中国近海海面风场的时空特征分析

陈心一，郝增周＊，潘德炉，黄思训，龚 芳，施东升

（1.卫星海洋环境动力学国家重点实验室，浙江 杭州 310012；2.国家海洋局 第二海洋研究所，浙江 杭州 310012；3.解放军理工大学 气象海洋学院，江苏 南京 211101；4.吕四海洋环境监测站，江苏 南通 226241）

0 引言

海面风场是海洋上层运动的主要动力来源，与海洋中几乎所有的海水运动直接相关［1］。在海洋动力学过程中，它不仅是形成海面波浪的直接动力，而且是区域和全球海洋环流的动力［2］。海面风场能够调节海洋大气之间的热量、水汽和物质交换，维持区域与全球的气候，更是气象预报的必要参数。

我国东邻太平洋，地处东亚季风区，气候差异显著，经常受到台风等气象灾害的侵袭，海面风场的变化对沿海地区有很大影响。由于海面风场的变化非常快，要研究得到它的变化规律比较困难，所以对中国近海海面风场进行研究，了解其变化特征，对海上航行、海洋工程、海洋渔业、防灾减灾等具有非常重要的意义。

随着卫星遥感技术的发展，目前主要通过卫星观测来获取具有较长时间序列和较大空间范围的海面风场资料。在卫星资料反演海面风场方面，钟剑等［3］对星载微波散射计资料反演海面风场的国内外研究进展进行了评述；张亮 等［4］利用QuikSCAT卫星散射计的近实时资料，结合二维变分同化方法进行风向的模糊去除，并用广义变分最佳分析方法进行风场调整，反演得到了中速风场；姜祝辉 等［5］利用变分结合正则化方法，分别有效调整了高度计风速资料在无辐散和有辐散2种情形下的背景风场。

在提取海面风场的时空变化特征方面，也有许多学者进行了相关研究。齐义泉 等［6］利用5a的T／P卫星高度计海面风、浪场资料的EOF结果分析了南海风、浪场的时空分布特征，第一模态结果表现为季风强盛期的风场特征，第二模态解释了季风转化期的特征，第三模态表现为受制于地形等影响的海盆尺度的特征；赵喜喜 等［7］利用 ERS－1／2和 QuikSCAT 散射计海面风场资料，用EOF方法对连续13a的中国海海面风场进行时空变化特征分析，得出了第一、二模态分别代表冬、夏和春、秋振荡类型；郑崇伟［8］利用1987年7月—2009年12月的高时空分辨率CCMP风场资料，对中国海近22a的海面风场特征进行分析，结果表明中国海海面风场有明显的季节变化且大部分海域的风速显著地逐年线性递增；沈春 等［9］利用QuikSCAT散射计风场资料分析发现在南海冬季主要盛行东北风，夏季主要盛行西南风，以及冬季和夏季风速变化最大中心的分布位置。

在以往对海面风场的研究中，所用卫星数据的时空分辨率大多较低，时间序列长度较短，而且多利用单一卫星资料。本文将利用1987年9月—2013年9月具有较高时空分辨率的多源卫星网格化融合风场产品，对中国近海的风场时空特征进行分析，力图提取出海面风场的变化特征。

1 资料来源

1.1 多源卫星网格化融合风场数据

本文所用的多源卫星网格化融合风场数据，是由NCDC（National Climatic Data Center）提供的，具有较高的时间、空间分辨率，其最高时间分辨率为6h，空间分辨率为0.25°×0.25°，空间覆盖范围180°W～180°E，89.75°S～89.75°N，时间跨度为1987年7月—2013年9月。

1987年7月，人们开始利用DMSP F08卫星观测海面风速，在20世纪80年代后期到90年代早期只有F08卫星提供数据，90年代后期开始有3～5颗卫星共同观测，21世纪初发展到6～9颗，目前仍有5颗卫星提供风场数据（图1）。本文中使用的卫星融合风速数据包含了多颗卫星的观测结果，包括使用微波辐射计测量风场的 DMSP（SSM／I F08、F10、F11、F13、F14、F15、F16、F17 和 F18），TRMM／TMI，AQUA／AMSR－E，Coriolis／WindSAT以及使用微波散射计测量风场的QuikSCAT，但是这些用于风速融合的卫星数据不包含运行时间较短的卫星，如NSCAT（National Aeronautics and Space Agency Scatterometer），以及欧洲的卫星，如ERS－1／2。

