利用逐步訂正法構建Argo網格資料集的研究

李宏，許建平，劉增宏，孫朝輝

（1.國家海洋局第二海洋研究所，浙江 杭州 310012；2.浙江省水利河口研究院，浙江 杭州 310020；3.衛星海洋環境動力學國家重點實驗室，浙江 杭州 310012）

利用逐步訂正法構建Argo網格資料集的研究

李宏1，2，許建平1，3，劉增宏1，3，孫朝輝1，3

（1.國家海洋局第二海洋研究所，浙江 杭州 310012；2.浙江省水利河口研究院，浙江 杭州 310020；3.衛星海洋環境動力學國家重點實驗室，浙江 杭州 310012）

利用逐步訂正法構建了2002年1月至2009年12月期間太平洋海域（60°S-60°N，120°E-80°W）的逐月溫、鹽度網格資料，其垂向分辯率在5～1 950 m水深范圍內為48層，水平分辨率為1°×1°。對網格資料的誤差分析表明，整個太平洋海域溫度和鹽度標準差的平均值分別為0.097℃和0.017。將構建的Argo（Array for Real-time Geostrophic Oceanography，Argo）網格資料集與研究海域獲取的CTD（Conductance-Temperature-Depth，）、TAO（Tropical Atmosphere/Ocean array，TAO） 和WOA05（World Ocean Alta 5）等資料集進行的比較和分析發現，2006年之前，由于Argo資料相對較少，導致構建的網格資料集存在一定的誤差；而在2006年以后的Argo網格資料則與歷史觀測資料比較一致。況且，由構建的Argo網格資料集揭示的太平洋海域溫、鹽度分布的主要特征來看，其與WOA05資料集所反映的結果也十分吻合，且前者揭示的特征比后者要更加細致些。這充分說明了，利用逐步訂正法構建的Argo網格資料集是值得信賴的，也是可靠的。

Argo資料；逐步訂正法；網格資料集；太平洋

Abstract：Gridded monthly temperature and salinity of the Pacific Ocean from January 2002 to December 2009 are reestablished with 48 levels from 5m to 1950 m vertically and horizontal resolution of 1°×1°by successive correction.Error analysis of the grid data showed that the temperature standard deviation（ST）error for the whole Pacific Ocean was generally 0.097℃ and that of salinity was 0.017.The Argo grid data were compared with the CTD sections，TAO and WOA05 datasets respectively.The results showed that the Argo grid data were in good agreement with historic observation data after 2006，and before 2006，the Argo grid data had some errors because the Argo data were relatively less.In addition，Argo grid data can reveal the regional temperature and salinity distribution and main characteristics of the Pacific.Comparing with WOA05 data，Argo grid data make，comparative consistency，revealing finer features than WOA05.Therefore，the Argo grid data re-established by successive correction is worthy of trust and reliability.

Keywords：Argo data； successive correction； gridded data； the Pacific Ocean

20世紀90年代末，由美國和日本等國科學家發起的國際Argo計劃，旨在收集全球海洋0～2 000 m水深范圍內的實時、高分辨率溫、鹽度剖面觀測資料，用來加深人們對深海大洋物理海洋現象的認識，提高海洋和天氣預報的精度。該計劃至今已經走過了十年的歷程，并且在2007年底正式建成由3 000多個剖面浮標組成的全球Argo實時海洋觀測網（許建平等，2008）。到目前為止，由該觀測網提供的全球海洋上的溫、鹽度剖面已經超過70萬條，且仍在以每年10萬條的速度遞增，這為海洋科學的發展帶來了極大的機遇。然而，目前Argo資料所存在的觀測深度不一致，以及觀測時間上的不連續和空間上的離散性等問題，使得應用范圍受到一定的限制，特別對海洋科學領域以外的專家、學者來說，對日益豐富的Argo資料更是喜憂參半，無法直接用來作為數值模式的背景場或邊界條件。為此許多國際Argo成員國都已在嘗試開發針對Argo數據的網格化產品，如：美國Scripps海洋研究所的Rommich等（2009） 利用最優插值法，對2004-2008年期間全球海洋上的全部Argo資料構建成為逐年逐月的溫、鹽度網格資料產品，其水平分辨率為1°×1°，垂向分為5～1975dbar水深范圍內的58個標準層；日本海洋科學技術中心的Hosoda等（Hosoda et al，2008） 同樣利用最優插值客觀分析法，對2002-2009年期間收集到的全部Argo資料，以及部分CTD儀和錨浮標資料等，構建成逐年逐月的網格資料產品；法國學者（Gaillard et al，2009）專門針對Argo、XBT和CTD資料，研發了一個現場分析系統（ISAS）；而印度海洋信息中心則基于Gauss-Markov原理的客觀分析法，構建了印度洋海域的Argo網格資料（Bhaskaretal，2007） 等。

