利用逐步订正法构建Argo网格资料集的研究

李宏，许建平，刘增宏，孙朝辉

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

利用逐步订正法构建Argo网格资料集的研究

李宏1，2，许建平1，3，刘增宏1，3，孙朝辉1，3

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

利用逐步订正法构建了2002年1月至2009年12月期间太平洋海域（60°S-60°N，120°E-80°W）的逐月温、盐度网格资料，其垂向分辩率在5～1 950 m水深范围内为48层，水平分辨率为1°×1°。对网格资料的误差分析表明，整个太平洋海域温度和盐度标准差的平均值分别为0.097℃和0.017。将构建的Argo（Array for Real-time Geostrophic Oceanography，Argo）网格资料集与研究海域获取的CTD（Conductance-Temperature-Depth，）、TAO（Tropical Atmosphere/Ocean array，TAO） 和WOA05（World Ocean Alta 5）等资料集进行的比较和分析发现，2006年之前，由于Argo资料相对较少，导致构建的网格资料集存在一定的误差；而在2006年以后的Argo网格资料则与历史观测资料比较一致。况且，由构建的Argo网格资料集揭示的太平洋海域温、盐度分布的主要特征来看，其与WOA05资料集所反映的结果也十分吻合，且前者揭示的特征比后者要更加细致些。这充分说明了，利用逐步订正法构建的Argo网格资料集是值得信赖的，也是可靠的。

Argo资料；逐步订正法；网格资料集；太平洋

Abstract：Gridded monthly temperature and salinity of the Pacific Ocean from January 2002 to December 2009 are reestablished with 48 levels from 5m to 1950 m vertically and horizontal resolution of 1°×1°by successive correction.Error analysis of the grid data showed that the temperature standard deviation（ST）error for the whole Pacific Ocean was generally 0.097℃ and that of salinity was 0.017.The Argo grid data were compared with the CTD sections，TAO and WOA05 datasets respectively.The results showed that the Argo grid data were in good agreement with historic observation data after 2006，and before 2006，the Argo grid data had some errors because the Argo data were relatively less.In addition，Argo grid data can reveal the regional temperature and salinity distribution and main characteristics of the Pacific.Comparing with WOA05 data，Argo grid data make，comparative consistency，revealing finer features than WOA05.Therefore，the Argo grid data re-established by successive correction is worthy of trust and reliability.

Keywords：Argo data； successive correction； gridded data； the Pacific Ocean

20世纪90年代末，由美国和日本等国科学家发起的国际Argo计划，旨在收集全球海洋0～2 000 m水深范围内的实时、高分辨率温、盐度剖面观测资料，用来加深人们对深海大洋物理海洋现象的认识，提高海洋和天气预报的精度。该计划至今已经走过了十年的历程，并且在2007年底正式建成由3 000多个剖面浮标组成的全球Argo实时海洋观测网（许建平等，2008）。到目前为止，由该观测网提供的全球海洋上的温、盐度剖面已经超过70万条，且仍在以每年10万条的速度递增，这为海洋科学的发展带来了极大的机遇。然而，目前Argo资料所存在的观测深度不一致，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，特别对海洋科学领域以外的专家、学者来说，对日益丰富的Argo资料更是喜忧参半，无法直接用来作为数值模式的背景场或边界条件。为此许多国际Argo成员国都已在尝试开发针对Argo数据的网格化产品，如：美国Scripps海洋研究所的Rommich等（2009） 利用最优插值法，对2004-2008年期间全球海洋上的全部Argo资料构建成为逐年逐月的温、盐度网格资料产品，其水平分辨率为1°×1°，垂向分为5～1975dbar水深范围内的58个标准层；日本海洋科学技术中心的Hosoda等（Hosoda et al，2008） 同样利用最优插值客观分析法，对2002-2009年期间收集到的全部Argo资料，以及部分CTD仪和锚浮标资料等，构建成逐年逐月的网格资料产品；法国学者（Gaillard et al，2009）专门针对Argo、XBT和CTD资料，研发了一个现场分析系统（ISAS）；而印度海洋信息中心则基于Gauss-Markov原理的客观分析法，构建了印度洋海域的Argo网格资料（Bhaskaretal，2007） 等。

