本文選題：日變化　切入點：海表溫度　出處：《浙江大學》2016年博士論文　論文類型：學位論文

【摘要】：海表溫度(Sea Surface Temperature,SST)是影響地球系統(tǒng)物理、化學和生物過程的一個重要物理量。當前,通過衛(wèi)星遙感已能獲得大量SST。但對于單一衛(wèi)星遙感器,由于其軌道、平臺、傳感器波段設置及大氣環(huán)境等的限制,往往只能瞬時觀測有限的空間,即遙感產品存在觀測時間的不一致,空間上有缺失等問題,給實際應用帶來了困難。為此,本論文開展了基于日變化分析的衛(wèi)星遙感SST重構研究。首先,基于衛(wèi)星遙感和數值模型分析了研究區(qū)(115-130°E,22-42°N) SST的日變化特征,從物理機制上考慮海氣熱交換、海水混合等作用,選擇一維海洋混合層模型(General Ocean Turbulence Model, GOTM)建立了不同氣象條件下海溫隨深度和地方時變化的模型,將多源多時相的衛(wèi)星遙感反演海表溫度歸一化到同一測量深度和時間基準；其次,在分析歸一化SST空間覆蓋分布特征的基礎上,將每個時刻的研究區(qū)分為觀測區(qū)和缺測區(qū),觀測區(qū)采用Markov估計進行多源數據融合,缺測區(qū)則根據日內尺度海表溫度的時空相關模型,應用最優(yōu)插值方法進行重構,最終生成時空基準統(tǒng)一的海表溫度遙感分析產品。得到以下主要結論：(1)基于MODIS、AMSR-E和MTSAT的遙感觀測,分析確定研究區(qū)域海溫存在大幅度的日變化(最大振幅可達5。C以上)且主要發(fā)生在春夏季。SST日變化主要受風場和太陽短波輻射控制,風速越小,日照越強,日變化幅度越大。此外,海水的渾濁度也會促進SST日變化的幅度。(2)通過MTSAT觀測的SST日變化比對驗證兩個當前常用的經驗模型(CG03和ASM)和GOTM在本研究模擬的日變化能力,發(fā)現GOTM可以較好的模擬SST的日變化過程,平均偏差約為～-0.010C,均方根誤差在0.3-0.50C。(3)多源海表溫度的歸一化還能有效填補衛(wèi)星軌道縫隙,克服云雨等不利天氣條件對衛(wèi)星遙感的影響,月平均綜合覆蓋率能提高到75%左右。(4)通過對研究區(qū)內SST的時空相關模型分析,確定時間相關尺度為分析時刻前后2天、前后3小時,緯向的相關長度取～85 km,經向的相關長度取-100km。對2007年逐時的融合結果進行驗證,總體偏差約-0.14-(2,均方根誤差在0.570C,與衛(wèi)星觀測的精度相當。因此,本文的重構產品在提取快速變化的海洋特征(比如海洋內波)、目標信號,提高海-氣通量的估算的精度等方面有應用價值,進一步也可輸入到海洋模式作為初始場,發(fā)揮更大的作用。本文研究的主要創(chuàng)新點：(1)在衛(wèi)星遙感SST日變化分析的基礎上,從影響SST日變化的海氣熱交換、海洋混合等物理機制出發(fā),利用GOTM模式建立了SST日變化模型,將多時相衛(wèi)星遙感SST歸一化到同一時刻基準。(2)利用Markov估計對歸一化到同一時相的多源衛(wèi)星共同覆蓋區(qū)進行了融合,利用最優(yōu)插值法對衛(wèi)星未能覆蓋區(qū)進行了重構,在空間上實現了對缺測區(qū)的填補。(3)基于(1)和(2)兩個創(chuàng)新點,根據SST時空變化規(guī)律,可以生成時空基準統(tǒng)一的、任一時間與空間的衛(wèi)星重構SST系列產品,為其他多源、多時相衛(wèi)星資料的時間與空間的無縫重構提供了重要技術支撐。
[Abstract]:The sea surface temperature (Sea Surface Temperature, SST) is the influence of physics of the earth system, as an important physical quantity of chemical and biological processes. At present, the satellite remote sensing has been able to get a lot of SST. but for single satellite remote sensor, because of its orbit, platform, sensor band set and atmospheric environment and other constraints, often only instantaneous observation limited space, remote sensing products are inconsistent with the observation time, there are issues such as lack of space, bring difficulties to the practical application. Therefore, this paper carried out the research of satellite remote sensing SST reconstruction based on the analysis of the diurnal variation. Firstly, satellite remote sensing and numerical model based on analysis of the study area (115-130 degrees E, 22-42 degrees N) diurnal variation characteristics of SST, the physical mechanism of the air sea heat exchange, seawater mixing effect, selection of one-dimensional ocean mixed layer model (General Ocean Turbulence Model, GOTM) was established under different meteorological conditions The sea temperature variation with depth and time model of multi-source multi temporal satellite remote sensing sea surface temperature normalized to the same depth and time reference; secondly, based on the analysis of the normalized SST space coverage distribution feature, will study each time divided into observation area and missing area, observation area estimated by Markov the multi-source data fusion, data missing area according to the temporal and spatial correlation model on scale sea surface temperature, the application of optimal interpolation method for reconstruction of sea surface temperature, remote sensing analysis products generated space-time datum unification. The main conclusions are as follows: (1) based on MODIS, AMSR-E and MTSAT remote sensing observation, analysis on determination of regional SST there is a substantial change (above the maximum amplitude of up to 5.C) and mainly occurred in spring and summer.SST change is mainly affected by wind and solar radiation, wind speed, sunshine is strong, On the bigger the change. In addition, the turbidity will promote the diurnal changes of SST amplitude. (2) the diurnal variation of SST ratio on the MTSAT observation of the validation of two empirical models commonly used current (CG03 and ASM) on the changes of ability of simulation and GOTM in this study, found that the diurnal variation of SST GOTM can better simulate in the process, the average deviation is about -0.010C, the RMS error in 0.3-0.50C. (3) multi-source sea surface temperature normalization can effectively fill the gap of satellite orbit, clouds and other adverse weather conditions to overcome the influence of satellite remote sensing, the average monthly comprehensive coverage rate can be increased to about 75%. (4) through the space-time correlation model of the research area of SST analysis, to determine the time scale for the time related analysis before and after 2 days, after 3 hours, the correlation length of weft from - 85 km to verify the results of the 2007 fusion by related to the direction of the length of the -100km., the overall deviation is about -0.14- (2, root mean square error in the 0.570C, and the precision of satellite observations. Therefore, the reconstruction of marine products in the fast changing (such as feature extraction, target signal, internal waves) has application value to improve the estimation accuracy of the air sea flux, further can be input to the ocean model as the initial field, to play a greater role. The main innovations of this paper: (1) based on the analysis of satellite remote sensing SST diurnal variations of air sea heat exchange, the diurnal variation of SST effect, the physical mechanism of ocean mixing, established the diurnal changes of SST model with GOTM model, the multi temporal satellite remote sensing normalized to the same SST a moment of reference. (2) of the normalized to the same phase of multi satellite joint coverage area were fused using Markov estimation, the reconstruction of the satellite failed to cover the area using optimal interpolation method in space, realize the missing fill area. (3) based on (1) and (2) two innovation points, according to the temporal and spatial variation rule of SST, we can generate spatio-temporal datum unified, any time and space satellite reconstruction SST series products, providing an important technical support for seamless reconstruction of other multi-source and multi temporal satellite data.

【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：P731.11;P714.1

【相似文獻】

相關期刊論文 前10條

1 李娟;左軍成;李艷芳;張蓓;陳嫣紅;;南海海表溫度的低頻變化及影響因素[J];河海大學學報(自然科學版);2011年05期

2 王偉;李洪平;;青島氣溫與全球海表溫度的相關分析[J];地理空間信息;2012年05期

3 林麗茹;趙輝;;南海海域浮游植物葉綠素與海表溫度季節(jié)變化特征分析[J];海洋學研究;2012年04期

4 張文舟,陳美娜,趙惠芳;利用太平洋海表溫度作西北太平洋熱帶氣旋年頻數預測[J];海洋預報;2003年03期

5 毛志華,朱乾坤,潘德爐;衛(wèi)星遙感業(yè)務系統(tǒng)海表溫度誤差控制方法[J];海洋學報(中文版);2003年05期

6 李云芳;郭佩芳;周慧;;估計海表溫度的1種簡便方法[J];中國海洋大學學報(自然科學版);2006年01期

7 徐文玲;蘇潔;;臺風對西北太平洋海表溫度的影響[J];中國海洋大學學報(自然科學版);2007年S2期

8 周寧;程亮;楊志睿;盛崢;;衛(wèi)星遙感海表溫度反演結果再處理研究[J];海洋預報;2008年04期

9 周寧;程亮;楊志睿;;衛(wèi)星遙感海表溫度反演結果再處理研究[J];海洋技術;2008年04期

10 李麗平;王盤興;管兆勇;楊松;;熱帶對流季內振蕩強度異常特征及其與海表溫度的關系[J];應用氣象學報;2008年02期

相關會議論文 前10條

1 龔璐;沈國土;蔡繼光;董占海;高景;;基于C的海表溫度數據讀取[A];第三屆紅外成像系統(tǒng)仿真、測試與評價技術研討會論文集[C];2011年

2 李麗平;王盤興;管兆勇;楊松;;熱帶對流季內振蕩強度季節(jié)和年際變化及與海表溫度關系[A];中國氣象學會2007年年會氣候學分會場論文集[C];2007年