采用时空权重插值法融合1987年7月至今的多颗美国卫星的风速观测数据，即：

图1 多源卫星的观测时段Fig.1 Timeline of the long－term multiple satellites

式（1）中，uest表示最终获得的估计值，下标k（k＝1，2，…，N）表示卫星观测数据点，wk表示在k点的权重，uk表示在k点的观测值。式（2）中，（xk，yk，tk）表示k点的时空坐标，（x0，y0，t0）表示在网格点上的时空坐标；R和T分别代表距离影响半径和时间影响半径，为了达到空间全覆盖，避免过度平滑，选取6h和62.5km为时、空影响半径。

风向数据来源于 NRA－2（NCEP Reanalysis 2）以及 ECMWF（European Centre for Medium－Range Weather Forecasts）的 NWP（Numerical Weather Prediction），并且用上述方法将风向插值到融合的风速网格上（融合流程如图2）。

图2 多源卫星风场融合流程Fig.2 Merging process of wind field based on multiple satellites

多源卫星观测值的融合填补了单一卫星在时间和空间上的间隙，降低了采样重叠和随机误差。该数据可以满足高分辨率全球数据集的需求，使得研究更加精确可靠［10－11］。

本文选取的研究区域为0～50°N，100～150°E的中国近海区域，时间范围为1987年9月—2013年9月，共26a，希望可以利用该数据集提取出中国近海海面风场变化的一些细节特征。

1.2 模式风场数据

为了对研究海域的风场变化有初步了解，本文用模式风场数据分析中国近海海面风场的季节变化特征。所用的模式数据是由欧洲中期天气预报中心ECMWF提供的全球大气再分析产品ERA－Interim月均风场数据，该资料是12h的四维变分同化产品，时间范围从1979年1月至今，空间分辨率为0.75°×0.75°，选取的参数为纬向风U 和经向风V。本研究中所选的时间跨度为1982—2011年，共360个月，选取的研究区域为0～50°N，100～150°E的中国近海区域，希望通过这套数据首先分析出该海域风场的季节变化，提取风场的主要特征，对中国近海海面风场有一些初步的认识。

2 风场特征分析方法

本文利用长时间序列的卫星风场数据，使用经验正交函数法（EOF）来分析中国近海海面风场的时空特征。EOF方法是一种将某一物理场的时间序列分解为正交的特征空间变量场和时间系数的统计分析方法，适用于提取物理量的主要空间和时间变化特征。

式（3）中，S（x，y，t）为L×N 阶的矩阵，代表待分解的物理场，L为空间分布点的个数，N为时间分布点个数；S′表示S 的转置；矩阵 M 对称正定。式（4）中，λ和V分别代表特征值和特征向量，模态数P＝min（L，N），所得特征向量V为空间函数矩阵，用来描述各个模态的空间分布特征。根据式（5）和式（6）可以计算出时间函数矩阵T，描述各个模态偏差随时间的变化，是无因次量。

针对风矢量数据，HARDY et al［12］提出了矢量场的经验正交函数方法（VEOF方法），将矩阵S定义为的形式，其中矩阵U和V分别代表纬向风速和经向风速，m和n分别代表空间点数和时间点数。

本文中卫星风场数据组成的矩阵S采用的是海面风速距平值，其中m为40 401，n为313。

3 中国近海海面风场时空特征

3.1 ECMWF多年平均风场的特征

利用ECMWF模式风场数据对3—5月，6—8月，9—11月和12—翌年2月分别作平均，得到对应的春、夏、秋、冬4个季节的中国近海平均风场（图3），由此可以得到中国近海海面风场的季节变化特征：中国近海是比较典型的东亚季风环流区，冬季盛行偏北季风，夏季盛行偏南季风。

