CN116307853B - 一种东南印度洋南赤道流的年际变化规律分析方法 - Google Patents
一种东南印度洋南赤道流的年际变化规律分析方法 Download PDFInfo
- Publication number
- CN116307853B CN116307853B CN202310142734.2A CN202310142734A CN116307853B CN 116307853 B CN116307853 B CN 116307853B CN 202310142734 A CN202310142734 A CN 202310142734A CN 116307853 B CN116307853 B CN 116307853B
- Authority
- CN
- China
- Prior art keywords
- sec
- indian
- ocean
- data
- annual change
- 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.)
- Active
Links
- 230000008859 change Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000005484 gravity Effects 0.000 claims abstract description 14
- 230000002829 reductive effect Effects 0.000 claims abstract description 14
- 238000012795 verification Methods 0.000 claims abstract description 7
- 238000010586 diagram Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 239000004148 curcumin Substances 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000036961 partial effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000004173 sunset yellow FCF Substances 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 230000003313 weakening effect Effects 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims 2
- 230000003111 delayed effect Effects 0.000 claims 1
- 241000283907 Tragelaphus oryx Species 0.000 abstract description 5
- 230000008278 dynamic mechanism Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 8
- 150000003839 salts Chemical group 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000004230 Fast Yellow AB Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种东南印度洋南赤道流的年际变化规律分析方法，包括：获取数据、分析垂直分布特征、分析年际变化特征、确定SEC的年际变化是否受ENSO过程调制、分析El和La事件对东印度洋SEC产生的影响，以及分析太平洋传至东印度洋的SLA是否对印度洋SEC造成影响和动力学验证；本发明利用AVISO的SLA和海流数据和ECCO2数据分析了一定时间范围内印度洋SEC的年际变化规律，得出东南印度洋SEC的年际变化和影响范围，以及东南印度洋南赤道流年际变化与厄尔尼诺南方涛动关系和动力学机制，并利用1.5层约化重力模式结合ERA5的月平均10m风速数据进行了动力学验证。
Description
技术领域
本发明涉及南赤道流年际变化规律分析技术领域，尤其涉及一种东南印度洋南赤道流的年际变化规律分析方法。
背景技术
