下载文档原格式
利用Argo数据计算吕宋海峡以东海域水文特性参数和流场何建玲;蔡树群【摘要】利用2006年Argo浮标资料分析吕宋海峡以东海域水团季节特性和混合层的月平均变化规律;并分别利用Argo多年季节平均资料与2006年资料,以秋季为例,基于P矢量方法计算该区域流场;同时考虑风生流的影响,将所得结果分别与利用Levitus和高度计资料计算的流场进行比较。
结果表明,水团特性季节变化不明显,春冬季表层水团与夏秋季比较表现为低温高盐;次表层、中层和深层季节变化不大;混合层深度明显表现为冬季最深、夏季最浅的季节性变化。
利用2002—2009年Argo季节平均资料基于P矢量方法能得到地转流场的基本结构,与Levitus资料的计算结果相比较,除可以反映黑潮,还可以反映一些涡旋结构;利用2006年秋季Argo资料计算流场与高度计资料计算的地转流场比较,其流场结构位置吻合得比较好,但存在流速偏小等不足,这可能与Argo资料较少且分布不均以及插值误差等有关,但其可以获得流场的三维结构,而利用高度计资料计算只能得到表层流场结构。
【期刊名称】《热带海洋学报》【年(卷),期】2012(031)001【总页数】10页(P18-27)【关键词】Argo;水团分析;混合层深度;P矢量方法;吕宋海峡;流场【作者】何建玲;蔡树群【作者单位】【正文语种】中文【中图分类】P731国际Argo计划由美国、日本等国提出, 于2000年正式启动。
截止2010年1月, 全球共有29个国家和地区参与了 Argo浮标的布放, 共投放浮标6623个, 其中目前仍在海上正常工作的浮标 2941个, 获取了约 50余万条海洋剖面资料, 建立了全球、区域和国家的三级资料管理中心, 实现Argo资料的全球共享[1]。
Argo浮标设计的工作流程为: 浮标被投入海后先自动下潜至预先设定的漂流深度(约1000m), 漂流约8—10d后自动潜到2000m深度,然后自动上升至海面, 并进行温度、盐度的剖面测量, 这大约需要 10h, 到达海面后, 将数据通过Argos卫星系统传给用户, 完成一次观测。
《基于长时序卫星高度计数据对渤黄东海潮汐信息提取研究》篇一一、引言潮汐现象作为海洋动力学的重要组成部分，其研究对于海洋环境监测、海洋资源开发、海洋灾害预警等方面具有重要意义。
近年来，随着卫星遥感技术的快速发展，长时序卫星高度计数据为潮汐信息提取提供了新的数据来源和研究手段。
本文旨在利用长时序卫星高度计数据，对渤黄东海地区的潮汐信息进行提取研究，以期为该地区的海洋环境研究和应用提供科学依据。
二、研究区域与数据来源本研究区域为渤黄东海，包括渤海、黄海和东海三个海域。
研究所需的数据主要来源于长时序卫星高度计数据，包括TOPEX/Poseidon、Jason-1、Jason-2和Jason-3等卫星的高度计数据。
这些数据具有全球覆盖、高时间分辨率和高精度测量的特点，为潮汐信息提取提供了可靠的数据基础。
三、研究方法1. 数据预处理：对卫星高度计数据进行质量控制和预处理，包括去除异常值、校正地球物理效应等。
2. 潮汐信息提取：采用谐波分析法对预处理后的数据进行潮汐信息提取。
通过分析不同频率的潮波，得到各潮波的振幅、相位等信息。
3. 数据验证：将提取的潮汐信息与现场观测数据和其他遥感数据进行对比验证，确保结果的准确性和可靠性。
四、潮汐信息提取与分析1. 潮汐特征分析：通过对渤黄东海地区的潮汐信息进行提取，得到了该地区的潮汐特征参数，如潮汐振幅、相位、周期等。
分析这些参数的空间分布和时间变化，有助于了解该地区的潮汐运动规律。
2. 潮波类型分析：通过谐波分析法，可以分析出渤黄东海地区的主要潮波类型及其分布特征。
这有助于了解不同类型潮波的传播路径和影响范围，为海洋环境研究和应用提供依据。
3. 潮汐对海洋环境的影响：通过分析潮汐信息与其他海洋环境因素的关联性，可以了解潮汐对海洋环境的影响。
例如，潮汐对海流、海浪、盐度等的影响，以及潮汐在海洋生态系统和渔业资源中的重要作用。
五、结果与讨论1. 潮汐信息提取结果：通过长时序卫星高度计数据的处理和分析，成功提取了渤黄东海地区的潮汐信息，包括各潮波的振幅、相位等参数。
基于CCMP卫星遥感海面风场数据的渤海风浪模拟研究张鹏;陈晓玲;陆建忠;田礼乔;刘海【摘要】Cross Calibrated Multi-Platform (CCMP) remotely sensed wind is a newly released ocean wind dataset which has much higher spatial and temporal resolution, and it can cover the entire ocean surface.After analyzing theirreliability, the CCMP wind datasets are used as the input to simulate wind-induced wave with the SWAN model, then the simulated significant wave height (SWH) is analyzed.The comparison between the model result and the data obtained by the radar altimeter shows that the simulated SWH meets the requirements of precision in the sea wave forecasting.%CCMP(Cross Calibrated Multi-Platform)风场数据是一种具有较高的时间、空间分辨率和全球海洋覆盖能力的新型卫星遥感资源.