王文娟，俞勝賓，楊凡，劉增宏

(1.國家海洋局南海預(yù)報中心，廣東廣州510310；2.國家海洋局第二海洋研究所，衛(wèi)星海洋環(huán)境動力學(xué)國家重點實驗室，浙江杭州310012；3.國家海洋局珠海海洋環(huán)境監(jiān)測中心站，廣東珠海519015)

1 引言

Argo 計劃首先在1999年召開的海洋觀測大會上提出，旨在快速、準確、大范圍地收集全球海洋上層的海水溫、鹽度剖面資料，以提高氣候預(yù)報的精度，有效防御全球日益嚴重的氣候災(zāi)害給人類造成的威脅，被譽為“海洋觀測手段的一場革命”。Argo觀測數(shù)據(jù)已成為目前獲取海洋的氣候狀態(tài)信息的主要來源，被廣泛應(yīng)用到物理海洋學(xué)及氣候?qū)W的多個領(lǐng)域中，內(nèi)容涉及海-氣相互作用、海洋環(huán)流、厄爾尼諾、中尺度渦、水團性質(zhì)及變化等。

每年海量增加的Argo 剖面觀測數(shù)據(jù)在很大程度上彌補了過去海洋觀測資料匱乏的不足，但是由于該資料具有時空分布不規(guī)則的缺點，僅研究該資料本身還遠遠不能發(fā)揮Argo 數(shù)據(jù)的應(yīng)用潛力，因此，有必要借助于數(shù)據(jù)同化技術(shù)，將其單獨或結(jié)合常規(guī)溫、鹽度觀測數(shù)據(jù)進行網(wǎng)格化。為此，許多國際Argo成員國已經(jīng)在嘗試開發(fā)針對Argo數(shù)據(jù)的網(wǎng)格化產(chǎn)品，如：法國海洋開發(fā)研究所Coriolis中心設(shè)計開發(fā)了基于最優(yōu)插值技術(shù)的ISAS(In Situ analysis system)溫鹽分析系統(tǒng)[1-3]；美國Scripps 海洋研究所的Rommich 等[4]利用最優(yōu)插值法，將2004—2008年期間全球海洋上的Argo 資料建成為逐年逐月的海溫、鹽度網(wǎng)格資料產(chǎn)品；日本氣象局首次實現(xiàn)了全球溫鹽圖的常規(guī)化制作[5]；英國氣象局[6]、印度海洋信息中心[7]則基于Gauss-Markov原理的客觀分析法，構(gòu)建了印度洋海域的Argo網(wǎng)格資料等。近年來，我國學(xué)者在Argo數(shù)據(jù)重構(gòu)領(lǐng)域也做了大量探索性研究。張韌、黃志松等[8]采用時空權(quán)重插值和多變量DINEOF 方法，對太平洋區(qū)域2000年1月至2008年12月的三維逐周鹽度場進行重構(gòu)。劉巍、張韌等[9]提出一種分形插值的改進算法，用遺傳算法對分形插值模型的垂直壓縮參數(shù)進行了優(yōu)化選擇，并進行了Argo 海溫資料插值加密的對比試驗。張春玲、王振峰等[10]利用最優(yōu)插值數(shù)據(jù)同化方法對Argo資料進行了網(wǎng)格化實驗。李宏、許建平等[11]利用逐步訂正法構(gòu)建了2002年1月至2009年12月期間太平洋海域的逐月溫、鹽度網(wǎng)格資料。楊勝龍、馬軍杰等[12]采用Kriging算法，將2007年1—12月份期間獲得的太平洋海域的Argo 剖面浮標資料重新構(gòu)成3°×3°的月平均海溫場。

以上研究大多直接分析Argo 觀測數(shù)據(jù)，對Argo 數(shù)據(jù)稀疏的海域往往不能取得理想的效果。本文擬建立一種基于距平分析的Argo 數(shù)據(jù)重構(gòu)方法，即首先計算Argo觀測點的海表溫度（SST）距平值，然后利用Kriging 插值獲取網(wǎng)格化距平場，再疊加氣候態(tài)平均SST，重構(gòu)水平分辨率1°×1°的印度洋海溫分布。

