上海海洋大学《海岸带遥感》课件-05c.pptVIP

显著性检验第一模态空间分布，正距平较大区域和亲潮（千岛寒流）与黑潮（日本暖流）及其分支交汇区域范围较为相近。模态分析年份最大值（℃）最小值（℃）平均值（℃）201330.675.2324.77201430.485.6524.74201530.325.3624.68201630.555.2925.07201730.985.1325.08第一时间系数，2013-2015年多为负距平，2015-2017年多为正距平。2013-2015年呈降温趋势，2015-2017呈升温趋势。第二模态空间分布图。与西太平洋副热带高压影响有关。第二模态时间系数，与南方涛动指数SOI相关系数达到了62.23%。第三模态空间分布模态正距平区域，与北太平洋西风漂流范围相吻合。第三时间系数上下波动呈现出准季节变化特征。在这5年内第三季度梯度是四季中最小的；第一季度梯度是四季中最大的；第二季度梯度和第四季度相近。?第一季度第二季度第三季度第四季度20130.21740.19390.12420.168920140.20910.18210.12850.171120150.21360.17970.13200.162420160.21780.18950.12850.172820170.22120.18970.13510.1790总结1、集合卡尔曼滤波法在西北太平洋SST融合中精度较高；2、第一模态在空间分布，可能和黑潮及其分支与亲潮交汇有关。在时间分布上，2013-2015年间，海表面温度呈下降趋势；2015-2017年，呈上升趋势。3、第二模态空间分布，与西太平洋副热带高压范围相吻合。在时间分布上，与SOI系数存在较强相关性。4、第三模态在空间分布上，与北太平洋西风漂流区吻合。在时间分布上，呈现准季节周期变化。基于集合卡尔曼滤波融合的西北太平洋

海表面温度时空分布特征研究研究目的与意义1、海表面温度SST是海洋中的基本物理要素之一；2、SST的变化与海气相互作用、海洋生物资源分布关系密切相关；3、SST的时空变化特征分析需要融合来满足高覆盖率和高精度的要求。研究内容1、使用集合卡尔曼滤波法得到了西北太平洋融合SST；2、使用EOF（EmpiricalOrthogonalFunction），分析了近2013年-2017年西北太平洋SST时空分布变化特征。实验数据1、HYCOM（HybridCoordinateModel）模型数据2、AMSR2SST3、AVHRRSST4、WOD（WordOceanDatabase）数据技术路线集合卡尔曼滤波集合卡尔曼滤波算法主要包括状态变量、协方差的预测和更新这两个步骤。首先通过往添加扰动噪声的方法产生数量为N的初始场集合，再将扰动集合代入模型，获得相对应的状态量的集合。集合卡尔曼滤波优点：集合卡尔曼滤波解决了传统卡尔曼滤波计算代价高及不适用非线性模型的缺点，采用集合思想解决了误差协方差矩阵的估计困难问题。在变分同化和最优插值方法中，背景场误差协方差是模型化的，且背景场误差各向同性、均匀、不随时间变化，这就导致同化中的权重不能及时更新，而在资料不连续的地区，特别是中小尺度范围，误差的各向异性和非均匀性会导致各向同性和均匀的假设不再适用。集合卡尔曼滤波融合SST在用集合卡尔曼滤波对两种数据进行融合前，对背景场SST、AMSR2SST、AVHRRSST进行了以下处理：1、插值：将HYCOMSST、AMSR2SST、AVHRRSST进行空间分辨率匹配，均插值为0.1°×0.1°。2、生成背景场SST扰动集合：用WOD数据作为参考值，与SST背景场进行对比，得出给出背景场误差的方差Q1=0.19，为更好地描述背景场的值，生成1000个高斯噪声矩阵，并从中随机选取80个叠加到背景场中，形成SST背景场扰动集合。3、观测场SST质量控制：AVHRRSST产品分为0-7,8个质量等级，等级越高，SST质量越高，为保证SST质量，删除质量等级为0的SST数据。4、生成AMSR2SST扰动集合：对于融合数据AMSR2SST和AVHRRSST，其误差方差分别为R1=0.17,R2=0.10，使用2中相同方法生成集合数为80的观测扰动集合，叠加到AMSR2SST和AVHRRSST中。为了消除距离过远点的虚假相关，引入局地裁切函数ρ：|z|表示观测点与分析点之间的距离，c为尺度范围，c取10°。最优插值法融合集合卡尔曼滤波融合SSTHYCOMAMSR2AVHRREnKFOI评价