利用遙感SST反演上層海洋三維溫度場*

張春玲 許建平, 3 鮑獻文 王振峰 劉增宏 孫朝輝

?

利用遙感SST反演上層海洋三維溫度場*

張春玲1, 2許建平1, 2, 3鮑獻文1王振峰4劉增宏2, 3孫朝輝2

(1. 中國海洋大學海洋環境學院 青島 266003; 2. 國家海洋局第二海洋研究所 杭州 310012; 3. 衛星海洋環境動力學國家重點實驗室 杭州 310012; 4. 東海艦隊司令部海洋水文氣象中心 寧波 312122)

通過統計相關分析驗證了一個簡單的溫度參數模型在太平洋海域的較好適用性。基于Argo觀測資料及WOA09氣候態溫度數據, 采用最大角度法求得此模型的相關參數, 并利用高分辨率衛星遙感海表溫度反演了太平洋上層海域空間分辨率為1°×1° 的氣候態月平均三維溫度場。與實測資料的比較分析表明反演結果是較為真實可靠的, 并可作為海洋數值模式積分的初猜場, 為實現現場觀測(如: Argo)與衛星觀測的優勢互補, 構建太平洋海域完整的三維溫度分析場提供一種新途徑。

溫度參數模型; 最大角度法; Argo觀測; 海表溫度(SST); 反演

目前, 來自于Argo、CTD、XBT、海洋站的溫鹽觀測剖面日益增多。特別是海量增加的Argo浮標觀測剖面, 已成為全球海洋觀測系統的重要支柱, 但其目前仍缺乏表層觀測且空間觀測分辨率較低。而另一方面, 隨著衛星遙感技術的不斷發展, 特別是與此有關的衛星遙感海面溫度(Sea Surface Temperature, SST)和衛星觀測海面高度(Sea Surface Height, SSH)資料的日益增加, 為海面監測提供了大量覆蓋范圍廣、精度和空間分辨率較高、時間連續性較強的海洋表面實時和準實時的信息。然而, 衛星觀測不能給出任何直接觀測的次表層信息。因此, 如何借助已有的資料統計分析方法, 將現場觀測(Argo、XBT、TAO、TRITON、PIRATA等)與衛星觀測相結合, 充分發揮各自的優勢, 構建完備的三維溫、鹽度場, 業已成為國際海洋研究領域中急需解決的問題。

早在20世紀80年代末, 將海面信息(海面溫度或海面高度)映射到海洋內部, 從而反演溫、鹽度剖面的不同方法就已被提出。如動力學方法(Hurlburt, 1986)和統計法(Khedouri, 1983; Witt, 1987; Carnes, 1990; Gavart, 1997)。這兩種方法均包括聯合應用衛星測高和遙感海面溫度數據。許多研究證明, 利用這兩類遙感數據反演獲得的深海或大洋溫鹽剖面信息作為相應數值預報的初始場, 較單獨利用遙感海面溫度反演的溫度剖面好很多(Hurlbtrt, 1990; Carnes, 1994; Pascual, 2003; Gavart, 1999; Fox, 2002; Bruno, 2004; Guinehut, 2004; 王喜東等, 2011)。而在研制三維溫鹽流數值預報系統時, 啟動海洋模式積分需要提供網格化、接近實際的氣候態累年各月平均的初猜場。但目前由觀測統計形成的多年月平均數據, 包括WOA09的月平均數據, 許多網格無統計值。Thacker和Long(Thacker, 1988)給出了對海洋和大氣模式都適用的結合動力模式與觀測資料的變分法公式; Yan等(2004)基于三維變分數據同化方法, 利用海表動力高度來估計溫、鹽度剖面, 并考慮了垂向相關及非線性溫鹽關系。這種方法基于變分原理, 且計算量較大。

