全球海洋Argo網格資料集及其驗證

李宏 ，許建平 ，劉增宏 ，孫朝輝 ，趙鑫

（1.浙江省水利河口研究院，浙江 杭州 310020；2.衛星海洋環境動力學國家重點實驗室，浙江 杭州 310012；3.國家海洋局第二海洋研究所，浙江 杭州 310012）

國際 Argo（Array for Real-time Geostrophic O－ceanography，簡稱“Argo”）計劃自2000年底正式實施以來，經歷了十年的發展，投放到全球海洋的Argo浮標累計已經超過8 500個。早在2007年11月，該計劃就已達到了其預期目標，即由3 000個剖面浮標組成的全球Argo實時海洋觀測網全面建成了（許建平等，2008），且截止2012年11月，全球海洋上正常工作的浮標數量已經達到3 618個（http://www-argo.ucsd.edu/）。十多年來，Argo累計獲取的溫、鹽度剖面資料已經達到100萬條（http://www.argo.org.cn），且每天還在以360條剖面或每月11 000條溫鹽度剖面的速度遞增。

相對于早期的常規觀測手段，Argo浮標獲取溫、鹽度剖面的速度非常驚人，按目前的速度估算，Argo觀測網僅需要8年時間就可以收集到另外100萬條溫、鹽度剖面，這是常規觀測手段無法比擬的。然而，無論是常規觀測手段還是Argo浮標獲取的溫、鹽度等要素，都存在著觀測深度不一致，以及觀測時間上的不連續和空間上的離散性等問題，使得應用范圍受到一定的限制。早在20世紀80年代，美國的Levitus（1982）就針對這一問題做過世界海洋范圍內水文和氣象資料的客觀分析，將歷史上全球海洋通過常規觀測手段獲得的散點資料構建成為網格資料。Levitus的工作使得WOA（World Ocean Altas）系列資料集WOA01（Boyer， 2002）、 WOA05（Locarnini，2006）及WOA09（Locarnini，2010）等不斷推出，這是將歷史散點觀測資料構建成為時空范圍內規則一致的網格資料，并得到成功應用的范例。

目前，Argo浮標提供的剖面資料已經遠遠超過長時期收集的歷史資料數量，僅對Argo資料進行客觀分析，也完全可以揭示全球海洋重要的物理海洋現象。許多Argo成員國都已在Argo資料進行客觀分析，開發針對Argo數據的網格化產品（Bhaskar et al，2007；Hosoda et al，2008；Roemmich et al，2009；Gaillard et al，2009），作為研究全球海洋現象的基礎資料補充，這極大方便了人們的應用。但是，不難發現，國際上構建這些Argo網格資料，大多采用最優插值法，也有一些學者采用更為復雜的數據同化技術，并融合大型的海洋數值模式，構建時空更為一致的再分析產品等（Masafumi et al，2004；Martin et al，2007；Oke et al，2008）。這些方法雖然效果明顯，但計算量大，并且觀測資料及數值模式的各種誤差統計信息難以獲取，操作起來相對復雜。為此，我們利用一種簡單有效的客觀分析方法（李宏等，2012），構建了一套全球海洋Argo溫鹽度網格資料集。為了便于人們應用，本文簡要介紹了本資料集的制作過程和驗證結果。

1 資料來源與方法

1.1 資料及預處理

選用了由中國Argo實時資料中心（http://www.argo.org.cn/）提供的2002年1月-2011年12月期間全球海洋（59.5°S-59.5°N ，180°W-180°E）Argo溫、鹽度剖面資料。為了批量、快速地對所有Argo資料進行客觀分析，首先統一對Argo資料進行必要的質量再控制及資料預處理，處理步驟詳見下文。最終有615 284條溫、鹽度剖面通過了質量再控制（圖1），被用來制作Argo網格數據集。

