共查询到20条相似文献，搜索用时 281 毫秒
1.
2.
重力垂直梯度异常反应了重力异常的空间变化率,在地球物理勘探等多学科中得到越来越多的应用。利用南海局部区域实测重力异常数据和Sandwell测高重力异常数据,将搜索范围、距离和精度多种因素融合考虑并对Shepard算法进行改进,给出了南海局部区域(19°N~20.5°N,114°E~115.5°E)分辨率1'×1'的重力异常并反演了对应分辨率的重力垂直梯度异常。结果表明,基于Shepard改进算法的高精度船测重力和测高重力的有机融合,增强了单一测高重力数据反演重力垂直梯度异常的细节纹理,提高了反演重力垂直梯度异常的分辨率和精度。 相似文献
3.
4.
5.
《中国海洋大学学报(自然科学版)》2017,(Z1)
欧空局相继发射的多颗海洋卫星专门设计了波模式SAR数据,提供了27a全球二维海浪的连续观测。批量数据的精确反演对于海浪研究、海浪预报、海洋产业和军事活动至关重要。本文使用ORSI/OUC研发的基于MPI方法的卫星SAR海浪方向谱反演程序,研究了第一猜测谱运行范围对反演结果的影响。对西北太平洋17 000幅波模式SAR数据进行批量处理,发现反演程序中MPI非线性反演方法第一猜测谱的运行范围对反演结果的能量密度、波长、传播方向和谱形结构有程度不同的影响,文中给出一个实例。进而选择10°S~70°N,90°E~170°W运行范围,利用NOAA/NDBC浮标数据,对17 000个反演的海浪方向谱数据进行同步印证,相对误差为4.5%,均方根误差为0.52m,偏差为0.01m。 相似文献
6.
利用2006—2017年我国南海部分区域(112°～114°E,10°～12°N)的Argo观测数据,对该海区声速剖面进行了仿真分析和研究。在此基础上,利用遗传算法(GA)优化的径向基函数(RBF)神经网络建立反演预测模型(GA-RBF),结合海区表面实测温度和历史数据,研究了该区域2016—2017年的声速剖面实时预测情况,并获得该海区6月和12月的声速剖面平均均方根误差值为0.845 m/s和0.815 m/s;而采用平均声速剖面方法获得该海区6月和12月的声速均方根误差分别是2.393 m/s和2.176 m/s。仿真结果表明:基于GA-RBF网络模型并利用海区表面实测温度的反演预测结果更趋近实测声速剖面,该模型可用于海区垂直声速剖面的实时预测。 相似文献
7.
基于产卵场海表温度的阿根廷滑柔鱼资源丰度预测模型研究 总被引：1，自引：0，他引：1
阿根廷滑柔鱼(Illex argentinus)为短生命周期种，其资源丰度易受海洋环境变化的影响，尤其是在产卵场的早期生活史阶段。根据2003?2016年我国鱿钓船队在西南大西洋的生产统计数据，以及产卵场海洋表面温度(SST)卫星遥感数据，用相关性分析方法筛选出阿根廷滑柔鱼产卵旺季期间(6月份)表征产卵场SST变化的特征海域；基于阿根廷滑柔鱼产卵场最适SST范围占总面积之比(Ps)与资源丰度单位捕捞努力渔获量(CPUE，t/船)呈正相关性的假设，回溯阿根廷滑柔鱼最适的产卵场及水温环境条件，并据此建立多种基于表征产卵场SST环境因子的资源丰度多元线性预测模型。相关性分析结果表明:6月份有两片连续海域(Area 1、Area 2)的SST与CPUE之间存在显著相关性，分别为42.5°～44°S、57.5°～59°W(Area 1)和39°～39.5°S、45°～46°W(Area 2)；回溯的阿根廷滑柔鱼产卵场范围为37.5°～44°S、41.5°～51.5°W，产卵场最适SST范围为16～17.5℃。利用2个特征海域(Area 1、Area 2)SST以及回溯的产卵场Ps建立4种的多元线性资源丰度指数(ICPUE)预测模型，结果表明，包含表征寒暖流的特征海域和回溯产卵场Ps的方案4模型优于其他3种模型，其资源丰度指数预测模型为ICPUE=1.390 4×Ps+0.261 9×SSTArea 1+0.096 2×SSTArea 2?3.248 0。 相似文献
8.