Chu等(1997a, b)提出一個包含五個深度和對應的梯度及海表溫度等十個參數的溫度參數結構模型, 并采用迭代法計算模型參數, 從而由海表溫度觀測確定次表層溫度結構。為減少自由度, Chu和Fan (2000)給出了南海海域的簡化模型(六個參數), 本文通過相關分析檢驗驗證了其在太平洋上層海域的適用性。采用最大角度法(Chu, 2011), 基于2011年8月份的Argo觀測資料計算混合層深度, 并利用同期的WOA09氣候態數據計算溫躍層梯度及溫躍層下邊界深度。進而借助于同期的衛星遙感SST資料反演了2011年8月份太平洋海域, 空間分辨率為1°×1°的三維溫度場。通過與實測資料作對比, 評估了反演結果的可靠性, 為縮短模式積分年限, 構造完整的三維溫度分析場, 實現現場觀測與衛星觀測優勢互補提供新途徑。

1 資料來源及處理

1.1 衛星遙感SST

衛星遙感觀測作為海洋觀測數據的一個重要來源, 可以為海面監測提供大量覆蓋范圍廣、精度和空間分辨率較高、時間連續性較強的海洋表面實時和準實時的信息, 解決了傳統海洋表層溫度觀測資料的非同步缺陷。但是, 由于海溫傳感器提供的僅是海洋表層信息, 無法直接獲得海洋三維溫度結構特征。這里, 作者采用由美國國家海洋和大氣管理局(ftp://eclipse.ncdc.noaa.gov/pub/OI-daily-v2/NetCDF/2011/AVHRR/)提供的太平洋海域2011年8月份的衛星遙感SST數據近似的作為海洋混合層溫度, 并將該月31天的SST數據加以平均得到此月的月平均SST數據。

1.2 Argo觀測資料

Argo剖面浮標可以在海上進行長期的定時、循環觀測, 從而快速、準確、全面地收集全球海洋中、上層水體的溫度、鹽度垂向剖面資料。大多數Argo浮標的觀測周期為10天, 目前新型Argo浮標的觀測周期甚至達到2天, 但常規的一般只能觀測5—2000m深度的上層海洋溫、鹽度值, 因此, 作者采用Argo浮標觀測資料來計算參數模型的短時間尺度變化參數。本文采用的Argo原始散點數據由中國Argo是實時資料中心(http://www.argo.org.cn/)提供, 這里選用太平洋海域(60°S—60oN, 120°E—80°W)的2011年8月份溫、鹽度觀測資料, 經過觀測參數及觀測層數檢驗、水陸點及區域檢測、溫度范圍及時間判斷等簡單的質量再控制后, 共包括5056個剖面, 并將其通過Akima插值(Akima, 1970)垂向插值到25個標準層(10—2000m)。

1.3 WOA09歷史數據

WOA09數據是通過對長時間序列的多種觀測進行客觀分析得到的全球海洋三維溫、鹽度格點數據, 其能夠反映海洋溫、鹽度年際變化特征, 故作者利用其計算參數模型的長時間尺度變化參數。這里選用的太平洋海域2011年8月份月平均三維溫度場由全球海洋數據中心(National Oceanographic Data Center, NODC)(http://www.nodc.noaa.gov/OC5/WOA09/woa09data.html)提供。

2 反演方法

2.1 溫度參數模型

Chu和Fan(2000)給出了與海表溫度相關聯的次表層溫度參數的簡化模型(圖1)。一個溫度剖面可以由式(1)來簡單描述:

圖1 溫度參數模型

式中,T是海表溫度;1,2分別為混合層深度 (Mixed Layer Depth, MLD)(或溫躍層上界深度)和溫躍層下界深度(Thermocline Bottom Depth, TBD);G為溫躍層梯度(Thermocline Temperature Gradient, TTG);T是對應于溫躍層下界深度(2)處的溫度;T為水深溫度, 本文取為WOA09多年平均數據中2000m深處對應的溫度;為次表層e-折尺度, 在太平洋海域取= 2000。另外,0和是為了保證()和′()在TBD處的連續性追加的兩個參數, 即:

