QuikSCAT卫星遥感与MM5模拟海表面风场的综合分析

徐经纬,张秀芝,罗勇,徐敏

(1.南京信息工程大学 资料同化研究与应用中心,江苏 南京 210044;2.气象灾害教育部重点实验室(南京信息工程大学),江苏 南京 210044;3.国家气候中心,北京 100081;4.清华大学 地球系统科学研究中心,北京 100084;5.江苏省气象局,江苏 南京 210008)



QuikSCAT卫星遥感与MM5模拟海表面风场的综合分析

徐经纬1,2,张秀芝3,罗勇4,徐敏5

(1.南京信息工程大学 资料同化研究与应用中心,江苏 南京 210044;2.气象灾害教育部重点实验室(南京信息工程大学),江苏 南京 210044;3.国家气候中心,北京 100081;4.清华大学 地球系统科学研究中心,北京 100084;5.江苏省气象局,江苏 南京 210008)

利用2000—2009年中国近海海域(105～135°E,0°～45°N)QuikSCAT卫星遥感风场资料和2007年MM5模拟风速结果,运用对比验证、经验正交函数(empirical orthogonal functions,EOF)和奇异值分解(singular value decomposition,SVD)方法,分析了QuikSCAT卫星遥感风场资料和MM5数值模拟风速结果的特征。结果表明:两者风速的空间分布形态相似,且风速变化密切相关;QuikSCAT卫星遥感风场的空间分布形态更加接近实测结果,而模拟风速结果的量值更加接近实测结果。采用PS(Pattern-Scaling)方法分别提取了QuikSCAT卫星遥感风场的空间分布形态和模拟结果的量值,得到的风速空间分布形态与QuikSCAT卫星遥感风场一致,且风速量值与模拟风速结果相同。通过初步检验发现,PS方法改善了卫星遥感风速在中国近海海域风速偏大的问题。

中国近海;QuikSCAT卫星遥感风场;数值模拟;综合分析

0 引言

卫星遥感海面风资料和数值模拟是目前近海风资料获得的重要手段,两者各自具有不同的特点。一方面,QuikSCAT是卫星遥感海面风场中最早业务化的,是全球海洋环境监测卫星之一(Hasager et al.,2006),其业务运行以来,大幅提高了天气预报以及气候研究的准确性(吴晓京等,2007)。QuikSCAT卫星利用海面对雷达的后向散射信号,经反演得到海面风速,它每天可以扫描全球93%左右海面,水平分辨率最高可达12.5 km×12.5 km(Dunbar et al.,2000)。国内外很多专家学者对QuikSCAT卫星遥感风场做了对比验证。Hasager et al.(2006)在欧洲HornsRev海域,利用海上测风塔实测风场与QuikSCAT对比,发现两者相关系数达0.91。Henderson et al.(2003)通过6 a的QuikSCAT观测数据与欧洲中心风场数值预报结果、海上气象观测站以及5个浮标站进行了比较,发现QuikSCAT卫星资料与数值预报结果、实测风场都有较高的一致性。Chelton and Freilich(2005)利用QuikSCAT和NSCAT散射资料与浮标风速实测结果进行比较,发现在顺风向和侧风向上误差分别为0.75和1.5 m/s。刘春霞和何溪澄(2003)在中国南海域岛屿站实测与QuikSCAT遥感风速对比过程中发现两者风速均方根误差3.6 m/s,风向均方根误差47.5°,风速绝对误差2.7 m/s。陈剑桥(2011)比较了QuikSCAT资料与台湾海峡两个浮标实测结果,发现两者相关系数0.93,平均绝对误差1.54 m/s。刘志亮等(2012)比较了QuikSCAT与北黄海浮标实测风速,得出两者相关系数0.74,不过风向偏差较大117.52°。徐经纬等(2013)比较了多年高分辨率QuikSCAT遥感风速与近海测风塔、海上石油平台、岛屿站的实测风场资料,得出实测风速与站点位置以及站点附近的QuikSCAT卫星遥感风场资料相关系数均在0.7以上;QuikSCAT卫星遥感风场资料与海上石油平台的风速均方根误差较小约1.5 m/s;其年均值均大于实测值,差值范围是0.1～1.3 m/s。李泽椿等(2007)、黄世成等(2007,2009)、路屹雄等(2009)、吴息等(2009)、杨晓玲等(2012)利用了多种方法研究了我国风能资源状况。QuikSCAT卫星遥感风速的结果具有高相关性、高相对误差的特点。