利用最小方差算法对NOAA/AMSU(Advanced Microwave Sounding Unit)探测资料在105°E~135°E、0~30°N海域范围内的大气温度垂直廓线进行了反演研究。利用NCEP再分析资料对算法的反演性能进行了验证;并与中国海洋大学卫星地面站SeaSpace/TeraS-can软件系统反演的温度廓线进行了比较。结果表明:该算法在中国区域具有较好的反演精度和适应能力;总体上改善了TeraScan软件的反演结果,尤其提高了对流层大部分区域的反演精度。本研究为地面站ATOVS(Advanced TIROS Operational Vertical Sounder)数据的进一步利用提供了一种较好的理论参考。 相似文献
9.
基于2017年4月、2018年4月和2019年4月的CryoSat-2 L1B数据,比较分析了UCL13、DTU10、DTU13、DTU15和DTU18 5种不同平均海表面高度(MSS)模型及其反演的北极海冰干舷的多时空尺度差异。以UCL13为基准,对比分析不同MSS模型的差异和所反演的海冰干舷的差异,实验结果表明,不同MSS模型之间的平均绝对偏差范围为0.19～0.26 m,标准差范围为0.55～0.57 m,其中DTU18与UCL13的差异最小。以UCL13为基准,其他4种MSS模型反演的海冰干舷的平均绝对偏差为0.50～0.79 cm,标准差范围为1.17～1.74 cm。通过与冰桥计划(Operation IceBridge,OIB)机载数据相比,5种MSS模型反演的海冰干舷的相关系数范围为0.70～0.71,均方根误差范围为7.7～7.8 cm。故不同MSS模型之间的偏差对整个北极地区的海冰干舷反演的影响较小,偏差以相同的方式影响冰间水道和浮冰高度测量,因此相互抵消,但在冰间水道分布稀疏的区域,如加拿大群岛北部和拉普捷夫海区域,不同MSS模型反演的海冰干舷差异较大。 相似文献
10.
根据2011年和2013?2018年秋季在海州湾及邻近海域进行的底拖网调查数据，结合同步采集的底层水温、底层盐度、水深、资源密度、饵料生物等生物和非生物因子数据，开展长蛇鲻(Saurida elongata)栖息地适宜性的相关研究。利用提升回归树(Boosted Regression Tree, BRT)模型确定各环境因子的权重，分别采用算术平均法和几何平均法建立栖息地适宜性指数(Habitat Suitability Index, HSI)模型，并通过交叉验证确定最优模型。结果表明:海州湾长蛇鲻在秋季最适宜栖息的底层水温范围为17.5～18℃，最适底层盐度范围为31.3～32.0，最适水深范围为24～37 m；选择其3种主要饵料生物作为生物因子，即枪乌贼(Loligo spp.)、戴氏赤虾(Metapenaeopsis dalei)和六丝钝尾鰕虎鱼(Amblychaeturichthys hexanema)，与底层水温、底层盐度和水深共同作为影响因子建立HSI模型。结果显示，对长蛇鲻空间分布总偏差贡献率最高的是饵料因子，其次是水深和底层水温。通过交叉验证发现，运用算术平均算法，且赋予权重的HSI模型具有较低的赤池信息准则值(Akaike Information Criterion, AIC)。研究发现，海州湾秋季长蛇鲻的最适栖息地(HSI≥0.7)主要分布在34.5°～36°N，119°～121°E之间，其中35°～36°N海域的最适栖息地分布范围大，而且从近岸至远海，HSI指数有增加的趋势。 相似文献
11.