目前，国际上构建Argo网格资料所用的客观分析法大多采用最优插值法，还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，另外，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。本文尝试利用相对较为简便的逐步订正法来构建Argo逐年逐月的网格资料，该方法原理简单，计算量小，易于操作，并且在全球海洋也已取得成功应用的范例（Levtisu，1982）。

1 资料来源与处理方法

1.1 资料来源

本文选用2002年1月至2009年12月期间太平洋海域，即 60°S-60 °N，120°E-80 °W 所包围的区域（图1） 中的所有Argo剖面浮标观测数据（来源于中国Argo实时资料中心：http：//www.argo.org.cn），作为制作Argo网格资料集的原始散点资料。

图1 研究海域及重构Argo资料的水平网格点

另外，选择CTD、TAO、WOA05资料（Locarnini et al，2006） 等作为对比、佐证的依据。

1.2 资料质量控制

选取2002年1月至2009年12月期间的Argo资料，这些资料都经过各国Argo资料中心的实时和延时质量控制。为确保资料质量，我们统一对这些资料进行质量再控制处理，包括：观测参数及观测层次检验，水陆点及区域检测，密度逆变检验，温、盐度范围检验，时间判断，统计检验等，并利用Akima（1974）插值法将垂直方向上不等间隔的观测资料插值到标准层上。

图2为经过质量控制后的所有Argo资料在太平洋海域10 m层上的分布密度（总共有279 811个观测数据通过质量控制），其中色标1代表有1-5个数据，2代表有6-10个数据，依次类推，10则代表有150个数据以上。可以看出，在整个太平洋海域的资料分布是极不规则的，且北半球资料较多，南半球偏少。尤其是在西北太平洋海域，资料比较密集，而在50°S以南区域观测资料则相对较少。

1.3 资料预处理

经过上面的质量控制，Argo资料在垂直方向上已经标准化（即在5～1 950 m水深范围内分为48个标准层），但在水平方向上的分布仍是极不规则的（图2）。然而，人们已经获知，客观分析中观测资料分布不规则引起的“簇聚（clustering）”（Smith et al，1986） 现象，会严重恶化分析结果（Smith et al，1986；Barnes，1964，1973）。因此，在进行客观分析之前，需要对资料进行融合处理，以削减“簇聚”现象，使得剖面资料在空间分布上尽量均匀。

将整个研究区域划分为1°×1°的小方区，若落在每个小方区内的观测剖面总数大于一个，则对所有剖面观测值取平均（Gaillard et al，2009；Locarnini et al，2006） 作为新的对应网格点的观测信息。图3呈现了2008年1月西北太平洋海域（20°N-40°N，120°E-180°E） Argo 资料的网格分布。可以看出，融合前，Argo资料个数在1°×1°网格内的分布极不均匀，少则零个或者仅有2～3个，多则6～7个（图3a）；而经过融合处理后的Argo资料则要均衡得多（图3b），“簇聚”现象基本消除。

1.4 逐步订正法

本文研究重构的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（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。其迭代公式为：

起初，Cressman（1959）给出了与距离平方成反比的二次权重函数，后来，Barnes（1964）提出采用高斯型的权重函数，能使得该方法与滤波原理结合起来，并且在理论上能够通过响应函数的形态来事先了解分析所关注不同信号尺度，这对分析者来说无疑求全责备。但该方案收敛较慢，一般需要迭代3～4次，之后，Barnes（Barnes，1973） 对这一方案又作了改进，采用收敛因子来加快收敛速度，新的权重函数为：

值得指出的是，如果研究区域逐月资料足够多，且分布均匀，则可以事先通过响应函数的形态来确定计算参数（Barnes，1964，1973），由此得到的分析结果能够达到预期的目的。然而，由图2、3表明，Argo资料在空间分布极不均匀，虽然融合处理能削减资料原本分布不均的程度，但这与Barnes逐步订正法中观测资料连续性分布的理论假设仍存在差距。显然，通过理论分析响应函数来选择计算参数并不可取，因为在这种情况下，理论分析结果与实际分析值之间可能会存在较大差距。鉴于这一点，本文将通过参数试验中标准差的变化趋势（Smith et al，1986）来选择对应的计算参数。

表1是实验中选用的不同参数，黑体表示的参数值为实验中在测试其他参数时不变的数值，比如在测试滤波参数变化对分析产生影响的时候，滤波参数从0.8×104km2逐步变到0.8×104km2，而其他参数均不变，收敛因子为0.4，影响半径为6.66×104km，迭代次数为2。

