本文基于卫星遥感的观测海表面温度(Sea Surface Temperature,SST)数据和自然资源部第一海洋研究所全球0.1°分辨率海浪-潮流-环流耦合数值预报模式(The surface wave-tide-circulation coupled ocean model developed by First Ins...
详细信息
本文基于卫星遥感的观测海表面温度(Sea Surface Temperature,SST)数据和自然资源部第一海洋研究所全球0.1°分辨率海浪-潮流-环流耦合数值预报模式(The surface wave-tide-circulation coupled ocean model developed by First Institute of Oceanography,MNR,China,FIO-COM)的预报结果,采用线性回归模型和长短期记忆神经网络(Long Short-Term Memory,LSTM)对SST预报结果进行误差校正。利用2016—2021年的数据开展了一系列对比试验,线性回归模型基于局部线性的假设实现对下一时刻误差的预报,LSTM利用2016—2020年共56个月的历史偏差数据训练模型,使用2021年的数据进行检验。结果表明,线性回归模型和LSTM神经网络都可以改善预报结果,LSTM神经网络相对于线性回归模型的效果更好,SST误差降低70%左右;与线性回归模型相比,经LSTM校正后的各点的偏差的概率密度分布集中在0附近。LSTM方法在统计意义上优于线性拟合且结果更稳定,可进一步推广到海洋数值预报多要素偏差校正。
由于全球尺度风和海浪谱的同步观测资料匮乏,利用实测海浪谱对全球波致应力和包含海浪作用的风应力特征研究极少,特别是季节变化特征的研究.中法海洋卫星(China France Oceanography Satellite,CFOSAT)首次实现了全球海面风和海浪谱的...
详细信息
由于全球尺度风和海浪谱的同步观测资料匮乏,利用实测海浪谱对全球波致应力和包含海浪作用的风应力特征研究极少,特别是季节变化特征的研究.中法海洋卫星(China France Oceanography Satellite,CFOSAT)首次实现了全球海面风和海浪谱的同步观测,为研究这一难题提供了坚实的资料基础.本文利用CFOSAT为期一年的风、浪同步观测资料,结合海浪边界层模型分析了全球海面波致应力及风应力的季节变化特征.波致应力根据海浪的不同形态分为风浪致应力和涌浪致应力.结果表明,波致应力与涌浪指数呈现出明显的反相关关系;大的涌浪指数,对应的涌浪致应力占比会大,使得风应力减小;反之,风浪致应力起主导作用,使得风应力增大.从北半球春季到冬季,南半球的西风带海域风浪致应力占主导;而在赤道附近海域,涌浪致应力占主导.进一步分析表明,南半球的风浪致应力的季节变化不明显,而北半球夏季的风浪致应力明显要小于其他季节;南半球涌浪致应力的绝对值从北半球春季到冬季呈现出先减小后增大的趋势.考虑波致应力后的风应力增减百分比在春秋季节表现出南北半球大致对称现象,而夏冬季节呈现不对称特征.波致应力会显著调节风应力,使得纬向平均的风应力变化可达±30%,这在全球尺度上进一步揭示了海浪对风应力的重要调制作用.
暂无评论