论文部分内容阅读
海表流场和海表风场不仅在海洋动力环境中发挥着重要作用,还与人类活动息息相关。根据近海洋流观测特点及海表风场卫星观测特点,本文发展了二维变分数据融合方法,并将发展的方法用于融合:1)台海海峡地波雷达径向流及洋流矢量;2)印度洋多源卫星风速观测及风场矢量。最后对融合结果分别进行检验,具体研究内容如下:(一)在海表流场研究中,本文使用发展的二维变分(Two-Dimensional Variational Method,2DVAR)数据融合方法将台湾海峡处的地波雷达径向流数据与区域海洋模式(Regional Ocean Model System,ROMS)输出结果进行融合,得到一套较好的融合产品。结果显示,融合产品与雷达径向流的平均相对误差相较于模式输出与雷达径向流的平均相对误差由9.70%降低至1.54%。为进一步检验融合方法,设计了两种独立样本试验。试验一将雷达径向流按空间均匀分为融合样本与独立样本,使用雷达融合样本与模式输出进行融合,此时融合结果的均方根误差(Root Mean Squared Error,RMSE)相较于模式输出由0.41m/s降低至0.19m/s。试验二将雷达径向流和模式输出在空间上都均匀划分为融合样本与独立样本,对两种数据的融合样本进行融合,使用三重组合(Triple Collocation,TC)方法估计模式输出、雷达观测与融合结果的误差方差,分析显示这三种数据的平均误差方差分别为:0.07 m~2/s~2、0.06 m~2/s~2和0.05m~2/s~2,即流场融合结果的平均误差方差最小,且其误差方差相对于独立的雷达径向流与模式输出在远岸处有明显减小。以上结果都表明融合数据更加接近实际海流。(二)在海表风场融合研究中,本文使用可以考虑风速的观测算子,在印度洋区域内以ERA再分析数据作为背景矢量场,以CYGNSS、SSM/I和SMAP辐射计风速以及ASCAT和Wind Sat散射计中提取出的风速作为观测风速,使用2DVAR算法进行融合,生成了多源风场融合产品。结果表明,与ERA数据对比,两个独立浮标数据同融合数据在风速上的相对误差平均降低了8.12%。根据统计学分析,相较于背景ERA数据,风场融合数据的RMSE在经向上降低了0.19m/s,纬向上降低了0.07m/s,风速大小则降低0.35m/s;相关系数都有着明显的提高,偏差也有着一定的降低。此外,使用TC方法估计CCMP、FNL和风场融合数据在研究区域内的误差方差,结果表明风场融合数据的平均误差方差相对于CCMP数据降低2.13 m~2/s~2,相对于FNL数据降低5.73m~2/s~2,即风场融合数据在三种数据中最接近风速真值。分析结果都证明了2DVAR方法融合多源海面风场的有效性。