共查询到18条相似文献，搜索用时 203 毫秒
1.
海表面盐度是研究海洋对全球气候影响以及大洋环流的重要参量之一,而卫星遥感技术是获取海表面盐度数据的最有效方法.目前,L波段的SMOS和Aquarius/SAC-D遥感卫星正在用于探测海表面盐度,并根据卫星观测数据和物理机制反演出海表面盐度的产品.但在某些近陆地区域,由于淡水流入及陆地射频(RFI)等因素影响,卫星反演盐度的产品精度较低.文中利用“东方红2号”科学考察船的实测数据、SMOS卫星数据,首次针对中国南海海域提出了用贝叶斯网络模型计算海表面盐度,并用验证数据集(实测Argo盐度)对模型进行适应性评估.经过计算,模型误差和验证误差分别为0.47 psu和0.45 psu,而相应的SMOS Level 2产品的精度分别为1.90 psu和1.82 psu.此模型为海表面盐度的计算提供了一个新方法. 相似文献
2.
海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对气候影响的重要参量、是决定海水基本性质的重要因素之一。卫星微波遥感可以满足盐度研究过程中大范围、连续观测的需要。目前,由欧洲空间局设计开发的SMOS(Soil Moisture and Ocean Salinity)卫星于2009年发射成功,并且根据它的观测数据和物理机制反演出了海表面盐度的相关产品。但结果显示,在某些近海岸区域(如中国南海海域)受陆地RFI等诸多因素的影响,基于卫星遥感物理机制反演得到的盐度产品的精度较低。本文的主要目的是利用中国海洋大学"东方红2"科学考察船的走航数据、SMOS卫星数据,针对中国南海海域提出了用BP神经网络预测海表面盐度的方法,并用实测Argo浮标、WOA13的盐度数据对模型进行适应性评估。结果表明,模型产品相对于"东方红2"实测盐度数据的均方根误差(RMSE)是0.21,而SMOS的SSS1产品、SSS2产品和SSS3产品的精度分别为1.90、1.93和1.91。同时,在验证数据集中,模型预测数据相对于Argo浮标实测盐度数据的均方根误差(RMSE)是0.50,而SMOS的SSS1产品、SSS2产品和SSS3产品的精度分别为1.83、1.83和1.84。此模型具有良好的适应性和泛化能力,为海表面盐度的反演和预测提供了一个不依赖于物理机制的新方法。 相似文献
3.
4.
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
5.
《中国海洋大学学报(自然科学版)》2016,(8)
海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对全球气候影响的重要参量。海表面盐度卫星遥感探测可以满足大范围、连续观测的研究需要,是获取该参量的有效手段。2009年欧洲空间局发射了SMOS(Soil Moisture and Ocean Salinity)卫星,并且根据卫星观测的数据反演出海表面盐度的相关产品,但是产品的精度还有待于进一步的提高。本文利用多元线性回归的统计分析方法,针对SMOS卫星相关数据(观测亮温数据和辅助数据)建立一种全新的不依赖于物理机制的海表面盐度统计模型。本文针对太平洋中部提出的统计模型计算的盐度点对点的精度为0.165 5psu,1°×1°月平均精度为0.106 3psu,而SMOS卫星Level 2盐度产品的精度分别为0.585 5和0.181 9psu。同时将模型应用到验证数据集,得到了点对点精度为0.224 2psu,进一步说明模型具有很好的适应性和泛化能力。 相似文献
6.
掌握南海三维温盐场特征对于研究南海海洋动力环境及其对海洋气候变化的影响具有重要意义。基于海洋再分析数据GLORYS12V1和AVHRR OISST数据,开展了南海温盐空间分布及季节变化分析,以及海表温度对台风过程的响应特征分析。分析结果表明：南海海表温度一般为25～32℃,最高温度出现在8月的黄岩岛附近海域,海表盐度一般为32～35 psu,最高盐度出现在7月的东海附近海域;温盐垂向结构表现为表层高温低盐,随着深度增加温盐季节性变化越小。南海地区温跃层深度存在明显季节变化特征,秋冬季节温跃层深度大于春夏两季。根据“威马逊”台风期间海表温度变化特征分析海表温度对台风过程的响应,台风期间南海水体垂向混合作用增强,海表温度降温明显。 相似文献
7.
