全球海洋Argo网格资料集及其验证

李宏 ，许建平 ，刘增宏 ，孙朝辉 ，赵鑫

（1.浙江省水利河口研究院，浙江 杭州 310020；2.卫星海洋环境动力学国家重点实验室，浙江 杭州 310012；3.国家海洋局第二海洋研究所，浙江 杭州 310012）

国际 Argo（Array for Real-time Geostrophic O－ceanography，简称“Argo”）计划自2000年底正式实施以来，经历了十年的发展，投放到全球海洋的Argo浮标累计已经超过8 500个。早在2007年11月，该计划就已达到了其预期目标，即由3 000个剖面浮标组成的全球Argo实时海洋观测网全面建成了（许建平等，2008），且截止2012年11月，全球海洋上正常工作的浮标数量已经达到3 618个（http://www-argo.ucsd.edu/）。十多年来，Argo累计获取的温、盐度剖面资料已经达到100万条（http://www.argo.org.cn），且每天还在以360条剖面或每月11 000条温盐度剖面的速度递增。

相对于早期的常规观测手段，Argo浮标获取温、盐度剖面的速度非常惊人，按目前的速度估算，Argo观测网仅需要8年时间就可以收集到另外100万条温、盐度剖面，这是常规观测手段无法比拟的。然而，无论是常规观测手段还是Argo浮标获取的温、盐度等要素，都存在着观测深度不一致，以及观测时间上的不连续和空间上的离散性等问题，使得应用范围受到一定的限制。早在20世纪80年代，美国的Levitus（1982）就针对这一问题做过世界海洋范围内水文和气象资料的客观分析，将历史上全球海洋通过常规观测手段获得的散点资料构建成为网格资料。Levitus的工作使得WOA（World Ocean Altas）系列资料集WOA01（Boyer， 2002）、 WOA05（Locarnini，2006）及WOA09（Locarnini，2010）等不断推出，这是将历史散点观测资料构建成为时空范围内规则一致的网格资料，并得到成功应用的范例。

目前，Argo浮标提供的剖面资料已经远远超过长时期收集的历史资料数量，仅对Argo资料进行客观分析，也完全可以揭示全球海洋重要的物理海洋现象。许多Argo成员国都已在Argo资料进行客观分析，开发针对Argo数据的网格化产品（Bhaskar et al，2007；Hosoda et al，2008；Roemmich et al，2009；Gaillard et al，2009），作为研究全球海洋现象的基础资料补充，这极大方便了人们的应用。但是，不难发现，国际上构建这些Argo网格资料，大多采用最优插值法，也有一些学者采用更为复杂的数据同化技术，并融合大型的海洋数值模式，构建时空更为一致的再分析产品等（Masafumi et al，2004；Martin et al，2007；Oke et al，2008）。这些方法虽然效果明显，但计算量大，并且观测资料及数值模式的各种误差统计信息难以获取，操作起来相对复杂。为此，我们利用一种简单有效的客观分析方法（李宏等，2012），构建了一套全球海洋Argo温盐度网格资料集。为了便于人们应用，本文简要介绍了本资料集的制作过程和验证结果。

1 资料来源与方法

1.1 资料及预处理

选用了由中国Argo实时资料中心（http://www.argo.org.cn/）提供的2002年1月-2011年12月期间全球海洋（59.5°S-59.5°N ，180°W-180°E）Argo温、盐度剖面资料。为了批量、快速地对所有Argo资料进行客观分析，首先统一对Argo资料进行必要的质量再控制及资料预处理，处理步骤详见下文。最终有615 284条温、盐度剖面通过了质量再控制（图1），被用来制作Argo网格数据集。

图1 质量控制前后逐年逐月（2004年1月-2011年12月）Argo资料个数分布

1.2 客观分析方法

重构Argo网格资料集主要采用了逐步订正法。逐步订正的思想最初由Cressman（1959）提出，首先要求给出网格点的初始值（通常由背景场提供），然后从每一个观测中减去对该观测点的估计值（一般通过对观测点周围的背景场格点值进行双线性插值获得）得到观测增量，通过将分析格点周围影响区域内的观测增量进行加权组合得到分析增量，再将分析增量加到背景场上得到最终的分析场，并进行逐步迭代，直到分析值达到某种预期的精度。至于迭代公式、权重函数，以及参数值实验和确定等过程，可以参考文献（李宏等，2012）。