热带印度洋(TIO)连接热带西太平洋，对于全球物质、热量交换和气候系统具有重要作用。印度洋南赤道流(SEC)是TIO的重要流系，西向SEC流动贯穿整个热带南印度洋海域，东部通过印度尼西亚贯穿流(ITF)与热带太平洋相连，西部与厄加勒斯流相连从而与大西洋进行水交换，是连接太平洋和大西洋的重要环流。在南印度洋SEC的主轴位于5°S-15°S之间，在东南印度洋其主轴沿着11°S向西流动，自东向西流动过程中不断向南移动、深度加深，流域范围扩大，在此过程中SEC将来自ITF温暖的淡水向西输送，从而影响赤道以南的热盐结构。SEC在马达加斯加岛东海岸近17°S分叉成北向的东北马达加斯加流(NEMC)和南向的东南马达加斯加流(SEMC)。
厄尔尼诺-南方涛动(ENSO)过程能够对印度洋温度输送、Ekman抽吸速度和海洋环流等年际变化产生影响，同时对10°S以南的中纬度海域SSH年际变化具有重要影响。ITF海平面年际变化与赤道太平洋ENSO诱导的Rossby波有关，ENSO能够影响汇入SEC的ITF地转输运的年际变化，使ITF地转输运在增强，在/>减弱，由于在ITF中，地转输运作用远大于Ekman输运，所以ITF强度主要由地转分量贡献，且ITF强度在IX1断面滞后指数7个月。
目前，已有研究人员对SEC在西南印度洋分叉点年际变化进行了研究，南赤道流分叉纬度的年际变化与指数显著相关，滞后/>指数为5-15个月,同时极端IOD事件能够在IOD盛期影响SEC在西南印度洋的路径的年际变化。由于ENSO过程能够在其消亡年影响ITF地转输运、LC和印度洋赤道表层流和潜流的年际变化，因此ENSO过程也可能在其消亡年对SEC的年际变化产生重要影响，然而ENSO对SEC的可能影响范围和具体动力机制尚不清楚，同时，ENSO与IOD通常伴随发生，两者是否对SEC的年际变化具有相同影响也有待进一步探究，从而无法帮助研究人员更好地评估SEC年际变化规律及其与ENSO过程的动力学联系在南印度洋的热盐结构和环流系统中的重要性，因此，本发明提出一种东南印度洋南赤道流的年际变化规律分析方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明的目的在于提出一种东南印度洋南赤道流的年际变化规律分析方法，解决现有东南印度洋南赤道流的年际变化规律分析方法无法帮助研究人员更好地评估SEC年际变化规律及其与ENSO过程的动力学联系在南印度洋的热盐结构和环流系统中的重要性的问题。
为了实现本发明的目的，本发明通过以下技术方案实现：一种东南印度洋南赤道流的年际变化规律分析方法，包括以下步骤：
步骤一：先采集待分析区域1/4°×1/4°空间分辨率的AVISO的地转流与SLA数据，再采集待分析区域1/4°×1/4°空间分辨率的估算海洋环流和气候数据并将其处理为月平均数据，接着采集1/4°×1/4°空间分辨率的ERA5的10m风数据并计算出对应的风应力旋度，完成数据获取；
步骤二：对印度洋SEC的核心区域进行多年平均，得到印度洋SEC的季节变化特征，结合月平均估算海洋环流和气候数据进一步分析SEC的垂向分布特征，选取SEC主要研究区域为60°E-115°E，以10°为间隔将研究区域划分为六个子区域分析其垂直分布特征；
步骤三：将AVISO和估算海洋环流和气候数据上层200米平均的纬向速度去掉季节循环得到SEC的纬向速度异常，通过将60°E-115°E，5°S-15°S区域上层200m的月平均估算海洋环流和气候数据与月平均AVISO数据进行对比，并结合AVISO与估算海洋环流和气候数据以及步骤二中获取的垂直分布特征来分析印度洋SEC的年际变化特征；
步骤四：为区分ENSO和IOD的影响，将印度洋SEC核心区域Ua在经度上每隔5°分为一个小区域与和DMI指数进行超前滞后相关和偏相关分析，并进行置信检验，以检测其置信度是否合格，并确定SEC的年际变化是否受ENSO过程调制，同时区分ENSO和IOD对SEC年际变化的影响；
步骤五：利用±0.5倍指数的标准差将ENSO事件划分为El/>和La事件，利用估算海洋环流和气候数据在垂向上对90°E以东区域的SEC分别进行滞后El和La/>个月的合成分析，并且做差进行对比，以此分析El/>和La/>事件对东印度洋SEC产生的影响；
步骤六：对印度洋SEC的核心区域SLA进行为期6个月的低通滤波，并合成低通滤波的随时间传播图，再根据随时间传播图分析太平洋传至东印度洋的SLA是否对印度洋SEC造成影响；
步骤七：使用1.5层约化重力模型对步骤六中得到的结果进行进一步动力学诊断和验证，在1.5层约化重力模型中，上层海洋的运动方程为：
式中，u＝(u,v)为水平速度矢量，ζ为绝对涡度，E＝g'h+(u2+v2)/2为总能量，g'为约化重力，Ah为水平涡粘性系数，τ为表面风应力矢量，h为随时间变化的上层海洋厚度，ρ0为参考密度。
进一步改进在于：所述步骤一中，所述AVISO的地转流与SLA数据的时间分辨率为一个月，所述估算海洋环流和气候数据在分辨率上允许海洋涡旋且初始时间分辨率为三天，所述10m风数据的时间分辨率为一个月。
