近海面气象参数的反演及应用研究

全球气候与人类活动密切相关，气候研究一直是现代科学家关注的重点问题之一。过去海面气象参数的研究主要借助于浮标和站点的观测，但是它们稀少的观测资料极大地限制了海面气象参数的研究。现在借助卫星观测大大地提高我们的认识能力，卫星可以对全球海洋进行连续观测，获取长期大范围的海洋气象资料，为全面深入地了解大洋甚至全球大气活动提供可能。 本文的工作就是利用卫星资料进行月平均和实时的近海面气象参数的反演及应用研究。利用近十八年SSM/I和AVHRR卫星资料与实测资料进行结合，建立神经网络（ANN）模型反演近海面月平均气温和湿度，与实测资料相比气温的均方根差为0.87 ℃，相关系数为 0.99，相对湿度的均方根差为3.73%，相关性为0.65。利用同步物理方法从TOVS资料反演中国海区上空1000mb到10mb之间的温湿廓线，再利用神经网络方法和基于Bowen比的方法从温湿廓线的结果反演出近海面处的实时气温和露温参数，取得了比较合理的结果，气温和露温结果的均方根差分别是1.85K和2.59K（与实测数据相比）。利用2005年1月的AMSR-E亮温资料对实时气象参数反演进行探讨，分析AMSR-E的各个探测通道与海表温度、近海面气温、湿度和风速等参数的相关性，把12个通道分为四种情况并在每种情况下分别进行试验，选择最合适的组合通道并进行气象参数的反演，结果与TAO资料进行比较，海表温度的均方根差是0.55℃，近海面气温的均方根差是0.74℃，海面湿度的均方根差是3.24%，海面风速的均方根差是1.11m/s。目前，与其它结果相比该结果的精度是最好的。 把以上反演得到的近海面气象参数结果应用于海气界面热通量的计算，以更好地研究海气相互作用。分别采用神经网络和Bulk公式两种方法计算月平均潜热和感热通量，结果与GSSTF2资料进行比较，Bulk方法反演的感热和潜热的均方根差分别为9.05±4.6 W/m2和23.7±4.0 W/m2，ANN模型得到的分别是7.54±3.0 W/m2和20.1±3.2 W/m2，，结果表明ANN模型得到的结果明显的好于Bulk公式。ANN模型反演的全球潜热和感热结果在空间分布上与GSSTF2的吻合很好，但在极大值区，ANN模型得到的结果偏小。把AMSR-E亮温资料反演得到的实时的海表温度、近海面气温、湿度和风速四个参数结合ANN模型，计算太平洋赤道地区的实时感热和潜热通量。 对反演得到的约18年近海面月平均气温进行年变化分析,得知近18年里气温呈现上升趋势。近海面气温在反映气候异常信息上有与海表温度相似的表达性，1989冷事件年，全球平均海面气温明显偏低（14.25℃），1998暖事件年，平均海面气温值最大（14.57℃ ）。用经验正交函数（EOF）和经验模态分解（EMD）分析近海面气温的距平变化，得到的前三个主要模态解释了84%的总体变化，EOF1解释了76.1%的变化，主要表达了太阳辐射引起的年周期气温变化；EOF2解释了4.6%的变化，主要解释ENSO对气温异常的作用；EOF3（3.3%）的空间模态呈现了很多有趣的现象，比如气温正异常主要表现在北半球的高纬度区，南极附近高低起伏的气温异常可以作为南极绕极流的一个证据等。