CN115729977A - 一种浅层海水温度时空预示方法 - Google Patents
一种浅层海水温度时空预示方法 Download PDFInfo
- Publication number
- CN115729977A CN115729977A CN202211360920.5A CN202211360920A CN115729977A CN 115729977 A CN115729977 A CN 115729977A CN 202211360920 A CN202211360920 A CN 202211360920A CN 115729977 A CN115729977 A CN 115729977A
- Authority
- CN
- China
- Prior art keywords
- seawater
- temperature
- time
- shallow
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明一种浅层海水温度时空预示方法,通过如下步骤实现:一:采集浅层海水温度环境数据;二:建立海水表面温度时序模型;三:建立浅层海水温度垂直结构模型;四:建立浅层海水温度垂直结构时变模型;五:建立浅层海水温度时空预示模型;通过以上步骤,达到了将浅层海水温度的时间动态性映射到时变函数的参数上进行时间尺度预示,进一步通过克里金插值法开展浅层海水温度时空预示的效果,解决了现有方法无法对浅层海洋温度的时间动态性和地域差异性进行准确描述的实际问题,实现了对大范围同步海洋温度数据进行时空描述的功能。
Description
技术领域
本发明涉及一种浅层海水温度时空预示方法,即一种基于海水温度场分层理论的考虑时间动态性、误差随机性、地域差异性的海水温度时间-空间预示方法,它是一种基于时变函数模型、克里金插值法和海水温度结构模型的海水温度时空预示方法,它针对不同时间信息和地域信息的海水温度观测数据以及浅层海水温度结构特征,整体性地建立时间维度、经纬度维度、深度维度与海水温度的关联模型用于描述浅层海水温度分布的定量模型方法;它将浅层海水温度的时间动态性映射到时变函数的参数上,便于进行时间尺度预示,进一步通过克里金插值法开展浅层海水温度时空预示;适用于考虑海洋表层信息与次表层信息之间的物理关系、数学统计关系的海水温度时空特征描述和环境预示等领域,是获取大范围同步海洋温度数据的有效方法。
背景技术
海水温度是研究海洋的重要环境因素之一,它是海洋热力、动力以及海-气相互作用的综合结果;海水温度的预示方法在气候变化、海洋热量储存、生态环境、国防军事和水产养殖等方面具有重要作用;在海洋表层,由于大气风场、海水流动等自然环境因素混合作用,形成了一层物理化学性质近似相同的区域,称为混合层;在混合层之下,温度随深度变化明显,称为温跃层;温跃层之下的深层海水,温度的变化趋于缓慢;因此,在海洋平面200m以下的混合层和温跃层中的浅层海水温度变化较明显,是海水温度预示领域的热点研究对象;传统海洋数据观测方法无法获取大面积同步的海水温度数据,而遥感观测方法虽然克服了传统观测方法的部分缺陷,但其观测也仅能停留在海洋表层,无法获取表层以下的垂向的海水温度分布信息;如果可以建立海洋表层与表层以下的海水温度关系模型,对海洋热结构、水文动力过程、水团等海洋现象的研究将有重要的实际意义;
现有的海水温度垂向结构的研究方法主要基于分段拟合法,即根据各层的特点,将海洋自上而下分为2~3层,利用不同方程分别进行拟合;而对应的海水分层方法主要包括:温度差法、梯度法和曲率法;在现有的研究中,研究者大多关注于各层的拟合方程与拟合系数,而忽略了的海洋的时间动态性和地域差异性对分层的影响;比如,不同季节的同一大洋常见的温跃层上下界会有明显的差异,导致海水温度垂直结构难以直接利用传统的分段法进行拟合;
基于此,本发明结合不同时间信息和地域信息的海水温度观测数据以及浅层海水温度结构特征以及时变函数模型,建立时间维度、经纬度维度、深度维度与海水温度的关联模型用于描述浅层海水温度分布的定量模型方法,实现对大范围同步海洋温度数据有效预测。
所述的“温度差法”是指计算海水温度场中每个数据点温度与海水表面温度的差值, 根据温度差确定海洋各层级结构界点;
所述的“梯度法”是指计算海水温度场中每个数据点的垂直梯度,根据垂直梯度确定海洋各层级结构界点;
所述的“曲率法”是指计算温度垂直分布曲线的曲率,利用曲率的极大和极小值确定海洋各层级结构界点;
