2月到2017年3月期间成像的25幅Terra卫星MISR(Multi-angle Imaging Spectro Radiometer)传感器的多角度遥感影像,分别提取了太阳的高度角和方位角、正视和后视影像的卫星观测角、方位角等信息,校正获得正视和后视影像的太阳耀光辐射强度,进一步反演海表面粗糙度信息,进而计算海面风速。最后利用ECMWF(European Centre for Medium-Range Weather Forecasts)的模式风速数据与反演获得的风速结果进行对比验证。结果表明,两者的相关系数较高(R=0.745),均方根误差和平均绝对偏差值分别为1.514 m·s-1和1.319 m·s-1。初步实验结果表明,利用MISR多角度光学遥感影像估算海表面风速是可行性的。 相似文献
5.
风浪状态参数常用于对海面粗糙度的参数化。中等风速条件下考虑风浪状态参数影响的海面粗糙度参数化方案常存在自相关效应,本文通过分析实测数据得到了无量纲粗糙度随波陡变化的参数化方案,该方案能够有效去除自相关效应;高风速下风浪状态对海面粗糙度仍存在影响,文中基于新得出的中等风速下的海面粗糙度参数化方案,考虑海面飞沫悬浮层的影响,建立了适用于高风速条件下的海面粗糙度参数化方案,该海面粗糙度方案同样考虑了波陡的作用,将该方案计算出的理论值与实测数据进行比对,发现随着波陡的变化,理论值基本涉及测量值的覆盖范围,说明新建立的高风速条件下海面粗糙度方案对海面风浪状态具有较好的敏感性,且该方案能够较合理地描述海气界面之间动量传输。将新提出的适用于高风速下的海面粗糙度方案加入到海浪数值模式中,模拟飓风Ivan产生的台风浪,利用浮标数据进行验证,结果显示模拟的有效波高相对模式默认方案具有较高的精度,说明采用本文新建立的适合高风速的海面粗糙度方案能够改进海浪模式的台风浪有效波高模拟结果。 相似文献
6.
7.
8.
9.
我们发展了一种用19．35GHz星载微波辐射计(SSM／I)亮温反演海面风速的模式，并利用同步的卫星亮温和海面浮标数据反演出海面风速，并且和浮标风速进行比较。为了说明反演算法的可用性，我们分别与目前国际上的通用反演算法的反演结果进行了比较。文章提供了一种新的、用单一波段亮温反演海面风速的方法。 相似文献
10.
利用TOPEX高度计风速资料,实现了对太平洋海面粗糙度(z0)的计算。1997~1999年正是厄尔尼诺与拉尼娜事件发生时期,作者研究了1997~1999年z0在ENSO期间的变化后发现:(1)EI Nion发生期间赤道附近z0最大值在A,C,B 3个站点上移动;最小值在B,A 2个站点上移动。(2)Li Nina发生期间赤道附近z0最小值在A站点,最大值主要在B站点上。Li Nina发生期间,1999年15个站点z0均大于正常年份和EI Nion发生期间的15个站点z0。(3)ENSO期间,四季z0与正常年份相比都有显著改变。 相似文献
11.
南海QuikSCAT海面风场变化特征分析 总被引：4，自引：0，他引：4
基于QuikSCAT海面风场产品,对海面风场资料进行了EOF分析和随机动态分析,以此分析南海海面风场的变化特征。研究发现:海面原始风场风速季节变化最为明显,其变化占总变化方差的59.1%,黑潮的季节变化通过海气相互作用对南海局地风场有较明显的影响;原始风场第三模态及异常风场第二模态时间变化函数与SOI和PDO弱相关,且异常风场第二模态时间变化函数谱分析结果主要呈现5年的周期变化,南海海面风场变化与年际振荡有关;南海大部分海区风速呈现增长的趋势,但增长速率较小;风速增大最快的区域是台湾海峡以南海域和北部湾,增长速度达到0.05 ms-1a-1。 相似文献
12.
海洋蒸发波导是重要的军事敏感要素,严重影响着海上电磁波的传播。风向、风速是决定蒸发波导强弱的重要因素,为精确模拟蒸发波导条件下的电磁波传播,准确评估预报雷达、通信等电子设备的性能,文中利用抛物线方程模型,结合粗糙度参数和蒸发波导条件下大气修正折射指数廓线模型来求解电磁波波动方程,基于电磁波传播的数值模拟结果,重点研究蒸发波导条件下风速和风向对电磁波传播的影响。并得到如下结论:在同一传播距离处,风速越大,海面粗糙度越大,海面电磁波传播损耗就越大;当电磁波传播方向与风向夹角为0°时,其传播路径损耗远远大于在45°或90°条件下,即顺风条件下电磁波传播损耗大于侧风。 相似文献
13.