表1 实验中所用的分析参数

通过分析标准差的变化趋势，可以确定本文最终采用的计算参数（李宏，2011）：α为8×104km2，Rn取555 km，γ取0.2，n为2。

2 构建Argo网格资料集

客观分析法的基本原理即是利用观测资料来不断订正初始场，最终使得分析结果逼近观测场，因此，背景场的给定非常重要，下面首先探讨背景场的构建方案。

2.1构建气候态背景场

针对Argo资料的空间分布不均匀这一特点，采用变半径迭代的Cressman逐步订法构建温、盐度的背景场。选择三次迭代，每次迭代的起始影响半径都不变。具体来说，对年际气候态背景场的构造，选取最初的影响半径为777 km，止于1110km，即首先计算各个垂向层次以777 km为半径（起始半径）的影响区域内的有效观测资料的平均个数，并在随后的迭代计算中，要求每个格点周围的观测点数不少于对应的观测平均数，否则逐步扩大影响半径（但不超过某个设定的最大影响半径，本文取为1110 km），直到满足这种要求，使得每个格点分析值均是由数量相当的邻近观测值构造而成，同一波长的波信号由相同数量的观测资料来刻画，从而保证分析结果的一致性。在每次迭代完后，利用9点平滑算法来平滑温、盐度场，以消除由分析带来的某些小尺度噪音，获得年际尺度的气候态温、盐度信号。

类似于上面的方案，再以这一气候态背景场作为初始场，选择影响半径为555 km，构造四个季节的背景场；然后，选取333 km的影响半径，以季节背景场作为初始场，构造12个月（1-12月）的气候态背景场信息，以此12个月的背景场作为最终逐月（96个月）分析对应的初始场。在构建年际、季节和月气候态背景场的时候，选择的影响半径分别是777 km、555 km和333 km，目的在于先保留大尺度信号，随后保留中、小尺度信号，使得最终12个月的气候态背景场信息相对真实、可靠。

2.2构建逐月分析场

有了上面构建的气候态背景场为初始场和由实验确定的计算参数，通过上节介绍的式（2） 就可以构建出逐月的Argo网格资料集。这里值得一提的是，在计算过程中，还需对分析结果进行反复检验，如在剖面的深层，一般温、盐度的变化不大，故误差曲线通常较为集中，但若发现存在分散的曲线，则表明对应月份的Argo资料存在质量问题，质量控制工作还存在纰漏，需进一步检查核对，并剔除相应异常点，再重新进行逐月客观分析。最后得到了2002年1月至2009年12月期间太平洋海域（60°S-60°N，120°E-80°W） 逐年逐月的 Argo网格资料集，其水平分辨率为1°×1°，垂向为48层，时间分辨率为1个月，共96个月。

2.3 网格资料误差分析

标准差（ST）用来表示由客观分析方法本身对散点资料进行插值构建时带来的截断误差，以刻画分析方法本身的精确度。

图4显示了研究海区96个月的温、盐度标准差（每个垂向层次）垂直分布，可以看出，从表层到800 m深度以上，温度ST在0.08℃～0.34℃之间，盐度ST则在0.008～0.038之间；而到了800 m层以下，ST随深度增加而明显减少，温度ST仅为0.02℃～0.08℃，盐度ST则在0.002～0.008。

从平均标准差的时间变化图（图5）中可以看到，很明显，在2006年以前，由于Argo资料的观测剖面还不够多，使得构建的网格资料误差稍大，温度和盐度的标准差变化波动较大，温度误差波动范围在0.07℃～0.25℃之间，盐度误差则为0.011～0.025；之后，无论是温度还是盐度的标准差，变化都比较平稳，温度标准差约为0.19℃，盐度约为0.021。而整个太平洋海域温度平均标准差最大为0.212℃，平均为0.097℃；盐度最大则为0.021，平均为0.017。

