Argo观测剖面数据量的时间变化与周期分析

张胜茂，伍玉梅，杨胜龙

（中国水产科学研究院东海水产研究所 渔业资源遥感信息技术重点开放实验室，上海200090）

Argo观测剖面数据量的时间变化与周期分析

张胜茂，伍玉梅，杨胜龙

（中国水产科学研究院东海水产研究所 渔业资源遥感信息技术重点开放实验室，上海200090）

海洋渔业预报使用的遥感数据一般只能获得海洋表面的环境信息，而Argo数据可以为渔业预报提供较深处的温盐数据，为了在渔业预报中按其时间周期进行使用，需要计算它的周期以提高预报质量。通过功率谱估计计算出2001—2008年的数据存在较长的周期为62.7 d和117.5 d，较短的周期为4.9 d和9.8 d，同时还有一个约为7 d的不明显周期，观测剖面数据总量在年际与年内都存在较大变化。

Argo；周期；功率谱估计；傅里叶变换

Argo(Array for Real-time geostrophic Oceanography)是由大气、海洋科学家于1998年推出的一个大型海洋观测计划。迄今为止，Argo数据资料已经积累了十多年的长期数据，几乎覆盖全球海洋，数据获取及时准确，被广泛应用于全球性的科学研究。

Argo数据包含覆盖全球海洋近表面到2 000 m深的盐度、温度，及部分溶解氧资料，可用于长期和短期的海洋环境与气候研究，研究中常以年、季节、月、天为阶段或周期。Ivchenko V.O.等通过1999—2006年的Argo浮标数据和卫星高度计数据，分析计算了北大西洋海面立体高度的年变化[1]；Roemmich D.等利用全球的 Argo数据，研究2004—2008年平均温度与盐度的年变化[2]。孙朝辉等应用Argo剖面浮标观测资料，分析了西北太平洋海域冬季与夏季的温度、盐度分布，及水团结构和分布[3]；Ren L.等使用2003—2007年的Argo的剖面浮标数据，研究东北太平洋的盐分季节收支平衡状况[4]。宋翔洲等利用2004—2007年各月份的浮标观测剖面资料研究“西北太平洋模态水的空间结构及年际变化”[5]；陈奕德等根据2003—2005年的数据，按月份分析了赤道太平洋区域中层流场信息[6]；von Schuckmann K.等把 2003—2008年从近表面层到2 000 m深的Argo数据，按月网格化，用于分析大尺度的温度和盐度的年度与年际变化规律[7]。孙振宇等，基于Argo浮标提供的全球上层海洋资料，重建出一套完整的全球海洋混合层 （Mixed Layer Depth）和障碍层（Barrier Layer）网格化时间序列资料，资料时间间隔选为5 d[8]。整体的Argo浮标发送的观测剖面总量存在一定的周期性变化，在按年、季度或月份进行统计时，由于周期的存在会影响温度、盐度的平均值、最值、差值等的统计，因此在研究Argo数据总量周期性变化有一定的重要性。

Argo数据有比较好的时空特性，研究中常常用于空间插值制图。王彦磊等把2002—2007年的Argo浮标剖面资料划分为春、夏、秋、冬季4个时间段，并用Spline插值方法插值成图，分析世界大洋温度跃层的时间变化规律[9]。杨胜龙等将2007年2月、5月、8月、11月太平洋海域的Argo剖面浮标资料，用Kriging插值法绘制SST分布图，分析太平洋海温的4个季节的变化[10]。整体的Argo浮标发送的观测剖面总量存在较大变化，并且其年际与年内都比较大，数据量变化会影响插值的精度和准确性，因此在选定研究区域的时候，要充分考虑到区域内浮标剖面数据分布的数量和密度[5]。

