《中国科学院海洋研究所提出中层水团识别新方法并指明气候模式偏差》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: 熊萍
  • 发布时间:2024-11-26
  • 近日,中国科学院海洋研究所王凡团队在印度洋中层水团的研究中取得新进展,提出在位势涩度-位势密度坐标下以体积极小值识别水团边界的新方法并评估了气候模式,指出当前气候模式对水团性质和露头区模拟的普遍偏差及其成因,对改进气候模式、提高气候预测水平具有参考价值。相关成果在国际学术期刊Journal of Climate发表。

    水团作为人类活动影响海洋内部的载体,其性质的变化体现了海洋对气候变化的热力学响应。准确划分不同水团的三维结构,对理解气候变化背景下水体的性质变化、海洋动力过程及生态系统具有重要意义。然而,无论是在观测还是气候模式中,准确划分海洋水团依然具有挑战性。

    本研究中,团队基于观测数据,通过统计位势涩度-位势密度坐标下印度洋中层水体(位势密度范围为27.1-27.4 kg m?3)的体积分布,创新性地利用体积极小值追踪水团的边界。除已知的南极中层水(AAIW)和红海-波斯湾中层水(RS-PGIW)外,本文还通过新方法识别出另外两个水团。其一是印度洋-南极中层水(I-AAIW),它是南极中层水与印尼贯穿流混合的结果,分布在南赤道流和厄加勒斯流流系中;另一个水团是赤道印度洋中层水(EEIW),它存在于印度洋赤道地区和孟加拉湾,来源于红海-波斯湾中层水和上层淡水。

    团队进一步将新方法应用到气候模式中,结果显示,不同的模式表现各异。在耦合模式比较计划第六阶段(CMIP6)的51个模式中,约有一半(26个)能够合理模拟这些中层水团。与观测的水团相比,模式存在两个明显偏差:中层水团厚度较小,红海-波斯湾中层水偏冷偏淡。前者主要来源于温跃层的暖偏差,而后者可能与模式较粗的网格分辨率和表层冷偏差导致的红海和波斯湾通风不足有关。

    上述研究提出了准确划分水团边界的新方法,并解释了模式模拟偏差的主要成因,为改进气候模式提供参考价值。论文第一作者为海洋所博士研究生周吉浩,通讯作者为海洋所李元龙研究员,合作作者包括中国科学院南海海洋研究所杜岩研究员和洪宇副研究员、厦门大学王为磊教授以及中国科学院海洋研究所博士研究生卢磊、路颖和王凡研究员。该研究得到了中国科学院先导专项、国家自然科学基金、山东省自然科学基金、广东省基础与应用基础研究基金等项目资助。

    论文信息:

    Zhou, J., Y. Li*, Y. Du, Y. Hong, L. Lu, Y. Lu, W. Wang, and F. Wang, 2024: Indian Ocean Intermediate Water Masses and Their Simulations by CMIP6 Models.?J. Climate,?37, 6285–6303,?https://doi.org/10.1175/JCLI-D-23-0667.1.

  • 原文来源:https://qdio.cas.cn/2019Ver/News/kyjz/202411/t20241114_7439541.html
相关报告
  • 《中国科学院海洋研究所研究团队提出深度学习求解偏微分方程新方法》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2025-01-12
    • 近日,中国科学院海洋研究所李晓峰研究团队基于深度学习技术,提出了一种高效求解海洋动力学偏微分方程(PDE)的新方法,并成功应用于描述海洋内孤立波的KdV方程组求解。 本研究改进了物理信息神经网络(PINN),引入径向基函数(RBF)代替传统神经网络,提出了PIRBF模型。针对孤立波的强非线性特性,研究团队设计了渐进式学习策略,有效抑制了训练中的误差增长,大幅提升了模型精度和收敛效率,可精准模拟多种形式的孤立波解,包括孤立波解、conidal解和dinodal解,为海洋动力学PDE的高效求解提供了新思路。 该研究的核心亮点在于模型通过自监督学习,仅依赖PDE及初始条件,无需传统数值模型结果作为训练基准,直接利用深度学习技术求解。该方法在求解KdV及其强迫方程(如fKdV方程)时更加灵活,仅需调整偏微分项即可,展现出卓越的精度与效率。同样方法适用于求解薛定谔和Burgers等复杂PDE。模型训练完成后,可在数秒内生成高精度结果,大幅缩短计算时间。研究团队表示,这一技术的成功应用展现了物理驱动深度学习在海洋动力学PDE求解中的广阔前景。 本论文第一作者为李晓峰研究员,第二、第三作者为博士研究生王浩宇和杨艺,通信作者为张旭东副研究员。研究工作得到了中国科学院战略重点研究计划及国家自然科学基金项目等资助。 论文信息: X. Li,H. Wang,Y. Yang,X. Zhang,Deep Learning-Based Solution for the KdV-family Governing Equations of Ocean Internal Waves. Ocean Modelling,102493 (2024).
  • 《中国科学院海洋研究所提出评估海水吸收大气CO?能力的新体系》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2025-06-06
    • 近日,中国科学院海洋研究所宋金明团队在Communication Earth & Environment发表了一套评估海水吸收大气二氧化碳(CO?)能力新体系的研究成果。 众所周知,海洋是大气CO?的汇,但其对大气CO?的吸收是否存在极限?如何表征全球大洋海水对大气CO?的吸收极限?这些难题的困扰一直未得到解决。传统的碳酸盐平衡理论体系通常使用Revelle因子和γDIC因子来表征海水对大气CO?的吸收能力,但随着海水对大气CO?的持续吸收,当海水pH?7.5后,Revelle因子和γDIC因子都不再适合评估海水对大气CO?吸收能力,亟须构建适于大气二氧化碳全情景下的海洋吸收大气CO?能力的新方法。 为解决这一理论的局限性,宋金明团队提出并构建了一个新的评估海水对大气CO?吸收能力的因子—γCO?。研究表明,至2020年全球大洋表层海水平均γCO?为15.50±0.21,相比1992年下降了13%。进一步基于CMIP6气候模式开展的未来情景模拟表明,在高排放路径(SSP5-8.5)下,至2100年该值将降至4.72,届时全球大部分海域的CO?吸收能力将接近极限。这种状况不仅“致命”性地影响以文石为骨骼结构的海洋生物的生存,也将极限加快大气CO?浓度上升的速度,全球变暖将导致地球生命特别是海洋生命体系的突变。该研究成果为揭示海洋碳酸盐缓冲机制与海-气界面碳通量过程提供了新的研究方法和思路,对评估和预测海洋碳汇变化以及制定碳中和策略意义重大。 中国科学院海洋研究所博士研究生王志博为论文第一作者,李学刚和宋金明研究员为论文共同通讯作者,袁华茂、钟国荣、段丽琴、马骏和刘珊珊等为合作者。本研究得到了国家自然科学基金、国家重点研发项目和中国科协博士后基金项目的支持。 论文信息: Wang, Z., Li, X.*, Song, J.*et al.A new indicator can assess absorption capacity for carbon dioxide and ocean acidification.Communications Earth &Environment.6, 401 (2025). https://doi.org/10.1038/s43247-025-02380-4