排序方式： 共有2条查询结果，搜索用时 5 毫秒
1
1.
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
2.
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
1