由式(1)對求導, 并結合式(2), 可得:

參數不能大于或等于1, 否則將使得0的值很大, 從而導致溫度隨深度的增加而遞增。的值也不能等于0, 此處取= 00.5。因此, 一個垂向溫度剖面可以提取七個參數(T,T,T,1,2,,G), 并且由()在TBD處的連續性可得:

故, 七個參數中任意六個都可以決定一個溫度剖面, 自由度為六。應用此模型, 通過海表溫度觀測來反演海洋次表層溫度場, 關鍵是確定1,2,G, 本文采用最大角度法來確定這三個參數。

2.2 最大角度法

Chu等(2011)提出了一種簡單的客觀方法(最大角度法)來確定混合層深度。這種方法具有較強的理論基礎, 其不僅用到了混合層的主要特征——溫度(或密度)垂向一致, 而且用到了混合層以下躍層的主要特征——梯度巨變。為了更準確的使用此方法(要求觀測變量隨深度變化具有嚴格的單調性), 作者用密度混合層深度代替溫度混合層深度, 即不考慮障礙層的存在。

如圖所示, 在等密度層, 角達到最大值(圖3b)。因此, 最大角度原理可以用來確定混合層深度(max,H→z)。在實際應用中,較難計算其度數, 作者用正切值來代替, 即:

其中,(1)≈0為混合層的垂向梯度,(2)為躍層梯度。由給定的擬合系數可得,

當觀測剖面為溫度剖面時, 只需將擬合矢量Vector-1, Vector-2改變方向, 其原理與密度剖面相同。為了盡可能保證觀測剖面的單調性, 本文利用Argo觀測剖面計算混合層深度時, 采用密度剖面的最大角度法, 利用WOA09數據計算溫躍層梯度及溫躍層下界深度時, 則采用溫度剖面的最大角度法。

3 相關分析(correlation analysis)檢驗

圖3 最大角度法原理

圖4 不同參數異常隨海表溫度異常變化的散點分布: (a), (b), (c)

表1 各參數與SST異常的相關系數及其對應的值

Tab.1 The correlation coefficients between parameters and SST anomaly and the corresponding t values

4 反演步驟及結果

本文利用海表溫度觀測反演太平洋上層溫度場主要分三個步驟: 首先, 借助于Argo觀測資料, 采用密度剖面的最大角度法計算混合層深度(1), 并通過最優插值(Behrinoer, 1998)將各參數插值到 1°×1° 的網格上; 然后利用WOA09氣候態溫度數據, 通過溫度剖面的最大角度法確定太平洋海域 1°×1° 網格點上的長時間變化尺度參數(2,); 最后, 利用同期的NOAA海表溫度觀測, 通過2.1節的(1)式反演太平洋海域的上層海洋氣候態三維溫度場。

4.1 參數計算

首先由Argo觀測剖面的溫、鹽度數據計算各個剖面在其每個觀測層上的密度值, 從而將每個剖面記為[(z),(z)], 通過2.2節的最大角度法((5)—(7)式)得出每個剖面對應的密度混合層深度H, 并忽略障礙層的存在, 用密度混合層深度代替溫度混合層深度, 即,1≈H。

作者通過最優插值將MLD插值到1°×1°的網格上, 其水平分布及緯向平均如圖6所示。在MLD的水平分布圖中, 南太平洋40°S以南的區域存在等深線的密集區, 反映了溫躍層在這里迅速消失, 溫躍層在此區域具有斷面結構。結合其緯向平均曲線不難看出, 太平洋20°N以北大部分海域的MLD是10—20m, 20°N以南的海域MLD普遍較大, 尤其在南太平洋, 大部份海域的MLD超過70m。2011年8月份太平洋海域的MLD由北向南大體呈逐漸遞增的趨勢(圖6右)。