圖1 質量控制前后逐年逐月（2004年1月-2011年12月）Argo資料個數分布

1.2 客觀分析方法

重構Argo網格資料集主要采用了逐步訂正法。逐步訂正的思想最初由Cressman（1959）提出，首先要求給出網格點的初始值（通常由背景場提供），然后從每一個觀測中減去對該觀測點的估計值（一般通過對觀測點周圍的背景場格點值進行雙線性插值獲得）得到觀測增量，通過將分析格點周圍影響區域內的觀測增量進行加權組合得到分析增量，再將分析增量加到背景場上得到最終的分析場，并進行逐步迭代，直到分析值達到某種預期的精度。至于迭代公式、權重函數，以及參數值實驗和確定等過程，可以參考文獻（李宏等，2012）。

1.3 網格數據制作流程

Argo網格數據集構建流程如圖2所示。在網格數據制作過程中，尤其要注意以下幾點：

（1）盡管獲得的Argo資料已經經過各國Argo資料中心的實時質量和延時質量控制，但檢查發現仍有一些有質量問題的數據包含其中。因此，統一對Argo資料進行必要的質量再控制工作（圖2顯示的1-7步），并利用Akima插值法（Akima，1970）將資料垂向插值到標準層（48層），然后進行1°×1°區間的資料融合處理。圖1給出了資料控制前后逐年逐月的Argo剖面資料個數。

圖2 Argo網格數據集構建流程

（2）利用變半徑的Cressman逐步訂正法構建背景場，均采用三次迭代，構建年、季節和月氣候態背景場時采用的初始影響半徑分別為：777km、555 km和333 km。如，對年際氣候態背景場，采用三次迭代，每次迭代初始影響半徑均取為777km，但若格點周圍觀測個數少于以777 km為半徑的圓形面積內的平均觀測個數（李宏等，2011），則逐步擴大影響半徑，直到滿足要求；

（3）以第3步完成的月氣候態背景場為對應月份客觀分析的初始場，利用Barnes（1973）逐步訂正法構建2004-2011年期間逐月的Argo網格溫、鹽度數據集。在Barnes（1973）方法中，通過實驗選取迭代次數為2，影響半徑為555 km，濾波參數為8×104km2，收斂因子為0.2。

2 網格數據集說明

名稱：BOA_Argo；

時間范圍：2004年1月-2011年12月；

時間分辨率：逐年逐月；

美的以賒銷或分期收款方式進行結算，納稅義務時間就是合同約定的收款日期。公司可以對短時間內無法收回的貨款采取這樣的結算方式，從而延期確認收入，減少當期應繳納的所得稅。以美的2017年7月發生的銷售業務為例，當期銷售了價值600萬元的商品，假如合同約定付款期限為一年，每季度初支付150萬元，則該筆業務在2017年應確認的收入為300萬元，相應的應納稅額為75萬元。與直接收款的方式相比，采取賒銷或分期收款方式，美的可以遞延繳納的稅額為75萬元，可以利用這筆資金為企業創造更多的收益。

空間范圍：全球海洋（180°W-180°E，59.5°S-59.5°N）；

空間分辨率：水平 1°×1°（經向：0.5∶1.0∶359.5；緯向：-59.5∶1.0∶59.5）；垂向標準層為：5 m，10m，20m，30m，40m，50m，60 m，70 m，80m，90m，100m，110m，120m，130m，140m，150 m，160 m，170 m，180 m，190 m，200 m，220 m，240 m，260 m，280 m，300 m，320 m，340 m，360 m，380 m，400 m，420 m，440 m，460 m，480 m，500 m，600 m，700 m，800 m，900 m，1 000 m，1 100 m，1 200 m，1 300 m，1 400 m，1 500 m，1 750 m，1 950 m，總共48層；