3 结果检验

选取几个代表性的剖面和时间序列与CTD、TAO和WOA05等历史观测资料进行比较、分析，以此来检验构建的Argo网格资料集的可靠性。

3.1 剖面检验

选取Argo剖面浮标观测较少的2002年2月和较多的2008年10月的网格资料与同时期的CTD仪观测资料比较。其中2002年2月的CTD测站位于（24.997°N，137.039°E）（图6a） 附近的西北太平洋海域，对应的网格点位于（25°N，137°E）附近，恰好与CTD站位置重叠；2008年10月，有两个CTD仪观测剖面，分别位于（23.753°N，132.998 °E） 和（23.998 °N，133.25 °E） 附近的西北太平洋海域（图7b）。从图6可以清楚地看出，在2002年2月，当时Argo计划还实施不久，所以布放的Argo剖面浮标还十分有限，该区域只有少量的Argo资料（图6a），而到了2008年10月，全球海洋上布放的Argo剖面浮标已经达到了3 000个以上，该区域的Argo资料也有了较快的增加（图6b）。为了便于比较，分别绘制了两幅温、盐度垂直分布图（图7、8）。图中蓝线代表由CTD仪观测的资料，红线代表Argo网格资料。

图7a可以看到，总体上，温度随深度增加而逐渐减小，但在1 000 m层以上，两者差别显得较大些，尤其是在200 m层以上，差别特别明显，除了上层海洋本身受外界（比如太阳辐射、风混合和海流等因素）的影响要比下层来得大外，CTD是2月1日时观测的结果，而Argo却是2月该格点附近所有Argo剖面分析的结果，何况2002年2月该格点附近的Argo剖面离CTD观测点较远，因此，CTD资料与Argo网格资料在1 000 m水深以上，尤其是在200 m上层差异较大实属正常。且1 000 m层以下，两者变化基本吻合。再看盐度垂直分布曲线（图7b），自5 m到700 m层，盐度随深度增加而递减，形成较强的盐跃层；随后，盐度随深度增加却略有升高。同样，在700 m水深以上，特别是200 m上层，两者差异较大，而在700 m层以下，两者几乎吻合，其原因与温度变化相同。由此可以看出，网格资料可以弥补Argo观测稀疏、零散的不足，且完全可以反映格点附近温、盐度的垂直分布变化，尤其是温、盐跃层的分布特征，这足以表明Argo网格资料是可以信赖的。

图8所显示的2008年10月Argo网格点上温、盐度垂直分布的比较结果，两者几乎完全吻合，表明，Argo网格资料不仅是值得信赖的，而且也是可靠的。当然，两者变化如此一致与该时期布放的Argo剖面浮标大量增加，观测剖面显著增多（图6b）也有密切的关系。不难相见，在Argo计划实施早期（2006年以前），由于当时布放的Argo剖面浮标还较少，观测剖面更稀疏、零散，而且剖面观测深度也是深浅不一（有的剖面可以达到1 500 m或2 000 m，有的却只有1 200 m，甚至1 000 m，还有的仅有温度剖面而缺少盐度剖面），所以导致重构的Argo网格资料误差会大些。不过2006年以后，随着各国际Argo成员国投放浮标数量的不断增加，特别是在2007年以后，全球海洋上正常工作的Argo剖面浮标数量始终维持在3 200个左右，提供的观测剖面达到了每年10万条左右，因此，由2006年以后的Argo剖面浮标观测资料重构的Argo网格资料应该更可信、可靠。

3.2 时间序列检验

考虑到TAO观测资料在时间上的连续性，并能与Argo网格资料在时空上一一对应，选定了2种资料在赤道太平洋（0°，147°E） 附近海域的温、盐度时间序列分布与WOA05对应月份气候态资料进行对比分析，分别计算了Argo与WOA05和TAO与WOA05的温、盐度差，并绘制了两幅温、盐度偏差时间序列分布图（图9、10），从而来进一步检验Argo网格资料的可靠性。由于TAO只能提供表层到700 m深度左右的温、盐度资料，且最大观测深度会随浮标的起伏发生变化，因此这里统一取600 m层以上的资料计算温、盐度偏差。为了清晰起见，图中显示了温度偏差在±1℃以上，以及盐度偏差在±0.2以上的等值线。