冬季，以30°N为界，北部的渤、黄海以及日本附近海域以西北风为主，30°N附近的东海为北到东北风，南部的南海以及菲律宾东部海域为东北风。大风区主要分布在南海，最大平均风速为11m／s，菲律宾东部海域附近为第2大风速区域。

春季是冬季风逐渐向夏季风转换的时期。偏北风势力逐步减弱，偏南风势力逐步增强向北推进，渤、黄、东海以及南海北部为东南风，日本附近海域以及南海南部为西南风，菲律宾东部海域为偏东风，转换期间平均风速减小，菲律宾东部130°～150°E存在最大风速区域。

夏季，以20°N为界，南部的南海以及菲律宾东部海域为西南风，北部的东海及黄、渤海为南到东南风。大风区主要分布在南海西南部中南半岛附近，最大平均风速为8m／s。

秋季，夏季风迅速向冬季风转换，10°N以北海区已受偏北风控制。

以上分析表明，中国近海的风场具有以下特点：冬季风比夏季风持续时间长且风力强，夏季风向冬季风转换比冬季风向夏季风转换得更快。

3.2 卫星风场的主要特征

利用卫星资料对中国近海海面风场进行EOF分解，可以得到更加详细的风场变化特征。表1为前4个模态的方差贡献率，风场的前3个模态占方差贡献的近80%，反映了风场大部分信息，其中前2个模态的累计贡献率占了76.29%，包含了风场的主要特征结构，第三模态虽然相对前2个模态方差贡献较少，但是也体现了一些重要的特征。

图3 各季节的中国近海海面平均风场分布Fig.3 Seasonal distribution of average sea surface wind of China offshore

表 前 个模态的方差贡献Tab.1 Variance contributions by the first four leading EOF modes

图4给出了第一模态的时间系数变化和空间分布，第一模态反映了中国近海风场分布的主要特征。第一模态时间系数表现为1a周期的波动，多数情况下冬季时间系数的绝对值与夏季相比较大，说明冬季风强于夏季风，这与ＥＣＭＷＦ模式海面风场的特征相一致（图4a）。

由第一模态空间分布结构（图4b）可知：在整个中国近海海域，风速最大中心出现在南海西南部中南半岛附近，渤海以及23°N，140°～150°E的东部海域风速较小，该结果与赵喜喜 等［7］、张德天 等［13］的研究成果相一致。在中南半岛附近存在比较剧烈的风场变化，最大风速接近12m／s，这是由于黑潮的季节变化通过海气相互作用对南海局地风场造成影响［9］，南部的长山山脉也加剧了中南半岛南部海面风场的变化［14］。

图4 EOF第一模态时间系数（a）与空间分布（b）Fig.4 First mode of EOF time coefficient（a）and spatial amplitude（b）

冬季在25°N以南的南海以及菲律宾东部海域为东北风，25°N以北渤、黄海、东海北部以及日本附近海域为西北风；夏季在25°N以南为西南风，以北为东南风，这与ECMWF模式风场的冬季和夏季平均风场相符，而且结果显示了南海西南部是风速变化最剧烈的位置，这也与模式风场季节平均结果一致。结合时间系数变化规律和空间结构分布的特征，说明第一模态代表了1a为周期的冬－夏季风振荡类型，反映了中国近海季风变化的特征，这与赵喜喜 等［7］的结果相近。

图5给出了第二模态的时间系数变化和空间分布，第二模态时间系数表现为近似1a周期的波动，春季月份和秋季月份时间系数相反，而夏季和冬季月份接近零。而且时间系数的转换发生在每年8—9月期间，这说明夏季风向冬季风转换较快，冬季风持续的时间较长（图5a）。

该模态的空间分布特征为：南海西北部以及台湾附近海域风速最大，在20°N，140°E附近海域出现最小风速。在冬季风向夏季风转变时，南海北部以及30°N副热带海域受到西南风控制，在15°N左右风向发生转变，受西南风影响，形成辐散；在夏季风向冬季风转变时，受到东北风影响，形成辐聚（图5b），这与齐义泉 等［6］和赵喜喜 等［7］及杨亮［15］的结果相近。

