基于遙感數據的溫度剖面預報研究

笪良龍，李韋華，韓梅，濮興嘯

（海軍潛艇學院，山東青島 266071）

基于遙感數據的溫度剖面預報研究

笪良龍，李韋華，韓梅，濮興嘯

（海軍潛艇學院，山東青島 266071）

為了提高溫度剖面的預報精度，提出了一種基于遙感數據的溫度剖面預報方法。文中使用27個實測溫度剖面和遙感SST、SSHA數據實現了對溫度剖面的預報，并用該點的ARGO數據進行了檢驗。實驗結果表明，將遙感數據同化到溫度剖面的預報中是可行的，并能有效的提高溫度剖面的預報精度。

溫度剖面；SST；SSHA；最小二乘

1 引言

海水聲速是決定水聲環境分析的重要因素，而溫度對聲速的計算起到主導作用，因此，提高溫度剖面的預報精度具有非常重要的意義。而由現有的歷史實測數據預報溫度剖面已經不能滿足當前的要求，隨著遙感技術的發展，海表面溫度（SST）和海表面高度異常（SSHA）的資料卻是非常豐富的，將SST、SSHA數據同化到溫度剖面的預報中，可能提高溫度預報的精度。早在1987年，deWitt[1]研究灣流時就提出并建立了使用海表面高度預報次表層溫度的模型，并被美國海軍FOX等[2]采用，據此建立了海洋數據同化系統。Bruno[3]使用CPR（coupled pattern reconstruction）的方法對溫度剖面預報進行了改進。本文采用最小二乘的方法，將SST、SSHA數據與次表層的溫度建立一元線性回歸關系，實現了基于遙感數據的溫度剖面預報。并分別對基于實測數據的溫度剖面預報、基于SST數據的溫度剖面預報、基于SSHA數據的溫度剖面、基于SST與SSHA數據的溫度剖面預報進行了比較分析，證明將遙感數據同化到溫度剖面的預報中是可行的，并能有效的提高溫度剖面的預報精度。

2 使用的數據資料

為了檢驗基于遙感數據的溫度剖面預報方法在預報精度上的改進，本文分上述四種情形對9°11'30''N， 127°25'05'E 這點的溫度剖面進行預報，預報的時間為2008年10月16日。文中選取了27個實測溫度剖面，以及每個剖面對應的遙感SST、SSHA數據。實測剖面來自于南海2008年1—10月期間的27個ARGO浮標數據，所選取實測溫度剖面的海域范圍為：6°—13°N，125.5°—129°E，選取的剖面最大深度為2000 m，每個剖面在深度方向上分為69層。27個實測剖面與預報點的位置關系可見圖1，圖中三角形位置代表預報點的位置，其它點代表實測剖面的位置點。

圖2給出了這27個溫度剖面的曲線圖，從圖中可以看出，這些剖面的相似性比較好，溫度差異較大處主要位于0—1000 m左右。

選取的海洋遙感SST、SSHA數據來自于美國國家宇航局NASA網站的衛星數據，其中SST數據是NOAA系列衛星AVHRR傳感器多通道反演的數據產品，SSHA數據是NOAA系列衛星Topex/Poseidon衛星高度計測高數據。

圖1 觀測數據點和預報點的位置分布

圖2 實測數據溫度剖面

3 基于遙感數據的溫度剖面預報方法

對于遙感數據ψ（SST或SSHA）的每一個值，溫度T是一個隨機變量，如果ψ對T的影響是線性的，可用a+bψ表示，其中a，b待定，采用線性回歸的方法求解。除ψ以外，其它影響溫度T的隨機因素總和用ε表示，于是T可以用一元線性方程表示為：

為了求解系數a與b，這里采用最小二乘法對其進行回歸分析。為了得到預報方程，選擇n個實測剖面Ti，將它們代入一元線性方程得：

式中εi是ε的取值，看作相互獨立且與ε同分布的隨機變量。由于不同因素對分析點的貢獻值不一樣，所以可以根據加權最小二乘準則來估計回歸系數[4]，誤差平方和記為Q( )a,b，可表示為