由图9可见，Argo、TAO与WOA05之间的温度偏差主要出现在50～300 m水深之间，且出现最大偏差的时间也几乎一一对应；而且在2006年以前，除在2002年的秋冬季TAO的温度偏差要大于Argo外，其他时间段均要优于Argo。这一点也充分说明了由于2006年之前Argo观测剖面较少，从而造成Argo网格资料的偏差明显大于TAO，但随着布放的Argo浮标数量增加，2006年以后的温度偏差，Argo又明显小于TAO。再看一幅盐度偏差分布图（图10），其盐度偏差主要出现在5～250 m深度之间。而且可以明显分为两个时间段，即2002年1月至2005年12月和2006年1月至2009年12月。前段，Argo盐差明显大于TAO；而后段则相反，Argo盐差要小于TAO，且最大盐差和正、负盐差出现的时间段两者也几乎一一对应，这进一步佐证了Argo网格资料是值得信赖，也是可靠的。

3.3 温、盐度分布特征检验

选取了几个代表性层次（5 m、150 m和500 m）和断面（10°N和150°W） 来扼要探讨太平洋海域温、盐度的气候态分布特征。同时，还选取了几个相同层次和断面上的WOA05温、盐度分布做比较分析，进一步检验Argo网格资料集的可靠性。

（1） 温度

图11（A1）呈现了太平洋海域5 m层温度大面分布。可以看到，太平洋区域的温度分布大体上呈现以赤道为中心，朝南北两极逐渐降低的趋势，且等温线除个别区域外，总体上与纬度线平行；可见表层温度主要受太阳辐射的影响，地域分布特征十分明显；此外，等温线在20°N—20°S区域内十分稀疏，随着温度从热带向两极地区过渡，等温线愈来愈密集，且在南北纬40°附近分布尤为突出，明显代表“极锋”（冯士筰等，1999） 所在的位置。由图可见，表征西太平洋暖池的28℃包络线分布在20°N—18°S之间。此外，智利外海明显有一股低温水（＜18℃） 沿岸北上，其低温舌端可以楔入暖池区域，Levitus早就注意到了东太平洋区域的这一低温分布特征，并指出这主要与南美及秘鲁沿岸的上升流有关。由Argo资料反映的太平洋海域表层温度分布的主要特征同样呈现在由WOA05资料绘制的表层气候态温度分布图（图11（B1）） 中，除等温线分布更趋于平滑，以及赤道东太平洋的冷舌西向传播的势力没有图11（A1）强以外，似乎并没有太大的区别。

图11（A2） 表明150 m层温度分布特征为，赤道附近海域存在一条贯穿太平洋东—西海域的低温（＜19℃）带，并以该低温带为中心，形成南北两个高温（＞20℃） 区，南半球高温区的影响范围（间于5°N-28°S，东界可抵100°W） 比北半球（间于10°N-26°N，东界不到140°W） 大，且温度也要比北半球的高。在由WOA05资料所反映的次表层温度分布图上，在8°N附近同样存在一条贯穿东—西太平洋的次低温带（＜19°C），且北半球高温区的北界（24°N） 要比Argo显示的更南缩，东界（148°W） 更西缩，且高温中心的温度（＞26°C） 也要低1℃左右。由WOA05显示的南半球高温区范围与Argo相比，虽无太大的差别，但高温中心（＞26°C） 区比后者要小得多（图11（B2））。

由图11（A3） 表明500 m层温度尽管维持了次表层上呈现的南北太平洋两个高温区特征外，其影响范围和最高温度值都要比次表层小（或低） 得多。北太平洋高温区（＞9°C） 向北（间于 18°N—34°N）、向西（170°W） 收缩，其高温中心（＞12.5℃） 出现在日本以南海域；而南太平洋高温区（＞9℃） 则向南（间于40°S-18°S）、向西（152°W） 收缩，其高温中心（＞11.5℃） 呈现在澳大利亚以东沿岸海域。赤道海域出现了一条次高温度（＞8℃） 带，呈东部宽（间于 13°S —18°N）、西部窄（0°—3°S）的分布趋势，从两极到赤道中层温度呈现低（＜6℃）、高（＞9℃）、次低（＜8℃） 和次高（＞8℃） 的分布态势。而且在新西兰岛东南海域，呈现一个明显的低温舌（＜6℃） 沿180°W经线由南向北伸展。而由图 11（B3） 表明，500 m层上Argo与WOA05呈现出基本相同的温度分布特征。一个细微差别出现在新西兰岛东南海域低温水（＜6℃） 北上的势力上，由Argo显示的低温水舌前端可以到达45°S附近，而在WOA05中显示只能抵达46°S附近，由等温线的弯曲和密集程度来看，Argo资料刻画的这一中尺度现象比WOA05更细致。

