《中国科学院海洋所:突破厄尔尼诺春季预报障碍研究取得新进展》

  • 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: mall
  • 发布时间:2017-05-09
  • 近日,《自然·科学报告》(Nature Publication Group:Scientific Reports)刊出了中国科学院海洋研究所王凡研究组的最新研究成果“Surface Current in “Hotspot” Serves as a New and Effective Precursor for El Niño Prediction”,该研究发现了突破厄尔尼诺春季预报障碍的新因子-热点区域的表层流场,新因子可有效克服厄尔尼诺和南方涛动(ENSO)预报的春季障碍,比传统预报因子的预报相关系数平均提高了20%。

      ENSO是地球系统最强的年际变化信号,对我国的洪涝、干旱和极端冷暖等气候灾害发生概率和分布范围有决定意义。在北半球的春季(4-7月),ENSO发展的自身持续性较弱,如何对这一时间段内ENSO的发展进行预报存在很大的困难,这被称为ENSO预报的春季障碍。前人找到了一些可以克服春季障碍的预报因子,如暖水体积和印太风应力等,但这些因子的预报精度还不是非常高,且在2002年以后由于ENSO变化振幅减弱和更多的中部型El Niño出现等原因,这些因子的预报能力在减弱。

      本研究以7月份Niño 3.4指数作为目标,使用提前2-5个月的表层流场进行多元线性回归分析,通过相关系数的分布发现了一块稳定的表层流场热点区域,可以有效克服ENSO预报的春季障碍。该区域位于南半球南赤道流的最南侧,结合海表面温度场看,热点区域位于暖池的两个暖核之间。当热点区域为西向流异常时,暖池东侧暖核的暖水向西堆积,将有利于厄尔尼诺现象的发生。反之热点区域为东向流异常时,暖池西侧暖核的暖水向东发散,将有利于拉尼娜现象的发生。这一发现也对ENSO发展物理过程的理解注入了全新的认识。

      该研究由青年学者汪嘉宁副研究员、加拿大贝德福德海洋研究所鹿有余研究员、王凡研究员和张荣华研究员合作完成。该研究获得了中国科学院战略性先导科技专项、国家自然科学基金、青岛海洋国家实验室等的资助。  

      文章链接:https://www.nature.com/articles/s41598-017-00244-2?WT.feed_name=subjects_physical-oceanography

相关报告
  • 《中国科学院海洋研究所在海洋障碍层结构反演重构方面取得新进展》

    • 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:liguiju
    • 发布时间:2023-10-12
    • 近日,中国科学院海洋研究所尹宝树研究团队与美国加利福尼亚大学洛杉矶分校(UCLA)的学者携手合作,针对海洋障碍层结构反演重构方面取得新进展,研究成果在英国物理学会学术期刊Environmental Research Communications上发表。 海洋障碍层位于海洋的密度混合层底部与温度等温层顶部之间,其厚度变化对海洋的垂直混合过程产生直接影响,进而调控海表温度和海-气交互作用。障碍层的变化会影响热量和盐分在海洋内部的输运,从而对局地天气气候产生影响,包括热带气旋的生成和强度、降水模式的变化,以及更大尺度的气候现象如厄尔尼诺-南方涛动(ENSO)和印度洋偶极现象(IOD)。由于观测技术的局限性,目前获取高质量的海洋障碍层结构实测数据仍然具有挑战性。因此,利用高分辨率的卫星遥感资料与实测数据相结合来反演重构海洋内部关键结构,已经成为物理海洋学研究中的一项重要课题。 尹宝树团队采用先进的元学习技术,成功集成了卷积神经网络(CNN)、门控循环单元(GRU)和人工神经网络(ANN)三种机器学习模型,提出了一种新颖的多模型集成方法,从而显著提升了海洋障碍层结构的反演精度。通过利用海表温度(SST)、海表盐度(SSS)和海表风速(SSW)等关键海表环境要素,研究团队能够准确地重构出海洋障碍层结构。这一研究成果不仅突破了传统观测技术和数值模型的局限性,更展示了机器学习,尤其是元学习在海洋学研究中所拥有的巨大潜力和广阔应用前景。此外,该研究对于我们深入了解海洋动力学、推动海洋环境变化研究,以及应对全球气候变化均提供了宝贵的支持与贡献,具有显著的学术价值和广泛的实际应用前景。 该研究得到了国家重点研发计划和国家自然科学基金共同资助。中国科学院海洋研究所齐继峰副研究员为第一作者,合作者包括美国加州大学洛杉矶分校曲堂栋研究员和中国科学院海洋研究所尹宝树研究员。 文章信息: Qi, Jifeng, Tangdong Qu, and Baoshu Yin. Meta-learning-based Estimation of the Barrier Layer Thickness in the Tropical Indian Ocean. Environ. Res. Commun. 5 091005. https://doi.org/10.1088/2515-7620/acf9e1 https://iopscience.iop.org/article/10.1088/2515-7620/acf9e1
  • 《中国科学院海洋研究所在风暴潮模拟预报方面取得新进展》

