Argo觀測剖面數據量的時間變化與周期分析

張勝茂，伍玉梅，楊勝龍

（中國水產科學研究院東海水產研究所 漁業資源遙感信息技術重點開放實驗室，上海200090）

Argo觀測剖面數據量的時間變化與周期分析

張勝茂，伍玉梅，楊勝龍

（中國水產科學研究院東海水產研究所 漁業資源遙感信息技術重點開放實驗室，上海200090）

海洋漁業預報使用的遙感數據一般只能獲得海洋表面的環境信息，而Argo數據可以為漁業預報提供較深處的溫鹽數據，為了在漁業預報中按其時間周期進行使用，需要計算它的周期以提高預報質量。通過功率譜估計計算出2001—2008年的數據存在較長的周期為62.7 d和117.5 d，較短的周期為4.9 d和9.8 d，同時還有一個約為7 d的不明顯周期，觀測剖面數據總量在年際與年內都存在較大變化。

Argo；周期；功率譜估計；傅里葉變換

Argo(Array for Real-time geostrophic Oceanography)是由大氣、海洋科學家于1998年推出的一個大型海洋觀測計劃。迄今為止，Argo數據資料已經積累了十多年的長期數據，幾乎覆蓋全球海洋，數據獲取及時準確，被廣泛應用于全球性的科學研究。

Argo數據包含覆蓋全球海洋近表面到2 000 m深的鹽度、溫度，及部分溶解氧資料，可用于長期和短期的海洋環境與氣候研究，研究中常以年、季節、月、天為階段或周期。Ivchenko V.O.等通過1999—2006年的Argo浮標數據和衛星高度計數據，分析計算了北大西洋海面立體高度的年變化[1]；Roemmich D.等利用全球的 Argo數據，研究2004—2008年平均溫度與鹽度的年變化[2]。孫朝輝等應用Argo剖面浮標觀測資料，分析了西北太平洋海域冬季與夏季的溫度、鹽度分布，及水團結構和分布[3]；Ren L.等使用2003—2007年的Argo的剖面浮標數據，研究東北太平洋的鹽分季節收支平衡狀況[4]。宋翔洲等利用2004—2007年各月份的浮標觀測剖面資料研究“西北太平洋模態水的空間結構及年際變化”[5]；陳奕德等根據2003—2005年的數據，按月份分析了赤道太平洋區域中層流場信息[6]；von Schuckmann K.等把 2003—2008年從近表面層到2 000 m深的Argo數據，按月網格化，用于分析大尺度的溫度和鹽度的年度與年際變化規律[7]。孫振宇等，基于Argo浮標提供的全球上層海洋資料，重建出一套完整的全球海洋混合層 （Mixed Layer Depth）和障礙層（Barrier Layer）網格化時間序列資料，資料時間間隔選為5 d[8]。整體的Argo浮標發送的觀測剖面總量存在一定的周期性變化，在按年、季度或月份進行統計時，由于周期的存在會影響溫度、鹽度的平均值、最值、差值等的統計，因此在研究Argo數據總量周期性變化有一定的重要性。

Argo數據有比較好的時空特性，研究中常常用于空間插值制圖。王彥磊等把2002—2007年的Argo浮標剖面資料劃分為春、夏、秋、冬季4個時間段，并用Spline插值方法插值成圖，分析世界大洋溫度躍層的時間變化規律[9]。楊勝龍等將2007年2月、5月、8月、11月太平洋海域的Argo剖面浮標資料，用Kriging插值法繪制SST分布圖，分析太平洋海溫的4個季節的變化[10]。整體的Argo浮標發送的觀測剖面總量存在較大變化，并且其年際與年內都比較大，數據量變化會影響插值的精度和準確性，因此在選定研究區域的時候，要充分考慮到區域內浮標剖面數據分布的數量和密度[5]。