2 資料來源與處理方法

2.1 資料來源

選取中國Argo 實時資料中心提供的2003年8月和2012年8月Argo 溫鹽剖面浮標資料（海域范圍：60°S—30°N，25°—125°E）作為Argo溫度場重構(gòu)的原始散點數(shù)據(jù)，這些資料均已經(jīng)過各國Argo資料中心的實時和延時資料控制，通過Akima插值形成表層采樣點海水溫度。

選取NOAA 提供的最優(yōu)插值海面溫度場(OISST V2.0)作為“實際海溫場”對Argo重構(gòu)數(shù)據(jù)進行驗證。OISST V2.0 是通過最優(yōu)插值方法將站點觀測資料和衛(wèi)星遙感SST 資料進行同化分析得到的空間分辨率為1°×1°的逐月全球再分析數(shù)據(jù)集，其中衛(wèi)星遙感SST數(shù)據(jù)已經(jīng)過雷諾法矯正其偏差[13-14]。

2.2 Argo數(shù)據(jù)重構(gòu)方法

利用OISST V2.0 數(shù)據(jù)生成1982—2012年8月份氣候態(tài)SST數(shù)據(jù)場，經(jīng)過線性插值方法提取Argo浮標采樣點處歷史平均溫度其中N為該月份Argo 觀測樣本數(shù)量），Argo 浮標觀測溫度為Ti，則該處海溫距平值為：

對樣本距平序列進行Kriging插值，得到待求海域的海溫距平場d，則待求海域的海表溫度場估計值為：

2.3 Kriging插值

Kriging插值是地統(tǒng)計學(xué)的主要方法之一，它是法國地理數(shù)學(xué)家Georges Matheron和南非礦業(yè)工程師D·G·Krige發(fā)明一項實用空間估計技術(shù)，目前已被廣泛應(yīng)用于礦產(chǎn)儲量計算、遙感數(shù)據(jù)處理、地質(zhì)學(xué)、水文學(xué)、環(huán)境科學(xué)、農(nóng)林科學(xué)和農(nóng)田水利等諸多方面。其插值實質(zhì)是利用區(qū)域化變量的原始數(shù)據(jù)和變異函數(shù)的結(jié)構(gòu)特點，對未采樣點的區(qū)域化變量的取值進行線性無偏、最優(yōu)估計。Kriging方法通過引進以距離為自變量的半變差函數(shù)來計算權(quán)值，由于半變差函數(shù)既可以反應(yīng)變量的空間結(jié)構(gòu)特性，又可以反映變量的隨機分布特性，利用該方法進行空間數(shù)據(jù)插值往往可以取得理想的效果。另外，通過設(shè)計變差函數(shù)，Kriging方法很容易實現(xiàn)局部加權(quán)插值，克服了一般距離加權(quán)插值結(jié)果的不穩(wěn)定性[15-17]。

設(shè)Z(x,y)是承載的區(qū)域變化量，并且滿足二階平穩(wěn)假設(shè)（或本征假設(shè)），定義在點(xi,yi) 上的Zi(i=1,2,…,n)是一組離散樣本數(shù)據(jù)，則對點(x0,y0)承載處的區(qū)域化變量進行估計，所用的估計量為[15]：

它是n 個數(shù)值線性組合。Kriging 方法的原則是在保證這個估計量無偏并且估計方差最小的前提下，求出n 個權(quán)值系數(shù)λi。根據(jù)上述條件建立Kriging方程組：

式中，N( h )是被向量h相隔的數(shù)據(jù)對的個數(shù)。

2.4 驗證方案

由于Argo浮標觀測點處OISST值與Argo觀測值存在偏差，有些地方相差甚至超過1 ℃，因此，采取下述方案進行重構(gòu)方法的驗證：（1）提取對應(yīng)月份Argo 觀測點位置信息(xi,yi) ；（2）通過線性插值方法獲取該月份OISST在(xi,yi)處的海表溫度Ti；（3）通過線性插值方法獲取氣候態(tài)SST 在(xi,yi)處的溫度值（4）計 算(xi,yi)處的距平值（5）對距平值序列di利用Kriging 插值，計算整個海域的距平場d；（6）利用公式重構(gòu)OISST 海溫場；（7）計算OISST 海溫場T 與重構(gòu)OISST海溫場T^ 的均方根誤差及平均相對誤差。

