海平面变化研究进展

2012-06-26张乐凡车永发胡海英

水科学与工程技术 2012年4期

张乐凡，车永发，胡海英

（华南理工大学土木与交通学院水利水电工程系，广州510640）

海平面变化与人类社会发展息息相关，随着人类活动对大气、海洋系统影响的迅速扩大，温室效应导致的海平面上升已经成为全球性重大环境问题。根据2001年IPCC第3次报告资料：1990～2100年间全球海平面平均上升0.11～0.77m，其中热膨胀0.11～0.43m［1］。在对海平面变化趋势的研究中，海平面资料的收集方式日趋多样化，数据采集的精度也随着科技的发展不断提高。针对不同区域的海平面变化，有关学者提出了各种分析方法与预测模型，而日渐成熟的方法与模型对沿海城市建设与发展有着相当重要的意义。

1 海平面资料获取手段的发展

目前海平面变化分析与预测主要建立在验潮站资料的基础上。而近年来，随着科技的发展出现了一些高新技术观测手段，包括GPS观测技术、卫星测高技术和数值模拟技术等［2］。这些技术手段为海平面变化研究提供了更加充分的科学依据，受到国内外很多研究者的重视。

1.1 验潮站资料

验潮站资料是海平面测高数据的基本来源，是海平面变化研究和预测的第一手资料，为确定平均海面、建立高程基准和气候变化研究提供了帮助。研究中，验潮站数量和时间序列选取的差异，对结果的影响很大，即使选取相同的测站数量和时间序列，由于采用不同的方法，得出的结论也不尽相同。

验潮站资料时间序列较长是其得天独厚的优势，但其自身也存在不少缺点。首先，其站点只能分布在沿海地区和岛屿附近，缺乏远海的观测数据，使全球海平面变化的研究和预测存在一定的偏差。其次，分布在大陆边缘地区上的站点会受到局部地区地面垂直运动的影响［3］，使观测数据不能反映海平面变化的真实状况。在我国，由于测站大都建于建国以后，其时间序列一般只有20～30a，长时间序列或者较高精度的验潮站极少。另外，大部分测站存在基底不稳，水尺零点变动，资料连续性差，低潮位资料失真等现象［4］，导致不同学者得出的海平面上升预测值差异很大。

1.2 GPS观测技术

GPS相对定位技术近来获得快速发展，可以高精度地确定地面点的高程。利用长期连续GPS观测数据，可以确定验潮站水准点的地壳垂直形变，结合验潮站数据获得的海平面相对变化以确定海平面的绝对变化［5］。然而，GPS观测易受短周期波动的影响，特别是间隔时间较久的GPS观测数据是无法准确计算出测站的地壳垂直形变速度的，所以提高观测连续性是准确计算的有效保证。

1.3 卫星测高技术

精确的海洋卫星高程监测法，始于1992年美国发射的TOPEX/POSEIDON（T/P）星和2001年发射的JASON-1卫星［6］。而于2008年美国成功发射了JASON-2卫星（T/P and JASON-1 follow on），且欧美四家机构合作并预计于2013年发射JASON-3卫星，卫星的观测领域和应用范围逐步扩大。

卫星测高技术的出现彻底解决了验潮站地域分布局限问题，扩大了数据采集区域，使数据获取的时间序列更加规范和连续。但由于卫星测高资料的时序较短（最长只有10余年），无法排除长周期影响因素对海平面变化带来的干扰［6］。卫星测高技术与GPS观测技术同为利用卫星等高科技手段进行的测量，具有与时代进步相适应的高精度要求，是当今时代乃至今后更长远的时期内海平面研究的重要手段，与验潮站资料结合进行对比可以使研究成果更加符合实际情况，相信在不远的将来，卫星观测手段与验潮站观测方法的结合将是国内广大学者进行研究的主要趋势。