进一步改进在于：所述步骤二中，分析垂直分布特征时，在垂向上，印度洋SEC自东向西流的过程中不断向南扩张和深度加深，且核心区域主要位于200m以浅的9°S-13°S空间范围内，核心所在纬度与水平分布特征相符。
进一步改进在于：所述步骤四中，当去除IOD的影响进行偏相关分析时，Ua和指数在90°E以东的区域均存在正相关关系，且相关系数超过0.4，同时Ua滞后于指数的月份随着经度向西逐渐增加，呈现SEC西向传播特征。
进一步改进在于：所述步骤五中，所述El期间SEC的最大流速为-17.5cm/s，弱于La/>期间的-22cm/s，且差异体现在8°S-13°S，200m以浅的区域。
进一步改进在于：所述步骤五中，分析El和La/>事件对东印度洋SEC产生的影响的过程中，对比东印度洋SEC的Py与/>的时间序列并进行超前滞后相关性分析，得到Py与/>指数的相关系数以及ENSO事件影响东印度洋SEC的年际变化的原因。
进一步改进在于：所述步骤五中，分析El和La/>事件对东印度洋SEC产生的影响的过程中，分别合成El/>和La/>事件峰值前3个月到峰值后18个月9°S-13°S范围的东印度洋SEC纬向流速异常Ua、经向SLA梯度Py和SLA的时间演化图，并确定印度洋SEC年际变化受ENSO事件控制的主要范围，以及SEC在El/>减弱和La/>事件期间增强的原因。
进一步改进在于：所述步骤七中，所述1.5层约化重力模型的水平分辨率为1/4°×1/4°，模拟海域覆盖热带和亚热带印度洋、海洋大陆和太平洋区域，且沿着开阔的海洋边界，采用无滑的边界条件。
本发明的有益效果为：本发明利用AVISO的SLA和海流数据和ECCO2数据分析了一定时间范围内印度洋SEC的年际变化规律，得出东南印度洋SEC的年际变化和影响范围，以及东南印度洋南赤道流年际变化与厄尔尼诺南方涛动关系和动力学机制，并利用1.5层约化重力模式结合ERA5的月平均10m风速数据进行了动力学验证，从而可以帮助研究人员更好地评估SEC年际变化规律及其与ENSO过程的动力学联系在南印度洋的热盐结构和环流系统中的重要性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中的印度洋南赤道流多年平均纬向速度和经向速度示意图；
图2是本发明实施例中的南印度洋60°E-115°E区域U分量多年平均断面示意图；
图3是本发明实施例中的ECCO2 Ua和地转流速异常Ua时间序列示意图；
图4是本发明实施例中的不同经向断面地转流速异常与超前滞后相关与去DMI偏相关示意图；
图5是本发明实施例中的El与La/>滞后11个月合成断面及差值示意图；
图6是本发明的分析方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1、图2、图3、图4、图5、图6，本实施例提供了一种东南印度洋南赤道流的年际变化规律分析方法，包括以下步骤：
步骤一：先采集待分析区域的AVISO(海洋卫星数据的归档验证和解释)的地转流与SLA数据(由哥白尼海洋环境监测服务提供)，其时间长度为1993年1月-2017年12月，空间分辨率为1/4°×1/4°，时间分辨率为1个月，再采集待分析区域的估算海洋环流和气候(ECCO2)数据(由亚太数据研究中心提供)并将其处理为月平均数据，其时间长度为1993年1月-2017年12月，采用1/4°×1/4°的空间分辨率，初始时间分辨率为三天，接着采集ERA5的10m风数据并计算出对应的风应力旋度(10m风数据由哥白尼气候变化数据服务平台提供)，其时间长度为1979年1月-2017年12月，空间分辨率为1/4°×1/4°，时间分辨率为一个月，完成数据获取；
步骤二：对印度洋SEC的核心区域(60°E-115°，9°S-13°S)进行多年平均，得到印度洋SEC的季节变化特征，SEC纬向流速北半球夏季强，最大西向流速出现在8月份(-11.5cm/s)，冬季弱，最小西向流速出现在11月(-8cm/s)(如图1中a所示)，经向流速最大值发生在春季(3月)，最小值出现在秋季(9月，如图1中b所示)，经向流速明显弱于纬向流速，SEC以纬向流动为主，结合月平均估算海洋环流和气候数据进一步分析SEC的垂向分布特征；
由于AVISO数据主要体现SEC地转流，为了进一步详细刻画SEC的垂向分布特征，本实施例选取SEC主要研究区域为60°E-115°E，以10°为间隔(最东部第一个区域100°E-105°E间隔为5°)，将研究区域划分为六个子区域分析其垂直分布特征，在垂向上，印度洋SEC自东向西流的过程中不断向南扩张和深度加深，且核心区域主要位于200m以浅的9°S-13°S(如图2所示)空间范围内，核心所在纬度与水平分布特征相符，在东侧的110°E-115°E区域，SEC核心区域的U分量极值为-27.5cm/s，向西逐渐衰减，到70°E-80°E时，U分量极值衰减至-12.5cm/s；