所述的“拟合方程”是指是由给定的离散数据点,建立数据关系(数学模型),求出一系列微小的直线段把这些离散数据点连接成光滑曲线,此曲线的函数或参数方程即拟合方程;
所述的“拟合系数”是指拟合方程代数式的单项式中的数字因数,通常系数不为0,应为有理数;
发明内容
(1)发明的目的:
针对浅层海水温度随时间和空间变化规律较为复杂,且尚无准确合理的对海水温度进行时空预示方法等问题,提供一种浅层海水温度时空预示方法,即一种基于温度场分层的考虑时间动态性、误差随机性、地域差异性的海水温度时间-空间预示方法,它是一种基于时变函数模型、克里金插值法和海水温度结构模型的海水温度时空预示方法,它针对不同时间信息和地域信息的海水温度观测数据以及浅层海水温度结构特征,建立时间维度、经纬度维度、深度维度与海水温度的关联模型用于描述浅层海水温度分布的定量模型方法;
所述的“时间维度”是指以时间作为描述、表达海水温度的度量尺度;
所述的“经纬度维度”是指以地理经纬度坐标作为描述、表达海水温度的度量尺度;
所述的“深度维度”是指以海洋深度作为描述、表达海水温度的度量尺度;
(2)技术方案:
本发明需建立如下基本设置:
设置1:在对海水温度场进行预测时,在水平方向上将海水温度视为随机场,根据地理学第一定律,地理空间上的所有值都是互相联系的,且距离近的值具有更强的联系;
所述的“随机场”是指随机场是随机过程概念在空间域上的自然推广,视为定义在一个空间域的参数集上的随机变量系,在此参数集上的每一点处都对应于一个随机变量;
所述的“地理学第一定律”是指地理学家Waldo R.Tobler提出的“地理空间上的所有值都是互相联系的,且距离近的值具有更强的联系”;
设置2:海水温度场随机过程为固有平稳过程,即随机场的数学期望存在,且与位置无关;对随机场内任意两点,其协方差函数仅是点间欧氏距离的函数;
式中:Z为待插值的估算点,Zi为第i个样本的实测点,m为参与计算的实测样本个数,λi为第i个样本点的权重系数;
所述的“协方差函数”是指一种用于描述随机过程或随机场中的空间上各变量的间总体误差的函数;
所述的“欧氏距离”是指一个通常采用的距离定义,指在多维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离;
所述的“权重系数”是指为了显示若干样本在总样本中所具有的重要程度,分别给予不同的比例系数;
设置3:在海水深度200米以下的海域,假设其海水温度不随季节存在明显变化,随深度变化缓慢,在水平方向上仅存在由海水流动引起的微小温差,海水温度在10摄氏度左右浮动;
设置4:海水表面温度主要受太阳辐照影响,具有周期波动特性和随机波动特性,总体温度在年平均值附件周期变化;
设置5:位于混合层的海水由于大气风场、海水流动等自然环境因素混合作用,形成了一层物理化学性质近似相同的区域,因此假设可混合层的海水温度处处相等,对海水温度垂直结构模型进行简化;
所述的“混合层的海水”是指直接受海气相互作用的影响而始终处于活跃的湍流过程中的海洋最上层海水;
本发明提出的方法主要包括针对不同时间信息和地域信息的海水温度观测数据以及浅层海水温度结构特征,建立时间维度、经纬度维度、深度维度与海水温度的关联模型用于描述浅层海水温度分布的定量模型方法,实现对大范围同步海洋温度数据有效预测;
基于上述假设与思路,本发明一种浅层海水温度时空预示方法,即一种基于海水温度场分层理论的考虑时间动态性、误差随机性、地域差异性的海水温度时间-空间预示方法,通过如下步骤实现:
步骤一:采集浅层海水温度环境数据
充足的海水温度数据是建立海水预示模型的基础,为后续步骤起支撑作用;海水温度数据可由两种渠道获取,分别为舰船远洋航行监测数据和公开环境数据库数据;在舰船远洋航行过程中,记录舰船航行轨迹,使用海水监测工作站连续采集海水环境数据,采集参数包括采集时间、海水温度、海水采集的深度,采集完成后完成舰船远洋航行过程中海水环境数据的整理,要求每条数据包括海水温度、经纬度、时间(精确到年、月、日或年、月)、深度四个指标;公开环境数据库数据目前包括世界海洋数据集(world ocean database,WOD)、全球海洋观测网(array for real-time geostrophic oceanography,ARGO)、世界气候数据中心(world data center for climate,WDCC),要求每条从数据库采集的数据包括海水温度、经纬度、时间(精确到年、月、日或年、月)、深度四个指标;