目前，國際上構建Argo網格資料所用的客觀分析法大多采用最優插值法，還有一些學者采用更為復雜的數據同化技術，并融合大型的海洋數值模式，構建時空更為一致的再分析產品等（Masafumi et al，2004；Martin et al，2007；Oke et al，2008）。這些方法雖然效果明顯，但計算量大，另外，觀測資料及數值模式的各種誤差統計信息難以獲取，操作起來相對復雜。本文嘗試利用相對較為簡便的逐步訂正法來構建Argo逐年逐月的網格資料，該方法原理簡單，計算量小，易于操作，并且在全球海洋也已取得成功應用的范例（Levtisu，1982）。

1 資料來源與處理方法

1.1 資料來源

本文選用2002年1月至2009年12月期間太平洋海域，即 60°S-60 °N，120°E-80 °W 所包圍的區域（圖1） 中的所有Argo剖面浮標觀測數據（來源于中國Argo實時資料中心：http：//www.argo.org.cn），作為制作Argo網格資料集的原始散點資料。

圖1 研究海域及重構Argo資料的水平網格點

另外，選擇CTD、TAO、WOA05資料（Locarnini et al，2006） 等作為對比、佐證的依據。

1.2 資料質量控制

選取2002年1月至2009年12月期間的Argo資料，這些資料都經過各國Argo資料中心的實時和延時質量控制。為確保資料質量，我們統一對這些資料進行質量再控制處理，包括：觀測參數及觀測層次檢驗，水陸點及區域檢測，密度逆變檢驗，溫、鹽度范圍檢驗，時間判斷，統計檢驗等，并利用Akima（1974）插值法將垂直方向上不等間隔的觀測資料插值到標準層上。

圖2為經過質量控制后的所有Argo資料在太平洋海域10 m層上的分布密度（總共有279 811個觀測數據通過質量控制），其中色標1代表有1-5個數據，2代表有6-10個數據，依次類推，10則代表有150個數據以上。可以看出，在整個太平洋海域的資料分布是極不規則的，且北半球資料較多，南半球偏少。尤其是在西北太平洋海域，資料比較密集，而在50°S以南區域觀測資料則相對較少。

1.3 資料預處理

經過上面的質量控制，Argo資料在垂直方向上已經標準化（即在5～1 950 m水深范圍內分為48個標準層），但在水平方向上的分布仍是極不規則的（圖2）。然而，人們已經獲知，客觀分析中觀測資料分布不規則引起的“簇聚（clustering）”（Smith et al，1986） 現象，會嚴重惡化分析結果（Smith et al，1986；Barnes，1964，1973）。因此，在進行客觀分析之前，需要對資料進行融合處理，以削減“簇聚”現象，使得剖面資料在空間分布上盡量均勻。

將整個研究區域劃分為1°×1°的小方區，若落在每個小方區內的觀測剖面總數大于一個，則對所有剖面觀測值取平均（Gaillard et al，2009；Locarnini et al，2006） 作為新的對應網格點的觀測信息。圖3呈現了2008年1月西北太平洋海域（20°N-40°N，120°E-180°E） Argo 資料的網格分布。可以看出，融合前，Argo資料個數在1°×1°網格內的分布極不均勻，少則零個或者僅有2～3個，多則6～7個（圖3a）；而經過融合處理后的Argo資料則要均衡得多（圖3b），“簇聚”現象基本消除。

1.4 逐步訂正法

本文研究重構的Argo網格資料集主要采用了逐步訂正法。逐步訂正的思想最初由Cressman（Cressman，1959） 提出，首先要求給出網格點的初始值（通常由背景場提供），然后從每一個觀測中減去對該觀測點的估計值（一般通過對觀測點周圍的背景場格點值進行雙線性插值獲得）得到觀測增量，通過將分析格點周圍影響區域內的觀測增量進行加權組合得到分析增量，再將分析增量加到背景場上得到最終的分析場，并進行逐步迭代，直到分析值達到某種預期的精度。其迭代公式為：

起初，Cressman（1959）給出了與距離平方成反比的二次權重函數，后來，Barnes（1964）提出采用高斯型的權重函數，能使得該方法與濾波原理結合起來，并且在理論上能夠通過響應函數的形態來事先了解分析所關注不同信號尺度，這對分析者來說無疑求全責備。但該方案收斂較慢，一般需要迭代3～4次，之后，Barnes（Barnes，1973） 對這一方案又作了改進，采用收斂因子來加快收斂速度，新的權重函數為：

值得指出的是，如果研究區域逐月資料足夠多，且分布均勻，則可以事先通過響應函數的形態來確定計算參數（Barnes，1964，1973），由此得到的分析結果能夠達到預期的目的。然而，由圖2、3表明，Argo資料在空間分布極不均勻，雖然融合處理能削減資料原本分布不均的程度，但這與Barnes逐步訂正法中觀測資料連續性分布的理論假設仍存在差距。顯然，通過理論分析響應函數來選擇計算參數并不可取，因為在這種情況下，理論分析結果與實際分析值之間可能會存在較大差距。鑒于這一點，本文將通過參數試驗中標準差的變化趨勢（Smith et al，1986）來選擇對應的計算參數。