另一方面,数值模拟方法具有计算灵活、分辨率高的特点,在近海海面风场研究中也是一种重要的手段。20世纪90年代Riso实验室将中尺度数值模式(KAMM)与微尺度线性风场模式(WAsP)结合研究风场数值模拟,得到较高分辨率风速结果。加拿大气象局(Yu et al.,2006)将中尺度模式MC2与小尺度模式Ms-micro相结合建立了WEST(Wind Energy Simulation Toolkit)数值模拟系统。张德等(2008)利用WEST完成了中国大陆的风场模拟,并利用中国气象局风能详查项目的测风塔资料验证了模拟结果。徐经纬(2009)利用MM5模拟逐小时风速结果与对应海上测风塔、石油平台、岛礁自动站观测结果初步对比发现,模式的年平均风速与观测结果误差在10%左右,逐小时模拟结果与观测相差较大。吴息等(2014)利用中央气象台发布的MM5数值预报结果与2座福建沿海测风塔对比发现平均误差为0.34 m/s和-2.27 m/s。参考多年船舶观测资料近海风场气候平均结果(闫俊岳等,1993)发现,数值模拟结果的风速空间分布细节与实测存在较大差异,不过面积平均结果与实测结果一致。数值模拟方法结果在量值上与实测接近,不过相关性还有待进一步提高。

综上所述,卫星遥感结果与数值模拟结果之间各有优缺点:数值模拟结果在较长时间尺度的平均值上能比较准确地反映出实测情况;卫星遥感风速能比较准确地反映出风速变化,但量值高于实测风速。故不能使用常规方法将二者结果融合。本文通过进一步深入分析数值模拟与卫星遥感结果的优势与不足,从中找出规律与结合点,采用了一种简便、灵活、计算量小的Pattern-Scaling(PS)方法,将卫星遥感年平均风速结果与数值模拟结果融合。

1 资料与方法

1.1 QuikSCAT卫星遥感与实测资料

研究区域为中国近海及毗邻海域,范围为(105～135°E,0°～45°N),选用2000—2009年NASA 发布逐日海面风(距海表面10 m高度)数据,空间分辨率12.5 km×12.5 km(ftp://podaac.jpl.nasa.gov/OceanWinds/quikscat/L2B12)。由于降水对卫星风速结果影响较大,影响风场资料的质量(Dunbar et al.,2000),根据资料中自带的降水标记,滤除可能有降水的记录。同时选取了上海海上测风塔、东海石油平台和西沙群岛多年风场观测数据,上海近海测风塔塔高70 m,在70、60、50、40、25、和10 m高度分别安装有风速计,获得2007年卫星过境时间实测2 min平均风速,东海石油平台气象站实测风场数据,测风仪器距离海面10.3 m,距离海岸约350 km,获得2007年1—12月逐时2 min平均,对应卫星过境时间的2 min平均实测样本213个。

1.2 数值模拟方案

采用成熟的MM5中尺度数值模式模拟近海风速,初始场采用NCEP的1°×1°再分析资料,采用2重嵌套(图1),外层嵌套分辨率为36 km×36 km,由于中国南北方向跨度大,第二重嵌套分别模拟中国南部与北部,两个子嵌套区域分辨率都为12 km×12 km(QuikSCAT遥感数据水平分辨率为12.5 km),模拟中国近海海域。模式逐日启动,启动时间为世界时12时,每次只积分36 h,取后24 h。参数化方案确定为:行星边界层采用MRF方案,水汽参数化方案为混合冰相显示湿方案,积云参数化采用Betts-Miller方案,辐射方案为云辐射方案等。模拟2000—2009年之间年中国近海年平均风速接近10 a平均值的2007年全年,模拟从2006年12月31日12时起至2007年12月31日24时止,得到中国近海全年逐日逐小时风速结果。

图1 数值模拟区域(D1为第一重嵌套区域,D2和D3是第二重嵌套区域)

1.3 Pattern-Scaling法(PS方法)

在气候系统模拟研究中,常常研究多模式温度变化。Räisänen(1997)、Mitchell et al.(1999)、Swart et al.(2002)采用了PS方法进行研究。PS方法是把温度、降水、气压等变量分解为归一化空间形和空间平均值并分别加以研究,最后将两者相乘得到最终结果。其中空间平均值是空间场的面积平均值,将空间场格点除以面积平均值得到归一化空间分布形。

