基于扩散滤波的多尺度三维变分研究

将扩散方程引入三维变分分析,揭示了传统3D-VAR不能有效提取多尺度观测信息的根本原因,即观测导致的目标函数梯度在空间的不连续分布.将扩散滤波融入基于梯度的最优化算法,发展了基于扩散滤波的多尺度3D-VAR.海表面温度数据同化试验结果表明,新方法可从长波至短波有效地提取多尺度的观测信息.     

Nudging资料同化对北极海冰密集度预报的改进

北极夏季海冰的快速减少使得北极航道提前开通成为可能。为了给北极冰区船运活动提供及时可靠有效的海冰预报保障,急需提高海冰预报水平。本文基于麻省理工大学通用环流模式(MITgcm),使用牛顿松弛逼近(Nudging)资料同化方法将德国不莱梅大学的第二代先进微波辐射成像仪(AMSR2)海冰密集度资料同化到模式中,建立了北极海冰数值预报系统。设计试验对比3种不同Nudging系数计算方案的改进效果,结果表明选择合适参数后,不同方案均能显著改进海冰密集度初始场。通过设计有无Nudging同化的两组预报试验,结合卫星遥感海冰密集度及中国第五次北极科学考察期间"雪龙"船的走航海冰密集度观测数据,定量分析了Nudging同化方案对北极海冰密集度的24~120 h预报结果的改进效果。结果表明,Nudging同化对120 h内全北极海冰密集度的空间分布和移动单点目标的海冰密集度预报结果均有显著改善;但在海冰变化很小的情况下,Nudging同化试验的24~120 h预报结果均劣于惯性预报结果,说明基于Nudging同化的数值预报系统还需进一步提高预报技巧。     

全覆盖高分辨率SST融合方法概述

现有各种SST观测资料均有各自的优缺点,为了得到接近实际分布的全覆盖高分辨率的SST场,就必须合理地融合所有SST观测资料.本文综述了海冰资料换算、卫星SST资料偏差校正以及各种融合方法,其中融合方法包括逐步订正法、混合分析、最优插值(Optimum Interpolation, OI)分析、三维变分同化(3-Dimensional Variational Assimilation, 3DVAR)分析、统计最优估计以及使用截断滤波窗的变分分析.通过总结对比各融合方法优缺点,探讨了在SST融合中需要注意以及需要进一步改进的各方面问题.     

对地球系统模式FIO-ESM同化实验中北极海冰模拟的评估

本文评估了地球系统模式FIO-ESM(First Institute of Oceanography-Earth System Model)基于集合调整Kalman滤波同化实验对1992-2013年北极海冰的模拟能力。结果显示:尽管同化资料只包括了全球海表温度和全球海面高度异常两类数据,而并没有对海冰进行同化,但实验结果能很好地模拟出与观测相符的北极海冰基本态和长期变化趋势,卫星观测和FIO-ESM同化实验所得的北极海冰覆盖范围在1992-2013年间的线性变化趋势分别为-7.06×105和-6.44×105 km2/(10a),同化所得的逐月海冰覆盖范围异常和卫星观测之间的相关系数为0.78。与FIO-ESM参加CMIP5(Coupled Model Intercomparison Project Phase 5)实验结果相比,该同化结果所模拟的北极海冰覆盖范围的长期变化趋势和海冰密集度的空间变化趋势均与卫星观测更加吻合,这说明该同化可为利用FIO-ESM开展北极短期气候预测提供较好的预测初始场。     

北极海冰密集度数值预报及验证评估研究

本文系统地评估了国家海洋环境预报中心于我国第七次北极科学考察期间开展的北极海冰密集度数值预报结果。该预报系统基于麻省理工大学通用环流模式,并采用牛顿松弛逼近（Nudging）资料同化方法,计算输出未来1~5 d的北极海冰密集度预报产品。本文将数值预报结果同卫星观测的海冰密集度、再分析资料和"雪龙"号第七次北极考察期间观测的海冰密集度数据进行了对比分析。结果表明,预报的北极海冰密集度小于卫星观测值,24 h、72 h和120 h预报结果的偏差分别为-2.7%、-3.1%和-3.2%;数值产品的预报技巧好于气候态结果和惯性预报,但是在海冰出现快速融化或冻结时,基于Nudging同化的数值预报技巧仍有不足。另外,相比船测数据,数值预报结果在海冰边缘区的偏差相对较大,24 h、72 h和120 h预报结果的偏差分别为8.8%、12.0%和14.5%。     

基于时空四维多尺度分析方法的卫星遥感和现场观测联合同化研究

充分融合使用卫星遥感与现场观测信息，构建高质量的水下温盐场是海洋科学研究发展的前沿课题。目前，绝大多数同化系统使用的同化方案，均需要假设要素在海表与水下存在某种人为预先设定的关系，从而导致得到的温盐分析场人为性较强，不能完全客观地反映真实的海洋状态。本研究提出了一种不做任何关系假设，仅依靠不同种类的观测资料在时间和空间上的相互补充作用，融合卫星遥感与现场观测资料，进行时空四维多尺度分析的方案。通过与分别单独同化这两类观测资料的试验结果相比，该方案既可以得到较精准的温盐剖面结构特征，又能够反映出海面中尺度变化的细节信息，最大化地提取了观测资料中的多尺度信息，实现了“1+1> 2”的效果，构建了完全客观的温盐分析场。研究结果还表明，同化卫星遥感海表面盐度资料可以有效改善温度和盐度的分析，证明了海表面盐度观测在温盐同化中的重要性。     

双多普勒雷达资料同化在飓风“艾克”预报中的应用研究

本文采用美国国家大气研究中心（NCAR）开发的中尺度数值模式WRFV3.7及其三维变分同化系统WRF-3DVAR对2008年飓风“艾克”进行了数值模拟研究。利用多普勒天气雷达观测资料具有高时空分辨率的优点,将美国两部多普勒天气雷达资料进行速度退模糊等必要质量控制后同化进中尺度数值模式,考察雷达资料同化对飓风“艾克”预报的改进程度。试验结果表明:将雷达资料用于对流尺度分辨率下飓风初始化需要对变分同化系统中特征尺度化因子进行优化调整,使观测资料能够以较为合理的方式调整模式初始场并进而改进预报;雷达径向风同化可以有效调整模式初始场中的飓风动力和热力结构,而经过尺度化因子调整后的雷达径向风同化则在飓风观测中心位置产生较为合理的气旋性风场增量,提供更为确切的中小尺度信息,使模式初始场更加接近观测并进而改进对飓风路径和强度的预报。     

基于变分水平集方法的海冰信息自动提取

针对目前海冰信息解译时对海冰外缘线及面积信息提取不精确、业务化应用不强问题,提出一种基于分裂Bregman算法的海冰外缘线自动提取方法,并通过遥感影像预处理、算法程序化等工作步骤,将该算法应用到业务化海冰信息解译工作中。方法:分别选取五景中、高空间分辨率的可见光卫星遥感影像,将影像上待提取海冰区域首先进行不规则图像裁剪、图像增强等预处理工作,然后基于变分水平集及快速分裂Bregman投影方法进行了海冰外缘线信息的提取,并对提取出的海冰面积进行量化,最后与传统人工提取海冰信息进行了比较。实验结果表明,基于变分水平集及其快速分裂Bregman算法提取的海冰信息,具有提取的海冰边缘精确、自动化程度高、提取结果稳定可靠等优点。     

基于遥感数据的渤海海冰面积提取订正模型研究

为了获取准确的海冰信息,利用高空间分辨率和高时间分辨率数据相结合的方法来测算海冰面积,在假设TM海冰面积是比较准确的前提下,用TM海冰面积来订正MODIS和NOAA／AVHRR海冰面积,以提高这两种高时间分辨率遥感资料对海冰面积的判别精度。选取2003年2月5日的TM、MODIS和NOAA／AVHRR数据,在这3个图像上分别选择20个样本,然后进行了海冰面积的线性回归分析,得到的海冰面积提取订正模型。并分别以此两种模型为基础,对2002年12月8日至2003年2月26日和2005年2月1日至2月11日冬季渤海海冰面积进行修正,并将由MODIS和NOAA／AVHRR提取的海冰面积、用模型订正后和国家海洋环境预报中心给出的海冰面积做了详细的比较。结果表明：线性回归可以提高海冰信息的提取精度。此研究为海冰防灾减灾和海冰资源量估算提供依据。     

卫星微波辐射资料的再处理过程的产品

根据美国冰雪数据中心提供的雨云－７号和美国国防气象卫星接收的卫星微波辐射资料，即ＳＭＭＲ（１９７８年１２月￣１９８７年８月）和ＳＳＭ／Ｉ（１９８７￣１９９５年）资料，对这些原始资料进行同化处理，介绍了从亮度温度提取海冰密集度格点资料的处理方法和后续处理过程。建立了海冰数据库，其中包括：（１）制作了海冰密集度动画彩色显示系统，可以连续地显示逐日、逐旬和逐月等冰图。（２）计算了密集度≥３０％、〉７０％     

A multi-scale high-order recursive filter approach for the sea ice concentration analysis

With the development and deployment of observation systems in the ocean, more precise passive and active microwave data are becoming available for the weather forecasting and the climate monitoring. Due to the complicated variability of the sea ice concentration(SIC) in the marginal ice zone and the scarcity of high-precision sea ice data, how to use less data to accurately reconstruct the sea ice field has become an urgent problem to be solved. A reconstruction method for gridding observations ...     

北极高密集度冰区海冰的多时间尺度变化特征及其极端低值事件分析

利用美国冰雪中心(NSIDC)高分辨率海冰密集度等多种数据,定义了北极高密集度冰区(High concentration ice region:HCIR)海冰变化指数,在此基础上研究了1989—2017年HCIR海冰多尺度变化特征及其极端低值事件的可能形成原因。结果表明:北极HCIR海冰密集度具有显著的单峰型季节变化特征,4月密集度最高,9月密集度最低,年较差达17.70%,兼有夏季融冰期短、冬季结冰期长且持续稳定的特点。HCIR海冰存在显著的年际年代际变化,在2007年发生了年代际转折以后,海冰变化指数的年际变化幅度和频次明显加强,且在2016、2012、2007、2011、2008和2010年依次出现海冰密集度极端降低事件;2016年9月初HCIR海冰密集度达到历史最低值,接近50%。对HCIR海冰密集度极端低值事件的统计研究表明,29年间共出现874天(次)极端低值事件,约占总频次的8%;空间上海冰密集度的降低主要出现在沿HCIR边界线一带,存在巴伦支海-喀拉海北缘的斯瓦尔巴群岛-北地群岛和东西伯利亚-波弗特海两个中心区域,该空间分布与气旋式大气环流引起的北冰洋Ekman漂流的辐散分布相一致。这表明HCIR海冰密集度的极端降低与极涡的动力作用有关,同时风场对海冰的动力辐散作用还会引起HCIR开阔水域的扩大,进一步加强海冰反照率的正反馈机制,使得热力和动力作用耦合起来共同影响HCIR海冰的加速融化。     

2017年夏季北极中央航道海冰观测特征及海冰密集度遥感产品评估

2017年夏季中国第八次北极科学考察期间,"雪龙"号极地考察船首次成功穿越北极中央航道,期间全程开展了海冰要素的人工观测。中央航道走航期间的平均海冰密集度和平均冰厚分别为0.64和1.5 m,海冰密集度时空变化大且以厚当年冰为主,高纬密集冰区的浮冰大小显著高于海冰边缘区。基于"雪龙"号的船基走航观测海冰密集度评估比较了国际上常用的5种常用的微波遥感反演海冰密集度产品,同走航目测海冰密集度点对点的比较,误差最大的为德国不来梅大学AMSR2基于Bootstrap算法的产品,平均误差和均方根误差分别为0.19和0.28;误差最小的为欧洲气象卫星应用组织基于AMSR2数据和OSHD和TUD两种不同算法的产品,平均误差分别为-0.02和0.01,均方根误差均为0.20。从日平均比较来看,AMSR2基于Bootstrap算法的误差最大,平均误差和均方根误差分别为0.15和0.20;AMSR2/OSI SAF（TUD）的误差最小,平均误差和均方根误差分别为0.0和0.11,OSI SAF产品更接近人工观测结果。     

Satellite-observed trends in the Arctic sea ice concentration for the period 1979–2016

Arctic sea ice cover has decreased dramatically over the last three decades. This study quanti?es the sea ice concentration(SIC) trends in the Arctic Ocean over the period of 1979–2016 and analyzes their spatial and temporal variations. During each month the SIC trends are negative over the Arctic Ocean, wherein the largest(smallest) rate of decline found in September(March) is-0.48%/a(-0.10%/a).The summer(-0.42%/a) and autumn(-0.31%/a) seasons show faster decrease rates than those of winter(-0.12%/a) and spring(-0.20%/a) seasons. Regional variability is large in the annual SIC trend. The largest SIC trends are observed for the Kara(-0.60%/a) and Barents Seas(-0.54%/a), followed by the Chukchi Sea(-0.48%/a), East Siberian Sea(-0.43%/a), Laptev Sea(-0.38%/a), and Beaufort Sea(-0.36%/a). The annual SIC trend for the whole Arctic Ocean is-0.26%/a over the same period. Furthermore, the in?uences and feedbacks between the SIC and three climate indexes and three climatic parameters, including the Arctic Oscillation(AO), North Atlantic Oscillation(NAO), Dipole anomaly(DA), sea surface temperature(SST), surface air temperature(SAT), and surface wind(SW), are investigated. Statistically, sea ice provides memory for the Arctic climate system so that changes in SIC driven by the climate indices(AO, NAO and DA) can be felt during the ensuing seasons. Positive SST trends can cause greater SIC reductions, which is observed in the Greenland and Barents Seas during the autumn and winter. In contrast, the removal of sea ice(i.e., loss of the insulating layer) likely contributes to a colder sea surface(i.e., decreased SST), as is observed in northern Barents Sea. Decreasing SIC trends can lead to an in-phase enhancement of SAT, while SAT variations seem to have a lagged in?uence on SIC trends. SW plays an important role in the modulating SIC trends in two ways: by transporting moist and warm air that melts sea ice in peripheral seas(typically evident inthe Barents Sea) and by exporting sea ice out of the Arctic Ocean via passages into the Greenland and Barents Seas, including the Fram Strait, the passage between Svalbard and Franz Josef Land(S-FJL),and the passage between Franz Josef Land and Severnaya Zemlya(FJL-SZ).     

北极海冰变率的独特模式及其与大气强迫的关系

The spatial structure of the Arctic sea ice concentration(SIC) variability and the connection to atmospheric as well as radiative forcing during winter and summer for the 1979–2017 period are investigated. The interannual variability with different spatial characteristics of SIC in summer and winter is extracted using the empirical orthogonal function(EOF) analysis. The present study confirms that the atmospheric circulation has a strong influence on the SIC through both dynamic and thermodynamic processes, as the heat flux anomalies in summer are radiatively forced while those in winter contain both radiative and "circulation-induced" components. Thus,atmospheric fluctuations have an explicit and extensive influence to the SIC through complex mechanisms during both seasons. Moreover, analysis of a variety of atmospheric variables indicates that the primary mechanism about specific regional SIC patterns in Arctic marginal seas are different with special characteristics.     

Rapid decrease in Antarctic sea ice in recent years

A 41-year Antarctic sea ice concentration(SIC) dataset derived from satellite passive microwave radiometers during the period of 1979–2019 has been used to analyze sea ice changes in recent decades. The trends of SIC and sea ice extent(SIE) are calculated during the periods of 1979–2019, 1979–2013, and 2014–2019. The trends show regionally dependent features. The SIC shows an increasing trend in most of the regions except the Bellingshausen Sea and Amundsen Sea(BA) during 1979–2019 and 1979–2013. The SIE trend shows a decreasing or decelerating trend in the period of 1979–2019((6 835±2 210) km2/a) compared with the 1979–2013 period((18 600±2 203) km~2/a). In recent years(2014–2019), the SIC and SIE have exhibited decreasing trends(–(34 567±3 521) km~2/month), especially in the Weddell Sea(WS) and Ross Sea(RS) during summer and autumn. The trends are related to regionally dependent causes. The analyses show that the SIC and SIE decreased in response to the warming trend of 2 m air temperature(T_(a-2m)) and have exhibited a good relationship with T_(a-2m) in summer and autumn in recent years. The sea ice decrease in the Antarctic is mainly caused by increases in absorbed energy and southward energy transportation in recent years, such as the increase in gained solar radiation and moist static energy from the south, which demonstrate notable regional characteristics. In the WS region, the local positive feedback from the additional absorbed solar radiation, resulting in warmer air and reduced sea ice, is the main reason for the sea ice decrease in recent years. The increase in southward energy transport has also favored a decrease in sea ice. In the RS region, the increase in southward-transported moist static energy has contributed to the decrease in sea ice, and the increases in cloud cover and longwave radiation have prevented sea ice growth.     

Arctic sea ice concentration retrieval using the DT-ASI algorithm based on FY-3B/MWRI data

Sea ice concentration (SIC) is one of the most important indicators when monitoring climate changes in the polar region. With the development of the Chinese satellite technology, the FengYun (FY) series has been applied to retrieve the sea ice parameters in the polar region. In this paper, to improve the SIC retrieval accuracy from the passive microwave (PM) data of the Microwave Radiation Imager (MWRI) aboard on the FengYun-3B (FY-3B) Satellite, the dynamic tie-point (DT) Arctic Radiation and Turbulence Interaction Study (ARTIST) Sea Ice (ASI) (DT-ASI) SIC retrieval algorithm is applied and obtained Arctic SIC data for nearly 10 a (from November 18, 2010 to August 19, 2019). Also, by applying a land spillover correction scheme, the erroneous sea ice along coastlines in melt season is removed. The results of FY-3B/DT-ASI are obviously improved compared to that of FY-3B/NT2 (NASA-Team2) in both SIC and sea ice extent (SIE), and are highly consistent with the results of similar products of AMSR2 (Advanced Microwave Scanning Radiometer 2)/ASI and AMSR2/DT-ASI. Compared with the annual average SIC of FY-3B/NT2, our result is reduced by 2.31％. The annual average SIE difference between the two FY- 3Bs is 1.65×106 km2, of which the DT-ASI algorithm contributes 87.9％ and the land spillover method contributes 12.1％. We further select 58 MODIS (Moderate-resolution Imaging Spectroradiometer) cloud-free samples in the Arctic region and use the tie-point method to retrieve SIC to verify the accuracy of these SIC products. The root mean square difference (RMSD) and mean absolute difference (MAD) of the FY-3B/DT-ASI and MODIS results are 17.2％ and 12.7％, which is close to those of two AMSR2 products with 6.25 km resolution and decreased 8％ and 7.2％ compared with FY-3B/NT2. Further, FY-3B/DT-ASI has the most significant improvement where the SIC is lower than 60％. A high-quality SIC product can be obtained by using the DT-ASI algorithm and our work will be beneficial to promote the application of FengYun Satellite.     

误差订正对2018年夏季次季节尺度海冰预测的作用

北极海冰次季节尺度预测在针对破冰船和商船的实际服务中十分重要,但常常受制于气候模拟的模拟能力。本研究提出了一种误差订正方法并分别应用到两个气候模式：海洋一所地球系统模式（FIOESM）和美国国家环境预报中心（NCEP）的气候预报系统（CFS）,来改善北极海冰60天尺度的预测。本研究的预测工作是中国第9次北极科学考察和2018年夏季中远集团北极商业航行的业务化海冰服务保障的重要部分。模式起报时间分别是2018年7月1日、8月1日和9月1日,预报时效均是60天。结果显示,FIOESM整体上低估了海冰密集度的数值,平均偏差可达30%。误差订正对海冰密集度（SIC）的均方根偏差（RMSE）的改进比例可达27%,对海冰外缘线（SIE）的整体偏差（IIEE）的改进比例为10%。而对于CFS,SIE在边缘区域的过高估计是其主要特点。误差订正导致了SIC的RMSE改进了7%,而对SIE的IIEE改进了17%。在海冰范围预测方面,FIOESM预测的最小范围数值和时间点都和观测接近,而CFS的预测结果偏差较大。另外和其他S2S模式的结果比较发现,本研究提出的误差订正方法对存在较大偏差的预测结果改进更为有效。     

北极海冰的年代际转型与中国冻雨年代际变化的关系

基于1961-2013年HadISST海冰密集度资料,定义了北极海冰的季节性融冰指数,结果显示近几十年来北极季节性融冰范围呈显著的上升趋势,并分别在20世纪70年代末和90年代中期存在显著的年代际转型,相应地,中国冻雨发生频数总体上呈现出显著的减少趋势,但也存在显著的年代际转型。在20世纪70年代末之前,北极季节性融冰范围较小但显著增长,中国冻雨频数年际变化振幅较大,且主要受巴伦支海、喀拉海海冰的影响;20世纪70年代末至90年代中期北极季节性融冰范围维持振荡特征,没有显著的线性趋势,中国冻雨频数变化振幅减小,与北极海冰相关较弱,主要相关因子为北大西洋及北太平洋海表温度变化;而90年代中期以后,北极海冰融化加快,特别是2007年以后,季节性融冰范围大大增加,而中国冻雨频数处于低发时段,其变化与太平洋扇区海冰及堪察加半岛附近海温呈显著负相关,季节性融冰的显著区域也从东西伯利亚海逆时针旋转向波弗特海-加拿大群岛北部扩张,同时向北极中央区扩张。不同年代影响冻雨的海温或海冰关键海区不同,产生特定的大气环流异常响应,进而影响到我国冻雨。