1.3 网格数据制作流程

Argo网格数据集构建流程如图2所示。在网格数据制作过程中，尤其要注意以下几点：

（1）尽管获得的Argo资料已经经过各国Argo资料中心的实时质量和延时质量控制，但检查发现仍有一些有质量问题的数据包含其中。因此，统一对Argo资料进行必要的质量再控制工作（图2显示的1-7步），并利用Akima插值法（Akima，1970）将资料垂向插值到标准层（48层），然后进行1°×1°区间的资料融合处理。图1给出了资料控制前后逐年逐月的Argo剖面资料个数。

图2 Argo网格数据集构建流程

（2）利用变半径的Cressman逐步订正法构建背景场，均采用三次迭代，构建年、季节和月气候态背景场时采用的初始影响半径分别为：777km、555 km和333 km。如，对年际气候态背景场，采用三次迭代，每次迭代初始影响半径均取为777km，但若格点周围观测个数少于以777 km为半径的圆形面积内的平均观测个数（李宏等，2011），则逐步扩大影响半径，直到满足要求；

（3）以第3步完成的月气候态背景场为对应月份客观分析的初始场，利用Barnes（1973）逐步订正法构建2004-2011年期间逐月的Argo网格温、盐度数据集。在Barnes（1973）方法中，通过实验选取迭代次数为2，影响半径为555 km，滤波参数为8×104km2，收敛因子为0.2。

2 网格数据集说明

名称：BOA_Argo；

时间范围：2004年1月-2011年12月；

时间分辨率：逐年逐月；

美的以赊销或分期收款方式进行结算，纳税义务时间就是合同约定的收款日期。公司可以对短时间内无法收回的货款采取这样的结算方式，从而延期确认收入，减少当期应缴纳的所得税。以美的2017年7月发生的销售业务为例，当期销售了价值600万元的商品，假如合同约定付款期限为一年，每季度初支付150万元，则该笔业务在2017年应确认的收入为300万元，相应的应纳税额为75万元。与直接收款的方式相比，采取赊销或分期收款方式，美的可以递延缴纳的税额为75万元，可以利用这笔资金为企业创造更多的收益。

空间范围：全球海洋（180°W-180°E，59.5°S-59.5°N）；

空间分辨率：水平 1°×1°（经向：0.5∶1.0∶359.5；纬向：-59.5∶1.0∶59.5）；垂向标准层为：5 m，10m，20m，30m，40m，50m，60 m，70 m，80m，90m，100m，110m，120m，130m，140m，150 m，160 m，170 m，180 m，190 m，200 m，220 m，240 m，260 m，280 m，300 m，320 m，340 m，360 m，380 m，400 m，420 m，440 m，460 m，480 m，500 m，600 m，700 m，800 m，900 m，1 000 m，1 100 m，1 200 m，1 300 m，1 400 m，1 500 m，1 750 m，1 950 m，总共48层；

数据文件：BOA_Argo_**.mat，如： BOA_Argo_2004_01.mat表示2004年1月的网格资料，在matlab下可直接导入。包含的变量有：经度（lons，360×120）、纬度（lats，360 × 120）、垂直层次（depth，48）、温度（temperature，360×120×48）、盐度（salinity，360×120×48）；在 matlab软件下可直接读入（load文件名）；

水陆点文件：landmask.mat，其中lons（360×120）和lats（360×120）为经纬度网格，landmask（360×120×48）为陆海标记，1表示海洋，0表示陆地。

3 结果检验

将重构的Argo网格数据集与WOA09气候态数据集（来源于http://www.nodc.noaa.gov/OC5/WOA09/woa09data.html）、同类型Argo网格数据集（来源于http://www.argo.ucsd.edu/Gridded_fields.html）和TAO、TRITON锚碇浮标（来源于http://www.pmel.noaa.gov/tao/index.shtml）实测资料进行了客观分析，限于篇幅，利用Argo资料仅绘制了代表性观测层（10 m）上的温、盐度大面图（图3-图4），另外，绘制了10 m、150 m及500层对应温、盐度差值（Argo-WOA09）分布图（图 5－图 10）和太平洋海域Nino3.4区的ENSO指数时间序列分布图（图 11），以及在太平洋（P 点（0°N，147°E））（图略）、大西洋（A点（10°S，10°W））（图略）和印度洋（I点（5°S，95°E））（图 12－图14）等3个代表性站点上的温、盐度随时间变化图等，以验证Argo网格数据集的可靠性。