步骤三：将AVISO和估算海洋环流和气候数据上层200米平均的纬向速度去掉季节循环得到SEC的纬向速度异常(如图四所示)，通过将60°E-115°E，5°S-15°S区域上层200m的月平均ECCO2数据与月平均AVISO数据进行对比，结果表明上层200m处月平均ECCO2数据求得的U异常的变化特征与AVISO数据求得的U异常具有一致变化规律(相关系数达到0.78，通过95％置信检验)，结合AVISO与估算海洋环流和气候数据以及步骤二中获取的垂直分布特征来分析印度洋SEC的年际变化特征；
由图3的时间序列可以看出，SEC具有明显的年际变化特征，且与指数存在一定的滞后相关性；
步骤四：印度洋的年际变化可能会受到ENSO与IOD的事件共同影响，同时超过一半的IOD事件是由ENSO和南环形模态等外力诱导的。正(负)IOD事件通常伴随El(La)事件同时发生。因此，在研究SEC年际变化与ENSO的关系时，为区分ENSO和IOD的影响，将印度洋SEC核心区域Ua与/>和DMI指数进行超前滞后相关和偏相关分析，在经度上每隔5°分为一个小区域，并进行置信检验，以检测其置信度是否合格，并确定SEC的年际变化是否受ENSO过程调制，同时区分ENSO和IOD对SEC年际变化的影响；
图4展示了东南印度洋85°E-115°E区域SEC的纬向地转流速异常Ua与指数超前滞后36个月的相关关系图，在100°E以东的区域，Ua与/>指数呈现显著正相关关系，相关系数达到0.6，通过了95％置信度检验(蒙特卡洛)，Ua滞后/>指数10-12个月，且滞后时间自东向西逐渐增加。在95°E-100°E区域，Ua与/>指数的相关性降至95％置信区间以下，但仍维持着与100°E以东相类似的正相关关系。当去除IOD的影响进行偏相关分析时，Ua和/>指数在90°E以东的区域均存在显著(通过95％置信)的正相关关系，且相关系数超过0.4，同时，Ua滞后于/>指数的月份随着经度向西也逐渐增加，呈现SEC西向传播特征；
步骤五：ENSO事件由El与La/>事件组成，为了进一步研究El/>与La事件分别对东印度洋SEC产生的影响，利用±0.5倍/>指数的标准差将ENSO事件划分为El/>和La/>事件，利用ECCO2数据在垂向上对90°E以东区域的SEC分别进行滞后El/>和La/>个月的合成分析(如图5所示)，并且做差进行对比，以此分析El和La/>事件对东印度洋SEC产生的影响；
El期间SEC的最大流速为-17.5cm/s，弱于La/>期间的-22cm/s，且差异体现在8°S-13°S，200m以浅的区域；
分析El和La/>事件对东印度洋SEC产生的影响的过程中，对比东印度洋SEC的Py与/>的时间序列并进行超前滞后相关性分析，得到Py与/>指数的相关系数以及ENSO事件影响东印度洋SEC的年际变化的原因；
分析El和La/>事件对东印度洋SEC产生的影响的过程中，分别合成El和La/>事件峰值前3个月到峰值后18个月9°S-13°S范围的东印度洋SEC纬向流速异常Ua、经向SLA梯度Py和SLA的时间演化图，并确定印度洋SEC年际变化受ENSO事件控制的主要范围，以及SEC在El/>减弱和La/>事件期间增强的原因；
步骤六：对印度洋SEC的核心区域SLA进行为期6个月的低通滤波，并合成低通滤波的随时间传播图，再根据随时间传播图分析太平洋传至东印度洋的SLA是否对印度洋SEC造成影响；
步骤七：1.5层约化重力模型在模拟太平洋、海洋大陆以及印度洋上层海洋环流中包含了重要的动力学特征，本实施例使用1.5层约化重力模型对步骤六中得到的结果进行进一步动力学诊断和验证，在1.5层约化重力模型中，上层海洋的运动方程为：
式中，u＝(u,v)为水平速度矢量，ζ为绝对涡度，E＝g'h+(u2+v2)/2为总能量，g'为约化重力，Ah为水平涡粘性系数，τ为表面风应力矢量，h为随时间变化的上层海洋厚度，ρ0为参考密度，该模型的水平分辨率为1/4°×1/4°，模拟海域覆盖热带和亚热带印度洋、海洋大陆和太平洋区域，且沿着开阔的海洋边界，采用无滑的边界条件。
图1中，印度洋南赤道流(60°E-115°E,5°S-15°S)多年平均(a)纬向速度(U)和(b)经向速度(V)，errorbar代表方差，单位cm/s，数据分别来自AVISO与ECCO2上层200m，时间范围是1993年1月至2017年12月。
图2中，南印度洋1993年1月-2017年12月60°E-115°E区域U分量多年平均断面图，分成6个区域，a-f分别为110°E-115°E、100°E-110°E、90°E-100°E、80°E-90°E、70°E-80°E、60°E-70°E，数据来自ECCO2,空间分辨率为1/4°×1/4°。
图3中，60°E-115°E,5°S-15°S 200m以上区域ECCO2 Ua和地转流速异常Ua时间序列，以及指数和DMI指数的时间序列。