上述“WOD、ARGO、WDCC”,是指三种具有代表性的公开海洋环境观测数据集,应用于观测和评估海洋环境变化;
步骤二:建立海水表面温度时序模型
在海洋环境中,海水表面温度主要受太阳辐照的影响而动态变化,因此具有明显的随季节变化的周期波动特性;此外,洋流和大气流动也会对海水表面温度形成扰动,因此海水表面温度还具有随机波动特性;基于海水表面温度的以上两种特性,可通过三角函数建立海水表面温度时序模型:
式中:TS(t)表示t月份的海水表面平均温度,T0为常数,用于描述海水表面温度的季节性变化特征,T1为海水表面温度年波动幅值,τ和为波动周期和相位,与经纬度位置有关;ε(t)为随机波动项,通常情况下,ε(t)服从均值为0,方差为σ2(t)的正态分布,即ε(t)~N(0,σ2(t));
由于太阳辐照主要受地球公转影响,因此海水表面温度的季节性变化周期为12个月,即τ=12,T0表示了海水表面温度的年均值,通过计算海水年均温度得到;海水表面温度年波动幅值T1和相位与太阳直射区域有关,是随经纬度变化的,需要通过某一地点的海水表面温度数据具体拟合得到;ε(t)可由从温度数据中移除波动项后估计出,在不考虑海水温度置信区间预示时可忽略;
步骤三:建立浅层海水温度垂直结构模型
对于浅层海水,垂直剖面温度结构主要由混合层、温跃层(混合层是指直接受海气相互作用的影响而始终处于活跃的湍流过程中的海洋最上层;)(温跃层是指是位于海面以下100 —200米左右的、温度和密度有巨大变化的薄薄一层,是上层的薄暖水层与下层的厚冷水层间出现水温急剧下降的层;)构成;混合层近似为稳态结构,海水温度近似等于海水表面温度;由于温跃层内海水深度200米以上的海水温度下降速率随深度的增加而下降;在海水深度 200米以下的区域,假设其海水温度不随季节存在明显变化,随深度变化缓慢,在水平方向上仅存在由海水流动引起的微小温差,海水温度在10摄氏度左右浮动;因此混合层海水温度可等同于表面温度,温跃层内的海水温度可表达为海水表面温度、温度梯度参数和深度的指数函数形式:
Th=TS,h<hth (4)
Th=(TS-10)·exp[-b·(h-hth)]+10,h>hth (5)
式中:Th表示深度为h时的海水温度,hth表示海水温跃层上界,b表示海水温度梯度参数;
对于式(4)-(5)的浅层海水温度垂直结构模型,适用范围为海平面以下200m深度范围内;在此模型中,海水温跃层上界hth需要通过判断温度变化速率确定;海水温跃层上界判别方法采用垂直梯度法,即垂直方向上的最低温度梯度0.05摄氏度/米来判定温跃层上界;
步骤四:建立浅层海水温度垂直结构时变模型
在浅层海水温度垂直结构模型的基础上,引入时变函数(时变函数是指自变量为时间变量,应变量随时间变化的变量函数;)来描述浅层海水温度垂直结构的时变特性(时变特性是指因变量会随时间而改变的特性;),即可建立浅层海水温度垂直结构时变模型,具体为:
对于使用式(4)-(5)描述的浅层海水温度垂直结构模型,共含有hth和b两个随时间变化的待定参数,因此引入类似于式(3)的时变函数来描述hth和b随季节变化的特性;考虑到浅层海水温跃层在全球分布很不均匀,受深度、季节、纬度变化影响很大,直接反映海面热收支情况;因此海水温跃层上界hth随时间变化的模型应与表面海水温度类似:
式中:hth(t)表示t月份的浅层海水温跃层上界深度,h0为常数,用于描述浅层海水温跃层上界深度的季节性变化特征,h1为浅层海水温跃层上界深度年波动幅值,τ和为波动周期和相位,与表面海水的波动周期和相位相同;
由于设置3中假设了海平面200米以下深度的海水温度已不受季节影响,浅层海水温度指数模型的参数b主要由混合层温度决定,而混合层温度与海水表面温度相似,因此浅层海水温度指数模型的参数b随时间变化的模型也应与表面海水温度类似:
式中:b(t)表示t月份的浅层海水温度指数模型的参数,b0为常数,用于描述浅层海水温度指数模型的参数的季节性变化特征,b1为浅层海水温度指数模型的参数年波动幅值,τ和为波动周期和相位,与表面海水的波动周期和相位相同;
式(6)和(7)中包含的两个常数h0和b0分别反应了浅层海水温跃层上界深度和浅层海水温度指数模型的参数的年均值,通过计算连续12个月的常数均值得到;h1和b1两个年波动幅值参数可由拟合回归(拟合回归是指研究一组随机变量和另一组变量之间关系的统计分析方法,又称多重回归分析;)得出;
步骤五:建立浅层海水温度时空预示模型