在充分分析CCMP海面风场数据可靠性的基础上,以该卫星遥感海面风场数据为强迫输入项,运用第三代浅水波浪模式SWAN对渤海一次风浪过程进行了模拟,将模拟的结果与T/P、Jason卫星高度计观测得到的有效浪高数据进行比较分析,发现两者相关性达到0.78,模拟结果平均偏高0.3 m.试验表明CCMP卫星遥感风场数据能满足海洋浪高预报需求,能在海洋数值预报和海洋环境研究中发挥重要作用.【期刊名称】《海洋通报》【年(卷),期】2011(030)003【总页数】6页(P266-271)【关键词】CCMP;SWAN;卫星高度计;风浪模拟;有效波高;渤海【作者】张鹏;陈晓玲;陆建忠;田礼乔;刘海【作者单位】武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079;武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079;江西师范大学鄱阳湖湿地与流域研究教育部重点实验室,江西南昌,330022;武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079;武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079;武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079【正文语种】中文【中图分类】P731.33;P714+.2海浪在研究海洋动力环境和海气相互作用等领域有着重要地位，海浪数值模拟不仅是海浪研究的重要手段，也是海浪预报和分析的重要工具[1]。
近45年北太平洋海表风速特征统计分析摘要:本文利用来自欧洲中期天气预报中心(ECMWF——European Centre for Medium-Range Weather Forecasts)的1957年8月—2002年7月逐6 h的ERA-40海表10 m风场资料，统计分析了近45年期间北太平洋海表风场的月变化特征，以及多年平均海表风速的分布特征，为海洋水文保障、海洋工程等提供参考。
结果表明:(1)北太平洋的海表风场具有明显的月变化特征，10月至来年2月的风速整体高于其余月份。
(2)从年平均风速来看，阿留申群岛附近海域为北太平洋年平均风速的明显大值中心，年平均风速基本在8 m/s以上;中纬度海域的年平均风速在6～7 m/s;15°N-20°N的东部海域存在一相对大值区，年平均风速在7 m/s以上;赤道西部海域的年平均风速较小，基本在4 m/s以内。
关键词:ECMWF ERA-40海表10 m风场北太平洋海表风场月变化特征年平均风速Statistics Analysis of Seasonal Characteristics of Sea Surface Wind Field in the North Pacific Ocean During the Last 45 YearsAbstract:By using ERA-40 sea surface wind field from ECMWF(European Centre for Medium-Range Weather Forecasts)，the seasonal characteristics of sea surface wind field in the North Pacific Ocean were analyzed.Results show that，(1)There is obviously seasonalvariability in wind speed and wind direction.(2)From annual average wind speed，the Aleutian Islands off the coast of the North Pacific annual average wind speed significantly large value center，the annual average wind speed substantially above 8m/s;mid-latitude waters of the annual average wind speed in the 6-7m/s;15°N-20°N east coast there is a relatively large area，the annual average wind speed is more than 7m/s;equatorial waters west of the annual average wind speed within 4m/s.Key Words:ECMWF;ERA-40 sea surface wind field data;North Pacific Ocean;Wind field;Monthly characteristics; Annual wind speed 太平洋是全球最大的海洋，占海洋总面积的49.8％，太平洋也是世界最深的大洋，它的平均深度为4028 m，海洋水文特征复杂[1～10]。