表1是實驗中選用的不同參數，黑體表示的參數值為實驗中在測試其他參數時不變的數值，比如在測試濾波參數變化對分析產生影響的時候，濾波參數從0.8×104km2逐步變到0.8×104km2，而其他參數均不變，收斂因子為0.4，影響半徑為6.66×104km，迭代次數為2。

表1 實驗中所用的分析參數

通過分析標準差的變化趨勢，可以確定本文最終采用的計算參數（李宏，2011）：α為8×104km2，Rn取555 km，γ取0.2，n為2。

2 構建Argo網格資料集

客觀分析法的基本原理即是利用觀測資料來不斷訂正初始場，最終使得分析結果逼近觀測場，因此，背景場的給定非常重要，下面首先探討背景場的構建方案。

2.1構建氣候態背景場

針對Argo資料的空間分布不均勻這一特點，采用變半徑迭代的Cressman逐步訂法構建溫、鹽度的背景場。選擇三次迭代，每次迭代的起始影響半徑都不變。具體來說，對年際氣候態背景場的構造，選取最初的影響半徑為777 km，止于1110km，即首先計算各個垂向層次以777 km為半徑（起始半徑）的影響區域內的有效觀測資料的平均個數，并在隨后的迭代計算中，要求每個格點周圍的觀測點數不少于對應的觀測平均數，否則逐步擴大影響半徑（但不超過某個設定的最大影響半徑，本文取為1110 km），直到滿足這種要求，使得每個格點分析值均是由數量相當的鄰近觀測值構造而成，同一波長的波信號由相同數量的觀測資料來刻畫，從而保證分析結果的一致性。在每次迭代完后，利用9點平滑算法來平滑溫、鹽度場，以消除由分析帶來的某些小尺度噪音，獲得年際尺度的氣候態溫、鹽度信號。

類似于上面的方案，再以這一氣候態背景場作為初始場，選擇影響半徑為555 km，構造四個季節的背景場；然后，選取333 km的影響半徑，以季節背景場作為初始場，構造12個月（1-12月）的氣候態背景場信息，以此12個月的背景場作為最終逐月（96個月）分析對應的初始場。在構建年際、季節和月氣候態背景場的時候，選擇的影響半徑分別是777 km、555 km和333 km，目的在于先保留大尺度信號，隨后保留中、小尺度信號，使得最終12個月的氣候態背景場信息相對真實、可靠。

2.2構建逐月分析場

有了上面構建的氣候態背景場為初始場和由實驗確定的計算參數，通過上節介紹的式（2） 就可以構建出逐月的Argo網格資料集。這里值得一提的是，在計算過程中，還需對分析結果進行反復檢驗，如在剖面的深層，一般溫、鹽度的變化不大，故誤差曲線通常較為集中，但若發現存在分散的曲線，則表明對應月份的Argo資料存在質量問題，質量控制工作還存在紕漏，需進一步檢查核對，并剔除相應異常點，再重新進行逐月客觀分析。最后得到了2002年1月至2009年12月期間太平洋海域（60°S-60°N，120°E-80°W） 逐年逐月的 Argo網格資料集，其水平分辨率為1°×1°，垂向為48層，時間分辨率為1個月，共96個月。

2.3 網格資料誤差分析

標準差（ST）用來表示由客觀分析方法本身對散點資料進行插值構建時帶來的截斷誤差，以刻畫分析方法本身的精確度。

圖4顯示了研究海區96個月的溫、鹽度標準差（每個垂向層次）垂直分布，可以看出，從表層到800 m深度以上，溫度ST在0.08℃～0.34℃之間，鹽度ST則在0.008～0.038之間；而到了800 m層以下，ST隨深度增加而明顯減少，溫度ST僅為0.02℃～0.08℃，鹽度ST則在0.002～0.008。

從平均標準差的時間變化圖（圖5）中可以看到，很明顯，在2006年以前，由于Argo資料的觀測剖面還不夠多，使得構建的網格資料誤差稍大，溫度和鹽度的標準差變化波動較大，溫度誤差波動范圍在0.07℃～0.25℃之間，鹽度誤差則為0.011～0.025；之后，無論是溫度還是鹽度的標準差，變化都比較平穩，溫度標準差約為0.19℃，鹽度約為0.021。而整個太平洋海域溫度平均標準差最大為0.212℃，平均為0.097℃；鹽度最大則為0.021，平均為0.017。

