登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《由海洋混合层模型建立的全球31年全球海表温度数据集》

  • 来源专题：大气污染防治
  • 编译者： APC
  • 发布时间：2018-10-10

  • 利用已验证的海洋混合层模式(MLSST)建立了1982年1月1日至2012年12月31日期间覆盖全球海洋、分辨率为0.3°×0.3°的逐时海表温度(SST)数据集。模型输入是由耦合预测系统再分析数据集获得的热流密度和地面风速。与热带大气海洋阵列和国家数据浮标中心的实测资料对比表明，MLSST与观测资料拟合较好，平均偏差为0.07°C，均方根误差（RMSE）和相关系数分别为0.37°C和0.98。此外，MLSST场成功地再现了海温日变化周期，平均偏差为_0.005°C，均方根误差为0.26°C。31年的气候学资料表明，大部分地区海温日变化范围较小，赤道东太平洋和赤道西太平洋海温日变化幅度较大。北印度洋，美国中西部，澳大利亚西北部和几个沿海地区。各盆地存在明显的日SST季节变化。在大西洋和太平洋盆地，这种季节模式是南北向的，跟随太阳日照的变化，而在印度盆地，它主要是季风变化。结果表明，在年际尺度上，海温日变化与年际变化的关系较为突出，赤道太平洋中部地区日增温可能是ENSO预报的潜在气候指标。

18浏览量
原文链接
相关报告

  • 《一个31年的全球海面温度日变化数据集》
    • 来源专题：物理海洋学知识资源中心
    • 编译者：cancan
    • 发布时间：2018-11-19
    • 基于二阶湍流混合层模型，中国国家海洋环境预报中心（NMEFC）高级科学家Tiejun Ling博士及其研究团队发展了一种新的海洋混合层模型。 该模型能够再现比现有模型更真实的海面温度（SST）日循环。同时，通过一系列算法和并行优化，新混合层模型的计算效率得到极大提高，因此有可能成为研究SST长期日变化的有用工具。这项研究结果最近发表在大气科学进展（Advances in Atmospheric Sciences）杂志上。 海气相互作用是影响气候变化的一个非常重要的过程，而SST是控制这种相互作用最重要的参数之一。作为SST变化的主要尺度之一，全球的昼夜温差在大概2度左右，这一温差对天气和气候系统的演变产生了非常重要的影响。 通常，我们通过观测或模拟数据来研究SST的日变化。就前者（即观测数据）而言，漂流浮标和卫星数据的空间覆盖是不均匀和不连续的，因此很难研究SST的长期变化。然而，模式方法可以帮助解决这个问题。获取高频的SST数据有助于研究变暖的阈值、峰值和时间。 与经验模型相比，海洋混合层模型可以在上层海洋中再现更逼真的动力和热力过程，且计算成本低于气候系统模型。 SST日变化的准确性很大程度上取决于模型数据的可靠性。在本研究中，对比模型数据与现场观测数据可以看出，新模型表现良好，平均偏差为0.07°C，均方根误差和相关系数分别为0.37°C和0.98。同样与卫星数据的对比中也获得了类似的结果。 Ling博士和他的研究小组研究了新的数据集，并揭示了与SST昼夜周期变化相关的一些气候特征。这些特征与采用卫星数据获得的特征一致。 31年的气候态数据显示，大多数地区的SST日变化很小，赤道东太平洋和西太平洋、印度洋北部、中美洲西部、澳大利亚西北部和几个沿海地区的海水变化值较高。 在所有盆地中都发现了昼夜SST的显着季节性变化。在大西洋和太平洋盆地，随着太阳辐射的变化，季节性模式以南北为导向；根据LING博士的说法，在印度盆地，它受季风变化的支配。 “在年际尺度上，结果突出了SST的日变化和年际变化之间的关系，并揭示赤道中太平洋温度日变化的变暖趋势可能是ENSO预测的潜在气候指标，” Ling博士解释说。 “此外，该数据集具有良好的研究和应用前景。这些长期、高分辨率的每小时SST数据可用于研究区域和全球SST日变化的长期趋势，还有SST日变化以及区域和全球气候事件之间的关系，”他补充道。 研究小组将继续运行海洋混合层模型并不断更新数据，从而利用它们研究SST日变化的长期趋势，以及SST日变化对全球和区域气候的影响。 （侯颖琳编译；於维樱审校）
    269浏览量
    原文链接