浅层海水温度垂直结构时变模型描述了某一地点海水垂直温度随时间变化的规律,但在海洋自然环境条件下,海水不仅在时间尺度上存在连续的变化,在空间尺度上同样存在不同的变化规律;因此在浅层海水温度垂直结构时变模型基础上还需建立海水温度水平结构模型,以获取大范围同步海洋温度数据;本发明采用基于克里金插值方法(基于克里金插值方法是以半变异函数理论和结构分析为基础,在有限区域内对区域化变量进行无偏最优估计的一种方法,是地统计学的主要内容之一;)来描述海水温度的水平结构,具体为:
将浅层海水温度垂直结构时变模型的参数向量时间数据与经纬度对应,开展克里金插值计算(克里金插值计算是指基于克里金插值方法对某区域内的变量进行估计;),求解克里金方程组,得到的不同经纬度下的浅层海水温度垂直结构时变模型参数向量实现浅层海水温度时空预示功能;
浅层海水温度时空预示模型将浅层海水温度的时间动态性映射到时变函数的参数上,便于进行时间尺度预示(时间尺度预示是指根据人类过去和现在已掌握的信息资料、经验和规律运用现代科学技术手段与方法,在时间维度上对未来状况和发展趋势的动态变化进行描述、分析和预先显示;),进一步开展浅层海水温度时空预示(海水温度时空预示是指根据人类过去和现在已掌握的海水温度信息资料、经验和规律运用现代科学技术手段与方法,在时间和空间维度上对海水温度未来状况和发展趋势的动态变化进行描述、分析和预先显示;);适用于考虑海洋表层信息与次表层信息之间的物理关系、数学统计关系的海水温度时空特征描述和环境预示等领域,是获取大范围同步海洋温度数据的有效方法;
通过以上步骤,达到了将浅层海水温度的时间动态性映射到时变函数的参数上进行时间尺度预示,进一步通过克里金插值法开展浅层海水温度时空预示的效果,解决了现有方法无法对浅层海洋温度的时间动态性和地域差异性进行准确描述的实际问题,实现了对大范围同步海洋温度数据进行时空描述的功能。
(3)优点和功效:本发明为一种浅层海水温度时空预示方法,即一种基于海水温度场分层理论的考虑时间动态性、误差随机性、地域差异性的海水温度时间-空间预示方法,其优点是:
①本发明整体性地建立时间维度、经纬度维度、深度维度与海水温度的关联模型用于描述浅层海水温度分布的定量模型方法;
②本发明考虑海洋表层信息与次表层信息之间的物理关系、数学统计关系,与传统建模方法相比,通过时变函数和克里金插值法使对海水温度的预示更加准确合理;
③本发明对海水测量参数为基本的物理参数,测试方法简单,便于计算,数据处理方法复杂度较低;
④本预示方法科学合理,工艺性好,具有广阔推广应用价值。
附图说明
图1本发明所述方法流程图。
图2本发明案例中海域海水表面温度时序模型示意图。
图3本发明案例中海域浅层海水温度垂直结构时变模型示意图。
图4本发明案例中海域浅层海水温度预测结果示意图。
具体实施方式
下面将结合实例对本发明做进一步详细说明;
本发明一种浅层海水温度时空预示方法,即一种基于海水温度场分层理论的考虑时间动态性、误差随机性、地域差异性的海水温度时间-空间预示方法,见图1所示,通过如下步骤实现:
步骤一:采集浅层海水温度环境数据
本案例中浅层海水温度环境数据来自于世界气候数据中心,选取数据为2016年1月— 2020年12月的月均海水温度,深度数据为海平面下0m—200m,每10m包括一个数据点,具体经纬度信息为北纬25°,东经122°;部分数据见表1所示;
表1海水温度数据表(摄氏度)
步骤二:建立海水表面温度时序模型
通过式(3)建立此海域海水表面温度时序模型,选择的数据2016年1月—2020年12月共60组数据,T0表示60个月海水表面温度的均值,其计算结果为:
T1=3.97℃
最终得到的海水表面温度时序模型为:
案例中海域海水表面温度时序模型与原始数据如图2所示,本模型可准确描述海水表面温度的时序变化情况;
步骤三:建立浅层海水温度垂直结构模型
通过2016年1月的不同深度下的海水温度数据建立浅层海水温度垂直结构模型;首先计算各深度区间内的温度梯度,结果如表2所示;
表2各深度区间内的海水温度梯度
通过垂直方向上的最低温度梯度0.05摄氏度/米的标准来判定温跃层上界,根据表2中的数据可知,2016年1月时此海域的温跃层上界为海平面下100m,混合层区间为0-100m;
因此使用100-200m深度区间的海水温度数据来拟合式(5),拟合优度为0.974,拟合优度较高,证明了模型的正确性,得到的拟合结果为:
b=0.02104
此2016年1月海域浅层海水温度垂直结构模型可表达为:
式(9)与原数据对比图如图3所示,本模型可准确描述海水温度的随深度变化规律;
步骤四:建立浅层海水温度垂直结构时变模型
选择的数据2016年1月—2020年12月共60组数据,重复步骤三的参数拟合过程,得到60个月份的浅层海水温度垂直结构模型参数;在浅层海水温度垂直结构模型的基础上,引入时变函数来描述60个月份浅层海水温度垂直结构的时变特性,建立浅层海水温度垂直结构时变模型;基于最小二乘法拟合式(6)和(7)中的参数,得到的结果如表3所示;
表3浅层海水温度垂直结构时变模型参数拟合结果
根据表3中的参数,得到海水温跃层上界hth随时间变化的模型:
浅层海水温度指数模型的参数b随时间变化的模型为:
式(10)和(11)分别描述了此海域浅层海水温跃层上界深度和浅层海水温度指数随时间的变化规律;
步骤五:建立浅层海水温度时空预示模型
在世界气候数据中心网站继续采集7个点于2016年1月—2020年12月的月均海水温度,深度数据为海平面下0m—200m,每10m包括一个数据点,其具体经纬度分别为: (北纬25°,东经123°)、(北纬25°,东经124°)、(北纬24°,东经122°)、(北纬23°,东经122°)、(北纬23°,东经123°)、(北纬23°,东经124°)、(北纬24°,东经124°);将这7个坐标点数据重复以上步骤二到步骤四;得到8个坐标点的浅层海水温度垂直结构时变模型后,通过克里金插值法,根据8个坐标点的经纬度信息进行克里金插值,建立附近海域的浅层海水温度时空预示模型;8个坐标点的参数估计结果如表4所示;
表4案例附近海域浅层海水温度垂直结构时变模型参数拟合结果
通过克里金插值法得到的(北纬24°,东经123°)坐标点参数为
用此模型预测(北纬24°,东经123°)在2016年1月份的海水温度来验证模型的准确性,预测结果如图4所示;
结果表明,采用本发明方法可以通过分析浅层海水温度数据,将浅层海水温度的时间动态性映射到时变函数的参数上进行时间尺度预示,进一步通过克里金插值法进行浅层海水温度时空预示,达到预期的目的;
综上所述,本发明涉及一种浅层海水温度时空预示方法,即一种基于海水温度场分层理论的考虑时间动态性、误差随机性、地域差异性的海水温度时间-空间预示方法,它是一种基于时变函数模型、克里金插值法和海水温度结构模型的海水温度时空预示方法,它针对不同时间信息和地域信息的海水温度观测数据以及浅层海水温度结构特征,整体性地建立时间维度、经纬度维度、深度维度与海水温度的关联模型用于描述浅层海水温度分布的定量模型方法;它将浅层海水温度的时间动态性映射到时变函数的参数上,便于进行时间尺度预示,进一步通过克里金插值法开展浅层海水温度时空预示;
该方法的具体步骤是:一、采集浅层海水温度环境数据;二、建立海水表面温度时序模型;三、建立浅层海水温度垂直结构模型;四、建立浅层海水温度垂直结构时变模型;五、建立浅层海水温度时空预示模型;
本发明适用于考虑海洋表层信息与次表层信息之间的物理关系、数学统计关系的海水温度时空特征描述和环境预示等领域,具有测试方法简单,模型复杂度较低,数据拟合效果较好,数据处理算法复杂度较低的特点,具有广阔的推广应用价值。
Claims (1)
1.一种浅层海水温度时空预示方法,其特征在于:需建立如下基本设置:
设置1:在对海水温度场进行预测时,在水平方向上将海水温度视为随机场,根据地理学第一定律,地理空间上的所有值都是互相联系的,且距离近的值联系更强;
设置2:海水温度场随机过程为固有平稳过程,即随机场的数学期望存在,且与位置无关;对随机场内任意两点,其协方差函数仅是点间欧氏距离的函数;
式中:Z为待插值的估算点,Zi为第i个样本的实测点,m为参与计算的实测样本个数,λi为第i个样本点的权重系数;
设置3:在海水深度200米以下的海域,设其海水温度不随季节存在明显变化,随深度变化缓慢,在水平方向上仅存在由海水流动引起的微小温差,海水温度在10摄氏度浮动;
设置4:海水表面温度受太阳辐照影响,具有周期波动特性和随机波动特性,总体温度在年平均值附件周期变化;
设置5:位于混合层的海水由于大气风场、海水流动的自然环境因素混合作用,形成了一层物理化学性质相同的区域,因此设混合层的海水温度处相等,对海水温度垂直结构模型进行简化;
基于上述基本设置,步骤如下:
步骤一:采集浅层海水温度环境数据