3 結果檢驗

選取幾個代表性的剖面和時間序列與CTD、TAO和WOA05等歷史觀測資料進行比較、分析，以此來檢驗構建的Argo網格資料集的可靠性。

3.1 剖面檢驗

選取Argo剖面浮標觀測較少的2002年2月和較多的2008年10月的網格資料與同時期的CTD儀觀測資料比較。其中2002年2月的CTD測站位于（24.997°N，137.039°E）（圖6a） 附近的西北太平洋海域，對應的網格點位于（25°N，137°E）附近，恰好與CTD站位置重疊；2008年10月，有兩個CTD儀觀測剖面，分別位于（23.753°N，132.998 °E） 和（23.998 °N，133.25 °E） 附近的西北太平洋海域（圖7b）。從圖6可以清楚地看出，在2002年2月，當時Argo計劃還實施不久，所以布放的Argo剖面浮標還十分有限，該區域只有少量的Argo資料（圖6a），而到了2008年10月，全球海洋上布放的Argo剖面浮標已經達到了3 000個以上，該區域的Argo資料也有了較快的增加（圖6b）。為了便于比較，分別繪制了兩幅溫、鹽度垂直分布圖（圖7、8）。圖中藍線代表由CTD儀觀測的資料，紅線代表Argo網格資料。

圖7a可以看到，總體上，溫度隨深度增加而逐漸減小，但在1 000 m層以上，兩者差別顯得較大些，尤其是在200 m層以上，差別特別明顯，除了上層海洋本身受外界（比如太陽輻射、風混合和海流等因素）的影響要比下層來得大外，CTD是2月1日時觀測的結果，而Argo卻是2月該格點附近所有Argo剖面分析的結果，何況2002年2月該格點附近的Argo剖面離CTD觀測點較遠，因此，CTD資料與Argo網格資料在1 000 m水深以上，尤其是在200 m上層差異較大實屬正常。且1 000 m層以下，兩者變化基本吻合。再看鹽度垂直分布曲線（圖7b），自5 m到700 m層，鹽度隨深度增加而遞減，形成較強的鹽躍層；隨后，鹽度隨深度增加卻略有升高。同樣，在700 m水深以上，特別是200 m上層，兩者差異較大，而在700 m層以下，兩者幾乎吻合，其原因與溫度變化相同。由此可以看出，網格資料可以彌補Argo觀測稀疏、零散的不足，且完全可以反映格點附近溫、鹽度的垂直分布變化，尤其是溫、鹽躍層的分布特征，這足以表明Argo網格資料是可以信賴的。

圖8所顯示的2008年10月Argo網格點上溫、鹽度垂直分布的比較結果，兩者幾乎完全吻合，表明，Argo網格資料不僅是值得信賴的，而且也是可靠的。當然，兩者變化如此一致與該時期布放的Argo剖面浮標大量增加，觀測剖面顯著增多（圖6b）也有密切的關系。不難相見，在Argo計劃實施早期（2006年以前），由于當時布放的Argo剖面浮標還較少，觀測剖面更稀疏、零散，而且剖面觀測深度也是深淺不一（有的剖面可以達到1 500 m或2 000 m，有的卻只有1 200 m，甚至1 000 m，還有的僅有溫度剖面而缺少鹽度剖面），所以導致重構的Argo網格資料誤差會大些。不過2006年以后，隨著各國際Argo成員國投放浮標數量的不斷增加，特別是在2007年以后，全球海洋上正常工作的Argo剖面浮標數量始終維持在3 200個左右，提供的觀測剖面達到了每年10萬條左右，因此，由2006年以后的Argo剖面浮標觀測資料重構的Argo網格資料應該更可信、可靠。

3.2 時間序列檢驗

考慮到TAO觀測資料在時間上的連續性，并能與Argo網格資料在時空上一一對應，選定了2種資料在赤道太平洋（0°，147°E） 附近海域的溫、鹽度時間序列分布與WOA05對應月份氣候態資料進行對比分析，分別計算了Argo與WOA05和TAO與WOA05的溫、鹽度差，并繪制了兩幅溫、鹽度偏差時間序列分布圖（圖9、10），從而來進一步檢驗Argo網格資料的可靠性。由于TAO只能提供表層到700 m深度左右的溫、鹽度資料，且最大觀測深度會隨浮標的起伏發生變化，因此這里統一取600 m層以上的資料計算溫、鹽度偏差。為了清晰起見，圖中顯示了溫度偏差在±1℃以上，以及鹽度偏差在±0.2以上的等值線。

由圖9可見，Argo、TAO與WOA05之間的溫度偏差主要出現在50～300 m水深之間，且出現最大偏差的時間也幾乎一一對應；而且在2006年以前，除在2002年的秋冬季TAO的溫度偏差要大于Argo外，其他時間段均要優于Argo。這一點也充分說明了由于2006年之前Argo觀測剖面較少，從而造成Argo網格資料的偏差明顯大于TAO，但隨著布放的Argo浮標數量增加，2006年以后的溫度偏差，Argo又明顯小于TAO。再看一幅鹽度偏差分布圖（圖10），其鹽度偏差主要出現在5～250 m深度之間。而且可以明顯分為兩個時間段，即2002年1月至2005年12月和2006年1月至2009年12月。前段，Argo鹽差明顯大于TAO；而后段則相反，Argo鹽差要小于TAO，且最大鹽差和正、負鹽差出現的時間段兩者也幾乎一一對應，這進一步佐證了Argo網格資料是值得信賴，也是可靠的。