利用極值的必要條件，可得到關于a與b的兩個方程：

對上式求解即可得到回歸系數a與b：

式中Tˉ為某層的溫度加權平均，ψˉ為海表溫度或海表高度異常加權平均：

而加權系數w是一個簡單的、獨立的、均勻的系數，它隨分析點位置和時間的變化而變化[5]

式中x和y分別表示經度與緯度；t為時間，Lt為時間尺度，一般為1000h；Lx和Ly為空間尺度，按式⑼計算：

因此由實測溫度以及遙感數據ψ(SST或SSHA)兩者組成的預報方程就可以表示如下：

而由實測溫度、SST、SSHA三者組成的預報方程可表示如下：

4 結果與討論

根據式（11），利用27個實測溫度剖面及遙感SST、SSHA數據對 9°11'30''N，127°25'05''E這點的溫度進行預報，預報的結果可見圖3。從圖中可以看到，基于遙感SST、SSHA數據對溫度剖面的預報結果比較好，預報的誤差主要存在于0—1000 m之內。該點的溫度剖面屬于典型的躍層剖面，溫度躍層大約在500 m附近，由于溫度躍層隨時間變化比較劇烈，所以躍層處的精確預報比較困難。

圖3 預報溫度與實測溫度對比圖

為了有效的比較得到的結果，給出0—1000 m深度范圍內，溫度預報的均方根誤差圖（見圖4）。從圖中可以看出，將海洋遙感衛星獲取的海表面溫度及海表面高度異常數據應用于溫度剖面的預報時，對預報結果起到了很大的改進作用，預報的溫度剖面與實測剖面的最大誤差不超過1.3℃，與其它三種情形相比，在各個深度處，預報的結果都是最優的。水深在400—800 m之間時，與只使用27個實測剖面進行預報相比，基于遙感數據的三種溫度預報結果都比較好，這說明將遙感數據應用于溫度的預報中，能很好的改善次表層以下的預報結果。

圖4 溫度均方根誤差圖

5 結論

通過對溫度剖面預報結果分析，得出以下結論：

基于SST、SSHA數據對溫度的預報結果較好，比僅使用SST和實測溫度剖面，SSHA和實測溫度剖面，實測溫度剖面單獨預報得到的誤差要小，更為接近實測值。

基于SST、SSHA數據的溫度剖面預報效果表明遙感數據能有效校正次表層以下溫度，提高海水溫度剖面的預報準確度。

[1]DeWitt P W.Modal decomposition of the monthly Gulf Stream/Kuroshio temperature fields[R].Naval Oceanographic Office Tech.1987:265-297.

[2]Fox D N,Teague W J,Barron C N,et al.The Modular Ocean Data Assimilation System(MODAS)[J].Journal of Atmospheric and Oceanic Technology,2002,19(2):240-252.

[3]Bruno D N,Rosalia S.Reconstructing Sythetic Profiles from surface data.American Meteorological Society[J].2004,21(2):693-703.

[4]Eugenia Kalnay著,蒲朝霞等譯.大氣模式、資料同化和可預報性[M].北京氣象出版社,2005.

[5]韓梅,魏亮.最優插值法在海溫數據同化中的應用研究[J].海洋技術,2008,27(4):90-92.

Study on forecasting ocean temperature profile based on the satellite data

DALiang-long,LI Wei-hua,HAN Mei,PU Xing-xiao

(Navy Submarine Academy，Qingdao Shandong，266071 China)

In order to improve the predition accuracy of the temperature profile,a method for forecasting ocean temperature profile based on the satellite data is developed.By using 27 in situ temperature profiles data,remote sensing SST(Sea Surface Temperature)and SSHA(Sea Surface Height Anomaly)data,the prediction of the temperature profile is achieved.The predition result of the temperature profile has been validated with the ARGO(Array for Real-time Geostrophic Oceanography)data.The experiment result shows that it is feasible by assimilating the remote data into the forecasting of temperature profile,and it improves the forecasting accuracy of ocean temperature profile effectively.

temperature profile;SST;SSHA;least squares

P732

A

1003-0239（2011）06-0051-04

2011-04-08

總裝預研基金項目（9140A22050810JB1502）

笪良龍(1967-)，男，教授，主要研究方向為水聲環境效應技術。E-mail:dalianglong@sohu.com