利用经验正交函数数据插值法重构东中国海叶绿素a质量浓度场

何海伦，李 熠，王 渊，宋迅殊，刘晓辉

（卫星海洋环境动力学国家重点实验室，国家海洋局 第二海洋研究所，浙江 杭州 310012）

0 引言

叶绿素a质量浓度作为初级生产力和海洋水文的重要指标，在分析渔场形成和保护海洋环境方面具有重要的作用。东中国海占据了大部分的西北太平洋大陆架，渔业资源丰富。因此在东中国海开展叶绿素a质量浓度的研究对于中国海洋经济发展具有重要意义［1］。由于浮游植物光合作用可以减小海表的二氧化碳分压并加剧海－气之间的二氧化碳交换，叶绿素a质量浓度通常被用于表征海洋水色并用于研究与全球气候变化相关的碳循环问题［2］。

获取东中国海叶绿素a质量浓度是海洋调查的一项重要内容。周伟华等［3］利用4个月的实测资料，研究了长江口海区叶绿素a及初级生产力的分布特点；GONG et al［4］分析了从1993—1995年东中国海南部叶绿素a质量浓度的垂直结构。但由于这些海洋调查数据量非常有限，严重制约了研究者了解东中国海叶绿素a质量浓度的时空变化规律。

相比于海洋实地调查，海洋卫星遥感可以提供大范围长时间的叶绿素a质量浓度产品。商少凌等［5］利用现场叶绿素a质量浓度实测数据，结合SeaWiFS卫星图像，研究了1998年冬季台湾海峡的叶绿素a质量浓度分布特征。陈楚群等［6］利用4个代表月份的SeaWiFS卫星资料，分析了南海海域叶绿素a质量浓度分布的季节变化。丛丕福等［7］利用SeaWiFS卫星资料分析了1998—2003年中国陆架海叶绿素a质量浓度的变化。伍玉梅等［1］同样利用SeaWiFS卫星研究了1997—2007年东中国海叶绿素a质量浓度的时空变化。然而，这些研究都没有将缺失的卫星资料数据补齐，因此，研究结果受到了数据缺失的局限影响。同时，这些研究都没有对东中国海叶绿素a质量浓度进行经验模态分析，使研究者缺少认识东中国海叶绿素a质量浓度的时空变化规律。为此，本文首先利用基于经验正交函数（Empirical Orthogonal Functions，简称EOF）推广的数据补全方法即经验正交函数数据插值法（简称DINEOF），重建2003—2009年东中国海叶绿素a质量浓度场；同时，本文对东中国海叶绿素a质量浓度的季节变化特征进行了探讨；并利用EOF分析了东中国海叶绿素a质量浓度异常场的主要模态。

1 DINEOF重构

DINEOF方法是一种基于EOF方法的缺失数据补全方法，它的优点在于数据补全时不需要添加人为的参数。DINEOF方法的基本原理是首先对缺失数据进行粗估计（首次粗估计时设为0），进而对数据进行EOF分解，得到其主要模态，利用主要模态对缺失数据进行更精细的估计，并循环以上过程，通过交叉有效的评估方法，得到最终的缺损值。DINEOF已经被证实是一种可以提供可靠结果的数据补全方法［8－9］。

本文利用 DINEOF方法对 MODIS－Aqua（http：／／oceancolor.gsfc.nasa.gov／）提供的2003—2009年东中国海分辨率为9km的月平均叶绿素a质量浓度异常场进行重构，这里的异常场定义为月平均数据和7a（2003—2009年）平均值的差值。图1给出2004年11月和2008年5月叶绿素a质量浓度用DINEOF重构前后的月平均值，其中图1a和图1c为MODIS产品，图1b和图1d分别为重构场。由图1可见，重构场在保持原有数据的同时，凭借着对总体时空变化经验模态的把握，补齐了缺失数据。在计算中，原始数据缺失率为20%。测试表明，交叉验证误差随补齐数据时选取的EOF分量个数的增大而减小，当选取的EOF分量个数大于5时，交叉验证误差基本稳定。为此，本文选取了6个EOF分量，其交叉验证的叶绿素a质量浓度误差为1.07mg／m3。