3.3 溫、鹽度分布特征檢驗

選取了幾個代表性層次（5 m、150 m和500 m）和斷面（10°N和150°W） 來扼要探討太平洋海域溫、鹽度的氣候態分布特征。同時，還選取了幾個相同層次和斷面上的WOA05溫、鹽度分布做比較分析，進一步檢驗Argo網格資料集的可靠性。

（1） 溫度

圖11（A1）呈現了太平洋海域5 m層溫度大面分布。可以看到，太平洋區域的溫度分布大體上呈現以赤道為中心，朝南北兩極逐漸降低的趨勢，且等溫線除個別區域外，總體上與緯度線平行；可見表層溫度主要受太陽輻射的影響，地域分布特征十分明顯；此外，等溫線在20°N—20°S區域內十分稀疏，隨著溫度從熱帶向兩極地區過渡，等溫線愈來愈密集，且在南北緯40°附近分布尤為突出，明顯代表“極鋒”（馮士筰等，1999） 所在的位置。由圖可見，表征西太平洋暖池的28℃包絡線分布在20°N—18°S之間。此外，智利外海明顯有一股低溫水（＜18℃） 沿岸北上，其低溫舌端可以楔入暖池區域，Levitus早就注意到了東太平洋區域的這一低溫分布特征，并指出這主要與南美及秘魯沿岸的上升流有關。由Argo資料反映的太平洋海域表層溫度分布的主要特征同樣呈現在由WOA05資料繪制的表層氣候態溫度分布圖（圖11（B1）） 中，除等溫線分布更趨于平滑，以及赤道東太平洋的冷舌西向傳播的勢力沒有圖11（A1）強以外，似乎并沒有太大的區別。

圖11（A2） 表明150 m層溫度分布特征為，赤道附近海域存在一條貫穿太平洋東—西海域的低溫（＜19℃）帶，并以該低溫帶為中心，形成南北兩個高溫（＞20℃） 區，南半球高溫區的影響范圍（間于5°N-28°S，東界可抵100°W） 比北半球（間于10°N-26°N，東界不到140°W） 大，且溫度也要比北半球的高。在由WOA05資料所反映的次表層溫度分布圖上，在8°N附近同樣存在一條貫穿東—西太平洋的次低溫帶（＜19°C），且北半球高溫區的北界（24°N） 要比Argo顯示的更南縮，東界（148°W） 更西縮，且高溫中心的溫度（＞26°C） 也要低1℃左右。由WOA05顯示的南半球高溫區范圍與Argo相比，雖無太大的差別，但高溫中心（＞26°C） 區比后者要小得多（圖11（B2））。

由圖11（A3） 表明500 m層溫度盡管維持了次表層上呈現的南北太平洋兩個高溫區特征外，其影響范圍和最高溫度值都要比次表層小（或低） 得多。北太平洋高溫區（＞9°C） 向北（間于 18°N—34°N）、向西（170°W） 收縮，其高溫中心（＞12.5℃） 出現在日本以南海域；而南太平洋高溫區（＞9℃） 則向南（間于40°S-18°S）、向西（152°W） 收縮，其高溫中心（＞11.5℃） 呈現在澳大利亞以東沿岸海域。赤道海域出現了一條次高溫度（＞8℃） 帶，呈東部寬（間于 13°S —18°N）、西部窄（0°—3°S）的分布趨勢，從兩極到赤道中層溫度呈現低（＜6℃）、高（＞9℃）、次低（＜8℃） 和次高（＞8℃） 的分布態勢。而且在新西蘭島東南海域，呈現一個明顯的低溫舌（＜6℃） 沿180°W經線由南向北伸展。而由圖 11（B3） 表明，500 m層上Argo與WOA05呈現出基本相同的溫度分布特征。一個細微差別出現在新西蘭島東南海域低溫水（＜6℃） 北上的勢力上，由Argo顯示的低溫水舌前端可以到達45°S附近，而在WOA05中顯示只能抵達46°S附近，由等溫線的彎曲和密集程度來看，Argo資料刻畫的這一中尺度現象比WOA05更細致。

圖12（A1） 給出了沿太平洋10°N斷面上的溫度分布。可以看到，溫度從表層向下逐漸降低。總體上看，等溫線在250 m水深以上，由西向東上傾；以下則略呈自西向東下傾的趨勢。25～200 m水深之間等溫線分布尤為密集，明顯存在強溫躍層，且隨著等溫線由西向東上翹，溫躍層下界不斷抬升，導致東部躍層出現的深度更淺，強度更強，且在100°W附近，明顯存在低溫水涌升的跡象，一直可以跟蹤到表層海域。由WOA05資料給出的同一斷面上的溫度分布（圖12（B1）） 可以看出，總體上與Argo給出的分布特征別無兩樣，只是由28℃等溫線表征的暖池厚度（約50 m）要淺一些，且東界（175°E） 范圍也要明顯西縮。