结合第二模态的时间系数和空间分布特征可知，该模态表现为近似1a周期的春－秋季风振荡，反映了冬季风和夏季风过渡时期的风场特征［7］。由于中国近海区域受到东亚季风影响，在中国近海附近产生较为剧烈的变化。冬、夏季节转换的特征明显，冬季风发生初期，中国近海北部受到季风增强的影响，而南部对应减弱；夏季风时期北部减弱，南部增强，此特征与孙龙 等［16］的研究结果较相近。

图5 EOF第二模态时间系数（a）与空间分布（b）Fig.5 Second mode of EOF time coefficient（a）and spatial amplitude（b）

图6给出了第三模态的时间系数变化和空间分 布，第三模态时间系数表现为近似半年周期的波动，体现了中国近海风场季节内变化的特征（图6a）

该模态的空间分布特征为：在日本东南部出现比较大的风场变化，风向变化沿SENW方向；低纬度（赤道附近）的风速较小（图6b）。

图6 EOF第三模态时间系数（a）与空间分布（b）Fig.6 Third mode of EOF time coefficient（a）and spatial amplitude（b）

4 结论

本文利用1987年9月—2013年9月的多源卫星遥感数据对中国近海海面风场的时空变化进行分析，并且结合ECMWF提供的1982—2011年月均ERAInterim模式风场数据作比较，可以得出以下结论：

（1）中国近海距平风场第一模态的传播特征是典型的冬－夏季风振荡类型，表现出了明显的1a变化周期，这主要体现了中国近海风场的季节变化特征。中南半岛附近海域风场变化较为剧烈，最大风速出现的位置与多年平均的模式风场结果相符。

（2）风场第二模态的传播特征是春－秋振荡类型，反映了冬、夏季风过渡时期的变化特征。由于受东亚季风环流影响，冬季的偏北季风比夏季的偏南季风持续时间长，风力也大，冬季风向夏季风转换需要更多时间。该模态空间结构显示以15°N为界，南、北反位相变化，冬季风发生初期，中国近海北部受到季风增强的影响，而南部对应减弱；夏季风时期北部减弱，南部增强。

（3）风场第三模态表现出近似半年周期的波动，体现了中国近海风场季节内变化的特征。

（References）：

［1］REN Yong－zheng.Study on retrieval algorithms of sea surface wind fields and sea surface current fields from TerraSAR－X images［D］.Qingdao：Ocean University of China，2009.

任永政.从卫星TerraSAR－X图像反演海面风场和海表流场方法研究［D］.青岛：中国海洋大学，2009.

［2］CHEN Mei－chun.An approach to ocean surface wind retrieval based on atlas properties［D］.Guangzhou：Zhongshan University，2007.

陈媚春.基于信息图谱的SeaWinds散射计海面风场反演研究［D］.广州：中山大学，2007.

［3］ZHONG Jian，HUANG Si－xun，ZHANG Liang.Research on the development of surface wind retrieval from microwave scatterometer［J］.Scientia Meteorologica Sinica，2010，30（1）：137－142.

钟剑，黄思训，张亮.星载微波散射计资料反演海面风场进展研究［J］.气象科学，2010，30（1）：137－142.

［4］ZHANG Liang，HUANG Si－xun，LIU Yu－di，et al.Variational assimilation combined with generalized variational optimization analysis for sea surface wind retrieval from microwave scatterometer data［J］.Acta Phys Sin，2010，59（4）：2 889－2 897.

张亮，黄思训，刘宇迪，等.变分同化结合广义变分最佳分析对微波散射计资料进行海面风场反演［J］.物理学报，2010，59（4）：2 889－2 897.

［5］JIANG Zhu－hui，HUANG Si－xun，DU Hua－dong，et al.A new approach to adjusting sea surface wind using altimeter wind data by variational regularization method［J］.Acta Physica Sinica，2010，59（12）：8 968－8 977.