充足的海水温度数据是建立海水预示模型的基础,为后续步骤起支撑作用;海水温度数据由两种渠道获取,分别为舰船远洋航行监测数据和公开环境数据库数据;在舰船远洋航行过程中,记录舰船航行轨迹,使用海水监测工作站连续采集海水环境数据,采集参数包括采集时间、海水温度、海水采集的深度,采集完成后完成舰船远洋航行过程中海水环境数据的整理,要求每条数据包括海水温度、经纬度、时间(精确到年、月、日或年、月)、深度四个指标;公开环境数据库数据目前包括世界海洋数据集(world ocean database,WOD)、全球海洋观测网(array for real-time geostrophic oceanography,ARGO)、世界气候数据中心(world data center for climate,WDCC),要求每条从数据库采集的数据包括海水温度、经纬度、时间、深度四个指标;
步骤二:建立海水表面温度时序模型
在海洋环境中,海水表面温度受太阳辐照的影响而动态变化,因此具有明显的随季节变化的周期波动特性;此外,洋流和大气流动也会对海水表面温度形成扰动,因此海水表面温度还具有随机波动特性;基于海水表面温度的以上两种特性,通过三角函数建立海水表面温度时序模型:
式中:TS(t)表示t月份的海水表面平均温度,T0为常数,用于描述海水表面温度的季节性变化特征,T1为海水表面温度年波动幅值,τ和为波动周期和相位,与经纬度位置有关;ε(t)为随机波动项,通常情况下,ε(t)服从均值为0,方差为σ2(t)的正态分布,即ε(t)~N(0,σ2(t));
由于太阳辐照受地球公转影响,因此海水表面温度的季节性变化周期为12个月,即τ=12,T0表示了海水表面温度的年均值,通过计算海水年均温度得到;海水表面温度年波动幅值T1和相位与太阳直射区域有关,是随经纬度变化的,需要通过某一地点的海水表面温度数据具体拟合得到;ε(t)由从温度数据中移除波动项后估计出,在不考虑海水温度置信区间预示时能忽略;
步骤三:建立浅层海水温度垂直结构模型
对于浅层海水,垂直剖面温度结构由混合层、温跃层构成;混合层近似为稳态结构,海水温度等于海水表面温度;由于温跃层内海水深度200米以上的海水温度下降速率随深度的增加而下降;在海水深度200米以下的区域,设其海水温度不随季节存在明显变化,随深度变化缓慢,在水平方向上仅存在由海水流动引起的微小温差,海水温度在10摄氏度浮动;因此混合层海水温度等同于表面温度,温跃层内的海水温度能表达为海水表面温度、温度梯度参数和深度的指数函数形式:
Th=TS,h<hth (4)
Th=(TS-10)·exp[-b·(h-hth)]+10,h>hth (5)
式中:Th表示深度为h时的海水温度,hth表示海水温跃层上界,b表示海水温度梯度参数;
对于式(4)-(5)的浅层海水温度垂直结构模型,适用范围为海平面以下200m深度范围内;在此模型中,海水温跃层上界hth需要通过判断温度变化速率确定;海水温跃层上界判别方法采用垂直梯度法,即垂直方向上的最低温度梯度0.05摄氏度/米来判定温跃层上界;
步骤四:建立浅层海水温度垂直结构时变模型
在浅层海水温度垂直结构模型的基础上,引入时变函数来描述浅层海水温度垂直结构的时变特性,即能建立浅层海水温度垂直结构时变模型,具体为:
对于使用式(4)-(5)描述的浅层海水温度垂直结构模型,共含有hth和b两个随时间变化的待定参数,因此引入时变函数来描述hth和b随季节变化的特性;海水温跃层上界hth随时间变化的模型应与表面海水温度一样:
式中:hth(t)表示t月份的浅层海水温跃层上界深度,h0为常数,用于描述浅层海水温跃层上界深度的季节性变化特征,h1为浅层海水温跃层上界深度年波动幅值,τ和为波动周期和相位,与表面海水的波动周期和相位相同;
由于设置3中限定海平面200米以下深度的海水温度已不受季节影响,浅层海水温度指数模型的参数b由混合层温度决定,而混合层温度与海水表面温度相似,因此浅层海水温度指数模型的参数b随时间变化的模型也应与表面海水温度相同:
式中:b(t)表示t月份的浅层海水温度指数模型的参数,b0为常数,用于描述浅层海水温度指数模型的参数的季节性变化特征,b1为浅层海水温度指数模型的参数年波动幅值,τ和为波动周期和相位,与表面海水的波动周期和相位相同;
式(6)和(7)中包含的两个常数h0和b0分别反应了浅层海水温跃层上界深度和浅层海水温度指数模型的参数的年均值,通过计算连续12个月的常数均值得到;h1和b1两个年波动幅值参数由拟合回归得出;
步骤五:建立浅层海水温度时空预示模型