圖5 Argo觀測剖面的MLD及對應的浮標站點分布

＋: 0—100 m (3797個);△: 100—300m (1075個); ○: 大于300m (184個)

圖5與圖6展示的混合層深度分布規律與前人(周燕瑕等, 2002; 王彥磊等, 2008; 蘆靜等, 2008)的研究結果基本吻合。

圖7給出了G與2的水平分布及其對應的緯向平均分布。溫躍層梯度基本在0—0.2°C/m之間; 10°S—10°N之間的海域, TTG的值均已超過0.05°C/m; 而相比南太平洋, 北太平洋大部分海域有較強的TTG, 特別是赤道太平洋到北緯20°的海域, TTG基本在0.05°C/m以上。由TTG的緯向平均圖也可以看出, 北太平洋平均TTG都高于0.06°C/m, 10°N附近海域達到0.1°C/m以上; 南太平洋大部分海域平均TTG都低于0.05°C/m, 特別是40°S以南, TTG幾乎接近零, 這也反映了在此海域不存在明顯的溫度躍層。混合層下界基本在100m以深, 結合其緯向平均分布圖, 很顯然, 由于8月份北半球洋區躍層比較明顯, 因此對應的TBD也比較淺, 平均小于300m; 而南半球的TBD相對普遍較深, 平均為300—500m, 在25°S左右甚至達到1000m以上; 而赤道太平洋的TBD基本為300m左右。但在40°S以南的洋區存在明顯的低值等深線密集區, 這是由于在此區域溫躍層基本消失, 利用溫度剖面的最大角度法時, (7)式的最小值對應的深度值2→z有可能接近混合層深度。因此, 在以下利用海表溫度反演次表層溫度場時, 作者在2<1時, 只選用(1)式的前兩個公式進行計算。在20°N附近存在一個高值區, 平均達到近400m, 而在50°S以南, TBD迅速減小至100m以下, 但總體上, TBD的緯向平均由北向南大致呈逐漸遞增的趨勢。

4.2 利用遙感SST反演上層海洋氣候態溫度場

作者由2.1節的(1)式及由4.1節確定的參數1,2和G, 通過SST數據來反演太平洋上層海域溫度場。圖8給出了170°W經線與5°N緯線的溫度斷面分布。通過與W0A09 8月份多年平均的溫度剖面分布作對比, 可以得出, 雖然反演結果的兩個斷面較WOA09氣候態數據都有明顯小尺度波動, 但其溫度經向(緯向)變化趨勢及溫度值的分布均與氣候態數據基本吻合, 較真實地反映了2011年8月份經向(緯向)的溫度變化情況。由170°W經線斷面圖可以看出, 南北緯40度附近的等值線分布規律與氣候態數據差別較大。5°N緯線斷面顯示, 西太平洋的反演結果比東太平洋相對精確。

由150m層的溫度場水平分布(圖9)也可以看出, 受海表溫度觀測的影響, 本文反演的溫度場存在較多小尺度波動, 但仍能夠較好地刻畫溫度的水平分布特征。等溫線的分布, 沿緯線大致呈帶狀分布, 特別在南半球40°S以南海域, 等溫線幾乎與緯圈平行。在副熱帶到溫帶海區, 特別是北半球, 等溫線偏離帶狀分布, 西部向極地彎曲, 東部則向赤道方向彎曲, 這種格局造成太平洋西部水溫高于東部。由熱赤道向兩極, 水溫逐漸降低, 最高溫度出現在赤道附近海域, 在西太平洋近赤道海域, 可達26—28°C。

圖6 2011年8月份太平洋海域MLD分布(左)及其緯向平均曲線(右)

圖7 2011年8月份太平洋海域的TTG與TBD分布及對應的緯向平均曲線: a: TTG; b: TBD

由于海表溫度只對上層海洋水溫有較明顯的影響, 因此, 本文利用海表溫度觀測反演的次表層氣候態溫度場與Argo觀測數據的均方根誤差隨深度的增加大致呈逐漸增加的趨勢, 但2000m以淺的RMSE 均在1.3°C以內(圖10)。100m以淺RMSE均小于1°C; 結合圖6、圖7可以看出, 在100—200m, 2011年8月份太平洋海域的溫躍層比較明顯, 其對應的RMSE相對較大, 基本超過了1°C; 在200m以深又大體呈遞增趨勢, 500m處的均方根誤差達到了1.19°C。由于下層水溫垂向變化相對較小, 500m以深, 特別是1000m以下, 均方根誤差又逐漸減小。

作者分別在南太平洋(10°S —50°S)、赤道太平洋(10°S—10°N)、北太平洋(10°N —50°N)各隨機選取4個均方根誤差比較大(大于1°C)的觀測站點, 將觀測剖面與反演結果進行垂向對比, 所選12個剖面的垂向分布及其對應的經緯度和均方根誤差如圖12所示。所有剖面在混合層以上擬合效果明顯比下層好, 并且大部分反演結果與觀測剖面的偏差有隨深度遞增的趨勢, 即, 隨深度的加深, 反演結果的精度逐漸降低, 但即便是均方根誤差較大的反演結果, 其與觀測剖面的最大偏差也不超過2°C。其中, 南太平洋的觀測剖面, 均方根誤差普遍較小, 擬合效果最好; 赤道太平洋及北太平洋的觀測剖面均方根誤差相對較大, 特別是北太平洋的大部分反演結果與觀測剖面的都大于1°C, 其擬合效果也較差, 這與圖11得出的結論相一致。但反演結果與觀測剖面總體上具有較好的一致性, 由此說明, 本文的計算結果比較接近實際觀測, 具有一定的可靠性。

圖8 170°W經線(左)及5°N緯線(右)溫度斷面分布

5 結論

利用衛星遙感獲得的大范圍、高分辨率、時間連續的海表信息, 借助已有的資料統計分析方法或數據同化方法等, 來構建三維溫度場, 具有重要的實用價值。對Chu和Fan給出的溫度參數模型, 本文借助-分布假設檢驗進行相關分析, 驗證了其在太平洋海域的適用性, 進而利用衛星遙感海表溫度觀測數據, 在太平洋海域反演得到了2011年8月份的上層海洋三維溫度場, 其空間分辨率為1°×1°。并基于Argo觀測資料及WOA09氣候態溫度數據, 采用最大角度法確定三個關鍵參數: 混合層深度、溫躍層梯度、溫躍層下邊界深度。以150m層溫度場水平分布及兩個溫度斷面為例, 定性分析了計算結果所反映的海洋現象。并通過與Argo觀測剖面作對比, 定量計算了反演結果的精度。結果表明, 本文以2011年8月份太平洋為例, 反演得到的氣候態三維溫度場是可信、可靠的, 為實現現場觀測(如: Argo)與衛星觀測相結合提供一種新途徑。

圖9 太平洋海域150m層溫度場

圖10 均方根誤差垂向分布曲線

本文在確定模型參數時采用了最大角度法, 此方法較以往確定混合層深度的方法(如: 梯度法, 曲率法)是一種客觀、新穎的方法, 有較強的理論基礎。由3.1節和3.2節的計算結果可以看出, 作者利用此方法得到的混合層深度是較符合實際的。但此方法的一個前提是分析變量具有嚴格的單調性, 文中作者忽略了障礙層的影響, 用密度混合層深度代替溫度混合層深度, 勢必會產生一定的誤差。