1.4 数值模拟技术

数值模拟是以电子计算机为手段，通过数值计算和图像显示的方法，达到对海平面变化研究与预测的目的。基于潮波数值模拟技术的潮位推算算法［7］，通过数值模拟推算测区内任何一点的潮位，避免了模型不适用直线分带改正和线性内插改正引起的误差。目前利用数值模拟技术来获取资料的研究较少，文献［8］中利用海流数值模式并结合沿岸大地水准测量结果来给出中国近海海平面高度，对数值模拟技术在资料获取中的应用进行了尝试。

2 海平面研究的方法与模型

在对海平面变化的研究与探索过程中，有关学者与专家们提出了不同的分析方法与预测模型。随着历史的发展，方法不断创新，模型不断改进，国内外学者针对不同海域提出的模型各具适应性，但方法各有利弊，对同一个海域的不同计算方法得出的海平面变化存在差异。正确选取海平面变化计算方法与模型，对海平面变化速度与趋势做出更为确切的判断，对沿海地区城市建设与发展具有重要的意义。

2.1 经验正交函数（EOF）分析方法

经验正交函数分析方法（EOF），也称特征向量分析，或者主成分分析（PCA），是提取主要数据特征量的一种方法。EOF分解是从大范围观测资料中提取某一物理过程时空变化主要特征的有效方法［9］，应用EOF分解的特征函数能从整体上揭示测站潮位变化的时空变化特征。其优点在于典型场由变量场序列本身的特征所决定，不受人为干扰，因而能较好地反映出场的基本结构特征；EOF还有收敛快的优点，适合于大量资料的集中处理；另外，它不限制站点的分布形式，且分解的空间结构具有明确的物理意义，是一种有效的降维技术。然而在有些情况下，此方法有其不足之处：应用EOF方法能最大限度地反映所有原变量的变化信息，但当变量个数很多，而且相关性只在局部变量之间较好地体现时，EOF方法就会过分强调变量的整体相关性而掩盖了重要的局部相关结构。

Lorenz在20世纪50年代首次将其引入气象和气候研究，现在该方法已在海洋和其他学科中得到了广泛的应用。近30a来，出现了适合于各种分析目的EOF分析方法，如扩展EOF（EEOF）方法、旋转EOF（REOF）方法、风场EOF（EOFW）方法、复变量EOF（CEOF）方法等。

2.2 月平均水位周期信号的谱分析方法

如何识别和选取较接近实际的信号周期是月平均水位周期信号分析的关键。多年来已有多种关于这方面的研究方法，有些学者直接统一引用理论天文潮汐周期，对于高纬区其拟合效果较好，而低纬区则效果不佳。

文献［10］中已考虑到月平均水位序列周期信号的区域差异性，并通过一次最大熵谱分析确定各站的显著周期。若只进行一次功率谱分析来确定显著周期和拟合水位序列，效果普遍较统一使用理论天文周期的好，但也有部分站的拟合精度不理想。

通过以上两种方法，一般能较好地将年或半年这些较强的周期信号提取出来，但当序列中非线性作用明显存在或多种周期信号共同影响时，这两种方法的分析结果均不太理想。为了能更加合理地识别检验出接近实际的周期，提高分析精度，文献［11］提出了改进的月平均水位周期信号的谱分析方法，即先对序列进行二阶谱分析，反复对序列进行最大熵谱估计和周期显著性检验，并用最小二乘滤波逐次滤掉最显著的周期成分，依次识别出序列的显著信号周期，然后通过求出的周期项和线性趋势项拟合月平均水位序列，求出海平面变化速度和趋势。