1 研究资料与方法

本文用于统计的Argo资料源自中国Argo实时资料中心(ftp://ftp.Argo.org.cn/pub/Argo)，这些资料都经过 Argo资料中心的质量控制。从该资料中心下载数据后，按Argo数据发送的日期整理到数据库中再进行统计。从2001—2008年共2 922d，观测的剖面共445 642个，观测剖面上的观测点共33 495 119个。从2001—2008年观测的剖面数据总量变化比较大，表1统计了每年在1 d中获取观测剖面最多与最少的数量，在1个月中获取观测剖面最多与最少的数量，以及日平均和月平均剖面数据获取情况，最后一列统计了每年获取观测剖面数据的总量。统计数据反映出：2001—2008年观测剖面的数据获取量平均每天从31.55个增加到284.69个，平均每月从959.67个增加到8 683.17个，年总量从11 516增加到104 198个，数据量增加很快；2001—2008年日差值最大是127，月差值最大是2 103，日差值和月差值的变化都是先变大后变小，数据变动较大。同时可以反映出几个关键节点：2004年起日平均超过100个，2006年起日平均超过200个；2005年起月平均超过5 000个，2008年起年获取总量超过10万个。

表1 2001—2008年观测的剖面数据统计表

从2001—2008年的Argo剖面数据获取数据量可以看作是离散时间信号，通过功率谱估计可以计算其周期。离散时间傅里叶变换是进行离散时间信号的频谱分析的一种有效手段，welch法[11-12]是其中的一种，谱估计为：

频率ω取不同的k值，然后计算不同波数k的功率谱值，周期值与波数k的关系为Tk=n/k，式中n为样本数。

2 结果与分析

2.1 Argo观测剖面数量时间变化周期

为了计算2001—2008年存在的较长的周期和年内较短的周期，本文分别按间隔30 d汇总统计和按天统计两种方式。在统计2001—2008年的周期时，如果把天数作为统计样本的数量，统计结果着重体现较小的细节周期变化，计算效率低，因此统计时按间隔30 d汇总统计；在统计年内较短周期时，由于每年的周期变化相似，因此不需要按天统计8 a中每年的变化周期，统计中选择2006—2008年3 a作为代表按天统计。

2.1.1 Argo观测剖面数量30 d间隔汇总统计周期

若以月为单位统计，由于月份包含的天数多少不一，会影响统计效果，产生误差。月最多时31 d，最少时28 d，Argo数据量最少的月份大多出现在2月，较多的是含31 d的月份，因此统计时按间隔30 d汇总统计8 a的变化周期。

Argo观测剖面数据年获取量变化非常较大，从图1可以看出，从2001年的11 516个，增长到2008年的104 198个，几乎增加了10倍。一年中的各日变化和各月变化也比较大，图1中的日数量变动和月数量变动分别按式2和式3计算获得，CD是日最多和日最少的差值与日平均的比值，其变化从2001年的1.49到2008年的0.34，CM是月最多和月最少的差值与月平均的比值，其变化从2001年的0.63到2008年的0.13，两者都有下降趋势。

离散功率谱估计中用于计算的时间序列数据，一般是序列中的数据值减去序列数据的平均值，但是获取的Argo观测剖面数据数量的年变化，以及每年的日变化、月变化都比较大，因此不能直接根据一定时间间隔的数据平均值进行周期估计。本文使用连续3个数据滑动平均的值作为数据的平均值，计算方法如式4，把序列中的数据减去该序列中此数据的前后和本身平均值，作为用于离散功率谱估计的时间序列数据。

图1 2001-2008年观测剖面数据总量与日(月)数量变动情况

间隔30 d汇总统计的数据从2001年1月31日到2008年10月20日，共94个时间序列数据，由welch法计算获得的功率谱估计图如图2，间隔30 d汇总统计都有两个明显的峰值。

由welch法计算获得的功率谱估计值如表2，表中只选择了较明显的两个峰值，波数是24和45，当显著水平α=0.05时，查F分布表得Fα=3.1，两个波的F检验值是3.52和3.28，都大于3.1，因此这两个波是显著的。T1和T2是波数k1和波数k2对应的周期，由Tk=n/k（n为样本数，k为波数）计算的值，再乘以汇总间隔的天数获得，间隔30 d的汇总统计的最明显周期是117.5 d；另一个是62.7 d。

图 2 2001—2008年间隔30 d汇总统计功率谱图

2.1.2 Argo观测剖面数量按天统计周期

2001—2008年各年的变化趋势非常相似，图 3是各月观测剖面数量占当年的总量百分比分布曲线，除2001年与其它年份有较小区别外，其它年份差别不大，2001—2008年的按月计算相互之间的相关系数在0.998 61～0.999 98之间。