3 Argo數(shù)據(jù)重構(gòu)結(jié)果分析

利用不同重構(gòu)方法分別對2003年8月份和2012年8月份海域利用Argo觀測數(shù)據(jù)進行網(wǎng)格化，最終生成1°×1°的海溫場數(shù)據(jù)。其中2003年8月計算海域Argo 浮標觀測數(shù)據(jù)為530 個，2012年8月Argo 浮標觀測數(shù)據(jù)為1236 個，其分布如圖1 所示。早期Argo浮標數(shù)量偏少且分布很不均勻，而后期隨著Argo觀測計劃的深入開展，浮標海量增加。

3.1 Kriging插值重構(gòu)結(jié)果分析

圖2 是OISST V2.0 在2003年8月 及2012年8月海表溫度水平分布圖，可以看出，除阿拉伯海西北部以外，印度洋10°S以北海域的SST主要特征表現(xiàn)為一個暖池，10°S以南海域的等溫線大致與緯線平行，且有較強的經(jīng)向梯度。

圖3 為直接利用Kriging 方法對Argo 數(shù)據(jù)進行插值后生成的海表溫度分布圖。對比圖2和圖3可以看出，對樣本數(shù)據(jù)數(shù)量較多的2012年8月，Kriging 方法能夠較為準確地重構(gòu)出印度洋海域的溫度場分布，尤其位于熱帶東印度洋的暖水區(qū)等溫線吻合較好，位于40°—50°S 附近的極鋒也有較好表現(xiàn)，但在50°S 以南的邊緣海域，等值線走向發(fā)生改變，與OISST數(shù)據(jù)有較大偏差。而對數(shù)據(jù)較為稀疏的2003年8月，本方法得到的海溫場在40°S以北的印度洋海域與實況也較為吻合，但在40°S以南的南大洋則表現(xiàn)出較大的偏差，極鋒表現(xiàn)不明顯，緯向分布的等溫線在邊緣轉(zhuǎn)為經(jīng)向。

3.2 基于距平分析的重構(gòu)結(jié)果分析

圖4 為采用2.2 節(jié)基于距平分析的方法建立的Argo海溫場數(shù)據(jù)，兩個月份的重構(gòu)海溫場與OISST數(shù)據(jù)均具有高度的一致性。其中2003年8月位于40°—50°S 附近的極鋒和實況十分接近，50°S 以南的等溫線分布也呈現(xiàn)和OISST 一致的緯向分布特征，2012年8月海域南側(cè)邊緣等溫線分布也得到很好的修正。重構(gòu)的2012年8月海溫場在73°E 以東的南大洋出現(xiàn)較大波動，對該區(qū)域Argo數(shù)據(jù)分析顯示，重構(gòu)的海溫場等值線與Argo數(shù)據(jù)具有更高的一致性，即重構(gòu)數(shù)據(jù)在Argo浮標附近保留了更多的海溫分布細節(jié)。對OISST與重構(gòu)數(shù)據(jù)進行合成（見圖5），顯示重構(gòu)海溫場與OISST等溫線分布具有較高的吻合度。

對比圖3和圖4，可以看出基于距平分析重構(gòu)的Argo海表溫度場比直接Kriging插值得到的Argo海表溫度場能夠更為準確地描述實際溫度場分布特征。

圖5 OISST原始場與距平分析重構(gòu)場對比（實線為O IS S T 原始場）

利用2.4 節(jié)介紹的驗證方案進行基于距平分析的重構(gòu)方法的驗證。假設(shè)OISST 為真實的海溫場分布，用Argo浮標觀測點位置的OISST海溫值代替Argo觀測值，利用距平分析的方法重構(gòu)OISST海溫場并與OISST 原始場進行對比分析。分別對2003年8月和2012年8月進行驗證分析。觀測數(shù)據(jù)較多的2012年8月均方根誤差和平均絕對誤差分別為0.18 ℃和0.12 ℃，觀測數(shù)據(jù)較少的2003年8月均方根誤差也僅為0.24 ℃，平均絕對誤差為0.17 ℃。

4 結(jié)論

隨著Argo 剖面浮標的海量增加，Argo 數(shù)據(jù)已成為獲取全球海洋溫鹽資料的重要來源之一。對散亂的Argo 資料進行網(wǎng)格化重構(gòu)是進一步分析溫鹽時空分布特征、研究氣候變化、海氣相互作用及數(shù)值模擬的基本要求。