海表面盐度(Sea Surface Salinity, SSS)是研究大洋环流和海洋对全球气候影响的关键参数之一。目前借助卫星遥感技术获取全天候和连续的SSS是最有效的方法,但是SSS的反演精度在大部分海域达不到预期目标。众所周知,海表面亮温是反演SSS的关键因素之一,海面粗糙度导致了亮温增量的产生,亮温正演模型的误差会影响盐度反演的精度。本文首次提出了依据6个风带划分全球海域,利用Argo实测盐度数据、SMOS卫星数据和相关辅助数据,通过LASSO统计方法在各风带覆盖的海域构建了一个全新的二次曲线亮温增量模型,再通过贝叶斯迭代反演算法计算出了各个海域的SSS产品。与Argo实测SSS对比,新模型下6部分海域反演SSS的绝对平均误差分别为0.76、0.88、0.93、0.92、1.28和1.21,均显著优于修正前(SMOS L2 SSS)产品的误差(0.98、1.61、2.82、1.50、2.35和3.13)。 相似文献
8.
以西太平洋为研究区域,利用Argo浮标表层盐度观测值(5 m)对SMAP卫星获得的2016年海表面盐度反演质量进行了评估。首先将西太平洋2016-01—12期间的每日和每月SMAP卫星SSS数据与Argo实测SSS数据进行匹配,然后利用最小二乘线性回归法对其进行相关性分析,并对误差的分布特征进行了研究。结果表明:SMAP SSS与Argo SSS之间具有极显著的正相关关系;每日Argo浮标数据(WMO ID:2901520,WMO ID:2901548)和SMAP SSS的变化趋势基本一致,前者均方根误差(RMSE)、偏差(Bias)和相关系数(r)分别为0.43, 0.34和0.71,后者RMSE,Bias和r分别为0.41,0.26和0.69;研究区域内全年RMSE值处于0～0.35,在西太平洋南部海域偏差较大,这可能是由于该海域小岛众多,缺少Argo实测数据,导致其网格化的盐度存在较大误差。除夏季外,研究区域的大部分海域,RMSE都小于0.25。在海表盐度较低的海域,两者的对比结果误差较大,该现象在夏秋两季尤为显著。 相似文献
9.
为了研究南海中尺度涡强度的季节和年际变化规律,利用Matlab提取50 a(1958~2007年)简单海洋资料同化(Simple Ocean Data Assimilation,SODA)月平均数据集中流场和海表面高度场数据,应用一个涡旋自动探测算法对南海中尺度涡初始生成位置进行分析,并分析了海表面高度异常均方根值的季节变化和年际变化。结果表明:50 a里南海中尺度涡主要分布在吕宋岛西北海域、吕宋岛西南海域和越南以东广大海域,秋、冬季中尺度涡能量较高,春季中尺度涡最弱,中尺度涡强度高值区年际变化明显。从季节变化上看,海面高度异常均方根春、夏季最小,秋冬季最大;从年际变化上看,与同时期Nino3指数有显著负相关,周期大约为3 a。 相似文献
10.
利用搭载在Aqua和Terra卫星上的MODIS(moderate resolution imaging spectroradiometer)、AMSR-E(advanced microwave scanning radiometer for the earth observing system)传感器测量反演的昼夜海表温度(SST),计算海表面日增温(sea surface diurnal warming),分析南海海表面日增温的短期和年变动特征。受观测平台过境时间、传感器测量SST方式、反演算法等影响,MODIS/Aqua计算的日增温幅度略大于AMSR-E/Aqua和MODIS/Terra,但在表征南海海表面日增温的时空分布特征以及变化趋势上三者并未见显著性差异。南海海表面日增温在时间分布上以冬季为最小,春季为最大;在空间分布上则是南部海域大于中部和北部海域,东部海域大于西部海域。春夏之交的吕宋海峡西北部尤其容易发生日增温事件。海表面日增温与太阳辐射、风速、云量等影响有关,其中风速与海表面日增温显著负相关。 相似文献
11.