2.3 随机动态分析预测模型［12-13］

该模型中记月平均海面时间序列为H（t），根据海平面的时变特征，可将其分解为如下形式，即

式中 T（t）为确定的趋势项，P（t）为确定的周期项，R（t）为一剩余随机项，a（t）为白噪声项。

只要找出海平面时间序列中各部分的具体表达式，就可以对原始数据进行拟合并采用外推法进行预测。

确定性部分模型的确立是进行周期分析的前提，而周期的准确与否对拟合效果影响很大。在隐含周期寻找中若采用最大熵谱分析方法则可把精细的主要周期分辨出来，尤其是对年这样的短序列更能体现出其优越性。此外，在对月均海面序列低频周期的辨别上，最大熵谱分析方法也较一般的谱分析方法更为精确。因此在对月平均海面序列进行周期分析时可以把普通功率谱分析与最大熵谱分析结合起来，在保证周期精确度的同时也为周期分析提供了方便。然而，这种模型本身存在缺陷：要确保趋势项的准确，就要求序列中周期部分尽可能消除，而要找到准确的周期，又要求将数据平稳化，即要把趋势项去掉［12］，这对矛盾使线性趋势无法准确地求出。且趋势项、周期项之间并不一定是线性关系，趋势部分的结构也不一定是线性的，由于大多数人将海平面变化视为线性变化，再加上所取的时段不一致，导致所得结论各不相同。针对趋势项的确定问题，左军成等［14］于1996年提出将EOF分析原理与随机动态分析预测模型相结合的方法。这种联合模型将海平面变化分解为时空两部分函数，用随机动态分析方法预测时间本征函数，通过本征分析方法得到未来海平面变化预报值。由于趋势项中考虑了加速度，故这种联合模型的预测结果将会更好地拟合海平面时间序列，更符合实际。

2.4 灰色系统分析方法

左军成等［15］于1997年应用灰色系统分析方法对海平面变化建立GM（1，1）模型，计算出的变化速率和加速度都是随时间连续变化的，与实际情况更为符合，这也正是这种方法的优越性之一。由于GM（1，1）模型求得的是一指数函数，指数函数的特点与全球海平面的加速上升趋势是相适应的，用此模型来反应海平面变化趋势有其合理性。且由于它是单调增减函数，不存在摆动问题，因而用来分析海平面的变化速度和加速度显得非常方便和有效，特别是对年均序列的短期预测，效果就非常好。不过当用来预测像月均海平面这种存在显著短周期变化的物理量时，GM（1，1）模型反映不出其周期性，原始序列固有周期的存在会影响趋势项的预报精度，因此作为预测模型，还有待进一步改善。

由于灰色系统分析方法在预测周期变化显著的月均海平面上精确度不高，为了弥补其缺陷，夏华永等［16］于1999年提出了带周期项的海平面变化灰色分析模型。该模型在原有灰色系统分析方法的基础上引入了周期项的讨论，在保持GM（1，1）模型原有的优点之外，能较好地模拟海平面变化中的周期现象，从而克服了GM（1，1）不适合预报月均海平面的缺点，提高了模型的预报精度和适用范围。同时，在对年均海平面进行预测时，该模型也较GM（1，1）模型更为完善。

2.5 小波分析方法

海平面的实际周期变化非常复杂，同一时间段海平面变化包含着各种周期变化，而在不同时间段内其周期变化也复杂多样，故采用传统的周期分析方法还不能精确地分辨出月平均水位序列在时频域中的信息。

近二十几年来发展起来的小波分析方法，源于Fourier分析，是一种高效的时频分解工具，于20世纪90年代从国外传到国内，其理论不断完善，应用领域逐步扩大，发展速度非常快。小波变换经过一步步的改进，摆脱了经典形式的束缚，从一维到高维，从线性到非线性，无一不体现着应用领域的扩大对其进一步发展的迫切需求。另外，多分辨分析理论的提出也使小波分析更为完善，并以此为基础提出的快速小波算法——Mallat算法（FWT）［17］，使小波从理论研究走向宽广的应用领域。其中理论较为完善的标准Morlet小波变换方法（NMWT）［18］能够直接识别和准确提取准周期信号的周期和振幅。欧素英等［19］曾应用小波分析方法对月均潮位序列进行时频分解，通过对潮位序列多层次尺度结构的分析，较好地揭示了相对海平面时、频域中的周期分布及局部特征，并有效地消除了不同尺度的周期变化对海平面变化趋势确定的影响，减少趋势预测的误差，得出的结果比较符合实际。另外，与传统的小波能谱分析不同，有学者提出一种新的小波分析方法——“小波振周谱”分析（WAPS）［20］。相对于传统小波能谱分析而言，该方法的引入有助于更进一步揭示并了解伪周期信号的瞬态振幅和瞬态频率。