图1 重构前后的叶绿素a质量浓度异常场Fig.1 Original and reconstructed chlorophyll amass concentration anomaly

2 叶绿素a质量浓度的7a平均场

图2为本文重构后的2003年1月—2009年12月东中国海叶绿素a质量浓度的7a平均场（共84个月的平均值）。由图2可知，叶绿素a质量浓度7a平均值表现出近岸高、外海低的分布特征。近岸的叶绿素a质量浓度等值线大致和海岸线平行，同时很大程度上受到陆地径流带来的营养盐影响。径流使长江口近岸的营养盐浓度很高，因此该处生物活动活跃，并导致了长江口及其临近海域的叶绿素a质量浓度较高。

图2 重构后的2003年1月—2009年12月东中国海的叶绿素a质量浓度的7a平均场Fig.2 Reconstructed 7－years averaged chlorophyll amass concentration from January 2003to December 2009in East China Sea

3 叶绿素a质量浓度的季节平均场

图3给出2003年1月—2009年12月东中国海叶绿素a质量浓度的季节平均场。由图3可知，东中国海叶绿素a质量浓度场存在明显的季节变化特征，这些季节变化特征需要结合东海特殊的水文环境进行解释［1］。

冬季（12月—翌年2月），东海以偏北季风为主，海表温度降低，对流混合和风混合作用强烈，深层的营养盐被带到表层，但水温低和光照不足影响了浮游植物的光合作用，因此该季的叶绿素a质量浓度不高。

春季（3月—5月），东海海区光照增强，海水变暖，表层平均水温上升，水体出现分层且趋于稳定，表层海水的营养盐因冬季对流混合作用而得到大量的补充，使浮游植物大量繁殖，因此叶绿素a质量浓度迅速提高。此后，数量逐渐增加的浮游动物和逐渐匮乏的营养盐，使浮游植物的数量减少，因此叶绿素a质量浓度逐步降低。

夏季（6月—8月），光照增强，表层水温升高，但由于在春季营养盐被浮游植物大量消耗，伴随着海洋混合层深度变浅，深层富营养水难以上升，使得表层海水营养盐匮乏；同时，生物量很高的浮游动物消耗了大量的浮游植物，因此外海的叶绿素a质量浓度降低。但是春、夏季（5月—9月）长江冲淡水的主体出口门后左转，向东北方向扩展，携带了大量的营养盐，于是，长江口东北部的叶绿素a质量浓度非常高。

秋季作为夏季至冬季的过渡季节，海表光照减弱，表层水温下降，对流混合作用增强，使表层营养盐重新得到补充，因此陆架上叶绿素a质量浓度逐渐增加。

图3 2003年1月—2009年12月东中国海的叶绿素a质量浓度季节平均场Fig.3 Seasonal mean chlorophyll amass concentration from January 2003to December 2009

4 叶绿素a质量浓度的异常场分析

本文对重构后的2003年1月—2009年12月东中国海叶绿素a质量浓度异常场进行EOF分解（这里的异常场指月平均数据和7a平均月平均值的差值），得到叶绿素a质量浓度异常场时空变化的主要模态，图4给出其前2个模态。第一模态的方差贡献为37.8%，其空间分布在长江口东部出现叶绿素a质量浓度异常高值，而在长江口东北部出现叶绿素a质量浓度正异常高值，叶绿素a质量浓度从近岸向外海递减（图4a）。对第一模态的时间系数进行功率谱分析可知，第一模态主要以半年及以下时间为变化周期（图4e）。第二模态的方差贡献为21.4%，其空间分布在长江口东部出现叶绿素a质量浓度异常高值。第二模态的变化周期以年际为主（图4f）。

由此可见，EOF分解的前2个模态表明，长江口及其附近海域叶绿素a质量浓度很大程度上受到长江径流的影响。春、夏季（5月—9月）长江冲淡水的主体出口门后左转，向东北方向扩展，所以第一模态会于春、夏季在长江口东北部出现显著的叶绿素a质量浓度正异常。同时，因为长江径流流量存在半年变化周期［7］，所以第一模态时间序列功率谱中存在半年的变化周期。