图3 全球海洋10 m层温度大面分布（由Argo资料绘制）

图4 全球海洋10 m层盐度大面分布（由Argo资料绘制）

图5 全球海洋10 m层温度差值分布（Argo-WOA09）（负值区用虚线表示，下同）

图6 全球海洋10 m层盐度差值分布（Argo-WOA09）

图7 全球海洋150 m层温度差值分布（Argo-WOA09）

图8 全球海洋150 m层盐度差值分布（Argo-WOA09）

图9 全球海洋500 m层温度差值分布（Argo-WOA09）

图10 全球海洋500 m层盐度差值分布（Argo-WOA09）

图11 2004年1月至2011年12月期间Nino3.4区的ENSO指数时间序列分布

图12 印度洋海域I点温度时间序列变化（A）：锚碇，（B）：Argo

图13 印度洋海域I点盐度时间序列变化（A）：锚碇，（B）：Argo

图14 印度洋海域I点盐度时间序列变化（A）：Argo_Jamstec，（B）：Argo_Scripps

3.1 与WOA09数据集比较

从图3可以看出，全球海洋近表层（10 m）温度大致呈纬向带状分布，而在经向，即南—北方向上的变化非常明显。高温区（＞28℃）主要分布在低纬度（20°S-20°N）区域内。自热赤道（平均在7°N附近）向两极，温度逐渐降低，且在南纬40°附近为寒暖流的交汇处，等温线较为密集，温度水平梯度大，形成所谓的“极锋”，北半球黑潮和湾流所在位置，温度梯度较大。两极地区，温度分布与纬线几乎平行，明显与太阳辐射有直接的关系。Argo资料反映的全球海洋10 m层温度分布特征与WOA09数据集反映的（图略）温度分布特征较为相似，WOA09等温线更为光滑，一个较为显著的不同点在于，Argo资料反映的29℃等温线横切太平洋与印度洋海域，而WOA09资料显示29℃封闭等温线仅在太平洋海域存在，而且对应的范围要小得多。印度洋海域的28℃等温线由Scripps海洋研究所构建的Argo网格数据集同样（Roemmich et al，2009）可以反映出来（图略）。

由图4可见，全球海洋近表层（10 m）的盐度分布特征为，大西洋海域的盐度最高，自赤道向两极地区，盐度呈现“马鞍形”的双峰分布特征，即南北副热带区域为高盐区，最高盐度达37.5以上。赤道附近区域为低盐区，自副热带向两极海域，盐度逐渐降低。太平洋海域盐度次之，自赤道向两极区域，盐度同样呈现“马鞍形”的分布特征，太平洋海域最高盐度在36.5以上（但不超过37.0），平均比大西洋低1.0，同温度分布相似；在南北半球40°附近的寒暖流交汇处，盐度水平梯度也比较大，形成“极锋”，至两极海域盐度降低到34.0以下，这与极地海区结冰、融冰的影响有密切关系。印度洋海域盐度最低，但自赤道向两极区域同样呈“马鞍形”分布特征，且南半球40°S海域盐度锋面特征最为显著。盐度的地域性分布特征较为明显，与降水和蒸发有密切的关系。除了等盐线更为光滑外，WOA09数据集提供的全球海洋盐度分布（图略）与Argo揭示的特征基本相似。

可以看出，Argo资料显示的10 m层温度一般比WOA09要高（图5），平均幅度在0.5℃左右，其中，西北太平洋黑潮海域和大西洋湾流海域最大差异可达3℃，这可能与海域本身海洋环境复杂多变有关，这一趋势与Roemmich等（2009）的结论是一致的。Argo资料显示的温度比WOA09低的海域主要分布在南半球高纬度（40°S以南）以及东太平洋局部地区，幅度在0.3℃以下。其他海域Argo资料显示的温度高于WOA09一般在0.5℃左右，这可能与全球海洋变暖有关。需要指出的是，构建WOA09气候态网格数据集所用的原始历史资料的时间序列较长（约从1900-2009年），而BOA_Argo网格数据集的时间系列相对较短，仅为2004年1月-2011年12月期间的Argo资料。

同样，图6给出的是盐度差值（Argo-WOA09）分布。可见，同样在黑潮及湾流海域，盐度差异较大，尤其是湾流海域，Argo与WOA09最大盐度差异可达1以上，其他海域盐度差异较小，仅在边缘海或者近海海域存在0.2左右的变化，这显然与西边界海域存在的强流，以及边缘海和近海海域受陆地径流的影响较大有关。当然，与上面提到的两种资料集的时间序列不尽相同也有一定的关系。

