基于SODA数据集的南海海表面盐度分布特征与长期变化趋势分析

盐度是南海物理环境的重要组成部分之一,盐度的变化对南海的水动力环境有重要影响。利用1972-2010年的SODA数据集的5.01 m层月平均数据,分析南海海域海表面盐度的时空分布特征,采用基于最小二乘法的线性拟合分析南海海表面盐度的长期变化趋势。结果表明南海海域的海表面盐度在39 a间90%以上区域均呈现盐度下降趋势,整个海域SSS则以每年0.005 88 psu的速率下降,春季SSS下降速率最大为0.006 4 psu/a,夏季SSS下降速率在四季中最小为0.005 19 psu/a。

日本海的锋面分布特征及其季节变化

基于1980—2015年的SODA(Simple Ocean Data Assimilation)数据,采用绝对梯度方法提取了海洋锋信息,分析了日本海锋区的空间分布特征、锋轴线位置和锋出现频率,研究了日本海温度锋、盐度锋的分布特征和季节变化规律。结果表明:日本海温度锋总体上呈SW—NE走向,季节变化特征显著;锋轴线没有随季节变化发生明显摆动,但随着深度的增加向日本沿岸移动。盐度锋季节性变化规律显著,但轴线位置相对稳定;在整体空间分布上和季节变化上均与温度锋截然不同;整个盐度锋可分为对马海峡锋和日本海北部锋两部分,其中对马海峡锋位于对马海峡附近,具有和当地温度锋相同的特征,日本海北部锋位于日本海最北部,沿着俄罗斯海岸分布。

基于神经网络的全球三维温盐场重构技术研究

文章利用果蝇优化广义回归神经网络算法FOAGRNN (fruit fly optimization algorithm, FOA;generalized regression neural network, GRNN)对SODA (simple ocean data assimilation)再分析数据进行训练,构建海表温度、盐度、海面高度与次表层温盐场之间的投影关系模型,并在全球范围使用SODA和卫星遥感数据评估了模型的应用性能。首先,利用独立的2016年SODA海表数据作为模型输入进行理想重构试验,结果显示全球重构温、盐平均均方根误差(MRMSE)分别为0.36℃和0.08‰,与世界海洋图集WOA13资料相比减小约50%和60%。然后,利用卫星观测的海表信息作为模型输入进行实际应用试验,并与Argo观测剖面进行比较评估。试验结果表明,重构模型能有效表征海水温、盐特征,其中重构温、盐MRMSE分别为0.79℃和0.16‰,相比WOA气候态减小27%和11%。误差的垂向分布显示,重构温度RMSE从海表向下迅速增大,至100m达到峰值1.35℃,而后又迅速回落,至250m处为0.81℃,跃层往下不断减小;重构盐度RMSE基本随深度增大而减小,误差峰值位于25m附近,约为0.25‰。此外, Argo浮标跟踪分析和区域水团统计结果也表明模型能够较好地刻画海洋三维温盐场的内部结构特征。