当然，小波分析也有不足之处：①其思想来源于Fourier分析，也始终取代不了他；②对信号的平移变换会改变其变换系数；③Morlet小波在提取信号调制特征时，其参数的选择存在一个最优化解，如何实现参数的最优化使得效果最佳是一个难题。

2.6 经验模态分解方法（EMD）［21-22］

之前所述的各种方法均没有很好地实现海平面变化各种周期项（尤其是长周期项）和趋势项的分离。而1998年由Huang等提出的EMD方法为非线性、非平稳信号的提取与分离提供了一种新方法。EMD分解是一个从高频到低频的极值筛选过程，比较适用于提取时间序列的非线性变化趋势，对海平面变化趋势的拟合效果较好。但是EMD分解中存在着不可忽视的端点效应。针对端点效应，顾小丽等［21］曾采用径向基函数（RBF）神经网络延拓法处理EMD分解中的端点问题，有效减缓了端点效应对信号的扭曲程度，得到的周期项和非线性趋势比没有进行延拓的EMD分解更准确，比以往趋势项提取方法更具优势，且数据序列越长，该方法所能分解出来的IMF成分越多，分辨率越高。经改进后的EMD方法虽然能够有效地抑制端点效应，但由于时间序列长短不一，显著的长周期成分在短序列资料中难以完全分离，造成趋势项难以确定，故该方法对短序列资料的预报精度不高。此外，EMD方法本身存在的模态混淆问题和RBF延拓计算量大而导致分解速度慢等问题制约了其进一步发展。

另外，同样由Huang等于1998年提出的希尔伯特—黄变换（HHT）打破了过去时频分析中的傅立叶短时平稳过程假设的限制，特别适合处理非线性非平稳过程；它是经验模态分解与希尔伯特谱分析的结合，并针对EMD方法的模态混淆问题，集合经验模态分解（EEMD）于1999年被提出，且不断有学者尝试把EMD算法推广到二维甚至更高维情况从而提取信号的本质属性［23］。文献［24］中在EMD方法的基础上引入了多分辨分析技术，建立了多分辨经验模态分解方法（MEMD），显著减少了计算量和有效消除了模态混叠现象；再结合Hilbert谱分析方法，从而建立了多分辨Hilbert-Huang变换。由于多分辨分析技术的引入，使得Hilbert-Huang变换既保留了小波变换中时频局部化的优点，同时也克服了小波变换中选择小波基的困难，使信号具有良好的局部化、自适应和分析结果的直观性。

2.7 其他方法与预测模型

除海平面分析方法与预测模型之外，还有其他一些通过各种数学工具进行海平面变化预测的模型，这里仅作简要介绍。

作为随机时间序列线性模型3种基本形式之一的自回归（AR）模型在预测时，只考虑序列本身历史数据反映和包含的信息［25］，仅需有限的样本序列就可以建立起相当高精度的预测模型。该方法适用于指标数量不大但预测频度较高的短期预测，但其本身存在低阶模型预测精度低、高阶模型参数估计难的不足，因而使其应用领域受到限制。另外，吴中鼎等［26］曾采用正交多项式建立海平面速度预测公式来拟合中国近海过去50a海平面变化速度曲线，但该公式除了需要依赖一定的经验，还需逐年更新，逐年预测，才能提高其预测精度。

除了用公式对未来海平面变化拟合预估之外，还有气候模型预估方式，如20世纪80年代后期正式形成的耦合的全球海洋、大气、海冰、陆地表面、气候模式（海气全球气候模式和大气—大洋综合循环模式AO GCMS）［27］，以及1992年叶津津等［28］提出的温跃层膨胀预测模式。