1 研究資料與方法

本文用于統計的Argo資料源自中國Argo實時資料中心(ftp://ftp.Argo.org.cn/pub/Argo)，這些資料都經過 Argo資料中心的質量控制。從該資料中心下載數據后，按Argo數據發送的日期整理到數據庫中再進行統計。從2001—2008年共2 922d，觀測的剖面共445 642個，觀測剖面上的觀測點共33 495 119個。從2001—2008年觀測的剖面數據總量變化比較大，表1統計了每年在1 d中獲取觀測剖面最多與最少的數量，在1個月中獲取觀測剖面最多與最少的數量，以及日平均和月平均剖面數據獲取情況，最后一列統計了每年獲取觀測剖面數據的總量。統計數據反映出：2001—2008年觀測剖面的數據獲取量平均每天從31.55個增加到284.69個，平均每月從959.67個增加到8 683.17個，年總量從11 516增加到104 198個，數據量增加很快；2001—2008年日差值最大是127，月差值最大是2 103，日差值和月差值的變化都是先變大后變小，數據變動較大。同時可以反映出幾個關鍵節點：2004年起日平均超過100個，2006年起日平均超過200個；2005年起月平均超過5 000個，2008年起年獲取總量超過10萬個。

表1 2001—2008年觀測的剖面數據統計表

從2001—2008年的Argo剖面數據獲取數據量可以看作是離散時間信號，通過功率譜估計可以計算其周期。離散時間傅里葉變換是進行離散時間信號的頻譜分析的一種有效手段，welch法[11-12]是其中的一種，譜估計為：

頻率ω取不同的k值，然后計算不同波數k的功率譜值，周期值與波數k的關系為Tk=n/k，式中n為樣本數。

2 結果與分析

2.1 Argo觀測剖面數量時間變化周期

為了計算2001—2008年存在的較長的周期和年內較短的周期，本文分別按間隔30 d匯總統計和按天統計兩種方式。在統計2001—2008年的周期時，如果把天數作為統計樣本的數量，統計結果著重體現較小的細節周期變化，計算效率低，因此統計時按間隔30 d匯總統計；在統計年內較短周期時，由于每年的周期變化相似，因此不需要按天統計8 a中每年的變化周期，統計中選擇2006—2008年3 a作為代表按天統計。

2.1.1 Argo觀測剖面數量30 d間隔匯總統計周期

若以月為單位統計，由于月份包含的天數多少不一，會影響統計效果，產生誤差。月最多時31 d，最少時28 d，Argo數據量最少的月份大多出現在2月，較多的是含31 d的月份，因此統計時按間隔30 d匯總統計8 a的變化周期。

Argo觀測剖面數據年獲取量變化非常較大，從圖1可以看出，從2001年的11 516個，增長到2008年的104 198個，幾乎增加了10倍。一年中的各日變化和各月變化也比較大，圖1中的日數量變動和月數量變動分別按式2和式3計算獲得，CD是日最多和日最少的差值與日平均的比值，其變化從2001年的1.49到2008年的0.34，CM是月最多和月最少的差值與月平均的比值，其變化從2001年的0.63到2008年的0.13，兩者都有下降趨勢。

離散功率譜估計中用于計算的時間序列數據，一般是序列中的數據值減去序列數據的平均值，但是獲取的Argo觀測剖面數據數量的年變化，以及每年的日變化、月變化都比較大，因此不能直接根據一定時間間隔的數據平均值進行周期估計。本文使用連續3個數據滑動平均的值作為數據的平均值，計算方法如式4，把序列中的數據減去該序列中此數據的前后和本身平均值，作為用于離散功率譜估計的時間序列數據。

圖1 2001-2008年觀測剖面數據總量與日(月)數量變動情況

間隔30 d匯總統計的數據從2001年1月31日到2008年10月20日，共94個時間序列數據，由welch法計算獲得的功率譜估計圖如圖2，間隔30 d匯總統計都有兩個明顯的峰值。

由welch法計算獲得的功率譜估計值如表2，表中只選擇了較明顯的兩個峰值，波數是24和45，當顯著水平α=0.05時，查F分布表得Fα=3.1，兩個波的F檢驗值是3.52和3.28，都大于3.1，因此這兩個波是顯著的。T1和T2是波數k1和波數k2對應的周期，由Tk=n/k（n為樣本數，k為波數）計算的值，再乘以匯總間隔的天數獲得，間隔30 d的匯總統計的最明顯周期是117.5 d；另一個是62.7 d。

圖 2 2001—2008年間隔30 d匯總統計功率譜圖

2.1.2 Argo觀測剖面數量按天統計周期

2001—2008年各年的變化趨勢非常相似，圖 3是各月觀測剖面數量占當年的總量百分比分布曲線，除2001年與其它年份有較小區別外，其它年份差別不大，2001—2008年的按月計算相互之間的相關系數在0.998 61～0.999 98之間。