在相關分析檢驗中, 作者借助-分布假設檢驗給出了相關系數的置信度。此結果是對整個太平洋海域做的統計分析, 因此, 證明本文采用的反演方法就整個太平洋海域來說, 具有一定的適用性。但不一定對每個小區域都具有很好的適用性, 該方法在混合層以下, 溫躍層深度內利用簡單線性擬合得到溫度隨深度的變化規律, 但實際溫度變化并非隨深度的增加而簡單的線性遞減, 因此在溫躍層的海域, 擬合結果與實際有較大誤差, 此外, 也有前人發現在東太平洋亞北極地區計算結果有較大的誤差(Yan, 2004), 這些缺點仍需要進一步研究解決。但該方法在太平洋大部分海域仍有較好地適用性。

另外, 值得注意的是, 除海表溫度以外, 海洋垂直剖面還與許多其他因素有關, 例如風速, 而本文僅利用海表溫度信息, 通過由觀測及歷史數據確定的下層溫度結構參數來反演次表層溫度場, 這也是造成所獲取的上層溫度偏差空間不均勻的原因之一。故本文所反演的上層海洋三維溫度場可用于海洋模式積分的初猜場, 從而縮短模式積分年限, 但直接用于分析海洋溫度分布特征仍有較大的不足。

圖11 反演結果與Argo觀測剖面的均方根誤差分布曲線(左)及不同均方根誤差范圍對應的站點分布(右)

＋: 誤差小于1°C (3825個);○: 誤差大于1°C (1241個)

圖12 反演剖面(實線)與觀測剖面(虛線)的對比分布

致謝

美國海軍研究生院的朱伯承教授為本文研究給予指導, 國家海洋局第二海洋研究所的同事們為本文提供了不可或缺的寶貴信息和資料, 謹致謝忱。

王彥磊, 黃 兵, 張 韌等, 2008. 基于Argo資料的世界大洋溫度躍層的分布特征. 海洋科學進展, 26(4): 428—435

王喜東, 韓桂軍, 李 威等, 2011. 利用衛星觀測海面信息反演三維溫度場. 熱帶海洋學報, 30(6): 10—17

蘆 靜, 喬方利, 魏澤勛等, 2008. 夏季海洋上混合層深度分布研究——Argo資料與Levitus資料的比較. 海洋科學進展, 26(2): 145—155

周燕遐, 李炳蘭, 張義鈞, 2002. 世界大洋冬夏季溫度躍層特征. 海洋通報, 21(1): 16—22

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

Behrinoer D W, Ming Ji, Ants L, 1998. An Improved Coupled Method for ENSO Prediction and Implications for Ocean Initialization. Part I: The Ocean Data Assimilation System. J Monthly Weather Review, 126: 1013—1021

Bruno B N, Santoleri R, 2004. Reconstructing synthetic profiles from surface data. J Atmos Oceanic Technol, 21: 693—703

Carnes M R, Mitchell J L, Dewitt P W, 1990. Synthetic temperature profiles derived from Geosat altimetry: Comparison with air-dropped expendable bathythermograph profiles. J Geophys Res, 95(C3): 17979—17992

Carnes M R, Teague W J, Mitchell J L, 1994. Inference of subsurface thermohlaline structure from fields measurable by satellite. J Atmos Oceanic Technol, 11: 551—566

Chu P C, Fralick C R, Jr S D, 1997a. A parametric model for the Yellow Sea thermal variability. J Geophys Res, 102: 10 499—10507

Chu P C, Tseng H C, Chang C P, 1997b. South China Sea warm pool detected from the Navy’s Master Oceanographic Observational Data Set (MOODS). J Geophys Res, 102: 15761—15771

Chu P C, Fan C W, 2000. Determination of Vertical Thermal Structure from Sea Surface Temperature. J American Meteorological Society, 17: 971—979

Chu P C, Fan C W, 2011. Maximum angle method for determining mixed layer depth from sea glider data. J Oceanogr, 67: 219—230

Fox D N, Teague W J, Berron C N, 2002. The modular ocean data assimilation system. J Atmos Oceanic Technol, 19: 240—252