由于每年的周期变化相似，因此没有按天统计8 a的变化周期，而是选择了3 a作为代表，按天统计变化周期，每天的数据量减去日平均数据获取量，作为功率谱估计的时间序列数据。

表 2 2001—2008年功率谱值与序列周期

图3 2001—2008年各月观测剖面数量百分比分布曲线

由welch法计算获得的功率谱估计图如图 4，2006-2008年按天计算的功率谱图中都有两个明显的峰值。

图4 2006—2008年功率谱图

由welch法计算获得的功率谱估计值如表3，表中只选择了较明显的两个峰值。波数k1和波数k2是功率估计值较大的两个波数，它们都通过F检验，具有显著性。T1和T2是相应波数的周期，第一个明显的周期值在9.8 d左右，第二个明显的平均周期值在4.9 d左右，两者相差一倍。

表3 2006—2008年功率谱值与序列周期

2006—2008年频数k在52附近有一个较小的峰，2008年的峰值比较明显，通过公式Tk=n/k，n为天数取值366，k为频数取值52，可以计算出一个约为7 d的不太明显的周期，图5是以7 d为周期，统计的各周观测数据量与年总量比值的变化情况。图 5(a)是2001—2008年观测剖面数量各周百分比变化曲线，2004年以前各周所占百分比相差较大，最大差值出现在2002年是2.1%，2004年以后各周所占百分比相差较小，所占百分比在14%～14.7%之间；2001—2005年星期二、星期五、星期日所占百分比变化较小，星期日变化最小，所占百分比在14%左右。图5(b)和图5(c)是观测剖面数量各周百分比柱状图，由图 5(a)和(b)反映出2001—2005年观测剖面数量各周百分高值出现在星期四，低值在星期六；由图5(a)和(c)反映出2006—2008年观测剖面数量各周百分高值出现在星期一，低值在星期日。

图5 观测剖面数量各周百分比比较

2.2 Argo数据量的变化分析

每年各月获取的Argo观测剖面数量变化比较大，图6是2001—2008年月观测剖面数量与当年月平均值差值的比较图，观测剖面数量最低值除2003年是1月份外，其它年份都在2月份，最高值都在12月份；2001—2006年上半年的数据获取量都低于当年的月平均值，下半年的数据获取量大多数高于当年的月平均值。

图6 2001—2008年各月观测剖面数量与平均值差值分布

表 4对2001—2008上（下）半年与各季度观测剖面数量进行了汇总统计，上半年与下半年差值最大的是2005年，观测剖面数量相差6 192个，差值最小的是2008年，观测剖面数量相差1 482个；按季度的统计值中，剖面观测数量季度最多与季度最少差值最大的是2005年，观测剖面数量相差4 681个，最小差值是2001年，观测剖面数量相差1 293个。

表 4 2001—2008上（下）半年与季度观测剖面数量统计表

图 7是2001—2008上(下)半年与季度观测剖面数量百分比变化曲线，它是按照上(下)半年与季度汇总观测剖面数量占当年总量的百分比绘制的曲线图。上半年所占百分比在50%～58%之间，下半年在42%～50%之间，下半年普遍高于上半年；各年从第一季度到第四季度观测剖面所占百分比逐渐增加，各季度所占百分比在20%～31%之间，除2008年第三季度外，各年第三、四季度所占百分比均高于第一、二季度。2001—2008年上(下)半年与季度观测剖面数量百分比变化都比较大，上下半年差值从15.7%降低到1.5%，每年各季度百分比最大值与最小值差值从11.2%降低到1.4%，百分比差值从2001—2008年逐渐减小，反映出年内观测剖面数据的获取数量逐渐稳定。

图 7 2001—2008上(下)半年与季度观测剖面数量百分比变化曲线

3 讨论

Argo浮标发送的观测剖面数据总量有一定的周期性，通过对2001—2008年的统计，反映出较短的周期为4.9 d和9.8 d，较长的周期为62.7 d和117.5 d。Argo浮标观测剖面总量变化还有一个约为7 d的不明显周期，2001—2005年观测剖面数量各周百分高值出现在星期四，2006—2008年高值出现在星期一。在按年、季度或月份进行统计时，由于周期的存在会影响温度、盐度的平均值、最值、差值等的统计，因此在研究中Argo数据总量周期性变化的影响也需要考虑。