由于每年的周期變化相似，因此沒有按天統計8 a的變化周期，而是選擇了3 a作為代表，按天統計變化周期，每天的數據量減去日平均數據獲取量，作為功率譜估計的時間序列數據。

表 2 2001—2008年功率譜值與序列周期

圖3 2001—2008年各月觀測剖面數量百分比分布曲線

由welch法計算獲得的功率譜估計圖如圖 4，2006-2008年按天計算的功率譜圖中都有兩個明顯的峰值。

圖4 2006—2008年功率譜圖

由welch法計算獲得的功率譜估計值如表3，表中只選擇了較明顯的兩個峰值。波數k1和波數k2是功率估計值較大的兩個波數，它們都通過F檢驗，具有顯著性。T1和T2是相應波數的周期，第一個明顯的周期值在9.8 d左右，第二個明顯的平均周期值在4.9 d左右，兩者相差一倍。

表3 2006—2008年功率譜值與序列周期

2006—2008年頻數k在52附近有一個較小的峰，2008年的峰值比較明顯，通過公式Tk=n/k，n為天數取值366，k為頻數取值52，可以計算出一個約為7 d的不太明顯的周期，圖5是以7 d為周期，統計的各周觀測數據量與年總量比值的變化情況。圖 5(a)是2001—2008年觀測剖面數量各周百分比變化曲線，2004年以前各周所占百分比相差較大，最大差值出現在2002年是2.1%，2004年以后各周所占百分比相差較小，所占百分比在14%～14.7%之間；2001—2005年星期二、星期五、星期日所占百分比變化較小，星期日變化最小，所占百分比在14%左右。圖5(b)和圖5(c)是觀測剖面數量各周百分比柱狀圖，由圖 5(a)和(b)反映出2001—2005年觀測剖面數量各周百分高值出現在星期四，低值在星期六；由圖5(a)和(c)反映出2006—2008年觀測剖面數量各周百分高值出現在星期一，低值在星期日。

圖5 觀測剖面數量各周百分比比較

2.2 Argo數據量的變化分析

每年各月獲取的Argo觀測剖面數量變化比較大，圖6是2001—2008年月觀測剖面數量與當年月平均值差值的比較圖，觀測剖面數量最低值除2003年是1月份外，其它年份都在2月份，最高值都在12月份；2001—2006年上半年的數據獲取量都低于當年的月平均值，下半年的數據獲取量大多數高于當年的月平均值。

圖6 2001—2008年各月觀測剖面數量與平均值差值分布

表 4對2001—2008上（下）半年與各季度觀測剖面數量進行了匯總統計，上半年與下半年差值最大的是2005年，觀測剖面數量相差6 192個，差值最小的是2008年，觀測剖面數量相差1 482個；按季度的統計值中，剖面觀測數量季度最多與季度最少差值最大的是2005年，觀測剖面數量相差4 681個，最小差值是2001年，觀測剖面數量相差1 293個。

表 4 2001—2008上（下）半年與季度觀測剖面數量統計表

圖 7是2001—2008上(下)半年與季度觀測剖面數量百分比變化曲線，它是按照上(下)半年與季度匯總觀測剖面數量占當年總量的百分比繪制的曲線圖。上半年所占百分比在50%～58%之間，下半年在42%～50%之間，下半年普遍高于上半年；各年從第一季度到第四季度觀測剖面所占百分比逐漸增加，各季度所占百分比在20%～31%之間，除2008年第三季度外，各年第三、四季度所占百分比均高于第一、二季度。2001—2008年上(下)半年與季度觀測剖面數量百分比變化都比較大，上下半年差值從15.7%降低到1.5%，每年各季度百分比最大值與最小值差值從11.2%降低到1.4%，百分比差值從2001—2008年逐漸減小，反映出年內觀測剖面數據的獲取數量逐漸穩定。

圖 7 2001—2008上(下)半年與季度觀測剖面數量百分比變化曲線

3 討論

Argo浮標發送的觀測剖面數據總量有一定的周期性，通過對2001—2008年的統計，反映出較短的周期為4.9 d和9.8 d，較長的周期為62.7 d和117.5 d。Argo浮標觀測剖面總量變化還有一個約為7 d的不明顯周期，2001—2005年觀測剖面數量各周百分高值出現在星期四，2006—2008年高值出現在星期一。在按年、季度或月份進行統計時，由于周期的存在會影響溫度、鹽度的平均值、最值、差值等的統計，因此在研究中Argo數據總量周期性變化的影響也需要考慮。