中国水产科学 2013年1月, 20(1): 234−241 Journal of Fishery Sciences of China综 述收稿日期: 2012−05−04; 修订日期: 2012−11−19.基金项目: 国家863计划项目(2007AA092202).作者简介: 樊伟(1971−), 男, 研究员, 主要从事渔业遥感应用技术研究. E-mail: fanwee@ 通信作者: 陈雪忠, 研究员. E-mail: xuezhong@DOI: 10.3724/SP.J.1118.2013.00234渔场渔情分析预报业务化应用中的关键技术探讨樊伟1, 2, 崔雪森1, 伍玉梅1, 周为峰1, 陈雪忠11. 中国水产科学研究院 东海水产研究所 农业部东海与远洋渔业资源开发利用重点实验室, 上海200090;2. 中国水产科学研究院 渔业资源遥感信息技术重点开放实验室, 上海 200090摘要: 利用空间信息技术开展渔场渔情分析及预报对渔船捕捞作业及渔业管理等具有重要意义。
本文在开展有关研究和所开发的大洋渔场渔情信息服务系统业务化应用的基础上, 对渔场渔情分析预报业务化应用中涉及到的渔场环境数据精度、渔场环境数据融合、实时渔场信息获取、渔场分析方法及渔场预报模型等关键技术问题进行了较全面的探讨分析与总结, 并对将来的应用或技术发展进行了展望, 以期为今后的相关技术开发提供借鉴。
关键词: 渔场; 渔情预报; 卫星遥感; 预报模型中图分类号: S94 文献标志码: A 文章编号: 1005−8737−(2013)01−0234−08早在20世纪初期, 人们就依据捕捞经验尝试进行海洋渔场渔情分析及预测[1], 20世纪60年代后随着卫星遥感技术的出现, 渔场渔情分析预报逐渐由实验研究走向实用化[2−5]。
尤其是20世纪90年代开始, 随着卫星遥感和信息技术的飞速发展, 遥感数据源的获取更为便捷, 日、美、法等渔业发达国家的渔场渔情分析预报工作逐渐进入业务化应用阶段, 代表着国际最高技术水平与发展方向。
博士学位论文波浪对表层海流以及Ekman层风能输入的影响作者姓名：回贞立指导教师：徐永生研究员中国科学院海洋研究所学位类别：理学博士学科专业：物理海洋学研究所：中国科学院海洋研究所2017年6月The impact of waves on ocean surface currents and wind energy input to the Ekman layerA Dissertation Submitted toUniversity of Chinese Academy of SciencesIn partial fulfillment of the requirementFor the degree ofDoctor of PhilosophyByZhenli HuiDissertation Supervisor: Professor Xu YongshengInstitute of Oceanology, Chinese Academy of SciencesJune 2017摘 要由卫星数据反演的表层海流包含两部分：由散射计风场数据反演的Ekman 流以及高度计海表面高度数据（SSH）反演的地转流。
然而经典的Ekman模型并没有考虑波浪的影响，通过将波浪引起的Coriolis-Stokes力考虑在内，研究了波浪（主要是Stokes漂流）对卫星反演的海表面流的影响，并将产品与OSCAR （Ocean Surface Current Analyses Real-time）表层流和拉格朗日漂流浮标实测流进行了对比，结果显示，考虑了Stokes漂流的影响后得到的表层流产品与漂流浮标实测流的结果最为吻合，特别是在南大洋海域（40°S~65°S），与不考虑Stokes 漂流的表层流相比，90% （91%）的纬向（经向）流得到了改善。
对于纬向流速，与漂流浮标的相关系数（均方根误差）从0.78（13 cm/s）增加（减小）到0.81（10.99 cm/s），对于经向流速，相关系数（均方根误差）从0.76（10.87 cm/s）增加（减小）到0.79（10.09 cm/s），该发现说明波浪的确对大洋环流有重要的影响，在全球大洋环流的数值模拟中，应该被考虑在内。
时间序列反演海底地形时间序列反演海底地形是一种使用时间序列数据来推断、重建海底地貌的方法。
该方法利用海底测量仪器，如多波束和侧扫声纳，记录海底地形的变化信息，并根据这些信息进行分析和建模，以了解海底地貌的演化过程。
时间序列反演海底地形的基本原理是利用测量数据中的细微变化来推断地形的变化。
通过分析连续的测量数据，可以找出海底地形随时间的变化规律，从而重建出过去的地貌特征。
这种方法的关键是正确地理解和分析测量数据，以识别地形变化的特征，并将其与其他地貌过程进行关联。
在实际应用中，时间序列反演海底地形通常涉及以下四个步骤：1.数据收集：使用合适的测量仪器对海底进行连续的测量。
多波束和侧扫声纳是常用的工具，它们可以提供高分辨率和广覆盖范围的测量数据。
这些测量数据能够记录海底的高程和地形特征，并随着时间的推移不断更新。
2.数据处理：对测量数据进行清理和预处理，包括去除噪声和异常值，并进行校准和配准，以确保数据的准确性和一致性。
此外，还需要对数据进行插值和重采样，以获得更为连续和一致的数据序列。
3.数据分析：根据时间序列数据的特征，对海底地形的变化进行分析和建模。
常用的方法包括趋势分析、周期性分析和相关性分析等。
通过这些分析，可以找出海底地貌变化的规律和趋势，并揭示地质、地球物理和海洋动力学等因素对地形变化的影响。
4.地形重建：基于数据分析的结果，使用合适的地形模型将海底地貌进行重建。
地形模型可以基于统计模型、物理模型或机器学习模型，具体选择取决于数据的特征和分析的目标。
重建的结果可以以二维或三维形式呈现，对于研究海底地貌演化和与其他地球系统相互作用具有重要意义。
时间序列反演海底地形在海洋地质和海洋科学领域有着广泛的应用。
它可以用于研究海底地貌的演化过程、评估海底地球系统的稳定性、探测地质灾害风险等。
同时，这种方法也可以为海洋工程和海洋资源开发提供关键的地理信息，帮助决策者制定科学合理的海洋规划和管理策略。