南海是西北太平洋最大的边缘海, 是联系北太平洋和北印度洋的关键通道。黑潮北上经过吕宋海峡时会将来自西太平洋的信号传入南海, 进而影响南海的水动力环境。研究了南海次表层盐度的空间分布特征、低频变化规律及其与太平洋年代际振荡(Pacific Decadal Oscillation, PDO)的关系, 并进一步探究了次表层盐度近年来的变化。结果显示: 1)南海次表层高盐水的位势密度主要介于24~26σθ, 受次表层气旋式环流所驱动, 盐度气候态空间分布北高南低, 以吕宋海峡处为起点, 呈逆时针自北向南逐渐降低。2)次表层盐度低频变化显著, 与PDO呈显著的正相关关系。当PDO处于正位相时, 吕宋海峡处西向平流输送加强, 次表层盐度升高; 当PDO处于负位相时, 吕宋海峡处西向平流输送减弱, 次表层盐度降低, 盐度的变化受到水平环流场的直接影响。3)近年来, 南海次表层盐度呈现先降低后升高再降低的趋势, 滞后PDO约10个月, 2006— 2014年初, 盐度呈下降趋势; 2014—2017年初, 盐度呈上升趋势, 且上升速率远大于先前下降的速率; 2017年后盐度再次逐渐降低。 相似文献
12.
I~IOXThe northern South China Sea is the frontal region for the water exchange between the sleuthChina Sea (SCS) and its neighboring seas. Its northeast part connects to the East China hothrough the Taiwan Strait and the east part ~ates with the Pacific Ocean by the LUZOn Strait.The a~heric interface over the northern SCS is the important paSSage for the South China Seamourn. Therefore, the uPPer vallationS Of the northern SCS are not Only affected by the dynndc and thermed~c d… 相似文献
13.
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
14.
15.
16.
南海潮汐主要分潮振幅变化趋势研究 总被引：1，自引：1，他引：0
潮汐变化研究对于海洋工程、沿海地区洪涝灾害预防、海上交通等各个方面都有着重要的意义。由于验潮站都集中在近海,所以之前潮汐变化研究主要集中在近海海域。相比之下,深海地区由于长期高频水位观测的缺乏导致相关的潮汐变化研究非常少。基于近海验潮站数据和深海卫星高度计数据,本文首次用非平稳潮汐调和分析工具包S_TIDE提取了南海4大主要分潮(M2、S2、K1、O1)振幅的长期趋势。研究发现在南海大部分地区,4大主要分潮的振幅都是比较稳定的,不存在显著的上升趋势或下降趋势。在南海少部分地区4大主要分潮的振幅存在显著的趋势,最大的上升趋势可达2.91 mm/a,最大的下降趋势可达3.50 mm/a。该海域潮汐的长期趋势可能与内潮海表面信号的变化有关。卫星观测到的潮汐既包含正压潮,也包含内潮海表面信号。南海作为全球内潮活动最活跃的海域之一,其内潮海表面信号是非常显著的。而内潮对海洋层化的变化是非常敏感的,海洋层化的变化会影响内潮的生成、传播和耗散以及内潮在海表的显示,最终引起该海域潮汐振幅的长期趋势。 相似文献
17.
东海海表面温度长期变化趋势研究 总被引：14，自引：1，他引：14
通过对卫星海表面温度资料的分析，研究了东海表面温度的长期变化趋势。发现东海存在41个月左右的变化周期，并与ENSO有一定的关系。海表面温度变异最大的区域在东海北部由长江口至济州岛南部区域。 相似文献
18.
Characteristics of Sea Surface Circulation and Eddy Field in the South China Sea Revealed by Satellite Altimetric Data 总被引：4，自引：0，他引：4
Temporal and spatial variations of sea surface circulation in the South China Sea were revealed with use of altimetric data provided by TOPEX/POSEIDON from December 1992 to October 1997. The estimated distribution of sea surface dynamic heights from altimetric data coincide well with the results of observation by Soong et al. (1995) and Chu et al. (1998). The RMS variability of sea surface dynamic height, which is obtained after tidal correction based on Yanagi et al. (1997), is high in the central part of the South China Sea, the Gulf of Tongking, the Sunda Shelf and the Gulf of Thailand. The high RMS variability in the Gulf of Tongking, the Sunda Shelf and the Gulf of Thailand is due to set up and set down of sea water by the East Asian monsoon, which is northeasterly during winter and southwesterly during summer. Also, the high RMS variability in the central part of the South China Sea is due to the variations of basin-wide circulation. The circulations are dominant in the central part of the South China Sea during summer and winter, an anticyclonic circulation during summer and a cyclonic circulation during winter. It is suggested that these circulations are controlled by the East Asian monsoon. Hence, there is an interannual variability of the basin-wide circulation associated with the variation of the East Asian monsoon. 相似文献