Argo浮標發送的觀測剖面數據總量在年際與年內都存在較大變化，從2001—2008年，觀測剖面總量幾乎增加了10倍，一年中的各日變化和各月變化也比較大，各年的上(下)半年與季度觀測剖面數量百分比變化都比較大。數據量變化會影響插值的精度和準確性，因此在選定研究區域的時候，要充分考慮到區域內浮標剖面數據分布的數量和密度。

致謝：感謝中國Argo實時資料中心提供的Argo剖面浮標資料。

[1]Ivchenko V O,Danilov S,Sidorenko D,et al.Steric height variability in the Northern Atlantic on seasonal and interannual scales[J].Journal of geophysical Research，2008，113（C11007）：1-11.

[2]Roemmich Dean,Gilson John.The 2004-2008 mean and annual cycle of temperature,salinity,and steric height in the global ocean from the Argo Program[J].Progress In Oceanography，2009,82(2):81-100.

[3]孫朝輝,許建平,劉增宏,等.應用Argo資料分析西北太平洋冬、夏季水團(英文)[J].Marine Science Bulletin，2008,10(2):85-86.

[4]Ren Li,Riser Stephen C.Seasonal salt budget in the northeast Pacific Ocean[J].Journal of geophysical Research，2009,114（C12004）:1-11.

[5]宋翔洲,林霄沛,Myrtle-Rose Padmore,等.基于Argo浮標資料的西北太平洋模態水的空間結構及年際變化[J].海洋科學進展，2009,27(1):1-10.

[6]陳奕德,張韌,蔣國榮.利用Argo浮標定位信息估算分析赤道太平洋中層流場狀況[J].海洋預報，2006,23(4):122-126.

[7]von Schuckmann K,Gaillard F,Le Traon P Y.Global hydrographic variability patterns during 2003-2008[J].Journal of geophysical Research，2009,114（C09007）：1-17.

[8]孫振宇,胡建宇,于衛東.基于Argo浮標的全球混合層深度（MLD）和障礙層厚度（BLT）準實時數據——用戶手冊[Z].2009.

[9]王彥磊,黃兵,張韌,等.基于Argo資料的世界大洋溫度躍層的分布特征[J].海洋科學進展，2008,26(4):3634-3637.

[10]楊勝龍,馬軍杰,伍玉梅,等.基于Kriging方法Argo數據重構太平洋溫度場研究[J].海洋漁業，2008,30(1):47-57.

[11]張勝茂,伍玉梅,楊勝龍.Argo觀測點數量的空間分布與變化分析[J].海洋技術，2010,29(3):108-114.

[12]郭仕劍,王寶順,賀志國,等.MATLAB7.x數字信號處理[M].北京:人民郵電出版社,2006:196-215.

Abstract：Remote sensing data being used for marine fisheries forecasting could generally get the ocean surface environmental information.However,Argo profiles could provide deeper thermohaline data.In order to use the Argo data in fishery forecasting,it is necessary to calculate its period to improve the quality of forecasts.Calculation by power spectrum estimation from 2001 to 2008 data shows that the longer periods are 62.7 days and 112.8 days,the shorter periods are 4.9 days and 9.8 days and there is a less obvious period of about 7 days.There is a big change in the annual and inter-annual observed profiles.

Key words：Argo;period;power spectrum estimation;Fourier transform

Analysis of Time Variance and Period about Argo Profile Observation Data

ZHANG Sheng-mao,WU Yu-mei,YANG Sheng-long
（Key Laboratory of Fisheries Resources Remote Sensing and Information Technology Resources,East China Sea Fisheries Research Institute,Chinese Academy of Fishery Sciences,Shanghai 200090,China）

P715.2

A

1003-2029（2011）01-0005-05

2010-10-13

國家863高技術研究發展計劃資助項目(2007AA092202)；中央級公益性科研院所基本科研業務費專項(2009T08和2008Z01)

張勝茂(1976-)，男，河北吳橋人，助理研究員，博士，主要從事漁業遙感。E-mail:ryshengmao@126.com

伍玉梅，E-mail:wym_07@163.com