圖12（B1） 給出了一條處于東太平洋經向150°W斷面上的溫度分布。總體而言，斷面上溫度分布呈南北低、中間高以及上層高、下層低的特點。以赤道為界，在南、北半球呈現兩個高溫中心，其中南半球高溫中心（＞28℃） 位于約10°S附近，而北半球高溫中心（＞27℃） 大約處于5°N附近；且南部高溫區（＞20℃） 厚度（240 m） 明顯大于北部（160 m）。溫度的“馬鞍形”分布特征顯然與10°N附近出現的低溫水涌升有關。值得注意的是，溫度分布的上述這些特征幾乎相似地呈現在另一幅由WOA05給出的斷面圖（圖11（B2）） 中，可以看到，除了等值線比Argo給出的（圖11（A2）） 更平滑些外，幾乎找不出有什么特別的不同。

（2） 鹽度

圖13（A1） 為太平洋海域5 m層的鹽度分布。由圖可見，太平洋海域表層鹽度分布比水溫的分布更為復雜。在緯向上，鹽度基本呈高低起伏的帶狀分布特征，從赤道向副熱帶地區，鹽度呈“馬鞍形”的雙峰分布。即在赤道附近海域，鹽度（＜34.5） 較低，而在副熱帶海域，鹽度較高；仔細比較發現，在北太平洋副熱帶海域（間于22°N—32°N），鹽度高于35.0，而在南太平洋副熱帶海域（間于13°S-27°S），鹽度則可高達36.0。從南北副熱帶向副極地區域，鹽度又逐漸降低，至兩極海域降達34.0以下。由此可見，鹽度的地域性分布特征較為明顯，這顯然與降水和蒸發有密切的關系。從另外一幅由WOA05資料繪制的表層鹽度分布圖（圖13（B1）） 上，可以看出與圖13（A1） 有幾乎相似的分布特征。所不同的是，由Argo資料給出的棉蘭老島以東海域（0°-10°N） 的低鹽水鹽度值（＜33.9）要比WOA05資料給出的鹽度值（＞34.1） 更低些。

次表層（150 m） 鹽度分布（圖13（A2）） 態勢總體來看和表層較為相似，但也存在一些不同：南、北半球兩個高鹽區的范圍已經明顯收縮，且北半球高鹽區范圍收縮得尤其明顯；北太平洋西邊界區的等鹽線由赤道向北極上傾，而東邊界處的等鹽線則由北極向赤道下傾，并向西匯入到赤道地區；南太平洋副熱帶地區，等鹽線則由赤道向南極下傾，且高鹽水（＞36.0） 東西向的勢力范圍較表層而言，有明顯的擴大（171.5°E-106°W）。另外，副極地區域34.0等鹽線已不再呈現封閉的特征，而是出現多個低值中心。

圖13（B2） 呈現了與圖13（A2） 基本相同的分布特征。一個比較明顯的差別在于北太平洋副熱帶區域的東邊界，由Argo資料顯示的北極低鹽舌（＜34.5） 向西擴展得更遠（154°W 附近），而WOA05資料則顯示該低鹽舌向西擴展不到137°W（圖13（B2））；另外，南太平洋副熱帶地區的高鹽水（＞36.0），Argo資料顯示其向西可以延伸到171°E附近，而WOA05資料則表明，這一個高鹽水向西延伸只到176°E附近。

圖13（A3） 給出了太平洋海域500 m層的鹽度分布，可以看出，整個太平洋海域中層的鹽度相比次表層（圖13（A2）） 已有明顯降低（＜35.0），北半球高鹽（＞34.5） 區的范圍收縮得最明顯，僅出現在日本以南的一個狹窄的區域中；相比而言，南半球高鹽（＞34.75）區的范圍雖然比次表層有較顯著的收縮，但與北半球相比，仍要大得多，主要位于澳大利亞以東海域（20°S-40°S，150°E-180°E）。北半球副極地的低鹽水（≤34.25） 向南擴展到16°N附近，幾乎占據了整個北太平洋，且其低鹽中心處于表層和次表層所呈現的“極鋒”以下區域，即位于40°N附近的180°W-130°W之間區域；而南半球的副極地低鹽水（＜34.5） 則北上至15°S附近，但低鹽中心遠沒有北半球顯著，且最低鹽度值（＜34.25） 也要比北半球高，但位置更偏南（～50°S附近）；南、北半球高鹽區之間（10°N-15°S）則是一條鹽度較為均勻的次高鹽（＞34.6）帶，呈東部寬（間于 16°S-14°N） 西部窄（11°S-2°N） 的分布趨勢。由WOA05資料繪制的中層鹽度分布（圖13（B3）） 呈現了與圖13（A3） 基本相似的特征。但北太平洋副熱帶高鹽水的最高鹽度，WOA05顯示為34.45，而Argo資料顯示為34.50；另外，北半球低鹽（＜34.25） 舌（18°N 附近） 西向（135°E） 擴展的勢頭，明顯弱于Argo資料（124°E） 所展現的。