  • 《上海海洋大学团队构建并公开发布全球海洋锋面数据集》
    • 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：2025-04-29
    • 近日，上海海洋大学海洋生物资源与管理学院陈新军教授团队研究成果“A global daily mesoscale front dataset from satellite observations: In situ validation and cross-dataset comparison”被地学领域知名期刊《Earth System Science Data》（影响因子11.2，地球科学1区）正式接收。该研究将前期研发的锋面识别算法拓展应用于全球海域，结合全球范围内走航观测数据，对该算法及多种海表温度产品进行了系统的验证与比较分析，构建了高分辨率中尺度锋面数据集（https://doi.org/10.5281/zenodo.14373832）。该数据集自今年1月在全球公开发布以来，累计下载量已超过5.0TB。 海洋锋面是位于全球上层海洋中的离散、普遍存在的海洋学特征，可以被认为是狭窄的三维边界，在相对较短的水平距离内，某些特性（如温度、盐度或叶绿素浓度等）会发生显著变化。锋面处的次级环流、辐聚效应及强混合等动力过程显著影响着海洋中的物质、能量输运与生态过程。海洋锋面在海洋动力过程、渔场学、海洋生态学等方面发挥关键作用，对渔业资源评估、渔场预测、污染物分布监测及海洋军事等方面具有重要应用价值。 锋面识别算法能够基于卫星观测的海表环境信息自动提取锋面信息，是目前获取和监测区域及全球锋面活动的主要手段。然而，其识别结果的可靠性是多学科研究应用的基础，易受算法性能与卫星数据质量等因素影响。长期以来，缺乏系统的原位观测对其准确性进行验证评估，限制了识别算法在多学科领域的广泛应用。此外，当前常用的多种海表数据产品（如单卫星、多卫星融合和再分析数据）在锋面识别结果上存在显著差异，亟需系统评估以为相关研究提供指引。 团队通过此前改进的直方图锋面识别算法，有效克服了传统方法在近海锋面识别、锋面连续性及重复识别等方面的局限性（Xing et al., 2023b），并系统评估了持续性锋面的长期变化规律（Xing et al., 2024）。该研究在此基础上进一步优化算法以适用于全球海域，并利用全球走航观测的原位温度数据，对不同SST产品的锋面识别结果进行了系统验证与比较。研究发现，ESA多卫星融合产品的识别效果最佳，其提取的锋面与走航观测结果高度匹配，且验证指标在时间和空间上具有良好的一致性；REMSS多卫星融合产品和GLORYS模型再分析数据次之，而MODIS单卫星产品和HadGEM3气候模式的识别效果较差。此外，走航观测所得的全球锋面发生频率与卫星识别结果具有很强的空间一致性。这些结果首次通过原位观测系统验证了锋面识别算法的性能，显著提升了卫星遥感锋面识别技术在多学科研究中的应用信心与前景。构建的开源数据集与算法为海洋动力学、海洋渔业、海洋生态、生物地球化学循环及气候变化研究提供了重要支撑，同时也为海洋AI模型的训练提供了数据基础。 该成果由上海海洋大学陈新军教授课题组联合山东大学于海庆副教授团队共同完成。本文第一作者为上海海洋大学博士后邢勤旺，通讯作者为陈新军教授、余为教授及山东大学于海庆副教授。该研究得到了上海市启明星项目（扬帆专项）、中国博士后科学基金会和山东省自然科学基金等项目的资助。近年来，研究团队在锋面识别及其渔业效应领域取得了系列研究成果，相关文章链接如下： https://doi.org/10.5194/essd-2024-592 https://doi.org/10.1038/s41467-024-48566-w https://doi.org/10.1016/j.rse.2023.113627 https://doi.org/10.1016/j.pocean.2023.103072 https://doi.org/10.1016/j.pocean.2022.102743
    289浏览量
    原文链接