浅层海水温度垂直结构时变模型描述了某一地点海水垂直温度随时间变化的规律,但在海洋自然环境条件下,海水不仅在时间尺度上存在连续的变化,在空间尺度上同样存在不同的变化规律;因此在浅层海水温度垂直结构时变模型基础上还需建立海水温度水平结构模型,以获取大范围同步海洋温度数据;采用基于克里金插值方法来描述海水温度的水平结构,具体为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211360920.5A CN115729977A (zh) | 2022-11-02 | 2022-11-02 | 一种浅层海水温度时空预示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211360920.5A CN115729977A (zh) | 2022-11-02 | 2022-11-02 | 一种浅层海水温度时空预示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115729977A true CN115729977A (zh) | 2023-03-03 |
Family
ID=85294813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211360920.5A Pending CN115729977A (zh) | 2022-11-02 | 2022-11-02 | 一种浅层海水温度时空预示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115729977A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115952700A (zh) * | 2023-03-15 | 2023-04-11 | 江西飞尚科技有限公司 | 一种温度关联数据补偿方法、系统、计算机及存储介质 |
-
2022
- 2022-11-02 CN CN202211360920.5A patent/CN115729977A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115952700A (zh) * | 2023-03-15 | 2023-04-11 | 江西飞尚科技有限公司 | 一种温度关联数据补偿方法、系统、计算机及存储介质 |
CN115952700B (zh) * | 2023-03-15 | 2023-05-26 | 江西飞尚科技有限公司 | 一种温度关联数据补偿方法、系统、计算机及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
O’dea et al. | An operational ocean forecast system incorporating NEMO and SST data assimilation for the tidally driven European North-West shelf | |
Seidel et al. | Climatology of the planetary boundary layer over the continental United States and Europe | |
Fox et al. | The modular ocean data assimilation system (MODAS) | |
Talley et al. | Data-based meridional overturning streamfunctions for the global ocean | |
Rao et al. | Seasonal variability of sea surface salinity and salt budget of the mixed layer of the north Indian Ocean | |
CN109543356B (zh) | 考虑空间非平稳性的海洋内部温盐结构遥感反演方法 | |
Fiechter et al. | Modeling iron limitation of primary production in the coastal Gulf of Alaska | |
Placke et al. | Long-term mean circulation of the Baltic Sea as represented by various ocean circulation models | |