圖14 太平洋海域鹽度斷面分布（10°N，150°W）

圖14（A1） 給出的是氣候態10°N斷面上的鹽度分布，總體來看，鹽度呈現上層（50 m以淺）低（＜34.25）、次表層（75～260 m） 高（＞34.70）和中層（650 m深度以下） 次低（＜34.6） 的分布特點。表層鹽度存在兩個低鹽區，一個間于127°E-165°E，最低鹽度 34.0，一個間于 155°W-86°W，最低鹽度＜33.5；相反，次表層卻存在兩個高鹽區（＞34.70），一個出現在173°W以西海域，最高鹽度達34.9以上；而另一個在145°W以東海域，最高鹽度達34.85；值得注意的是，兩個高鹽中心出現的深度（約140 m）雖大體一致，但其強度顯然西部要大于東部；在表層和次表層鹽度的作用下，50～100 m水深間出現強鹽度躍層。由WOA05資料繪制的10°N斷面鹽度分布（圖14（B1）） 給出了與圖14（A1） 幾乎相似的特征，但也存在著一些不同點，比如WOA05顯示的西部區域的表層低鹽（＜34.5）水向東僅擴展到157.5°E附近區域，而Argo資料表明這股低鹽水能到達更東（165°E） 區域；另外，Argo資料顯示，240～650 m深度間，位于127°E以東的34.5等鹽線逐漸向上（東） 抬升（擴展） 到40 m深度（160°W） 附近，而在圖14（B1）中，該等鹽線僅出現在150°E以西海域，且向上抬升的高度僅能到達240 m水深附近。顯然，無論是向上抬升或者是向東擴展的勢力均要弱得多。

圖14（A2） 給出了沿150°W斷面的鹽度分布。可見，南、北兩極海域（約南、北緯45°以南、北） 鹽度普遍低于34.5，且北極海域鹽度（＜34.3） 要低于南極區域的鹽度（＜34.4）；南、北極的低鹽水均有明顯的下沉趨勢，南極低鹽水（＜34.3）下沉深度可及450 m左右，而北極可影響到1000 m深度附近。斷面中部的高鹽（＞34.5） 區域呈現南北不對稱的雙峰結構。大體上以7°N-8°N為界，在南北太平洋呈現兩個高鹽中心，其中南太平洋的高鹽（＞36.0） 中心位于約13°S附近，而北太平洋的高鹽（＞35.0） 中心大約處于18°N附近；且北部高鹽（＞35.0） 區厚度（180 m） 明顯小于南部（390 m）。由WOA05資料給出的同一斷面上的鹽度分布（圖 14（B2）） 特征幾乎與圖 14（A2）相同，只是由Argo資料顯示的在南太平洋51°S—42°S和24～340 m深度之間出現的一封閉等鹽（34.5）線，而在WOA05資料中卻未見蹤跡。這進一步表明了Argo網格資料可以刻畫出比WOA05數據集更細致的特征。

4 結語

（1） 基于一種改進的Cressman逐步訂正法構建了Argo氣候態初始場。該方案首先確定影響半徑，然后計算各個垂向層次以此影響半徑為半徑（起始半徑）的圓形區域內的有效觀測平均數，然后在迭代計算中，要求每個網格點周圍的觀測點數不少于對應的有效觀測平均數，否則逐步擴大影響半徑，直到滿足要求，該方案的優勢是使得每個格點的分析值均是由數量相當的鄰近觀測值構造而成，因此同種波長的波信號由相同數量的觀測資料來刻畫，從而可以保證分析結果的一致性。由這一方案，并分別選取起始影響半徑為777 km、555 km和333 km，構造了年、季節和月氣候態月平均初始場，效果較為明顯。

（2） 再利用Barnes（1973） 逐步訂正法構建了太平洋海域（60°S-60°N，120°E-80°W） 2002 年 1月至2009年12月期間逐月的月平均溫、鹽度網格資料集，其水平分辨率為1°×1°，垂直分辨率為48層；Barnes客觀分析所用的最優計算參數通過試驗獲取，即α=8.0×104km2，R=5.55×102km，γ=0.2，n=2。

（3） 構建的Argo網格資料集，在2006年以前，由于資料相對缺乏，誤差稍大。網格資料的平均標準差最大為0.212℃，平均為0.097℃；鹽度最大則為0.021，平均為0.017。