數據文件：BOA_Argo_**.mat，如： BOA_Argo_2004_01.mat表示2004年1月的網格資料，在matlab下可直接導入。包含的變量有：經度（lons，360×120）、緯度（lats，360 × 120）、垂直層次（depth，48）、溫度（temperature，360×120×48）、鹽度（salinity，360×120×48）；在 matlab軟件下可直接讀入（load文件名）；

水陸點文件：landmask.mat，其中lons（360×120）和lats（360×120）為經緯度網格，landmask（360×120×48）為陸海標記，1表示海洋，0表示陸地。

3 結果檢驗

將重構的Argo網格數據集與WOA09氣候態數據集（來源于http://www.nodc.noaa.gov/OC5/WOA09/woa09data.html）、同類型Argo網格數據集（來源于http://www.argo.ucsd.edu/Gridded_fields.html）和TAO、TRITON錨碇浮標（來源于http://www.pmel.noaa.gov/tao/index.shtml）實測資料進行了客觀分析，限于篇幅，利用Argo資料僅繪制了代表性觀測層（10 m）上的溫、鹽度大面圖（圖3-圖4），另外，繪制了10 m、150 m及500層對應溫、鹽度差值（Argo-WOA09）分布圖（圖 5－圖 10）和太平洋海域Nino3.4區的ENSO指數時間序列分布圖（圖 11），以及在太平洋（P 點（0°N，147°E））（圖略）、大西洋（A點（10°S，10°W））（圖略）和印度洋（I點（5°S，95°E））（圖 12－圖14）等3個代表性站點上的溫、鹽度隨時間變化圖等，以驗證Argo網格數據集的可靠性。

圖3 全球海洋10 m層溫度大面分布（由Argo資料繪制）

圖4 全球海洋10 m層鹽度大面分布（由Argo資料繪制）

圖5 全球海洋10 m層溫度差值分布（Argo-WOA09）（負值區用虛線表示，下同）

圖6 全球海洋10 m層鹽度差值分布（Argo-WOA09）

圖7 全球海洋150 m層溫度差值分布（Argo-WOA09）

圖8 全球海洋150 m層鹽度差值分布（Argo-WOA09）

圖9 全球海洋500 m層溫度差值分布（Argo-WOA09）

圖10 全球海洋500 m層鹽度差值分布（Argo-WOA09）

圖11 2004年1月至2011年12月期間Nino3.4區的ENSO指數時間序列分布

圖12 印度洋海域I點溫度時間序列變化（A）：錨碇，（B）：Argo

圖13 印度洋海域I點鹽度時間序列變化（A）：錨碇，（B）：Argo

圖14 印度洋海域I點鹽度時間序列變化（A）：Argo_Jamstec，（B）：Argo_Scripps

3.1 與WOA09數據集比較

從圖3可以看出，全球海洋近表層（10 m）溫度大致呈緯向帶狀分布，而在經向，即南—北方向上的變化非常明顯。高溫區（＞28℃）主要分布在低緯度（20°S-20°N）區域內。自熱赤道（平均在7°N附近）向兩極，溫度逐漸降低，且在南緯40°附近為寒暖流的交匯處，等溫線較為密集，溫度水平梯度大，形成所謂的“極鋒”，北半球黑潮和灣流所在位置，溫度梯度較大。兩極地區，溫度分布與緯線幾乎平行，明顯與太陽輻射有直接的關系。Argo資料反映的全球海洋10 m層溫度分布特征與WOA09數據集反映的（圖略）溫度分布特征較為相似，WOA09等溫線更為光滑，一個較為顯著的不同點在于，Argo資料反映的29℃等溫線橫切太平洋與印度洋海域，而WOA09資料顯示29℃封閉等溫線僅在太平洋海域存在，而且對應的范圍要小得多。印度洋海域的28℃等溫線由Scripps海洋研究所構建的Argo網格數據集同樣（Roemmich et al，2009）可以反映出來（圖略）。