2 QuikSCAT卫星遥感风场与数值模拟风场结果的特点分析

2.1 QuikSCAT风场的EOF(empirical orthogonal functions,经验正交函数)分析

对2000—2008年9 a的QuikSCAT月平均结果做风速距平的EOF分析(Zhao et al.,2005;郭锐和智协飞,2009;谭桂容等,2009;Jiang et al.,2010;张福颖等，2012；李丽平等,2013),由前4个特征向量的空间分布和各个向量对应的时间系数(图2)可以看出,前4个特征向量累计方差贡献率为87.3%,其中第一特征向量的方差贡献率为74%,第一特征向量可以代表中国近海海表面风速的变化情况。从第一特征向量可以看出中国近海海域风速变化一致,其中台湾海峡地区为变化最大值海域,超过0.04,其数值向南和向北递减,渤海湾和江苏沿海海域数值小于0.01,这表明就9 a风速变化来看,台湾海峡风速值变化较渤海湾和江苏沿海海域大,时间系数有明显季节变化特征。

2.2 QuikSCAT风速与数值模拟风速的SVD(singular value decomposition,奇异值分解)分析

选取2000—2009年累年QuikSCAT卫星遥感风速月平均风速作为左场,MM5数值模拟2007年全年12个月平均风速作为右场,进行SVD分析(表1、图3)。由表1可以看出,前4对SVD模态可以解释99%的协方差平方,其中第一对SVD模态的协方差平方贡献率近92%,说明第一对SVD模态可以表示所有SVD模态的协方差平方。第一对奇异向量解释左场方差71%,解释右场方差45%,由于数值模拟区域结果包括海面和陆地,而QuikSCAT卫星遥感风速只有海上结果,所以解释右场的解释方差较低。第一对SVD模态的时间系数相关达0.98,说明两者相关密切。第一对SVD模态左右奇异向量在海上的相似系数达到0.955,两者在海上的相关系数均超过0.6,在某些海域甚至达到0.9。

图2 2000—2009年QuikSCAT卫星遥感月平均风速距平的第一(a,e)、第二(b,f)、第三(c,g)、第四(d,h)EOF模态的特征向量(a,b,c,d)及其时间系数(e,f,g,h)

表1 2007年MM5模拟的月平均风速与2000—2009年QuikSCAT月平均风速的SVD分解的前4个模态的相关系数

Table 1 Correlation coefficients of the first four SVD modes from the monthly mean wind speed simulated by MM5 in 2007 and QuikSCAT multi-year monthly mean wind speed during 2000—2009

序号奇异值解释协方差平方和百分比/%累计解释协方差平方和百分比/%解释左场方差百分比/%解释右场方差百分比/%相关系数1923.391.8891.8871.1944.790.982242.76.3598.2310.1327.610.87383.40.7598.984.616.070.95457.20.3599.341.828.020.90

说明QuikSCAT卫星遥感风速和数值模拟结果关系密切形态相似,可以通过统计方法订正两者。QuikSCAT第一对SVD模态异类相关系数与其EOF第一特征向量分布一致,说明第一对SVD模态可以体现QuikSCAT自身风速时空分布特征。

2.3 QuikSCAT卫星遥感风速、数值模拟风速与实测风速对比分析

为了进一步阐明QuikSCAT卫星遥感风速和数值模拟风速之间各自的特点。利用数值模式模拟了2007年全年近海海表面风场,并利用此结果与2007

年对应时间上海海上测风塔和东海石油平台对比,在表2中,分别计算了实测与数值模拟、实测与QuikSCAT卫星遥感的风场相关系数、平均风速与相对误差。由表2中的相关系数结果可以看出,虽然两组相关系数都通过了信度检验,但是QuikSCAT卫星遥感风场与实测的相关明显高于数值模拟结果。数值模拟的相对误差比QuikSCAT卫星遥感风场的相对误差小了一个数量级,说明数值模拟结果在平均风速数值上可信度较高。

图3 2007年MM5模拟的月平均风速与2000—2009年QuikSCAT月平均风速的SVD第一(a,e)、第二(b,f)、第三(c,g)、第四(d,h)模态的异类相关系数分布 a,b,c,d.QuikSCAT前4个左异类相关向量;e,f,g,h.MM5模拟前4个右异类相关向量

表2 2007年上海海上测风塔、东海石油平台气象站实测资料与MM5模拟风场、QuikSCAT卫星遥感风场的对比

Table 2 Comparison between the observed wind speeds from Shanghai offshore wind mast and East Sea oil platform meteorological station and the MM5 simulations or the QuikSCAT winds in 2007

注：由于MM5数值模拟结果是逐小时风速结果,QuikSCAT卫星是太阳同步轨道卫星逐日两次过境观测,因此分别与MM5数值模拟和QuikSCAT卫星遥感风场对应时刻的实测风速平均值也略有不同.