另外，图7-图10分别给出的是150m及500m层温度和盐度差值分布，可见，Argo与WOA09温度和盐度差异大的地区仍然为西边界流区（黑潮、湾流流经海域）及边缘海，但较表层的差异而言，幅度有所减小，分布态势也不尽相同。

可以看出，Argo网格数据集与WOA09反映的10m层温、盐度大面分布特征极为相似，但相比之下，由WOA09资料绘制的等值线更光滑些，不能更准确地反映一些中小尺度海洋现象的变化特征。

3.2 ENSO信号检验

为了检验Argo资料的季节性变化信号，图11给出了2004年1月到2011年12月期间Nino3.4区的ENSO指数序列分布。分别利用了其他Argo网格数据集（表1）来计算Nino3.4区的ENSO指数，以及美国气候预报中心（NOAA/CPC）提供的ENSO指数作相关分析得到相关系数。在图11中，BOA_Argo为本网格产品计算所得的指数，Argo_Scripps为Scripps海洋研究所提供的网格资料（Rommich et al，2009）计算所得指数 ，Argo_Jamstec为日本海洋科学技术厅提供的网格资料（Hosoda et al，2008）计算所得指数 ，Argo_EN3为英国气象局提供的网格资料计算所得指数。这几种产品的原始资料主要以Argo剖面资料为主，其中Argo_EN3所用的原始资料种类（如WOD05、GTSPP、Argo、ASBO等）较多。由图11可见，NOAA/CPC提供的指数较为光滑，而其他几种网格资料提供的指数小尺度信号较多。

表1 不同类型Argo网格数据集

表2 不同资料提供的ENSO指数相关系数表

进行相关分析后发现（表2），BOA_Argo资料、Argo_Scripps资料、Argo_Jamstec资料和Argo_EN3资料与Nino3.4指数的相关系数分别为：0.950 4、0.940 3、0.966 2和0.952 6。表中还给出了不同资料提供的指数之间的相关系数，BOA_Argo与其他资料之间的相关系数较高。这说明，BOA_Argo网格资料集所提供的温度资料能够较好地反映ENSO信号。

3.3 与锚碇浮标资料比较

为了进一步检验Argo网格数据集的可靠性，并考虑到时间和空间上的连续性，我们选取了海洋科学领域中比较常用的锚碇浮标（如TAO、TRITON等）观测资料来进行比较。作为代表，分别在太平洋（P点（0°N，147°E））、大西洋（A点（10°S，10°W））和印度洋（I点（5°S，95°E））各选取了一个点来进行对比分析。但锚碇浮标资料本身由于浮标体在海面上起伏不定，以及电子传感器故障或其他问题，会导致观测深度不一，以及某些年份的观测值缺失等。为此，我们尽量选取那些锚碇浮标垂直深度较深，且时间上能够覆盖2004年1月-2011年12月期间的温、盐度观测资料。

当然，由于篇幅所限，本文仅给出了印度洋Argo温、盐度资料与对应锚碇资料的比较结果图，太平洋和大西洋比较结果，在此仅做简单说明（对应图略）。

从太平洋和大西洋Argo与锚碇资料比较的结果来看（图略），自表层到中层，Argo与锚碇浮标反映的信号较为一致，但由锚碇浮标资料显示的等值线更为光滑，这可能与采集数据的时间分辨率和资料处理方法有关。BOA_Argo为逐月资料，而所用的锚碇浮标为逐日资料。为统一比较，我们进一步将锚碇浮标资料取平均得到对应的逐年逐月资料，这样的处理相当于对锚碇浮标资料进行了平滑处理，导致等值线分布较为光滑。

图12和图13分别为BOA_Argo和锚碇浮标观测在印度洋海域I点位置上自海表（5 m）到600 m深度上的温度垂直结构。可见，两者的温度变化特征较为符合，而对比盐度，BOA_Argo资料与锚碇浮标资料存在一定的差距，大约在2005年11月—2006年2月期间，锚碇浮标资料揭示200m深度上有一个独立的高盐中心，盐度最大值高于35.8，该高盐水持续一段时间后消失，相比之下，Argo揭示的盐度则要低得多，导致两种资料揭示的盐度信号差别较大（图13）。为了探求这一差异的原因，我们绘制了利用其他Argo网格数据集（由Scripps海洋研究所和日本Jamstec中心提供）对应位置上同时间序列的盐度分布（图14），发现这两种资料揭示的盐度分布特征与BOA_Argo基本一致，即在这两种资料中均未发现有高盐水存在。因此，由锚碇浮标资料揭示的现象究竟是因资料的质量问题而产生的错误信号，还是确为锚碇浮标本身捕捉到的真实海洋信号，还有待进一步探究。