图4中，85°E-115°E，9°S-13°S不同经向断面地转流速异常(AVISO)与超前滞后相关与去DMI偏相关，横坐标正值代表ENSO超前SEC，负值代表ENSO滞后SEC。虚线代表95％置信区间。
图5中展示了90°E-115°E(a)El与(b)La/>滞后11个月合成断面及(c)差值。
本实施例用到的指数与DMI指数均来源于美国国家海洋和大气管理局。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种东南印度洋南赤道流的年际变化规律分析方法,其特征在于，包括以下步骤：
步骤一：先采集待分析区域1/4°×1/4°空间分辨率的AVISO的地转流与海平面异常数据，再采集待分析区域1/4°×1/4°空间分辨率的估算海洋环流和气候数据并将其处理为月平均数据，接着采集1/4°×1/4°空间分辨率的ERA5的10m风数据并计算出对应的风应力旋度，完成数据获取；
步骤二：对东南印度洋SEC核心区域的经向速度和纬向速度进行多年逐月平均，得到印度洋SEC的季节变化特征，核心区域坐标为60°E-115°E，5°S-15°S，结合核心区域多年逐月平均的估算海洋环流和气候数据进一步分析SEC的垂向分布特征，选取SEC主要研究区域为60°E-115°E，将主要研究区域划分为110°E-115°E，100°E-110°E，90°E-100°E，80°E-90°E，70°E-80°E和60°E-70°E六个子区域，分析其垂直分布特征；
步骤三：将AVISO数据的纬向速度与估算海洋环流和气候数据ECCO2上层200米平均的纬向速度分别去掉季节循环，得到SEC的纬向速度异常，通过将60°E-115°E，5°S-15°S区域上层200m的月平均估算海洋环流和气候数据与月平均AVISO数据进行对比，并结合AVISO与估算海洋环流和气候数据以及步骤二中获取的垂直分布特征来分析印度洋SEC的年际变化特征；
步骤四：为区分ENSO和IOD的影响，将印度洋SEC核心区域纬向流速异常在经度上每隔5°分为一个小区域与和DMI指数进行超前滞后相关和偏相关分析，并进行置信检验，以检测其置信度是否合格，并确定SEC的年际变化是否受ENSO过程调制，同时区分ENSO和IOD对SEC年际变化的影响；
步骤五：利用±0.5倍指数的标准差将ENSO事件划分为/>和/>事件，利用估算海洋环流和气候数据在垂向上对90°E以东区域的SEC分别进行滞后和/>个月的合成分析，并且做差进行对比，以此分析/>和事件对东印度洋SEC产生的影响；
步骤六：对印度洋SEC的核心区域海平面异常进行为期6个月的低通滤波，并合成低通滤波的随时间传播图，再根据随时间传播图分析太平洋传至东印度洋的海平面异常是否对印度洋SEC造成影响；
步骤七：使用1.5层约化重力模型对步骤六中得到的结果进行进一步动力学诊断和验证，在1.5层约化重力模型中，上层海洋的运动方程为：
式中，u＝(u,v)为水平速度矢量，ζ为绝对涡度，E＝g'h+(u2+v2)/2为总能量，g'为约化重力，Ah为水平涡粘性系数，τ为表面风应力矢量，h为随时间变化的上层海洋厚度，ρ0为参考密度。
2.根据权利要求1所述的一种东南印度洋南赤道流的年际变化规律分析方法，其特征在于：所述步骤一中，所述AVISO的地转流与海平面异常数据的时间分辨率为一个月，所述估算海洋环流和气候数据空间分辨率为1/4°×1/4°且初始时间分辨率为三天，所述10m风数据的时间分辨率为一个月。
3.根据权利要求1所述的一种东南印度洋南赤道流的年际变化规律分析方法，其特征在于：所述步骤二中，分析垂直分布特征时，在垂向上，印度洋SEC自东向西流的过程中不断向南扩张和深度加深，且核心区域主要位于200m以浅的9°S-13°S空间范围内，核心所在纬度与水平分布特征相符。
4.根据权利要求1所述的一种东南印度洋南赤道流的年际变化规律分析方法，其特征在于：所述步骤四中，当去除IOD的影响进行偏相关分析时，纬向流速异常和指数在90°E以东的区域均存在正相关关系，且相关系数超过0.4，同时纬向流速异常滞后于指数的月份随着经度向西逐渐增加，呈现SEC西向传播特征。
5.根据权利要求1所述的一种东南印度洋南赤道流的年际变化规律分析方法，其特征在于：所述步骤五中，所述期间SEC的最大流速为-17.5cm/s，弱于/>期间的-22cm/s，且差异体现在8°S-13°S，200m以浅的区域。
6.根据权利要求1所述的一种东南印度洋南赤道流的年际变化规律分析方法，其特征在于：所述步骤五中，分析和/>事件对东印度洋SEC产生的影响的过程中，对比东印度洋SEC的经向海平面异常梯度与/>的时间序列并进行超前滞后相关性分析，得到经向海平面异常梯度与/>指数的相关系数以及ENSO事件影响东印度洋SEC的年际变化的原因。