Argo浮标发送的观测剖面数据总量在年际与年内都存在较大变化，从2001—2008年，观测剖面总量几乎增加了10倍，一年中的各日变化和各月变化也比较大，各年的上(下)半年与季度观测剖面数量百分比变化都比较大。数据量变化会影响插值的精度和准确性，因此在选定研究区域的时候，要充分考虑到区域内浮标剖面数据分布的数量和密度。

致谢：感谢中国Argo实时资料中心提供的Argo剖面浮标资料。

[1]Ivchenko V O,Danilov S,Sidorenko D,et al.Steric height variability in the Northern Atlantic on seasonal and interannual scales[J].Journal of geophysical Research，2008，113（C11007）：1-11.

[2]Roemmich Dean,Gilson John.The 2004-2008 mean and annual cycle of temperature,salinity,and steric height in the global ocean from the Argo Program[J].Progress In Oceanography，2009,82(2):81-100.

[3]孙朝辉,许建平,刘增宏,等.应用Argo资料分析西北太平洋冬、夏季水团(英文)[J].Marine Science Bulletin，2008,10(2):85-86.

[4]Ren Li,Riser Stephen C.Seasonal salt budget in the northeast Pacific Ocean[J].Journal of geophysical Research，2009,114（C12004）:1-11.

[5]宋翔洲,林霄沛,Myrtle-Rose Padmore,等.基于Argo浮标资料的西北太平洋模态水的空间结构及年际变化[J].海洋科学进展，2009,27(1):1-10.

[6]陈奕德,张韧,蒋国荣.利用Argo浮标定位信息估算分析赤道太平洋中层流场状况[J].海洋预报，2006,23(4):122-126.

[7]von Schuckmann K,Gaillard F,Le Traon P Y.Global hydrographic variability patterns during 2003-2008[J].Journal of geophysical Research，2009,114（C09007）：1-17.

[8]孙振宇,胡建宇,于卫东.基于Argo浮标的全球混合层深度（MLD）和障碍层厚度（BLT）准实时数据——用户手册[Z].2009.

[9]王彦磊,黄兵,张韧,等.基于Argo资料的世界大洋温度跃层的分布特征[J].海洋科学进展，2008,26(4):3634-3637.

[10]杨胜龙,马军杰,伍玉梅,等.基于Kriging方法Argo数据重构太平洋温度场研究[J].海洋渔业，2008,30(1):47-57.

[11]张胜茂,伍玉梅,杨胜龙.Argo观测点数量的空间分布与变化分析[J].海洋技术，2010,29(3):108-114.

[12]郭仕剑,王宝顺,贺志国,等.MATLAB7.x数字信号处理[M].北京:人民邮电出版社,2006:196-215.

Abstract：Remote sensing data being used for marine fisheries forecasting could generally get the ocean surface environmental information.However,Argo profiles could provide deeper thermohaline data.In order to use the Argo data in fishery forecasting,it is necessary to calculate its period to improve the quality of forecasts.Calculation by power spectrum estimation from 2001 to 2008 data shows that the longer periods are 62.7 days and 112.8 days,the shorter periods are 4.9 days and 9.8 days and there is a less obvious period of about 7 days.There is a big change in the annual and inter-annual observed profiles.

Key words：Argo;period;power spectrum estimation;Fourier transform

Analysis of Time Variance and Period about Argo Profile Observation Data

ZHANG Sheng-mao,WU Yu-mei,YANG Sheng-long
（Key Laboratory of Fisheries Resources Remote Sensing and Information Technology Resources,East China Sea Fisheries Research Institute,Chinese Academy of Fishery Sciences,Shanghai 200090,China）

P715.2

A

1003-2029（2011）01-0005-05

2010-10-13

国家863高技术研究发展计划资助项目(2007AA092202)；中央级公益性科研院所基本科研业务费专项(2009T08和2008Z01)

张胜茂(1976-)，男，河北吴桥人，助理研究员，博士，主要从事渔业遥感。E-mail:ryshengmao@126.com

伍玉梅，E-mail:wym_07@163.com