3 于杰;陳丕茂;黃洪輝;李永振;杜飛雁;陳國寶;;大亞灣海表溫度的遙感研究[A];2008年中國水產學會學術年會論文摘要集[C];2008年

4 劉秦玉;秦婷;;熱帶三大洋海表溫度和云水關系的初探[A];中國海洋湖沼學會第九次全國會員代表大會暨學術研討會論文摘要匯編[C];2007年

5 王蓉;肖瑜璋;俞勝斌;宋萍萍;;粵東沿海冬季風與海表溫度對暖冬的響應[A];第27屆中國氣象學會年會副熱帶季風與氣候變化分會場論文集[C];2010年

6 王蓉;李希茜;鄧文君;宋萍萍;;粵東沿海冬季風與海表溫度對暖冬的響應[A];2007年華南地區(qū)學術交流會論文集[C];2007年

7 李麗平;王盤興;管兆勇;何金海;;熱帶對流季內振蕩與海表溫度的關系[A];中國氣象學會2006年年會“氣候變化及其機理和模擬”分會場論文集[C];2006年

8 田志光;王艷萍;王振峰;;海水表面溫度日變化波動分析[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎論文集[C];2009年

9 溫娜;劉征宇;劉秦玉;Claude Frankignoul;;非局地平衡反饋方法在觀測分析中的應用[A];“海洋動力過程與天氣、氣候變化”聯(lián)合學術年會論文摘要集[C];2009年

10 劉秦玉;秦婷;;熱帶三大洋海表溫度和云水關系的初探[A];中國海洋湖沼學會水文氣象分會、中國海洋湖沼學會潮汐及海平面專業(yè)委員會、中國海洋湖沼學會計算海洋物理專業(yè)委員會、山東（暨青島市）海洋湖沼學會2007年學術研討會論文摘要集[C];2007年

相關重要報紙文章 前1條

1 記者 張景勇;我國可能遇暖冬[N];新華每日電訊;2002年

相關博士學位論文 前6條

1 涂乾光;基于日變化分析的衛(wèi)星遙感海表溫度重構研究[D];浙江大學;2016年

2 王祥;基于國產自主衛(wèi)星的海表溫度紅外遙感機理與算法研究[D];大連海事大學;2013年

3 陳海英;南海上層海洋變異分析及海表溫度統(tǒng)計學可預報性試驗[D];中國科學院研究生院（海洋研究所）;2006年

4 汪衛(wèi)平;熱帶印太海盆海表溫度變率與東亞夏季氣候異常[D];南京大學;2012年

5 李麗娟;臺灣以東海平面高度和海表溫度變化特征與機制[D];中國海洋大學;2009年

6 伍玉梅;近海面氣象參數的反演及應用研究[D];中國科學院研究生院（海洋研究所）;2006年

相關碩士學位論文 前10條

1 邳青嶺;臺灣海峽及周邊海域的海表溫度鋒研究[D];廈門大學;2009年

2 王偉;青島氣溫異常與全球海表溫度異常的相關分析[D];中國海洋大學;2012年

3 董雷娟;基于小波分析的海表溫度變化特征研究[D];中國海洋大學;2013年

4 孫鳳琴;多源遙感海表溫度互較及其臺風響應應用[D];廈門大學;2007年

5 賈曉峰;西北太平洋海表溫度場時間序列分析[D];首都師范大學;2005年

6 奚萌;基于最優(yōu)插值算法的紅外和微波遙感海表溫度數據融合[D];國家海洋環(huán)境預報研究中心;2011年

7 王艷珍;卡爾曼濾波在衛(wèi)星紅外、微波海表溫度數據融合中的應用[D];中國海洋大學;2010年

8 買佳陽;2000年以來長江河口海表溫度變化的遙感分析[D];華東師范大學;2015年

9 劉恒;多傳感器衛(wèi)星海表溫度數據的印證與交叉比較[D];中國海洋大學;2008年

10 滕偉成;衛(wèi)星海表溫度日變化校正研究[D];中國海洋大學;2011年

，

本文編號：1591432