CN110516856A (zh) | 基于卷积神经网络的估算海洋次表层温度的方法 | |
Frederikse et al. | Estimating decadal variability in sea level from tide gauge records: An application to the N orth S ea | |
Du Bois | Automatic calculation of bathymetry for coastal hydrodynamic models | |
Brennan et al. | Sensitivity of northwest North Atlantic shelf circulation to surface and boundary forcing: A regional model assessment | |
CN115729977A (zh) | 一种浅层海水温度时空预示方法 | |
Chaudhuri et al. | Response of the Gulf Stream transport to characteristic high and low phases of the North Atlantic Oscillation | |
Maljutenko et al. | Validation of GETM model simulated long-term salinity fields in the pathway of saltwater transport in response to the Major Baltic Inflows in the Baltic Sea | |
CN116758224B (zh) | 一种多源海洋观测资料的融合同化方法和装置 | |
Clementi et al. | Mediterranean sea analysis and forecast (CMEMS MED-currents 2016-2019) | |
Bakış et al. | Analysis and comparison of spatial rainfall distribution applying different interpolation methods in Porsuk river basin, Turkey | |
CN116609859A (zh) | 一种气象灾害高分辨率区域模式预报系统及方法 | |
Blain | Development of a data sampling strategy for semienclosed seas using a shallow-water model | |
Albanai | Seasonal Spatial and Temporal Distribution of Chlorophyll-a Concentration over Kuwait and the Arabian Gulf using Satellite and In-Situ data | |
Aksu | Basin-based precipitation potential of Turkey | |
Gaillard et al. | A synthesis of the POMME physical data set: One year monitoring of the upper layer | |
ECCO Consortium | A Twenty-Year Dynamical Oceanic Climatology: 1994-2013. Part 1: Active Scalar Fields: Temperature, Salinity, Dynamic Topography, Mixed-Layer Depth, Bottom Pressure. | |
Chen et al. | Study of LSTM model in sea surface temperature prediction of the yellow sea cold water mass area |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |