Argo资料的处理方法及影响因素

以往的Argo资料主要用于场温度的平均计算，由于Argo浮标的随机分布性，能否利用周围的浮标去计算某点的海温存在不确定性，因此首先需要进行本文这种计算的可行性分析。

2.3.2.1　插值计算的物理基础

1）相同深度，周、日海温的时间相关性

为了了解在1～1 200 m深度，海温的每周间的相关性，利用GArgo的周数据，在研究区域提取数据，即经纬向各以3°间隔，平面上总共产生49个点；分别计算出每个点从表层至1 200 m深共有28层、每个点有470周，共得到644 840个数据点（49个网格点位乘以28层乘以470周）。在时间上，分别计算同深度每个点、每两周之间的相关系数（共470周），并绘图出图2.5（周海温的时间相关性），图中横坐标表示数据点的数量，纵坐标表示相邻两周海温的相关系数值。

图2.5　相同深度周海温的时间相关性

从图2.5可得：所有位置点，前后2周间海温的相关系数均大于0.975，其中有90％以上的数值是大于0.995；说明相邻2周时间内，1～1 200 m深度中同一深度的海温在数值上具有强相关性。

为了了解表层海水温度的每日间的相关性，使用NOAA的SST资料，在研究区域，经纬向各以0.25°间隔，平面上产生总共6 400个点。随机选取2006年共365天的资料，对6 400个点中的每一个点在相邻两日间进行时间相关性的分析，共2 336 000个点（6 400×365）的计算结果均为1，表明在2日之间的表层海温具有强相关性。

2）相同时间，海水温度的空间相关性

利用上文中所述的644 840个GArgo数据点，计算在同一时间海温的空间相关性。在空间上，选取位于区域边缘的点A“★”、坐标（10.5°N，139.5°E）和位于区域中心的点B“◆”、坐标（19.5°N，130.5°E），以经纬度顺序依次计算海温的空间相关性，并绘图。其中图2.6的左边第1个图表示为：位置平面图；第2、3个图依次表示为：点A“★（10.5°N，139.5°E）”和点B“◆（19.5°N，130.5°E）”与在同一深度的周围其他48个点之间的相关系数。

从图2.6可得：在固定的海洋区域空间中，点A的海温与周围98％的点空间相关系数的值大于0.9。点B的海温与周围点的空间相关系数的值大于0.9。点B的相关性强于点A，97％的点相关系数大于0.95。

综上所述，在时间上，无论是表层海温、次表层海温，还是深层海温，在日、周间隔上均具有强相关性，前者的相关性强于后者。在空间上，一周时间内，海洋中某点某时刻的海温与此点同深度周围点的海温存在强相关性。由此可得：海洋中某点某时刻的海温与此点前一时刻的海温、周围空间其他点的海温之间存在着密切关系。

图2.6　同一深度海温的空间相关性

注：中间和右图的横坐标表示计算点的数量，纵坐标表示相关系数的值（A★：10.5°N，139.5°E，B◆：19.5°N，130.5°E）

为了了解海洋从表层到深层，每周间隔内海温的变化规律。利用GArgo数据，将后一周的海温数据减去前一周的海温数据，可绘制出研究区域时间范围为2000年1月5日至2008年12月31日共470周的各深度层周间隔海温差的变化图（图2.7，其中横坐标表示年份2000—2008年，纵坐标表示海温差）。

图2.7　2000—2008年周际海温差的变化图

从图2.7可知，在0～1 200 m深度区，一周间隔海温的数值差的变化幅度随深度逐渐减小；在0～75 m深度，海温差具有明显的季节变化，这与苏纪兰（2005）的“中国近海水文”中［98］提出：由于受到太阳辐射和海面大气间热交换引起的年变化，表层水温年变化曲线规则接近正弦曲线的结论一致。在100～800 m深度，随着深度的增加季节变化特征逐渐消失。在海洋上层，从2000年至2004年一周间隔海温的数值差的变化幅度随年份逐渐增大，从2004年至2008年变化幅度则逐渐减小，2000—2004年的变化程度大于2005—2008年的变化程度。前者逐渐增大的变化与前人研究［99］的结论：1985—2005年中东海绝大部分海域的表层海水温度呈现增温的结论具有一致性。前后两者变化以2004年作为分界线，原因可能是2004年是厄尔尼诺年。在900～1 200 m深度，海温随时间的变化非常小，随着深度的增加变化进一步减小。

由上述可见，关于海温的数据库表明在时间和空间上海洋某点和周围点的温度存在强的相关性，这为利用Argo浮标计算海温点提供了物理基础。

2.3.2.2　Argo的插值方法

以往的海温插值计算通常使用Kriging算法、最优插值算法、3DVAR等方法，结合遥感温度、SST等资料进行数据同化后，在诸如WRF、mpiPOM等模式中运行计算，所得结果的时间尺度通常为：周、月、季节、年际，空间尺度以表层为主；计算所需的数据源量较大［100-105］。

然而，由于热带气旋的生命周期较短，在台风的研究和预报中需要更加精细的时空数据。根据海洋学的研究，由于海水的热传导性，海洋空间中某位置的海温与所在区域周围的海温存在着相互关系［106］。当利用周围空间已知点计算某一点的数值时，前人多用反距离加权插值法（Inverse Distance Weighting，IDW）来插值计算［107-109］。