由圖4可見，全球海洋近表層（10 m）的鹽度分布特征為，大西洋海域的鹽度最高，自赤道向兩極地區，鹽度呈現“馬鞍形”的雙峰分布特征，即南北副熱帶區域為高鹽區，最高鹽度達37.5以上。赤道附近區域為低鹽區，自副熱帶向兩極海域，鹽度逐漸降低。太平洋海域鹽度次之，自赤道向兩極區域，鹽度同樣呈現“馬鞍形”的分布特征，太平洋海域最高鹽度在36.5以上（但不超過37.0），平均比大西洋低1.0，同溫度分布相似；在南北半球40°附近的寒暖流交匯處，鹽度水平梯度也比較大，形成“極鋒”，至兩極海域鹽度降低到34.0以下，這與極地海區結冰、融冰的影響有密切關系。印度洋海域鹽度最低，但自赤道向兩極區域同樣呈“馬鞍形”分布特征，且南半球40°S海域鹽度鋒面特征最為顯著。鹽度的地域性分布特征較為明顯，與降水和蒸發有密切的關系。除了等鹽線更為光滑外，WOA09數據集提供的全球海洋鹽度分布（圖略）與Argo揭示的特征基本相似。

可以看出，Argo資料顯示的10 m層溫度一般比WOA09要高（圖5），平均幅度在0.5℃左右，其中，西北太平洋黑潮海域和大西洋灣流海域最大差異可達3℃，這可能與海域本身海洋環境復雜多變有關，這一趨勢與Roemmich等（2009）的結論是一致的。Argo資料顯示的溫度比WOA09低的海域主要分布在南半球高緯度（40°S以南）以及東太平洋局部地區，幅度在0.3℃以下。其他海域Argo資料顯示的溫度高于WOA09一般在0.5℃左右，這可能與全球海洋變暖有關。需要指出的是，構建WOA09氣候態網格數據集所用的原始歷史資料的時間序列較長（約從1900-2009年），而BOA_Argo網格數據集的時間系列相對較短，僅為2004年1月-2011年12月期間的Argo資料。

同樣，圖6給出的是鹽度差值（Argo-WOA09）分布。可見，同樣在黑潮及灣流海域，鹽度差異較大，尤其是灣流海域，Argo與WOA09最大鹽度差異可達1以上，其他海域鹽度差異較小，僅在邊緣海或者近海海域存在0.2左右的變化，這顯然與西邊界海域存在的強流，以及邊緣海和近海海域受陸地徑流的影響較大有關。當然，與上面提到的兩種資料集的時間序列不盡相同也有一定的關系。

另外，圖7-圖10分別給出的是150m及500m層溫度和鹽度差值分布，可見，Argo與WOA09溫度和鹽度差異大的地區仍然為西邊界流區（黑潮、灣流流經海域）及邊緣海，但較表層的差異而言，幅度有所減小，分布態勢也不盡相同。

可以看出，Argo網格數據集與WOA09反映的10m層溫、鹽度大面分布特征極為相似，但相比之下，由WOA09資料繪制的等值線更光滑些，不能更準確地反映一些中小尺度海洋現象的變化特征。

3.2 ENSO信號檢驗

為了檢驗Argo資料的季節性變化信號，圖11給出了2004年1月到2011年12月期間Nino3.4區的ENSO指數序列分布。分別利用了其他Argo網格數據集（表1）來計算Nino3.4區的ENSO指數，以及美國氣候預報中心（NOAA/CPC）提供的ENSO指數作相關分析得到相關系數。在圖11中，BOA_Argo為本網格產品計算所得的指數，Argo_Scripps為Scripps海洋研究所提供的網格資料（Rommich et al，2009）計算所得指數 ，Argo_Jamstec為日本海洋科學技術廳提供的網格資料（Hosoda et al，2008）計算所得指數 ，Argo_EN3為英國氣象局提供的網格資料計算所得指數。這幾種產品的原始資料主要以Argo剖面資料為主，其中Argo_EN3所用的原始資料種類（如WOD05、GTSPP、Argo、ASBO等）較多。由圖11可見，NOAA/CPC提供的指數較為光滑，而其他幾種網格資料提供的指數小尺度信號較多。

