Et 31-årigt globalt datasæt for havoverfladetemperaturer i døgnet

Baseret på en anden-ordens turbulens blandet lag model, Dr. Tiejun Ling, seniorforsker fra National Marine Environmental Forecasting Center, Kina (NMEFC), og hans forskerhold, har udviklet en ny havblandingsmodel.

Modellen er i stand til at gengive en mere realistisk havoverfladetemperatur (SST) døgncyklus end eksisterende modeller. I mellemtiden gennem en række algoritmer og parallel optimering, beregningseffektiviteten er væsentligt forbedret i den nye mixed layer model, og har således potentialet til at være et betydeligt nyttigt værktøj til at studere den langsigtede daglige variation af SST. Resultaterne af denne forskning er for nylig blevet offentliggjort i Fremskridt inden for atmosfæriske videnskaber , og papiret er vist på forsiden af ​​det nummer, hvor det vises (bind 35, Udgave 12).

Fordel ved havblandingsmodellen

Luft-søinteraktion er en vigtig proces, der påvirker klimatiske variationer, og SST er en af ​​de vigtigste parametre, der styrer denne interaktion. Som en af ​​de dominerende variationsskalaer i SST, den daglige cyklus, som varierer globalt med 2?, har en væsentlig indflydelse på udviklingen af ​​vejr- og klimasystemer.

Typisk, den daglige variation af SST studeres gennem observation eller modeldata. Med hensyn til førstnævnte (dvs. observationsdata), den rumlige dækning af drivende bøjer og satellitbårne data er uensartet og diskontinuerlig, gør det vanskeligt at studere den langsigtede variation af SST. Modelleringstilgangen, imidlertid, kan hjælpe med dette problem. At have adgang til højfrekvente SST-data kan gavne undersøgelsen af ​​opvarmningstærskler, topværdier, og tidspunkter.

Sammenlignet med empiriske modeller, en havblandingsmodel kan gengive mere realistiske dynamiske og termiske processer i det øvre hav, og beregningsomkostningerne er lavere end for en klimasystemmodel.

Pålidelighed af time-SST-datasættet

Nøjagtigheden af ​​SST-døgnvariationen afhænger i høj grad af pålideligheden af ​​modeldataene. I dette studie, sammenligninger med in situ observationsdata viste, at den nye model fungerer godt, med en gennemsnitlig bias på 0,07°C, og rod-middel-kvadrat-fejl og korrelationskoefficient på 0,37°C og 0,98, henholdsvis. Lignende resultater blev opnået fra satellitdata.

Klimakarakteristika for variationen i SST-dagcyklussen

Dr. Ling og hans forskerhold udforskede det nye datasæt og afslørede nogle af de klimatiske egenskaber forbundet med variationen i SST-dagcyklussen. Karakteristikaene faldt sammen med dem, der blev opnået fra satellitdata.

Den 31-årige klimatologi afslørede, at SST-døgnvariationen er lille på tværs af de fleste regioner, med højere værdier synlige i det østlige og vestlige ækvatoriale Stillehav, det nordlige Indiske Ocean, det vestlige Mellemamerika, det nordvestlige Australien, og flere kystområder.

Signifikant sæsonvariation af daglig SST blev fundet at eksistere i alle bassiner. I Atlanterhavet og Stillehavet, sæsonmønsteret er orienteret nord-syd, efter variationen af ​​solbestråling; hvorimod, i det indiske bassin er det domineret af monsunvariation, ifølge Dr. LING.

"På den mellemårige skala, resultaterne fremhæver forholdet mellem de daglige og mellemårige variationer af SST, og afsløre, at den daglige opvarmning i det centrale ækvatoriale Stillehav kunne være en potentiel klimatisk indikator for ENSOs forudsigelse, " forklarer han.

Dr. LING siger, at holdet fandt ud af, at SST-døgnvariation har en betydelig indvirkning på globale klimaændringer på både sæson- og mellemårsskala. Vigtigere, den daglige opvarmning af SST i det centrale ækvatoriale Stillehav kunne være en potentiel indikator for ENSO-forudsigelse.

"Udover, dette datasæt har gode forsknings- og anvendelsesmuligheder. Disse langsigtede, højopløselige time-SST-data kunne anvendes i undersøgelser af den langsigtede tendens i regional og global SST-døgnvariation, samt forholdet mellem SST døgnvariation og regionale og globale klimabegivenheder, " tilføjer han.

Software copyright er opnået til modellen med havblandede lag, og anvendes operationelt på National Marine Environmental Forecasting Center, Kina.

Fremtidsplaner

Forskerholdet vil fortsætte med at køre modellen med havblandede lag operationelt, løbende at opdatere dataene og bruge dem til at studere de langsigtede tendenser for SST døgnvariation og virkningerne af SST døgnvariationer på globalt og regionalt klima.