反距离加权插值法的传统表达式为下式［110］：

式（2.1）中，T是温度估计值，Ti是第i（i=1，2，…，n）个已知值，Di是第i个的已知值与估计值的距离；p是距离的幂（以下简称幂值），为正实数，p的取值越大，插值结果越平滑。

为了评价在台风过境时，用Argo浮标资料插值计算得出的海温的精度和误差，根据热带气旋（TC）实际发生日期的台风中心海域的地理位置和Argo浮标的实际分布，在24 h内选择多个浮标进行插值计算和误差分析。检验时，选择距离台风中心点最近的1个浮标作为待测点（检验点），其余浮标作为已知点。

这里随机选取台风个例进行研究，2006年8月7日的台风桑美，中心位置18.8°N，138.2°E，中心最大风速35 m/s。由于浮标随机分布，在研究区共有13个浮标，位置见表2.3、图2.8。(www.xing528.com)

表2.3　浮标位置

图2.8　浮标位置图

从表2.3和图2.8可得，有6个浮标比检测点时间早，有4个浮标比台风的时间晚，有1个浮标与检测点时间一致。其中3个浮标比台风的时间晚6小时内。有1个浮标在空间上与台风位置非常接近，有4个浮标与台风接近。

2.3.2.3　误差分析——以台风桑美（0608）为例

插值结果的误差分析方法可以用相对误差（relative error）和均方根误差（root-meansquare error，RMSE）作为检验精度的标准。

为了分析已知浮标的时间空间分布、浮标个数和幂p的取值对IDW计算结果的影响，以4种方式选取已知浮标进行计算：从空间距离大小选取、从与检验点时间差为正值的大小选取（即以后一时刻的浮标计算前一时刻的温度）、从与检验点时间差为负值的大小选取（即以前一时刻的浮标计算后一时刻的温度）、从与检验点时间差的绝对值大小选取。分别在p=1，2，3，…，10进行计算后，得图2.9。横坐标是已知浮标数量，每一列格子表示：在相同的浮标数量下不同权重p值下的RMSE［111］。

从图2.9可得，选取已知浮标的4种方式RMSE误差均小于1.4，增加浮标的个数会减小误差。当p值为1，2时，误差相对较小，当p值逐渐增加时，误差会有所增大，但当p＞6时，误差趋于稳定。

图2.9　不同浮标数与幂值的误差分析

从空间距离大小选取的误差相对较大，结合表2.3当浮标数量为3～9（即距离检验点空间球面距离为8 km内），p=2时，RMSE较小约为0.7。

用后一时刻的浮标计算前一时刻温度的误差相对较小，结合表2.3当浮标数量为5～8（即距离检验点时间后4小时内），p=2时，RMSE较小约为0.78。

用前一时刻的浮标计算后一时刻温度的误差最小，结合表2.3当浮标数量为5～7（即距离检验点时间前13个小时内），p=2时，RMSE较小约为0.55。

从与检验点时间差绝对值大小选取的误差相对较小，结合表2.3当浮标数量为2～4（即距离检验点时间前后4个小时内），p=2时，RMSE较小约为0.6。

由此可见，利用Argo浮标和IDW计算台风区温度时，时间对结果误差的影响大于空间的影响。用前一时刻的浮标计算后一时刻温度的误差小于用后一时刻的浮标计算前一时刻温度。计算时，在时间上尽可能选取早于计算点时间的浮标，在空间上选取距离计算点8 km内的浮标，若幂值p取值为2，浮标数量为5个左右，误差较小。

2.3.2.4　IDW与其他资料的对比——以台风桑美（0608）为例

根据上文讨论结论和表2.2中的检验点时间，选择在此时间前6个浮标数据进行计算（见表2.4），利用IDW进行插值运算，将插值计算的结果与Argo数据、AIPOcean资料实际观测值进行误差分析，得Argo与AIPOcean、IDW与AIPOcean温度对比图和相对误差对比图（见图2.10）。

表2.4　误差对比使用的浮标位置

图2.10　台风桑美过境时，Argo、AIPOcean、IDW对比图

由图2.10可得：Argo、AIPOcean、IDW三者数值曲线形状非常一致。在0～1100m深度，所有的相对误差均小于0.15％，精度较高。

相对于Argo数据之间的误差，在0～1 200 m深度IDW和AIPOcean的误差曲线形状类似。在0～250 m深度，IDW的相对误差小于AIPOcean。在250～1 200 m，IDW的相对误差大于AIPOcean。其中在800 m深度，相对误差最大。

2.3.2.5　计算结果的假设检验

为了验证IDW计算方法得出的海温是否能够代表实际情况，根据统计学原理，将其与其他海温资料进行假设检验，以检验两者是否来自同一温度分布。由于海温实际分布的随机性和不一定满足正态分布，因此选择非参数检验。非参数检验的原假设为：两者来自同一分布，其显著性水平均为＜0.05，若检验结果为0，则不拒绝原假设，即两个分布相同；若结果为1，则拒绝原假设，即两个分布不同。

因此，抽取桑美台风过境的条件下，在同一位置，将计算点的Argo浮标原始温度与AIPOcean资料海温、IDW得出的海温与AIPOcean资料的海温，分别进行非参数检验。

为了减少数据本身的差异，分别将以上数据标准化。将参与计算的已知浮标个数从2个至6个整数依次递增，将幂p的取值从1至10依数值1递增计算，检验结果均为0，表示不论是计算点的Argo浮标数据与AIPOcean数据，还是由IDW计算的结果与AIPOcean数据均来自同一个海温分布，计算方法是可信的。