本文分別對2003年8月和2012年8月的Argo浮標數(shù)據(jù)提取距平序列后進行Kriging 插值并疊加氣候態(tài)SST海溫場重構(gòu)印度洋表層海溫場，結(jié)果表明：（1）這種基于距平分析方法重構(gòu)的溫度場較Argo數(shù)據(jù)直接Kriging插值的結(jié)果在精度上有大幅提高；（2）重構(gòu)的溫度場與OISST V2.0 海溫場的等溫線具有高度的一致性，并且在Argo浮標附近海域有更好的細節(jié)表現(xiàn)；（3）即使在Argo 數(shù)據(jù)相對稀少的海域，基于距平分析方法重構(gòu)的海溫場也能保持較高的精度要求，包括在邊緣海域和南大洋極鋒附近均有較好表現(xiàn)。

本文提出的基于距平分析的Argo 數(shù)據(jù)重構(gòu)方法物理意義清晰，計算簡單，并能夠取得較為滿意的效果。該方法能夠?qū)rgo 資料與再分析數(shù)據(jù)有效結(jié)合，獲取更為準確的Argo 網(wǎng)格化數(shù)據(jù)，彌補Argo觀測資料信息的不足。

[1]Charraudeau R, Gaillard F. ISAS_V4: Mise en place de la configuration[R].Rapport LPO 07-09,2007.

[2]Gaillard F, Charraudeau R. ISAS_V4.1b: Description of the method and user manual[R].Rapport LPO 08-03,2008.

[3]Gaillard F. ISAS-Tool Version 5.3: Method and configuration[R].Laboratoire de Physique de Océans,UMR 6523,2009.

[4]RoemmichD, Gilson J. The 2004-2008 mean and annual cycle of temperature, salinity, and steric height in the global ocean from the Argo Program[J].Progress in Oceanography,2009,82(2):81-100.

[5]HosodaS, OhiraT, NakamuraT. A monthly mean dataset of global oceanic temperature and salinity derived from Argo float observations[J].JAMSTEC RepResDev,2008,8:47-59.

[6]Martin M J, Hines A, Bell M J. Data assimilation in the FOAM operational short-range ocean forecastingsystem: a description of the scheme and its impact[J]. Quarterly Journal of the Royal Meteorological Society,2007,133(625):981-995.

[7]UdayaBTVS,RacichandranM,Devender M R,et al.An operational Objective Analysis system at INCOIS for generation of Argo Value Added Products[R].Technical Report,2007.

[8]張韌,黃志松,王輝贊,等.基于Argo資料的三維鹽度場網(wǎng)格化產(chǎn)品重構(gòu)[J].解放軍理工大學(xué)學(xué)報(自然科學(xué)版),2012,13(3):342-348.

[9]劉巍,張韌,王輝贊,等.分形插值參數(shù)的遺傳優(yōu)化及其ARGO海溫場應(yīng)用試驗[J].大氣科學(xué)學(xué)報,2010,33(2):186-192.

[10]張春玲,王振峰,李宏.基于最優(yōu)插值法的Argo數(shù)據(jù)網(wǎng)格化實驗[J].海洋測繪,2012,32(3):29-31.

[11]李宏,許建平,劉增宏,等.利用逐步訂正法構(gòu)建Argo 網(wǎng)格資料集的研究[J].海洋通報,2012,31(5):502-514.

[12]楊勝龍,馬軍杰,伍玉梅,等.基于Kriging方法Argo數(shù)據(jù)重構(gòu)太平洋溫度場研究[J].海洋漁業(yè),2008,30(1):13-18.

[13]Reynolds RW, Rayner NA, Smith T M, et al.An improved in situ and satellite SST analysis for climate[J]. Journal of Climate,2002,15(13):1609-1625.

[14]Smith TM,Reynolds RW. A high-resolution global sea surfacetemperature climatology for the 1961-90 base period[J]. Journal of Climate,1998,11(12):3320-3323.

[15]王靖波,潘懋,張緒定.基于Kriging 方法的空間散亂點插值[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,1999,11(6):525-529.

[16]申靜,蘇天赟,王國宇,等.基于Kriging算法的海底地形插值設(shè)計與實現(xiàn)[J].海洋科學(xué),2012,36(5):24-28.

[17]李曉軍,王長虹,朱合華.Kriging插值方法在地層模型生成中的應(yīng)用[J].巖土力學(xué),2009,30(1):157-162.