同时利用MM5在2007年全年365 d逐日逐小时的模拟结果,计算了地面10 m高度处的年平均风速(图4)。对照QuikSCAT卫星遥感年平均风速可以看出,数值模拟风速结果在数值上比QuikSCAT卫星遥感风速结果小,在分布形态上与QuikSCAT卫星遥感的基本一致。不过对于像台湾海峡、北部

湾地区等这种受地形影响明显海域,数值模拟结果与QuikSCAT卫星遥感的不同。对于这些不同的区域参考船舶观测年平均结果(闫俊岳等,1993),QuikSCAT卫星遥感风场的风速的空间分布结果更合理。

图4 QuikSCAT卫星遥感(a)和MM5数值模拟(b)海面10 m高度处年平均风速(单位:m/s)

3 综合分析模式模拟与卫星遥感年平均风速结果

从前文QuikSCAT卫星遥感风速的实测对比结果中发现,卫星遥感风速的空间分布型是现有各种方法中最接近实际的,模式模拟的面积平均值好于其他方法。基于PS方法思想,分别求出卫星遥感风速的标准化空间分布型(pattern)和模式结果相同区域的年平均风速量值(scaling),再通过PS方式算出中国近海年平均风速,具体如下:首先计算出1999—2009年卫星遥感风速的多年平均风速7.64 m/s,每个格点上将遥感风速结果除以多年平均风速,得到了归一化的QuikSCAT卫星遥感多年平均风速。接着在取出了卫星遥感资的空间分布信息的基础上,计算出数值模拟的年平均风速(6.24 m/s),最后用归一化的QuikSCAT卫星风速空间场格点乘以数值模拟的年平均风速,得到了综合后的卫星遥感年平均风速(图5)。

图5 由MM5模拟结果与QuikSCAT卫星遥感风场综合分析得到的平均风速分布(单位:m/s)

4 验证PS方法处理结果

利用PS方法综合后QuikSCAT卫星遥感年平均风速结果,每个格点风速是综合前的0.81倍,在上海海上测风塔和东海石油平台测风资料的基础上,加入西沙实测资料。西沙测风数据来自西沙岛海边气象观测塔,测风高度10.5 m,2008年4月6日—12月31日的2 min平均风速,与QuikSCAT遥感风速对应时间观测样本346个。比较实测平均风速与QuikSCAT卫星遥感风速的比值。由表3可见,通过上海海上测风塔、东海石油平台和西沙群岛风速年平均结果比较发现,实测平均值与QuikSCAT卫星遥感风速平均值比值在0.81左右,

其中东海石油平台比值等于0.81。上海海上测风塔比值结果略小于0.81,说明比值0.81有一定的合理性。

表3 实测站点与QuikSCAT卫星遥感平均风速的比较

Table 3 Comparison of mean wind speed between in-situ and QuikSCAT

实测站点观测时间实测平均风速/(m·s-1)卫星遥感平均风速/(m·s-1)实测风速与卫星风速的比值上海海上测风塔2007-01—2007-125.77.20.79东海石油平台2006-01—2007-126.17.50.81西沙测风塔2008-04—2008-126.07.50.80

由此可见,通过PS方法可提取可信度较高的模式年平均风速结果与QuikSCAT卫星遥感风速空间分布形态。利用面积平均风速为桥梁建立模式与卫星之间的联系。图4a、b为年平均风速在综合之前与综合之后风速大小分布,综合年平均风速后可以看出中国近海年平均风速空间分布形态与原先的一样,年平均风速值比原先降低,这样中国近海海域年平均风速与模式年平均风速结果相同,综合分析保留了卫星遥感风速的空间分布,又改进了卫星遥感风速在中国近海地区的年平均风速偏大的问题。