1988—2009年中国海波候、风候统计分析 总被引：3，自引：0，他引：3
利用高精度、高时空分辨率、长时间序列的CCMP(Cross-Calibrated,Multi-Platform)风场,驱动国际先进的第三代海浪模式WAVEWATCH-Ⅲ(WW3),得到中国海1988年1月～2009年12月的海浪场。对中国海的波候(风候)进行精细化的统计分析,分析了海表风场和浪场的季节特征、极值风速与极值波高、风力等级频率和浪级频率、海表风速和波高的逐年变化趋势,结果显示:(1)中国海的海浪场与海表风场具有较好的一致性,尤其是在DJF(December,January,February)期间;海表风速和波高在MAM(March,April,May)期间为全年最低,在DJF期间达到全年最大;MAM和JJA(June,July,August)期间,中国海大部分海域的波周期在3～5.5s,SON(September,October,November)和DJF期间为4.5～6.5s。(2)中国海极值风速、极值波高的大值区分布于渤海中部海域、琉球群岛附近海域和台湾以东广阔洋面、台湾海峡、东沙群岛附近海域、北部湾海域、中沙群岛南部海域。(3)吕宋海峡在MAM、SON、DJF期间均为6级以上大风和4m以上大浪的相对高频海域,JJA期间,6级以上大风的高频海域位于中国南半岛东南部海域,4m以上大浪主要出现在10°N以北。(4)在近22a期间,中国海大部分海域的海表风速、有效波高呈显著性逐年线性递增趋势,风速递增趋势约0.06～0.15m.s-1.a-1,波高递增趋势约0.005～0.03m.a-1。 相似文献
14.
SMOS卫星盐度数据在中国近岸海域的准确度评估 总被引：3，自引：3，他引：0
盐度是描述海洋的关键变量,对海表面盐度进行观测可以推进对全球水循环的理解。本文的主要目的是在中国近海海域对SMOS卫星盐度数据进行准确度评估。主要方法是将SMOS卫星L2海洋盐度数据产品(V317)与实测ARGO数据和走航数据进行匹配,并采用统计学的方法对SMOS卫星数据准确度进行评估。结果表明:匹配数据的线性关系不显著,SMOS卫星盐度数据(V317)在南海和东海的均方根误差分别约为1.2和0.7,应用海表面粗糙度修正模型得到的3组海表盐度数据准确度都相对较低,尤其在近岸强风场区域,海表盐度卫星数据相对于实测数据偏高,这可能是由于海表粗糙度和陆地射频干扰(RFI)作用影响的结果;SMOS卫星数据在东海的均方根误差比南海高0.5左右,这可能是由于东海海域为相对开阔海域,受陆地RFI影响相对南海较小;在中国近岸海域,应用SSS1和SSS3模型得到的盐度数据准确度相对较高,可以对模型进行地球物理参数修正,进行局地化改进,预计可以提高近岸海域盐度反演的准确度。 相似文献
15.
基于浮标实测数据的WindSat海洋反演产品精度分析 总被引：1，自引：1，他引：0
To evaluate the ocean surface wind vector and the sea surface temperature obtained from Wind Sat, we compare these quantities over the time period from January 2004 to December 2013 with moored buoy measurements. The mean bias between the Wind Sat wind speed and the buoy wind speed is low for the low frequency wind speed product(WSPD_LF), ranging from –0.07 to 0.08 m/s in different selected areas. The overall RMS error is 0.98 m/s for WSPD_LF, ranging from 0.82 to 1.16 m/s in different selected regions. The wind speed retrieval result in the tropical Ocean is better than that of the coastal and offshore waters of the United States. In addition, the wind speed retrieval accuracy of WSPD_LF is better than that of the medium frequency wind speed product. The crosstalk analysis indicates that the Wind Sat wind speed retrieval contains some cross influences from the other geophysical parameters, such as sea surface temperature, water vapor and cloud liquid water. The mean bias between the Wind Sat wind direction and the buoy wind direction ranges from –0.46° to 1.19° in different selected regions. The overall RMS error is 19.59° when the wind speed is greater than 6 m/s. Measurements of the tropical ocean region have a better accuracy than those of the US west and east coasts. Very good agreement is obtained between sea surface temperatures of Wind Sat and buoy measurements in the tropical Pacific Ocean; the overall RMS error is only 0.36°C, and the retrieval accuracy of the low latitudes is better than that of the middle and high latitudes. 相似文献
16.
为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,long short-term memory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24h短期预测。同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radial basis function neural network,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性。最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法。 相似文献