表1 不同類型Argo網格數據集

表2 不同資料提供的ENSO指數相關系數表

進行相關分析后發現（表2），BOA_Argo資料、Argo_Scripps資料、Argo_Jamstec資料和Argo_EN3資料與Nino3.4指數的相關系數分別為：0.950 4、0.940 3、0.966 2和0.952 6。表中還給出了不同資料提供的指數之間的相關系數，BOA_Argo與其他資料之間的相關系數較高。這說明，BOA_Argo網格資料集所提供的溫度資料能夠較好地反映ENSO信號。

3.3 與錨碇浮標資料比較

為了進一步檢驗Argo網格數據集的可靠性，并考慮到時間和空間上的連續性，我們選取了海洋科學領域中比較常用的錨碇浮標（如TAO、TRITON等）觀測資料來進行比較。作為代表，分別在太平洋（P點（0°N，147°E））、大西洋（A點（10°S，10°W））和印度洋（I點（5°S，95°E））各選取了一個點來進行對比分析。但錨碇浮標資料本身由于浮標體在海面上起伏不定，以及電子傳感器故障或其他問題，會導致觀測深度不一，以及某些年份的觀測值缺失等。為此，我們盡量選取那些錨碇浮標垂直深度較深，且時間上能夠覆蓋2004年1月-2011年12月期間的溫、鹽度觀測資料。

當然，由于篇幅所限，本文僅給出了印度洋Argo溫、鹽度資料與對應錨碇資料的比較結果圖，太平洋和大西洋比較結果，在此僅做簡單說明（對應圖略）。

從太平洋和大西洋Argo與錨碇資料比較的結果來看（圖略），自表層到中層，Argo與錨碇浮標反映的信號較為一致，但由錨碇浮標資料顯示的等值線更為光滑，這可能與采集數據的時間分辨率和資料處理方法有關。BOA_Argo為逐月資料，而所用的錨碇浮標為逐日資料。為統一比較，我們進一步將錨碇浮標資料取平均得到對應的逐年逐月資料，這樣的處理相當于對錨碇浮標資料進行了平滑處理，導致等值線分布較為光滑。

圖12和圖13分別為BOA_Argo和錨碇浮標觀測在印度洋海域I點位置上自海表（5 m）到600 m深度上的溫度垂直結構。可見，兩者的溫度變化特征較為符合，而對比鹽度，BOA_Argo資料與錨碇浮標資料存在一定的差距，大約在2005年11月—2006年2月期間，錨碇浮標資料揭示200m深度上有一個獨立的高鹽中心，鹽度最大值高于35.8，該高鹽水持續一段時間后消失，相比之下，Argo揭示的鹽度則要低得多，導致兩種資料揭示的鹽度信號差別較大（圖13）。為了探求這一差異的原因，我們繪制了利用其他Argo網格數據集（由Scripps海洋研究所和日本Jamstec中心提供）對應位置上同時間序列的鹽度分布（圖14），發現這兩種資料揭示的鹽度分布特征與BOA_Argo基本一致，即在這兩種資料中均未發現有高鹽水存在。因此，由錨碇浮標資料揭示的現象究竟是因資料的質量問題而產生的錯誤信號，還是確為錨碇浮標本身捕捉到的真實海洋信號，還有待進一步探究。

4 結束語

利用客觀分析法構建的全球海洋（59.5°S-59.5°N ，180°W-180°E）2004年 1月-2011年 12月期間逐月的月平均溫、鹽度網格數據集，其水平分辨率為1°×1°，垂直方向分為自5 m到1 950 m不等的48層。并將重構的Argo網格數據集與歷史觀測資料（WOA09、TAO等），以及同類型的Argo網格數據集進行了驗證和客觀比較，發現相互間的吻合性較好，且能較好地揭示全球海洋中的一些重要物理海洋現象，研制的網格資料能夠較好的反應ENSO變化信號，表明該網格數據集是可靠的（李宏等，2012）。該網格資料集可作為研究物理海洋基本現象的基礎資料，也可以作為海洋數值模式的開邊界條件與初始場。