近年来有学者用交叉点数据计算海平面变化，这种计算模型是利用测高卫星升、降弧段海面高在交叉点上的约束来监测海平面变化［29］。由于该模型利用了卫星数据，计算的可靠性较强，若把卫星数据与验潮站资料结合分析，则会使分析结果更具可靠性。相信今后卫星测高技术的深入应用将会为海平面变化研究提供更充分的科学依据。

2.8 短序列中消除高频扰动影响的一般方法

在验潮记录较短的条件下，高频扰动对趋势项的影响是显著的，其中影响最显著的为对应周期T≤4a的高频扰动［30］。要从短序列中准确确定海平面的变化趋势，必须消除周期小于4a的高频扰动的影响。目前通过滤波器设计来消除高频扰动影响的方法有用最平滤波器（Tp=4a）和高斯滤波器（Tp=2a）等对月均验潮序列进行低通数字滤波，由低通序列一元线性回归分析正则方程就能从短序列中较为准确地计算海平面变化趋势。当然，要想进一步提高海平面变化趋势的预测精度，需对数字滤波器作进一步研究，尝试通过其他低通滤波器设计不同的通带截止周期，对其他周期成分作进一步滤波以尽最大可能削弱或消除各种周期成分对趋势项的影响。

3 结语

（1）目前海平面变化的研究主要依赖于验潮站资料，而验潮站资料的各种不足导致计算结果差异很大；随着卫星测高技术的引入，测点数据的准确性大幅提高，但由于卫星资料的时间序列短，易受高频扰动的影响，故在卫星资料分析中应特别重视低通数字滤波方法的选取。

（2）基于Morlet小波分析方法，可以将改进的Morlet小波变换（MMWT）方法［31］应用于海平面时间序列的信号特征的提取，优化小波中各参数的选择，使Morlet小波在提取调和信号的振幅、周期和相位时达到最佳效果。

（3）研究海平面变化的方法与模型各有利弊，随着国内外学者的不断深入研究，各种新方法、新模型不断涌现，但应用实例较少，适用范围小。在探索一种全新方法的过程中，可以在已有的方法或模型上进行综合，扬长避短，并在已有的资料精确度较高的长序列测站上进行分析与预测试验，通过对比不断改进模型的组合方式与结合程度，使综合后的模型能更加准确地反映海平面变化。

（4）在国内使用卫星资料进行海平面研究的专家并不多，而卫星数据能够为海平面变化研究提供更充分的科学依据。特别是一些权威性国际组织如GLOSS，IPCC，IGBP，PSMSL等不仅积累了大量的资料，而且近年来对卫星测高技术的应用较为重视，提交的报告也反映了最新的成果与先进的研究方法。因而，在全球海平面变化研究中，要实时跟踪国际上海平面变化研究动态，加强国际合作与交流，与国际海平面变化研究接轨。

［1］Church J， Gregory JM， Huybrechts P， et al.Changes in sea level ［A］.The Third Assessment Report of the Intergovernmental Panel on Climate Change［C］.New York:Cambridge University Press，2001:639-693.

［2］于宜法.中国近海海平面变化研究进展［J］.中国海洋大学学报（自然科学版）， 2004， 34（5）:713-719.

［3］吴涛，康建成，王芳，等.全球海平面变化研究新进展［J］.地球科学进展， 2006， 21（7）：730-737.

［4］李加林，张殿发，杨晓平，等.海平面上升的灾害效应及其研究现状［J］.灾害学， 2005， 20（2）:49-53.

［5］焦文海，郭海荣，何涛，等.利用验潮和GPS观测技术监测海平面绝对变化［J］.海洋测绘， 2004， 24（3）:5-8.

［6］吴涛，康建成，李卫江，等.中国近海海平面变化研究进展［J］.海洋地质与第四纪地质， 2007， 27（4）:123-130.