4 结束语

利用客观分析法构建的全球海洋（59.5°S-59.5°N ，180°W-180°E）2004年 1月-2011年 12月期间逐月的月平均温、盐度网格数据集，其水平分辨率为1°×1°，垂直方向分为自5 m到1 950 m不等的48层。并将重构的Argo网格数据集与历史观测资料（WOA09、TAO等），以及同类型的Argo网格数据集进行了验证和客观比较，发现相互间的吻合性较好，且能较好地揭示全球海洋中的一些重要物理海洋现象，研制的网格资料能够较好的反应ENSO变化信号，表明该网格数据集是可靠的（李宏等，2012）。该网格资料集可作为研究物理海洋基本现象的基础资料，也可以作为海洋数值模式的开边界条件与初始场。

该数据集可从中国Argo实时资料中心网站（www.argo.org.cn/数据产品）免费下载使用，并欢迎广大用户提供宝贵意见和建议。

致谢：本文曾得到卫星海洋环境动力学国家重点实验室数值计算中心的支持与帮助，在此表示感谢！

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

Barnes S L，1964.A technique for maximizing details in numerical weather Map analysis.J Appl Meteor，3：396-409.

Barnes S L，1973.Mesoscale objective analysis using weighted timeseries observations.NOAA Tech.Memo.ERL NSSL-62，National Severe StoST Laboratory，Norman，OK，41pp.procedures.

Bhaskar T U，Ravichandran M，2007.Devender R An operational Objective Analysis system at INCOIS for generation of Argo Value Added Products，Technical Report No.INCOIS/MOG-TR-2/07.

Boyer T P，Stephens C，Antonov J I，et al，2002.WorldOcean Atlas 2001，Vol.2:Salinity.S.Levitus，Ed，NOAA Atlas NESDIS 50，U S Government Printing Office，Washington，D.C.，165.

Cressman G P，1959.An operational objective analysis system.Mon.Wea Rev，87：367-372.

Gaillard F E，Autret V，Thierry，et al，2009.Quality control of large Argo data sets.J Atmos Oceanic Technol，26：337-351.

Hosoda S，Ohira T，Nakamura T，2008.A monthly mean dataset of global oceanic temperature and salinity derived from Argo float Observations JAMSTEC Rep Res Dev， Volume 8， November，47-59

Levitus S，1982.Climatological atlas of the World Ocean，NOAA Prof.Pap.13，U.S.Gov.Print.Off.，Washington，D.C.

Locarnini R A，Mishonov A V， Antonov J I， et al， 2010.World Ocean Atlas 2009， Volume 1:Temperature.S.Levitus， Ed.，NOAA Atlas NESDIS 68， U.S.Government Printing Office，Washington，D C，184.

Locarnini R A，Mishonov A V，Antonov J I，et al，2006.WorldOcean Atlas 2005，Volume 1:Temperature.S.Levitus，Ed.NOAA Atlas NESDIS 61，U S Gov Printing Office，Washington D C，182.

Martin M J，Hines A，Bell M J，2007.Data assimilation in the FOAM operational short range ocean forecasting system:a description of the scheme and its impact.Q J R Meteorol Soc，133：81-995.

Masafumi K， Tsurane K， Hiroshi I， et al.Operational Data Assimilation System for the Kuroshio South of Japan:Reanalysis and Validation Journal of Oceanography.2004，60：303-312.

Oke P R，Brassington G B，Griffin D A，et al.The Bluelink ocean data assimilation system（BODAS）.Ocean.Modelling，2008，21：46-70.

Roemmich D，Gilson J，2009.The 2004-2008 mean and annual cycle of temperature，salinity，and steric height in the global ocean from Argo program.Progr.Oceanogr，82：81-100.

李宏，许建平，2011，利用客观分析法重构Argo网格资料的初步研究，国家海洋局第二海洋研究所硕士论文，33-35.

李宏，许建平，刘增宏，等，2012.利用逐步订正法重构Argo网格资料的初步研究.海洋通报，31（5）：46-58.

许建平，刘增宏，孙朝辉，等，2008.全球Argo实时海洋观测网全面建成.海洋技术，27（1）：68-70.