图12（A1） 给出了沿太平洋10°N断面上的温度分布。可以看到，温度从表层向下逐渐降低。总体上看，等温线在250 m水深以上，由西向东上倾；以下则略呈自西向东下倾的趋势。25～200 m水深之间等温线分布尤为密集，明显存在强温跃层，且随着等温线由西向东上翘，温跃层下界不断抬升，导致东部跃层出现的深度更浅，强度更强，且在100°W附近，明显存在低温水涌升的迹象，一直可以跟踪到表层海域。由WOA05资料给出的同一断面上的温度分布（图12（B1）） 可以看出，总体上与Argo给出的分布特征别无两样，只是由28℃等温线表征的暖池厚度（约50 m）要浅一些，且东界（175°E） 范围也要明显西缩。

图12（B1） 给出了一条处于东太平洋经向150°W断面上的温度分布。总体而言，断面上温度分布呈南北低、中间高以及上层高、下层低的特点。以赤道为界，在南、北半球呈现两个高温中心，其中南半球高温中心（＞28℃） 位于约10°S附近，而北半球高温中心（＞27℃） 大约处于5°N附近；且南部高温区（＞20℃） 厚度（240 m） 明显大于北部（160 m）。温度的“马鞍形”分布特征显然与10°N附近出现的低温水涌升有关。值得注意的是，温度分布的上述这些特征几乎相似地呈现在另一幅由WOA05给出的断面图（图11（B2）） 中，可以看到，除了等值线比Argo给出的（图11（A2）） 更平滑些外，几乎找不出有什么特别的不同。

（2） 盐度

图13（A1） 为太平洋海域5 m层的盐度分布。由图可见，太平洋海域表层盐度分布比水温的分布更为复杂。在纬向上，盐度基本呈高低起伏的带状分布特征，从赤道向副热带地区，盐度呈“马鞍形”的双峰分布。即在赤道附近海域，盐度（＜34.5） 较低，而在副热带海域，盐度较高；仔细比较发现，在北太平洋副热带海域（间于22°N—32°N），盐度高于35.0，而在南太平洋副热带海域（间于13°S-27°S），盐度则可高达36.0。从南北副热带向副极地区域，盐度又逐渐降低，至两极海域降达34.0以下。由此可见，盐度的地域性分布特征较为明显，这显然与降水和蒸发有密切的关系。从另外一幅由WOA05资料绘制的表层盐度分布图（图13（B1）） 上，可以看出与图13（A1） 有几乎相似的分布特征。所不同的是，由Argo资料给出的棉兰老岛以东海域（0°-10°N） 的低盐水盐度值（＜33.9）要比WOA05资料给出的盐度值（＞34.1） 更低些。

次表层（150 m） 盐度分布（图13（A2）） 态势总体来看和表层较为相似，但也存在一些不同：南、北半球两个高盐区的范围已经明显收缩，且北半球高盐区范围收缩得尤其明显；北太平洋西边界区的等盐线由赤道向北极上倾，而东边界处的等盐线则由北极向赤道下倾，并向西汇入到赤道地区；南太平洋副热带地区，等盐线则由赤道向南极下倾，且高盐水（＞36.0） 东西向的势力范围较表层而言，有明显的扩大（171.5°E-106°W）。另外，副极地区域34.0等盐线已不再呈现封闭的特征，而是出现多个低值中心。

图13（B2） 呈现了与图13（A2） 基本相同的分布特征。一个比较明显的差别在于北太平洋副热带区域的东边界，由Argo资料显示的北极低盐舌（＜34.5） 向西扩展得更远（154°W 附近），而WOA05资料则显示该低盐舌向西扩展不到137°W（图13（B2））；另外，南太平洋副热带地区的高盐水（＞36.0），Argo资料显示其向西可以延伸到171°E附近，而WOA05资料则表明，这一个高盐水向西延伸只到176°E附近。