該數據集可從中國Argo實時資料中心網站（www.argo.org.cn/數據產品）免費下載使用，并歡迎廣大用戶提供寶貴意見和建議。

致謝：本文曾得到衛星海洋環境動力學國家重點實驗室數值計算中心的支持與幫助，在此表示感謝！

Akima H，1970.A new method for interpolation and smooth curve Fitting based on local procedures，J Assoc Comput Mech，17，589-602.

Barnes S L，1964.A technique for maximizing details in numerical weather Map analysis.J Appl Meteor，3：396-409.

Barnes S L，1973.Mesoscale objective analysis using weighted timeseries observations.NOAA Tech.Memo.ERL NSSL-62，National Severe StoST Laboratory，Norman，OK，41pp.procedures.

Bhaskar T U，Ravichandran M，2007.Devender R An operational Objective Analysis system at INCOIS for generation of Argo Value Added Products，Technical Report No.INCOIS/MOG-TR-2/07.

Boyer T P，Stephens C，Antonov J I，et al，2002.WorldOcean Atlas 2001，Vol.2:Salinity.S.Levitus，Ed，NOAA Atlas NESDIS 50，U S Government Printing Office，Washington，D.C.，165.

Cressman G P，1959.An operational objective analysis system.Mon.Wea Rev，87：367-372.

Gaillard F E，Autret V，Thierry，et al，2009.Quality control of large Argo data sets.J Atmos Oceanic Technol，26：337-351.

Hosoda S，Ohira T，Nakamura T，2008.A monthly mean dataset of global oceanic temperature and salinity derived from Argo float Observations JAMSTEC Rep Res Dev， Volume 8， November，47-59

Levitus S，1982.Climatological atlas of the World Ocean，NOAA Prof.Pap.13，U.S.Gov.Print.Off.，Washington，D.C.

Locarnini R A，Mishonov A V， Antonov J I， et al， 2010.World Ocean Atlas 2009， Volume 1:Temperature.S.Levitus， Ed.，NOAA Atlas NESDIS 68， U.S.Government Printing Office，Washington，D C，184.

Locarnini R A，Mishonov A V，Antonov J I，et al，2006.WorldOcean Atlas 2005，Volume 1:Temperature.S.Levitus，Ed.NOAA Atlas NESDIS 61，U S Gov Printing Office，Washington D C，182.

Martin M J，Hines A，Bell M J，2007.Data assimilation in the FOAM operational short range ocean forecasting system:a description of the scheme and its impact.Q J R Meteorol Soc，133：81-995.

Masafumi K， Tsurane K， Hiroshi I， et al.Operational Data Assimilation System for the Kuroshio South of Japan:Reanalysis and Validation Journal of Oceanography.2004，60：303-312.

Oke P R，Brassington G B，Griffin D A，et al.The Bluelink ocean data assimilation system（BODAS）.Ocean.Modelling，2008，21：46-70.

Roemmich D，Gilson J，2009.The 2004-2008 mean and annual cycle of temperature，salinity，and steric height in the global ocean from Argo program.Progr.Oceanogr，82：81-100.

李宏，許建平，2011，利用客觀分析法重構Argo網格資料的初步研究，國家海洋局第二海洋研究所碩士論文，33-35.

李宏，許建平，劉增宏，等，2012.利用逐步訂正法重構Argo網格資料的初步研究.海洋通報，31（5）：46-58.

許建平，劉增宏，孫朝輝，等，2008.全球Argo實時海洋觀測網全面建成.海洋技術，27（1）：68-70.