5 结论

对2000—2009年QuikSCAT卫星遥感风速做EOF分析发现,前4个特征向量累计方差贡献率为87.3%,其中第一特征向量的方差贡献率为74%。从第一特征向量空间分布可以看出中国近海海域风速变化基本一致,其中台湾海峡地区为变化最大值海域,超过0.04,其数值向南和向北递减,渤海湾和江苏沿海海域数值小于0.01。对2000—2009年QuikSCAT卫星遥感风速月平均风速和MM5数值模拟2007年全年12个月平均风速进行SVD分析发现前4对SVD模态累计协方差贡献率为99%,其中第一对SVD模态的协方差平方和贡献率为92%。第一对SVD奇异向量在海上的相似系数达到0.955,相关系数在海上均超过0.6,最高值达0.9。说明QuikSCAT卫星遥感风速和数值模拟结果关系密切且形态相似,可以通过统计方法综合分析两者。

通过对比验证发现QuikSCAT卫星遥感风速的空间分布形态可信度高,数值模拟海面风速量值可信度高。根据PS方法提取了可信度较高的数值模拟年平均风速量值结果与QuikSCAT卫星遥感风速空间分布形态。综合分析可以发现年平均风速空间分布形态与QuikSCAT卫星遥感风场一致,年平均风速值与模式结果相同。因此,PS方法改进了卫星遥感风速在中国近海地区的年平均风速偏大的问题。

致谢:上海市气象局提供了东海平台风速观测数据,中国科学院南海海洋研究所提供了西沙近海测风数据,审稿专家对本文提出了宝贵建议,谨致谢!

陈剑桥.2011.2008年冬季台湾海峡及其邻近海域QuikSCAT卫星遥感风场的检验及应用分析[J].台湾海峡,30(2):158-164.

郭锐,智协飞.2009.中国南方旱涝时空分布特征分析[J].气象科学,29(5):598-605.

黄世成,姜爱军,刘聪,等.2007.江苏省风能资源重新估算与分布研究[J].气象科学,27(4):407-412.

黄世成,任健,王冰梅,等.2009.江苏80 m高度风能评估方法探讨[J].气象科学,29(4):519-523.

李丽平,成丽萍,靳莉莉,等.2013.北太平洋混合层深度异常及其与中国夏季降水的关系[J].大气科学学报,36(1):20-28.

李泽椿,朱蓉,何晓凤,等.2007.风能资源评估技术方法研究[J].气象学报,65(5):708-709.

刘春霞,何溪澄.2003.QuikSCAT散射计矢量风统计特征及南海大风遥感分析[J].热带气象学报,19(增刊):107-117.

刘志亮,宋丽娜,王凡,等.2012.北黄海QuikSCAT卫星风速与浮标风速对比分析[J].海洋科学,36(3):1-7.

路屹雄,王元,李艳.2009.江苏风能资源代表年选择的方法比较[J].气象科学,29(4):4524-4526.

谭桂容,孙照渤,朱伟军,等.2009.2007年夏季降水异常的成因及预测[J].大气科学学报,32(3):436-442.

吴息,赵彦厂,王冰梅,等.2009.江苏省风电资源的调峰能力评估[J].气象科学,29(5):633-637.

吴息,黄林宏,周海,等.2014.风电场风速数值预报的动态修订方法的探讨[J].大气科学学报,37(5):665-670.

吴晓京,陈云浩,郑新江,等.2007.洋面风场的QuikSCAT/SeaWinds遥感探测[J].自然灾害学报,16(2):7-15.

徐经纬.2009.利用卫星资料与数值模式在中国近海风能资源评估中的应用研究[D].南京:南京信息工程大学.

徐经纬,张秀芝,罗勇,等.2013.QuikSCAT卫星遥感风场可靠性分析及其揭示的中国近海风速分布[J].海洋学报,35(5):76-86.

闫俊岳,陈乾金,张秀芝,等.1993.中国近海气候[M].北京:科学出版社:136-156.

杨晓玲,丁文魁,袁金梅,等.2012.河西走廊东部大风气候特征及预报[J].大气科学学报,35(1):121-127.

张德,朱蓉,罗勇,余卫,等.2008.风能模拟系统WEST在中国风能数值模拟中的应用[J].高原气象,27(1):202-207.

张福颖,郭品文,程军.2012.热带太平洋与印度洋相互作用的年代际变化及其数值模拟[J].大气科学学报,35(1):32-40.