图13（A3） 给出了太平洋海域500 m层的盐度分布，可以看出，整个太平洋海域中层的盐度相比次表层（图13（A2）） 已有明显降低（＜35.0），北半球高盐（＞34.5） 区的范围收缩得最明显，仅出现在日本以南的一个狭窄的区域中；相比而言，南半球高盐（＞34.75）区的范围虽然比次表层有较显著的收缩，但与北半球相比，仍要大得多，主要位于澳大利亚以东海域（20°S-40°S，150°E-180°E）。北半球副极地的低盐水（≤34.25） 向南扩展到16°N附近，几乎占据了整个北太平洋，且其低盐中心处于表层和次表层所呈现的“极锋”以下区域，即位于40°N附近的180°W-130°W之间区域；而南半球的副极地低盐水（＜34.5） 则北上至15°S附近，但低盐中心远没有北半球显著，且最低盐度值（＜34.25） 也要比北半球高，但位置更偏南（～50°S附近）；南、北半球高盐区之间（10°N-15°S）则是一条盐度较为均匀的次高盐（＞34.6）带，呈东部宽（间于 16°S-14°N） 西部窄（11°S-2°N） 的分布趋势。由WOA05资料绘制的中层盐度分布（图13（B3）） 呈现了与图13（A3） 基本相似的特征。但北太平洋副热带高盐水的最高盐度，WOA05显示为34.45，而Argo资料显示为34.50；另外，北半球低盐（＜34.25） 舌（18°N 附近） 西向（135°E） 扩展的势头，明显弱于Argo资料（124°E） 所展现的。

图14 太平洋海域盐度断面分布（10°N，150°W）

图14（A1） 给出的是气候态10°N断面上的盐度分布，总体来看，盐度呈现上层（50 m以浅）低（＜34.25）、次表层（75～260 m） 高（＞34.70）和中层（650 m深度以下） 次低（＜34.6） 的分布特点。表层盐度存在两个低盐区，一个间于127°E-165°E，最低盐度 34.0，一个间于 155°W-86°W，最低盐度＜33.5；相反，次表层却存在两个高盐区（＞34.70），一个出现在173°W以西海域，最高盐度达34.9以上；而另一个在145°W以东海域，最高盐度达34.85；值得注意的是，两个高盐中心出现的深度（约140 m）虽大体一致，但其强度显然西部要大于东部；在表层和次表层盐度的作用下，50～100 m水深间出现强盐度跃层。由WOA05资料绘制的10°N断面盐度分布（图14（B1）） 给出了与图14（A1） 几乎相似的特征，但也存在着一些不同点，比如WOA05显示的西部区域的表层低盐（＜34.5）水向东仅扩展到157.5°E附近区域，而Argo资料表明这股低盐水能到达更东（165°E） 区域；另外，Argo资料显示，240～650 m深度间，位于127°E以东的34.5等盐线逐渐向上（东） 抬升（扩展） 到40 m深度（160°W） 附近，而在图14（B1）中，该等盐线仅出现在150°E以西海域，且向上抬升的高度仅能到达240 m水深附近。显然，无论是向上抬升或者是向东扩展的势力均要弱得多。

图14（A2） 给出了沿150°W断面的盐度分布。可见，南、北两极海域（约南、北纬45°以南、北） 盐度普遍低于34.5，且北极海域盐度（＜34.3） 要低于南极区域的盐度（＜34.4）；南、北极的低盐水均有明显的下沉趋势，南极低盐水（＜34.3）下沉深度可及450 m左右，而北极可影响到1000 m深度附近。断面中部的高盐（＞34.5） 区域呈现南北不对称的双峰结构。大体上以7°N-8°N为界，在南北太平洋呈现两个高盐中心，其中南太平洋的高盐（＞36.0） 中心位于约13°S附近，而北太平洋的高盐（＞35.0） 中心大约处于18°N附近；且北部高盐（＞35.0） 区厚度（180 m） 明显小于南部（390 m）。由WOA05资料给出的同一断面上的盐度分布（图 14（B2）） 特征几乎与图 14（A2）相同，只是由Argo资料显示的在南太平洋51°S—42°S和24～340 m深度之间出现的一封闭等盐（34.5）线，而在WOA05资料中却未见踪迹。这进一步表明了Argo网格资料可以刻画出比WOA05数据集更细致的特征。