7.根据权利要求1所述的一种东南印度洋南赤道流的年际变化规律分析方法，其特征在于：所述步骤五中，分析和/>事件对东印度洋SEC产生的影响的过程中，分别合成/>和/> 事件峰值前3个月到峰值后18个月9°S-13°S范围的东印度洋SEC纬向流速异常、经向海平面异常梯度和海平面异常的时间演化图，并确定印度洋SEC年际变化受ENSO事件控制的主要范围，以及SEC在/>减弱和/>事件期间增强的原因。
8.根据权利要求1所述的一种东南印度洋南赤道流的年际变化规律分析方法，其特征在于：所述步骤七中，所述1.5层约化重力模型的水平分辨率为1/4°×1/4°，模拟海域覆盖热带和亚热带印度洋、海洋大陆和太平洋区域，且沿着开阔的海洋边界，采用无滑的边界条件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310142734.2A CN116307853B (zh) | 2023-02-21 | 2023-02-21 | 一种东南印度洋南赤道流的年际变化规律分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310142734.2A CN116307853B (zh) | 2023-02-21 | 2023-02-21 | 一种东南印度洋南赤道流的年际变化规律分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307853A CN116307853A (zh) | 2023-06-23 |
| CN116307853B true CN116307853B (zh) | 2024-03-22 |
Family
ID=86802368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310142734.2A Active CN116307853B (zh) | 2023-02-21 | 2023-02-21 | 一种东南印度洋南赤道流的年际变化规律分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307853B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116894405B (zh) * | 2023-07-14 | 2024-01-30 | 广东海洋大学 | Eacc年际变化与厄尔尼诺-南方涛动关系测定方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2164030C1 (ru) * | 2000-04-12 | 2001-03-10 | Понько Владимир Алексеевич | Способ прогнозирования экологического состояния на земле или ее части |
| KR101026071B1 (ko) * | 2010-10-07 | 2011-04-04 | 서울대학교산학협력단 | 군집별 태풍 개수 예측 방법 및 여름철 태풍 진로 예측 방법 |
| KR101575847B1 (ko) * | 2014-12-19 | 2015-12-08 | 한국해양과학기술원 | 북반구 기후 지수를 이용한 북서태평양 해수면 온도 변동성 진단 모델링 시스템 및 방법 |
| CN110851790A (zh) * | 2019-10-29 | 2020-02-28 | 王金虎 | 一种基于深度学习算法的海流动力优化预报模型 |
| CN111797491A (zh) * | 2020-04-30 | 2020-10-20 | 中国空间技术研究院 | 华北平原地壳垂向位移季节性和时空变化分析方法和系统 |
| CN113297801A (zh) * | 2021-06-15 | 2021-08-24 | 哈尔滨工程大学 | 一种基于steof-lstm的海洋环境要素预测方法 |
| CN114722593A (zh) * | 2022-03-25 | 2022-07-08 | 中国人民解放军61540部队 | 一种基于海气耦合模式生成海洋场模式值的方法及系统 |
| CN114926087A (zh) * | 2022-06-13 | 2022-08-19 | 安徽理工大学 | 一种基于交叉小波的热带西印度洋海温影响因素分析方法 |
| CN115034045A (zh) * | 2022-05-26 | 2022-09-09 | 广东海洋大学 | 一种台风快速增强过程中的海气相互作用分析方法 |
-
2023