（4） 將構建的Argo網格資料集與研究海域獲取的CTD、TAO和WOA05等資料進行了客觀分析和比較，發現2006年之前，由于Argo資料相對較少，導致構建的網格資料集存在一定的誤差；而在2006年以后的Argo網格資料與歷史觀測資料較為吻合。由此可見，由逐步訂正法構建的Argo網格資料集是值得信賴的，也是可靠的。

（5） 由Argo網格資料集顯示的研究海域溫、鹽度主要分布特征，在WOA05資料集中同樣能夠呈現，且兩者差別不大；但WOA05資料顯示的結果更為平滑，相比之下，Argo網格資料可刻畫一些更細致的特征，如在500 m層溫度大面分布上，Argo資料顯示的新西蘭島以南海域的低溫舌要更明顯些。

致謝：感謝凌征博士最初的幫助和建議。曾得到衛星海洋環境動力學國家重點實驗室數值計算中心的支持與幫助，在此表示感謝！

Akima H，1970.A new method for interpolation and smooth curve fittingbased on local.Journal of the ACM，17（4）：589-602.

Barnes S L，1964.A technique for maximizing details in numerical weather Map analysis J Appl.Meteor，3：396-409.

Barnes S L，1970.Mesoscale objective analysis using weighted timeseries observations.NOAA Tech.Memo.ERL NSSL-62，National Severe StoST Laborat-ory,Norman，OK，1973，41pp.procedures，J.Assoc.Comput.Mech，17：589-602.

Bhaskar T U，Ravichandran M，Devender R，2007.An operational Objective Analysis system at INCOIS for generation of Argo Value Added Products，Technical Report No.INCOIS/MOG-TR-2/07.

Cressman G P，1959.An operational objective analysis system.Mon.Wea.Rev，87：367-372.

Gaillard F E，Autret V Thierry，et al，2009.Quality control of large Argo datasets J.Atmos.Oceanic.Technol，26：337-351.

Hosoda S，Ohira T，Nakamura T，2008.A monthly mean dataset of global oceanic temperature and salinity derived from Argo float Observations JAMSTEC Rep.Res.Dev，（8） November：47-59.

Levitus S，1982.Climatological Atlas of the World Ocean，NOAA Professional Paper No.13，U.S.Gov.PrintingOffice，173.

Locarnini R A，Mishonov A V，Antonov J I，et al，2006.World Ocean Atlas 2005，Volume 1： Temperature.S.Levitus，Ed.NOAA Atlas NESDIS 61，U.S.Gov.Printing Office，Washington，D.C，182.

Martin M J，Hines A，Bell M J，2007.Data assimilation in the FOAM operational short-range ocean forecasting system：a description of the scheme and its impact.Q J R Meteorol Soc，133：981-995.

Masafumi K，Tsurane K，Hiroshi I，et al，2004.Operational Data Assimilation System for the Kuroshio South of Japan：Reanalysis and Validation.Journal of Oceanograp-hy，60：303-312.

Oke P R，Brassington G B，Griffin D A，et al，2008.The Bluelink ocean data assimilation system（BODAS）.Ocean.Modelling，21：46-70.

Roemmich D，Gilson J，2009.The2004-2008meanandannualcycleof temperature，salinity，and steric height in the global ocean from Argo program.Progr.Oceanogr，82：81-100.

Schuman F G，1957.Numerical methods in weather prediction： ⅠSmoothing and filtering.Mon.Wea.Rev，85：357-361.

Smith D R，Pumphry M E，Snow J T，1986.A comparison of errors in objectively analyzed fields for uniform and nonuniform station distribution.Atmos.Oceanic.Technol，3：84-97.

李宏，2011.利用客觀分析法重構Argo網格資料的初步研究.碩士學位論文.杭州：國家海洋局第二海洋研究所.

許建平，劉增宏，孫朝輝，等，2008.全球Argo實時海洋觀測網全面建成.海洋技術，27（1）：68-70.

馮士筰，李鳳岐，李少菁，1999.海洋科學導論.北京：高等教育出版社.

（本文編輯：郭箏）

Study on the establishment of gridded Argo data by successive correction

LI Hong1，2，XU Jian-ping1，3，LIU Zeng-hong1，3，SUN Zhao-hui1，3
（1.Second Institute of Oceanography，SOA，Hangzhou 310012，China； 2.Zhejiang Institute of Hydraulics and Estuary，Hangzhou 310020，China； 3.State Key Laboratory of Satellite Ocean Environment Dynamics，Hangzhou 310012，China）

P731.21

A

1001-6932（2012）05-0502-13

2011-11-08；

2012-05-23

國家海洋公益性行業科研專項（201005033）；國家海洋局第二海洋研究所基本科研業務費專項（JT0904）；浙江省科技條件建設項目（2011F10008）。

李宏（1986-），男，碩士研究生，主要從事物理海洋學資料分析研究。電子郵箱：slvester_hong@163.com。

許建平，研究員，博導，電子郵箱：sioxjp@139.com。