    • 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:liguiju
    • 发布时间:2023-12-21
    • 风暴潮是我国近海灾害损失最严重的海洋动力灾害过程,准确模拟预报风暴增水对防灾减灾非常重要。中国科学院海洋研究所侯一筠、胡珀课题组通过在海洋数值模式中引入考虑波浪影响的风应力参数化方案,显著提高了山东沿海风暴增水的模拟精度,相关成果在海洋模拟学术期刊Ocean Modelling发表。 台风和寒潮期间,强风引起的海水异常升降,给沿海区域的人员和财产安全构成严重威胁。为减少风暴潮灾害风险,通常使用数值模式来预测风暴增水。山东沿海地区风暴潮灾害频繁,特别是冬春季的寒潮和夏秋季的北上台风期间,沿海地区会出现强烈的风暴增水现象。与东南沿海等开阔海域相比,山东近海的岸界和水深地形变化复杂,增加了风暴增水的模拟预测难度。 ADCIRC-SWAN耦合模式常用于模拟近岸的风暴增水和极值波浪,被广泛应用于科学研究和业务预报模式中。通过与实际观测对比,发现使用ADCIRC模式模拟的风暴增水存在系统误差,数值模拟结果偏小且在渤海区域尤甚,而使用耦合模式中的wave setup方案改进效果十分有限。研究发现,通过一种考虑波浪影响的风应力参数化方案来替代模式原有的单纯依赖风速的参数化方案,可以有效地纠正风暴增水的模拟误差。通过模拟评估发现,在渤海区域最大风暴增水的改进效果超过20%。研究进一步揭示这一改进的物理机制,渤海区域独特的海岸线形态特征对风浪演变和风应力增强具有重要影响:浅水渐变地形及限制性的的风区,导致风浪的成长不充分和向岸传播过程中的浅水效应,显著增加了海-气间的动量交换,从而导致风暴增水更强。目前ADCIRC模式中原有方案仅考虑风速,无法准确描述这一机制,因而低估了风应力和风暴增水的数值。 基于改进的动力模式技术,科研团队构建了山东沿海风暴潮-海浪耦合漫滩数值预测模型,局部最高分辨率为100米,模拟了两次典型强台风过程(波利和利奇马)过境莱州湾期间的海水淹没过程。研究发现,在忽略海堤防御作用的情况下,台风风暴潮会导致莱州湾沿岸大范围的海水淹没风险。研究还定量评估了风场驱动、波浪增强风应力等外部驱动因素对海水淹没的影响程度。 中国科学院海洋研究所李水清副研究员是论文通讯作者,李朝博士是论文第一作者,其他合作作者包括胡珀研究员、冯兴如研究员、莫冬雪助理研究员和自然资源部北海预报中心李健高级工程师,研究得到了国家自然科学基金等项目资助。 相关论文信息: Li Zhao, Shuiqing Li*, Po Hu, Xingru Feng, Dongxue Mo, Jian Li. 2023. Improving storm surge simulations by considering wave-steepness-dependent drag coefficient in the northern East China Sea. Ocean Modelling. doi: 10.1016/j.ocemod.2023.102283. Li Zhao, Shuiqing Li*, Po Hu, Dongxue Mo, Jian Li, Mei Du, Jie Yan, Yijun Hou, Baoshu Yin*. 2022. Numerical study of storm surge-induced coastal inundation in Laizhou Bay, China. Frontiers in Marine Science. doi: 10.3389/fmars.2022.952406.