5 结论

本文利用经验正交函数数据插值法，对MODISAqua卫星提供的三级产品叶绿素a质量浓度缺失数据进行补齐。本文选取的经验正交函数分量个数为6个，叶绿素a质量浓度的交叉验证误差为1.07mg／m3。

图4 2003年1月—2009年12月东中国海的叶绿素a质量浓度异常EOF分解的第一和第二模态Fig.4 First and second modes of EOF analysis on chlorophyll amass concentration anomaly from January 2003to December 2009

对重构后的东中国海叶绿素a质量浓度场进行季节平均分析表明，冬季的对流混合和风混合作用把深层的营养盐带到表层，促成春季叶绿素a质量浓度的增高，而夏季长江口径流带来的营养盐使长江口东北部出现叶绿素a质量浓度正异常高值区。

对重构后的东中国海叶绿素a质量浓度场进行经验正交函数分析表明，第一模态方差贡献为37.8%，其空间分布在长江口东北部出现叶绿素a质量浓度正异常高值，变化周期以半年和半年以下时间为主；第二模态的方差贡献为21.4%，其空间分布在长江口东部出现叶绿素a质量浓度异常高值，主要以年际为变化周期。

（References）：

［1］WU Yu－mei，XU Zhao－li，CUI Xue－sen，et al.Temporal－spatial

change of concentration of chlorophyll ain the East China Sea during 1997－2007［J］.Research of Environmental Science，2008，21（6）：137－142.伍玉梅，徐兆礼，崔雪森，等.1997—2007年东海叶绿素a质量浓度的时空变化分析［J］.环境科学研究，2008，21（6）：137－142.

［2］HAMA T，SHIN K H，HANDA N.Spatial variability in the primary productivity in the East China Sea and its adjacent waters［J］.Journal of Oceanography，1997，53：41－51.

［3］ZHOU Wei－hua，YUAN Xiang－cheng，HUO Wen－yi，et al.Distribution of chlorophyll aand primary productivity in the adjacent sea area of Changjiang River Estuary［J］.Acta Oceanologica Sinica，2004，26（3）：143－150.周伟华，袁翔城，霍文毅，等.长江口邻域叶绿素a和初级生产力的分布［J］.海洋学报，2004，26（3）：143－150.

［4］GONG G C，SHIAH F K，LIU K K，et al.Spatial and temporal variation of chlorophyll a，primary productivity and chemical hydrography in the southern East China Sea［J］.Continental Shelf Research，2000，20：411－436.

［5］SHANG Shao－ling，HONG Hua－sheng，ZHANG Cai－yun，et al.Chl adistribution feature of the Taiwan Straits region in winter，1998as observed by SeaWiFS［J］.Marine Science Bulletin，2001，20（2）：25－29.商少凌，洪华生，张彩云，等.1998年冬季台湾海峡遥测叶绿素分布特征［J］.海洋通报，2001，20（2）：25－29.

［6］CHEN Chu－qun，SHI Ping，MAO Qing－wen.Satellite remotelysensed analysis of distribution characters of Chlorophyll concentration in South China Sea［J］.Journal of Tropical Oceanography，2001，20（2）：66－71.陈楚群，施平，毛庆文.南海海域叶绿素浓度分布特征的卫星遥感分析［J］.热带海洋学报，2001，20（2）：66－71.

［7］CONG Pi－fu，NIU Zheng，MENG Ji－hua，et al.Variability of chlorophyll aretrieved from satellite in Chinese shelf sea from 1998to 2003［J］.Marine Environmental Science，2006，25（1）：30－33.丛丕福，牛铮，蒙继华，等.1998—2003年卫星反演的中国陆架海叶绿素a浓度变化分析［J］.海洋环境科学，2006，25（1）：30－33.

［8］BECKERS J M，RIXEN M.EOF calculations and data filling from incomplete oceanographic data sets［J］.Journal of Atmospheric and Oceanic Technology，2003，20（12）：1 839－1 856.

［9］ALVERA－AZCARATE A，BARTH A，RIXEN M，et al.Reconstruction of incomplete oceanographic data sets using empirical orthogonal functions：Application to the Adriatic Sea［J］.Ocean Modelling，2005，9（4）：325－346.