为了建立高精度的海洋表面盐度预测模型,采用BP神经网络的方法,针对SMOS卫星level 1C级亮度温度数据和辅助数据建立了一种海表面盐度预测模型,以ARGO浮标观测值作为海表盐度实测值来检验新模型预测结果的准确度,同时利用验证集对模型的精度进行验证。结果表明:通过新模型预测的海表盐度(SSS0)比SMOS卫星的3个粗糙度模型盐度产品(SSS1,SSS2,SSS3)精度高;SSS0,SSS1,SSS2,SSS3与ARGO浮标实测盐度(SSS ARGO)的均方根误差分别为0.8473,2.0417,2.0288和2.0805,平均绝对误差分别为0.7553,1.4226,1.4216和1.4566,SSS0与SSS ARGO的均方根误差和绝对平均误差值都明显小于SSS1,SSS2和SSS3与SSS ARGO的;由此可见,建立的海表盐度预测模型精度较高。新模型为海表盐度的反演算法提供了新思路。 相似文献
12.
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
13.
14.
一种利用SMOS卫星观测的海表面盐度反演海水盐度廓线的方法 总被引：4，自引：1，他引：3
This paper proposes a new method to retrieve salinity profiles from the sea surface salinity(SSS) observed by the Soil Moisture and Ocean Salinity(SMOS) satellite. The main vertical patterns of the salinity profiles are firstly extracted from the salinity profiles measured by Argo using the empirical orthogonal function. To determine the time coefficients for each vertical pattern, two statistical models are developed. In the linear model, a transfer function is proposed to relate the SSS observed by SMOS(SMOS_SSS) with that measured by Argo, and then a linear relationship between the SMOS_SSS and the time coefficient is established. In the nonlinear model, the neural network is utilized to estimate the time coefficients from SMOS_SSS, months and positions of the salinity profiles. The two models are validated by comparing the salinity profiles retrieved from SMOS with those measured by Argo and the climatological salinities. The root-mean-square error(RMSE) of the linear and nonlinear model are 0.08–0.16 and 0.08–0.14 for the upper 400 m, which are 0.01–0.07 and 0.01–0.09 smaller than the RMSE of climatology. The error sources of the method are also discussed. 相似文献
15.
针对SMOS和Aquarius海表盐度误差分析没有区分不同空间频谱信噪特征的问题,基于6种主要的遥感盐度分析产品,根据定性图像、纬向波数谱、均方根误差等指标,分析产品的有效分辨率并探讨其原因机制。研究表明:CATDS-0.25°分析产品所描述的盐度场中小尺度结构失真,其较高谱能量密度在热带海域以噪音为主,而在西边界流等海域以信号为主;BEC-L3-0.25°有着较小的均方根误差、清晰的盐度图像、显著的中尺度能量,最适于描绘中尺度(25~100 km)盐度特征;BEC-L4-0.25°被奇异谱分析方法过度平滑了盐度场;Aquarius-V2-1.00°通过局部平滑处理,在描述大尺度(＞100 km)盐度现象方面表现较好;Aquarius-CAP-1.00°通过主动-被动联合算法(CAP)减小了均方根误差,但图像中卫星轨道形态明显;CATDS-1.00°的图像形态、能量分布和误差特征与Aquarius-V2-1.00°相当。这些结论可为用户正确使用产品进行地球物理学研究提供参考。 相似文献
16.
为解决海洋中大量观测数据只含有温度剖面而缺乏盐度观测的问题, 基于历史观测的温盐剖面资料, 考虑到盐度卫星数据的发展, 采用回归分析方法, 在孟加拉湾建立了盐度与温度、经纬度、表层盐度的关系, 并对不同反演方法的反演结果进行检验评估。结果发现, 在不引入海表盐度(sea surface salinity, SSS)时, 最佳反演模型是温度、温度的二次项与经纬度确定的回归模型, 而SSS的引入则可以进一步优化反演结果。将反演结果与观测结果进行对比, 显示用反演的盐度剖面计算的比容海面高度误差超过2cm, 而引入SSS后的误差低于1.5cm。SSS的引入能够较为真实地反映海洋盐度场的垂直结构和内部变化特征, 既能够捕捉到对上混合层有重要影响的SSS信号, 又能够反映盐度在跃层上的季节内变化以及盐度障碍层的季节变化。水团分析显示, 与气候态相比, 盐度反演结果可以更好地表征海洋上层水团的变化特征。 相似文献
17.