姜祝辉，黄思训，杜华栋，等.利用变分结合正则化方法对高度计风速资料调整海面风场的研究［J］.物理学报，2010，59（12）：8 968－8 977.

［6］QI Yi－quan，SHI Ping，MAO Qing－wen，et al.Relationship and characteristic of the sea surface wind and wave fields over the South China Sea derived from T／P altimeter［J］.Journal of Hydrodynamics，2003，18（5）：619－624.

齐义泉，施平，毛庆文，等.基于T／P资料分析南海海面风、浪场特征及其关系［J］.水动力学研究与进展，2003，18（5）：619－624.

［7］ZHAO Xi－xi，HOU Yi－jun，QI Peng.Study on temporal and spatial characteristics of sea surface wind in China seas［J］.China High Technology Letters，2007，17（5）：523－528.

赵喜喜，侯一筠，齐鹏.中国海海面风场时空变化特征分析［J］.高技术通讯，2007，17（5）：523－528.

［8］ZHENG Chong－wei.Sea surface wind field analysis in the China sea during the last 22years with CCMP wind field［J］.Meteorology and Disaster Reduction Research，2011，34（3）：41－46.

郑崇伟.基于CCMP风场的近22年中国海海表风场特征分析［J］.气象与减灾研究，2011，34（3）：41－46.

［9］SHEN Chun，JIANG Guo－rong，SHI Wei－lai，et al.Characteristic analysis of the variability of QuikSCAT wind in the South China Sea［J］.Marine Forecasts，2012，29（3）：1－8.

沈春，蒋国荣，施伟来，等.南海QuikSCAT海面风场变化特征分析［J］.海洋预报，2012，29（3）：1－8.

［10］ZHANG Huai－ming，REYNOLDS R W，BATES J J.Blended and gridded high resolution global sea surface winds from multiple satellites：1987－present［R］∥14th Conference on Satellite Meteorology and Oceanography.NOAA NESDIS National Climatic Data Center，2006.

［11］ZHANG Huai－ming，BATES J J，REYNOLDS R W.Assessment of composite global sampling：Sea surface wind speed［J］.Geophys Res Lett，2006，33：L17714， doi：10.1029／2006GL027086.

［12］HARDY D M ，WALTON J J.Principal components analysis of vector wind measurement［J］.Journal of Applied Meteorology，1978，17：1 153－1 162.

［13］ZHANG De－tian，ZHENG Chong－wei，SHI Ling－lin，et al.Sea surface wind field analyze from 1999to 2009in the China Sea by QuikSCAT／NCEP data［J］.Marine Forecasts，2009，28（4）：58－64.

张德天，郑崇伟，石岭琳，等.基于 QuikSCAT／NCEP风场的1999－2009年中国海表风场研究［J］.海洋预报，2009，28（4）：58－64.

［14］LÜKe－wei，HU Jian－yu，YANG Xiao－yi.Spatial patterns in seasonal variability of sea surface wind over the South China Sea and its adjacent ocean［J］.Journal of Tropical Oceanography，2012，31（6）：41－47.

吕柯伟，胡建宇，杨小怡.南海及邻近海域海面风场季节性变化的空间差异［J］.热带海洋学报，2012，31（6）：41－47.

［15］YANG Liang.Temporal and spatial characteristics analysis of sea surface wind on the Northwest Pacific based on remote sensing data［D］.Qingdao：The First Institute of Oceanography，2007.

杨亮.基于遥感数据的西北太平洋海面风场时空特征分析［D］.青岛：国家海洋局第一海洋研究所，2007.

［16］SUN Long，YU Hua－ming，WANG Peng，et al.Analysis of the seasonal and interannual variability of sea surface wind in the East China Seas and its adjacent ocean［J］.Marine Forecasts，2012，27（2）：30－37.

孙龙，于华明，王朋，等.东中国海及毗邻海域海面风场季节及年际变化特征分析［J］.海洋预报，2012，27（2）：30－37.