4 结语

（1） 基于一种改进的Cressman逐步订正法构建了Argo气候态初始场。该方案首先确定影响半径，然后计算各个垂向层次以此影响半径为半径（起始半径）的圆形区域内的有效观测平均数，然后在迭代计算中，要求每个网格点周围的观测点数不少于对应的有效观测平均数，否则逐步扩大影响半径，直到满足要求，该方案的优势是使得每个格点的分析值均是由数量相当的邻近观测值构造而成，因此同种波长的波信号由相同数量的观测资料来刻画，从而可以保证分析结果的一致性。由这一方案，并分别选取起始影响半径为777 km、555 km和333 km，构造了年、季节和月气候态月平均初始场，效果较为明显。

（2） 再利用Barnes（1973） 逐步订正法构建了太平洋海域（60°S-60°N，120°E-80°W） 2002 年 1月至2009年12月期间逐月的月平均温、盐度网格资料集，其水平分辨率为1°×1°，垂直分辨率为48层；Barnes客观分析所用的最优计算参数通过试验获取，即α=8.0×104km2，R=5.55×102km，γ=0.2，n=2。

（3） 构建的Argo网格资料集，在2006年以前，由于资料相对缺乏，误差稍大。网格资料的平均标准差最大为0.212℃，平均为0.097℃；盐度最大则为0.021，平均为0.017。

（4） 将构建的Argo网格资料集与研究海域获取的CTD、TAO和WOA05等资料进行了客观分析和比较，发现2006年之前，由于Argo资料相对较少，导致构建的网格资料集存在一定的误差；而在2006年以后的Argo网格资料与历史观测资料较为吻合。由此可见，由逐步订正法构建的Argo网格资料集是值得信赖的，也是可靠的。

（5） 由Argo网格资料集显示的研究海域温、盐度主要分布特征，在WOA05资料集中同样能够呈现，且两者差别不大；但WOA05资料显示的结果更为平滑，相比之下，Argo网格资料可刻画一些更细致的特征，如在500 m层温度大面分布上，Argo资料显示的新西兰岛以南海域的低温舌要更明显些。

致谢：感谢凌征博士最初的帮助和建议。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 fittingbased on local.Journal of the ACM，17（4）：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，1970.Mesoscale objective analysis using weighted timeseries observations.NOAA Tech.Memo.ERL NSSL-62，National Severe StoST Laborat-ory,Norman，OK，1973，41pp.procedures，J.Assoc.Comput.Mech，17：589-602.

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

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 datasets 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，（8） November：47-59.

Levitus S，1982.Climatological Atlas of the World Ocean，NOAA Professional Paper No.13，U.S.Gov.PrintingOffice，173.

Locarnini R A，Mishonov A V，Antonov J I，et al，2006.World Ocean 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，133：981-995.

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

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

Roemmich D，Gilson J，2009.The2004-2008meanandannualcycleof temperature，salinity，and steric height in the global ocean from Argo program.Progr.Oceanogr，82：81-100.

Schuman F G，1957.Numerical methods in weather prediction： ⅠSmoothing and filtering.Mon.Wea.Rev，85：357-361.

Smith D R，Pumphry M E，Snow J T，1986.A comparison of errors in objectively analyzed fields for uniform and nonuniform station distribution.Atmos.Oceanic.Technol，3：84-97.

李宏，2011.利用客观分析法重构Argo网格资料的初步研究.硕士学位论文.杭州：国家海洋局第二海洋研究所.

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.

冯士筰，李凤岐，李少菁，1999.海洋科学导论.北京：高等教育出版社.

（本文编辑：郭筝）

Study on the establishment of gridded Argo data by successive correction

LI Hong1，2，XU Jian-ping1，3，LIU Zeng-hong1，3，SUN Zhao-hui1，3
（1.Second Institute of Oceanography，SOA，Hangzhou 310012，China； 2.Zhejiang Institute of Hydraulics and Estuary，Hangzhou 310020，China； 3.State Key Laboratory of Satellite Ocean Environment Dynamics，Hangzhou 310012，China）

P731.21

A

1001-6932（2012）05-0502-13

2011-11-08；

2012-05-23

国家海洋公益性行业科研专项（201005033）；国家海洋局第二海洋研究所基本科研业务费专项（JT0904）；浙江省科技条件建设项目（2011F10008）。

李宏（1986-），男，硕士研究生，主要从事物理海洋学资料分析研究。电子邮箱：slvester_hong@163.com。

许建平，研究员，博导，电子邮箱：sioxjp@139.com。