Gavart M, Mey P, 1997. Isopycnal EOFs in the Azores Current region: A statistical tool for dynamical analysis and data assimilation. J Phys Oceanogr, 27: 2146—2157

Gavart M, Mey P, Caniaux G, 1999. Assimilation of satellite altimeter data in a primitive-equation model of the Azores-Madeira region. J Dyn Atmo Oceans, 29: 217—254

Guinehut S, Traon P-Yle, Larnicol G, 2004. Combining Argo and remote-sensing data to estimate the ocean three dimensional temperature fields——A first approach based on simulated observations. J Journal of Marine Systems, 46(1—4): 85—98

Hurlburt H E, 1986. Dynamic transfer of simulated altimeter data into subsurface information by a numerical ocean model. J Geophys Res, 91: 2372—2400

Hurlbtrt H E, Fox D N, Metzger J, 1990. Statistical inference of weekly correlated subthermocline fields from satellite altimeter data. J Geophys Res, 95: 11375—11409

Khedouri E, Szczechowski C, 1983. Potential oceanographic applications of satellite altimetry for inferring subsurface thermal structure. J Proc Mar Technol Soc, 83: 274—280

Pascual A, Gomis D, 2003. Use of surface data to estimate geostrophic transport. J Atmos Oceanic Technol, 20: 912—926

Thacker W C, Long R B, 1988. Fitting dynamics to data. J Geophys Res, 93(C2): 1227—1240

Tully J P, Giovando L F, 1963. Seasonal temperature structure in the eastern subarctic Pacific Ocean. Marine Distributions, M. J. Dunbar, ed. University of Toronto Press, 10—6

Witt P W, 1987. Modal decomposition of the monthly Gulf Stream/Kuroshio temperature fields. Technical Report, Naval Oceanographic Office, Stennis Space Center, 1—6

Yan C X, Zhu J, Li R, 2004. Roles of vertical correlations of background error and T-S relations in estimation of temperature and salinity profiles from sea surface dynamic height. J Geophys Res, 109, C08010, doi: 10.1029/2003JC002224

INVERSION OF SUBSURFACE THREE-DIMENSIONAL TEMPERATURE FROM REMOTE SATELLITE SEA SURFACE TEMPERATURE

ZHANG Chun-Ling1, 2, XU Jian-Ping1, 2, 3, BAO Xian-Wen1, WANG Zhen-Feng4,LIU Zeng-Hong2, 3, SUN Zhao-Hui2

(1. Institute of Marine Environment, Ocean University of China, Qingdao 266003, China; 2. Second Institute of Oceanography, State Oceanic Administration, Hangzhou 310012, China; 3. State Key Laboratory of Satellite Oceanography Environment Dynamics, Second Institute of Oceanography, State Oceanic Administration, Hangzhou 310012, China; 4. Marine Hydrologic Meteorological Center, East China Sea Fleet Command, Ningbo 312122, China)

A simple vertical thermal structure is proved applicable to the Pacific Ocean through correlation analysis test. Based on the Argo observations and WOA09 (World Ocean Atlas 2009) climate data, we determine the parameters by the maximum angle method. Then in the Pacific Ocean, a three-dimensional subsurface temperature field whose spatial resolution is 1o×1ois inversed from high-resolution sea surface temperature. Compared with the observational temperature profiles, the inversion result is reliable and can be assimilated into the system of the ocean reanalysis as pseudo temperature observation. That will provide a strong theoretical basis and solid data base for realizing complementary advantages of the situ observation (such as Argo) and the satellite observation, which is conductive to construct the complete temperature analysis field.

thermal parametric model; maximum angle method; Argo observation; SST; inversion

10.11693/hyhz20120928003

* 海洋公益性專項, 201005033號; 科技基礎性工作專項, 2012FY112300號; 國家海洋局第二海洋研究所基本科研業務費專項, JT0904號。張春玲, 博士研究生, E-mail : zhangchunling81@163.com

2012-09-17,

2012-12-17

P731