Chelton D B,Freilich M H.2005.Scatterometer-based assessment of 10 m wind analyses from the operational ECMWF and NCEP numerical weather prediction models[J].Mon Wea Rev,133(2):409-429.

Dunbar R S,Lungu T,Weiss B,et al.2000.QuikSCAT science data product user’s manual[M].Pasadena:Jet Propulsion Laboratory:85.

Hasager C B,Barthelmie R J,Christiansen M B,et al.2006.Quantifying offshore wind resources from satellite maps:Study area the North Sea[J].Wind Energy,9(1/2):63-74.

Henderson A R,Morgan C,Smith B,et al.2003.Offshore wind energy in Europe:A review of the state-of-the-art[J].Wind energy,6(1):35-52.

Jiang Ying,Luo Yong,Zhao Zongci,et al.2010.Projections of wind changes for 21st century in China by three regional climate models[J].Chinese Geographical Science,20(3):226-235.

Mitchell J F B,Johns T C,Eagles M,et al.1999.Towards the construction of climate change scenarios[J].Clim Change,41(3/4):547-581.

Räisänen J.1997.Objective comparison of patterns of CO2induced climate change in coupled GCM experiments[J].Clim Dyn,13(3):197-212.

Swart R,Mitchell J,Morita T,et al.2002.Stabilisation scenarios for climate impact assessment[J].Global Environmental Change,12(3):155-165.

Yu W,Benoit R,Girard C,et al.2006.Wind energy simulation toolkit(WEST):A wind mapping system for use by the wind energy industry[J].Wind Engineering,30(1):15-33.

Zhao Z C,Ding Y H,Luo Y,et al.2005.Recent studies on attributions of climate change in China[J].Acta Meteor Sinica,19(4):389-400.

(责任编辑：张福颖)

An integrated analysis of QuikSCAT winds and sea surface winds simulated by MM5

XU Jing-wei1,2,ZHANG Xiu-zhi3,LUO Yong4,XU Min5

(1.Center for Data Assimilation Research and Application,NUIST,Nanjing 210044,China;2.Key Laboratory of Meteorological Disaster(NUIST),Ministry of Education,Nanjing 210044,China;3.National Climate Center,Beijing 100081,China;4.Center for Earth System Science,Tsinghua University,Beijing 100084,China;5.Jiangsu Meteorological Bureau,Nanjing 210008,China)

Based on QuikSCAT satellite remote sensing wind data over China offshore area(0°—45°N,105—135°E) during 2000—2009 and the wind results simulated by MM5 in 2007,through in-situ winds comparison,empirical orthogonal function(EOF) and singular value decomposition(SVD) methods,this paper studies the characteristics of QuikSCAT winds and MM5 simulations.Results show that the spatial distributions of two kinds of winds are similar and their speed variations are closely related.The spatial distribution of QuikSCAT winds is more reasonable and the magnitude of MM5 simulations is more reliable.With the PS(Pattern-Scaling) method,this paper extracts the spatial distribution from QuikSCAT winds and the magnitude from MM5 simulations,which shows that the spatial distribution is same as QuikSCAT winds and the magnitude of wind speed is equal to MM5 simulations.The preliminary test results show that the PS method can increase the accuracy of QuikSCAT winds in China offshore area.

China offshore;QuikSACT winds;numerical simulation;integrated analysis

2013-11-12；改回日期：2014-01-02

国家自然科学基金资助项目(91337218;41005057);国家重点基础研究发展计划(973计划)项目(2010CB951601);江苏省基础研究计划(自然科学基金)资助项目(BK2011039);公益性行业(气象)科研专项(GYHY201406008);江苏高校优势学科建设工程资助项目(PAPD)

徐经纬,博士,研究方向为海洋微波遥感应用,xujw@cma.gov.cn.

10.13878/j.cnki.dqkxxb.20131112001.

1674-7097(2015)01-0093-08

P425.3

A

10.13878/j.cnki.dqkxxb.20131112001

徐经纬,张秀芝,罗勇，等.2015.QuikSCAT卫星遥感与MM5模拟海表面风场的综合分析[J].大气科学学报,38(1):93-100.

Xu Jing-wei,Zhang Xiu-zhi,Luo Yong,et al.2015.An integrated analysis of QuikSCAT winds and sea surface winds simulated by MM5[J].Trans Atmos Sci,38(1):93-100.(in Chinese)