［7］缪锦根，刘雷，董玉磊.基于潮波数值模拟技术的潮位推算及其精度验证［J］.水道港口， 2010， 31（3）:195-198.

［8］方国洪，魏泽勋，方越，等.依据海洋环流模式和大地水准测量获取的中国近海平均海面高度分布［J］.科学通报，2001， 46（18）:1572-1575.

［9］杨清书.珠江三角洲的水位变化趋势及其本征模型［J］.海洋科学， 1998（1）:47-51.

［10］周天华，陈宗墉，田晖，等.近几十年来中国沿海海面变化趋势的研究［J］.海洋学报， 1992， 14（2）:1-8.

［11］马继瑞，田素珍，郑文振，等.月平均水位周期信号的谱分析和检验方法研究［J］.海洋学报， 1996，18（3）:5-12.

［12］颜云峰.海平面变化对东中国海潮波影响的数值模拟研究［D］.山东：中国海洋大学海洋环境学院，2010.

［13］秦曾灏，李永平.上海海平面变化规律及其长期预测方法的初探［J］.海洋学报， 1997， 19（1）:1-7.

［14］左军成，陈宗镛，周天华.中国沿岸海平面变化的一种本征分析和随机动态联合模型［J］.海洋学报， 1996， 18（2）:7-14.

［15］左军成，陈宗镛，戚建华.太平洋海域海平面变化的灰色系统分析［J］.青岛海洋大学学报， 1997， 27（2）:138-144.

［16］夏华永，李树华.带周期项的海平面变化灰色分析模型及广西海平面变化分析［J］.海洋学报， 1999， 21（2）:9-17.

［17］Mallat S.A theory for multiresolution signal decomposition:the wavelet representation［J］.IEEE Transactions on PAMI， 1989， 11（7）:674-693.

［18］Lintao Liu， Houtse Hsu， Erik W.Grafarend.Normal Morlet wavelet transform and its application to the Earth's polar motion［J］.Journal of Geophysical Research，2007（112）:1-14.

［19］欧素英，陈子燊.小波变换在相对海平面变化研究中的应用［J］.地理科学， 2004， 24（3）：358-364.

［20］柳林涛.小波基本理论及其在大地测量等领域中的应用［D］.武汉:中国科学院测量与地球物理研究所，1999.

［21］顾小丽，李培良，谭海涛，等.基于RBF神经网络的EMD方法在海平面分析中的应用［J］.海洋与湖沼，2009，40（5）：532-539.

［22］顾小丽，李培良.太平洋海平面变化特征及影响因素分析［J］.海洋学报， 2009， 31（1）：28-36.

［23］沈毅，沈志远.一种非线性非平稳自适应信号处理方法——希尔伯特-黄变换综述:发展与应用［J］.自动化技术与应用， 2010， 29（5）：1-5.

［24］谭善文.多分辨希尔伯特-黄（Hilbert-Huang）变换方法的研究［D］.重庆：重庆大学机械工程学院，2001.

［25］袁林旺，谢志仁，钟鹤翔.海平面变化的小波和自回归模型集成预测试验［J］.海洋科学， 2008， 32（4）：31-35.

［26］吴中鼎，李占桥，赵明才.中国近海近50年海平面变化速度及预测［J］.海洋测绘， 2003， 23（2）：17-19.

［27］吴涛，康建成，李卫江，等.中国近海海平面变化研究进展［J］.海洋地质与第四纪地质， 2007， 27（4）：123-130.

［28］叶津津，郑文振.全球海平面上升的温跃层膨胀模式及未来预测［J］.海洋通报， 1993， 12（1）：10-18.

［29］程芦颖，许厚泽.用交叉点数据计算中国近海海平面变化［J］.大地测量与地球动力学， 2004， 24（2）：106-109.

［30］杨清书，吴超羽.低通数字滤波在确定海平面变化趋势中的应用［J］.海洋通报， 1996， 15（1）：2-5.