- 2023-02-21 CN CN202310142734.2A patent/CN116307853B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2164030C1 (ru) * | 2000-04-12 | 2001-03-10 | Понько Владимир Алексеевич | Способ прогнозирования экологического состояния на земле или ее части |
| KR101026071B1 (ko) * | 2010-10-07 | 2011-04-04 | 서울대학교산학협력단 | 군집별 태풍 개수 예측 방법 및 여름철 태풍 진로 예측 방법 |
| KR101575847B1 (ko) * | 2014-12-19 | 2015-12-08 | 한국해양과학기술원 | 북반구 기후 지수를 이용한 북서태평양 해수면 온도 변동성 진단 모델링 시스템 및 방법 |
| CN110851790A (zh) * | 2019-10-29 | 2020-02-28 | 王金虎 | 一种基于深度学习算法的海流动力优化预报模型 |
| CN111797491A (zh) * | 2020-04-30 | 2020-10-20 | 中国空间技术研究院 | 华北平原地壳垂向位移季节性和时空变化分析方法和系统 |
| CN113297801A (zh) * | 2021-06-15 | 2021-08-24 | 哈尔滨工程大学 | 一种基于steof-lstm的海洋环境要素预测方法 |
| CN114722593A (zh) * | 2022-03-25 | 2022-07-08 | 中国人民解放军61540部队 | 一种基于海气耦合模式生成海洋场模式值的方法及系统 |
| CN115034045A (zh) * | 2022-05-26 | 2022-09-09 | 广东海洋大学 | 一种台风快速增强过程中的海气相互作用分析方法 |
| CN114926087A (zh) * | 2022-06-13 | 2022-08-19 | 安徽理工大学 | 一种基于交叉小波的热带西印度洋海温影响因素分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| Interannual Variability of Eddy Kinetic Energy in the Subtropical Southeast Indian Ocean Associated With the El Nino-Southern Oscillation;Zheng, Shaojun等;JOURNAL OF GEOPHYSICAL RESEARCH-OCEANS;第123卷(第2期);第1048-1061页 * |
| 印度洋-太平洋暖池海域表层水温分析;邱云;李燕初;李立;许德伟;;台湾海峡(第04期);di1548-554页 * |
| 近年来厄尔尼诺期间北赤道流输运的年际变化;吴国丽;王庆业;翟方国;胡敦欣;;海洋科学(第02期);第118-126页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307853A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Large et al. | Attribution and impacts of upper-ocean biases in CCSM3 | |
| Palmer et al. | A modelling and observational study of the relationship between sea surface temperature in the north‐west Atlantic and the atmospheric general circulation | |
| Hattori et al. | The cross-equatorial northerly surge over the maritime continent and its relationship to precipitation patterns | |
| CN116307853B (zh) | 一种东南印度洋南赤道流的年际变化规律分析方法 | |
| Mathiesen et al. | Geostrophic wind dependent probabilistic irradiance forecasts for coastal California | |