本文利用2011年8月至2014年3月Aquarius卫星盐度产品结合Argo等实测盐度资料,探讨了孟加拉湾海表盐度的季节及年际变化特征。结果显示,Aquarius与Argo盐度呈显著线性正相关,总体较Argo盐度值低,偏差为-0.13,其中在孟加拉湾北部海域负偏差值比南部海域更大,分别为-0.28和-0.10。Aquarius卫星与Argo浮标在表层盐度观测深度上的差别是造成此系统偏差的主因。Aquarius盐度资料清晰显示了孟加拉湾海表盐度具有明显的季节变化特征,包括阿拉伯海高盐水的入侵引起湾南部海域盐度的变化以及湾北部淡水羽分布范围的季节性迁移等主要特征。此外,分析还揭示了2011(2012)年春季整个湾内出现异常高盐(低盐)现象。研究表明,2010(2011)年湾北部夏季降雨减少(增加)导致该海域海水盐度偏高(偏低),并通过表层环流向南输运引起次年春季湾内表层盐度出现异常高盐(低盐)现象,春季风应力旋度正(负)距平通过影响盐度垂直混合过程对同期表层盐度异常高盐(低盐)变化也有影响。 相似文献
18.
In this study, sea surface salinity(SSS) Level 3(L3) daily product derived from soil moisture active passive(SMAP)during the year 2016, was validated and compared with SSS daily products derived from soil Moisture and ocean salinity(SMOS) and in-situ measurements. Generally, the root mean square error(RMSE) of the daily SSS products is larger along the coastal areas and at high latitudes and is smaller in the tropical regions and open oceans. Comparisons between the two types of daily satellite SSS product revealed that the RMSE was higher in the daily SMOS product than in the SMAP, whereas the bias of the daily SMOS was observed to be less than that of the SMAP when compared with Argo floats data. In addition, the latitude-dependent bias and RMSE of the SMAP SSS were found to be primarily influenced by the precipitation and the sea surface temperature(SST). Then, a regression analysis method which has adopted the precipitation and SST data was used to correct the larger bias of the daily SMAP product. It was confirmed that the corrected daily SMAP product could be used for assimilation in high-resolution forecast models, due to the fact that it was demonstrated to be unbiased and much closer to the in-situ measurements than the original uncorrected SMAP product. 相似文献
19.
文章利用果蝇优化广义回归神经网络算法FOAGRNN (fruit fly optimization algorithm, FOA; generalized regression neural network, GRNN)对SODA (simple ocean data assimilation)再分析数据进行训练, 构建海表温度、盐度、海面高度与次表层温盐场之间的投影关系模型, 并在全球范围使用SODA和卫星遥感数据评估了模型的应用性能。首先, 利用独立的2016年SODA海表数据作为模型输入进行理想重构试验, 结果显示全球重构温、盐平均均方根误差(MRMSE)分别为0.36℃和0.08‰, 与世界海洋图集WOA13资料相比减小约50%和60%。然后, 利用卫星观测的海表信息作为模型输入进行实际应用试验, 并与Argo观测剖面进行比较评估。试验结果表明, 重构模型能有效表征海水温、盐特征, 其中重构温、盐MRMSE分别为0.79℃和0.16‰, 相比WOA气候态减小27%和11%。误差的垂向分布显示, 重构温度RMSE从海表向下迅速增大, 至100m达到峰值1.35℃, 而后又迅速回落,至250m处为0.81℃, 跃层往下不断减小; 重构盐度RMSE基本随深度增大而减小, 误差峰值位于25m附近, 约为0.25‰。此外, Argo浮标跟踪分析和区域水团统计结果也表明模型能够较好地刻画海洋三维温盐场的内部结构特征。 相似文献
20.
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