| Lu et al. | Interannual variability of summer monsoon convective and stratiform precipitations in East Asia during 1998-2013. | |
| Chen et al. | Some implications of core regime wind structures in western North Pacific tropical cyclones | |
| Kitabatake | Extratropical transition of tropical cyclones in the western North Pacific: Their frontal evolution | |
| Kanada et al. | Numerical study on the extremely rapid intensification of an intense tropical cyclone: Typhoon Ida (1958) | |
| Song | The importance of including sea surface current when estimating air–sea turbulent heat fluxes and wind stress in the Gulf Stream region | |
| CN111190241A (zh) | 一种影响热带气旋衰减的分析方法 | |
| Chen et al. | Key environmental factors for rapid intensification of the South China Sea tropical cyclones | |
| Yang et al. | Quantitative Analysis of Water Vapor Transport during Mei‐Yu Front Rainstorm Period over the Tibetan Plateau and Yangtze‐Huai River Basin | |
| CN111310983A (zh) | 一种针对登陆广东台风引发宁波暴雨的预报方法 | |
| CN113935533A (zh) | 一种黄渤海海区大风推算方法 | |
| CN116894405B (zh) | Eacc年际变化与厄尔尼诺-南方涛动关系测定方法及系统 | |
| Zhu et al. | Comparison and validation of global and regional ocean forecasting systems for the South China Sea | |
| CN110059423B (zh) | 基于多因子广义线性模型的热带气旋客观定强方法 | |
| Ohigashi et al. | Shift and intensification processes of the Japan-Sea polar-airmass convergence zone associated with the passage of a mid-tropospheric cold core | |
| CN115901634A (zh) | 一种基于三维特征空间模型的盐渍化反演方法 | |
| Gvoždíková et al. | Predictability of moisture flux anomalies indicating central European extreme precipitation events | |
| Zhai et al. | Role of a meso-γ vortex in Meiyu torrential rainfall over the Hangzhou Bay, China: An observational study | |
| CN112699599A (zh) | 基于bp-geo的洪涝灾害预警方法 | |
| Nishida et al. | Optimization of integrated weather routing systems for sailing cargo ships | |
| Baek et al. | Estimation of satellite-based upper-ocean temperature profile in the western North Pacific and its application to tropical cyclone intensity predictions |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |