首页期刊导航|海洋预报
期刊信息/Journal information
海洋预报
海洋预报

王辉

双月刊

1003-0239

bjb@nmefc.gov.cn

010-62105776,62105772

100081

北京市海淀区大慧寺8号

海洋预报/Journal Marine ForecastsCSCD北大核心CSTPCD
查看更多>>本刊是经国家新闻出版署批准,由国家海洋环境预报中心主办,公开发行的科技期刊。该刊为全国核心期刊,海洋学类核心期刊,是中国学术期刊综合评价数据库来源期刊。主要探讨海洋、气象学科的理论研究,交流海洋环境预防技术方法,总结预防服务经验,报道科研成果,科技信息及国内外海洋、气象界科技最新动态及展望。
正式出版
收录年代

    Wavewatch Ⅲ模拟和统计方法在最大波高预报方面的评测分析

    王娟娟侯放吴淑萍王久珂...
    1-9页
    查看更多>>摘要:为了研究Wavewatch Ⅲ(WWⅢ)海浪模型对最大波高的模拟能力及其与传统统计关系方法的差异,通过对两次台风浪过程的后报模拟和半年的业务化预报,分析了WWⅢ数值模拟的准确度及其与统计关系方法的精度差异.研究结果表明:WWⅢ数值模拟的最大波高(Hmax)的精度略低于有效波高(Hs),但也达到了24h预报相对误差(Hmax≥1 m)低于18%、相关系数高于0.94的水平,模拟精度可靠,可以用于业务化预报;与两种统计关系方法(Hmax和Hs分别为1.42和1.52)计算的最大波高相比,数值模拟的精度总体与其相当,但在Hmax和Hs比值大于1.65这种易出现危险的海况下,数值模拟具有更高的准确性,更适合应用于海浪预警报服务.

    最大波高WavewatchⅢ模型数值模拟统计关系预报精度

    常规海浪预报定量化检验评估方法研究

    梁颖瑜徐丽丽徐婷婷姚圣康...
    10-20页
    查看更多>>摘要:常规海浪预报内容是一段文字,无法直接应用实况数据进行预报质量的检验评估.在详细调研全国海洋预报机构发布的海浪预报产品的基础上,应用东海预报减灾中心预报结果和实况数据进行反复测试与验证,制定了常规预报产品的处理规则,设计了检验评估方法;通过对存在问题的研讨与论证,重点解决评估波高最小值设定、观测点与预报海域面之间的关系、同一海域多点实况资料选取等定量化检验评估中的关键技术难点,提升了检验评估规则的合理性和适用性.

    海洋环境预报海浪预报质量检验评估定量

    福建省海浪灾害危险性评估

    刘艳贵徐瑞侯放邢闯...
    21-30页
    查看更多>>摘要:选用美国国家环境预报中心的全球再分析风场为驱动风场,以WAVEWATCHⅢ海浪模式为基础,采用全球-西北太平洋-中国近海海区三层嵌套方案构建了1990-2020年海浪再分析数据集;利用该数据集,分析了福建省近海海浪灾害强度和发生频率,并计算了典型重现期的海浪波高.结果表明:福建省海域海浪有效波高分布具有明显的季节变化;因为地形的影响,台湾海峡中部区域的巨浪出现频率高于其他区域.

    福建海浪危险性评估海浪再分析数据集WAVEWATCH

    南海海表温度日变化特征及其影响因素研究

    罗嘉琪李响张蕴斐史珍...
    31-41页
    查看更多>>摘要:利用国家海洋环境预报中心的逐时海表温度(SST)数据和欧洲中期数值预报中心的ERA5数据集研究了南海海表温度日变化(DSST)的特征及其影响因素.研究结果表明:南海区域的DSST平均为0.56℃,总体呈纬向分布,近岸海域DSST幅度较大,但超过1.5℃的日增暖事件发生频次较少;南海DSST具有显著的季节变化特征,总体表现为春季最大(约0.7℃),冬季最小(约0.2~0.3℃);净辐射通量日变化和风速的季节变化是影响南海DSST季节变化的主要原因,南海月平均DSST与净辐射通量日变化的季节变化具有很好的一致性,DSST随着净辐射通量日变化的增加而增大,但DSST与风速的变化关系则相反;南海季风对南海DSST的季节变化也有着重要影响;南海SST具有明显的日循环特征,通常在每日16时到达峰值,08时到达谷值;影响南海SST日循环的主要因素为净辐射通量的日循环,风速日循环的影响相对较小.

    海表温度日变化净辐射通量日变化风速季风

    基于SARIMA模型的近岸海表温度短期预报研究

    赵强王擎宇舒志光
    42-49页
    查看更多>>摘要:基于石浦海洋站实测数据,采用周期性自回归积分滑动平均方法(SARIMA)构建了逐时海表温度短期预报模型,根据观测数据的周期特征和模型预报误差比选确定了模型参数.结果表明:与采用逐时观测数据作为输入的模型相比,采用逐0.5 h内插数据构建的SARIMA模型的预报结果与实测数据间的相位更为一致,预报误差更小,但进一步将输入数据的时间分辨率提高,72 h逐时预报精度提升不明显;研究还发现模型预报误差总体随输入数据时长的减小而增大;采用366 d逐0.5 h数据构建的SARIMA(2,0,2)(2,1,0)25模型的预报结果较优,0~24 h、24~48 h、48~72 h预报的平均绝对误差分别为0.176℃、0.350℃、0.520℃,相应的均方根误差分别为0.217℃、0.396℃、0.567℃.

    周期性自回归积分滑动平均方法统计预报海表温度预报

    河北省海啸灾害风险评估和区划研究

    王平左丽明孙立宁席明硕...
    50-60页
    查看更多>>摘要:基于康奈尔多电网耦合海啸模型(COMCOT)数值模式建立研究区海啸数值模型,利用模型对6个地震海啸源情景场进行模拟计算,通过对各海啸源下数值模拟结果的综合分析,确定研究区海啸灾害危险性分布;根据土地利用类型数据资料确定研究区承灾体脆弱性分布;通过危险性、脆弱性评估成果,综合确定研究区海啸灾害风险性评估和区划成果.结果表明:河北省遭受海啸灾害风险最高等级为Ⅱ级,主要分布在唐山市和秦皇岛市沿海区域;沧州市沿海区域海啸灾害风险等级较小,为Ⅲ级和Ⅳ级.

    COMCOT数值模式海啸灾害危险性脆弱性风险评估河北省

    GNSS-IR测量水位的精度评估和站点对比:以中国南海北部和日本南部站点为例

    叶脉李琳琳彭冬菊王培涛...
    61-73页
    查看更多>>摘要:通过南海北部和日本多个实例,量化分析影响近岸全球卫星导航系统干涉反射计(GNSS-IR)反演潮位或风暴潮过程效果的主要影响因素.结果表明:接收机所能接收的卫星信号波段数量、反射信号功率对反演的时间分辨率和精度影响巨大.研究以香港HKQT站点为例量化多模多频GNSS-IR监测风暴潮的优势,同时展示日本J425站点在潮位站空缺地区记录完整风暴潮波形的能力.分别针对卫星信号接受波段、硬件配置、台站架设位置和架设高度等因素,对未来架设具有测量海平面能力的近岸GNSS站点提供具体的指导意见.

    GNSS-IR长期水位风暴潮反演影响因素

    长江口一次持续性强浓雾过程特征和成因分析

    韩苗苗高雅文钟剑杜树浩...
    74-82页
    查看更多>>摘要:使用船载观测资料、FNL再分析资料和葵花八号云图资料,对2022年3月11-14日发生于长江口的持续性浓雾过程进行研究分析,并归纳总结了预报的实用性方法.结果表明:本次浓雾过程包含辐射雾和锋面平流雾,持续时间长,影响范围广,雾区在锋面的前后部都相继出现,且锋面移动往往影响着雾的移动.在雾的生消和维持过程中,气温和相对湿度通常呈负相关,温度露点差和能见度呈正相关,当温度露点差大于3℃时,长江口也会有雾生成,但能见度不低于3 km.雾生时段通常盛行偏南风和偏北风,偏西风和西北风则会导致相对湿度迅速下降,不利于雾的形成和维持.可见光云图上雾的特征明显,颜色纹理均匀,边界清晰整齐,外围无丝状或纤维状云系扩散,而红外云图上对应处是一片灰暗区,只有边界隐约可见.

    浓雾长江口雾生消过程水汽输送预报

    基于空间插值的长江口邻近海域春季悬浮物和叶绿素a空间分布分析

    赵菊英杜博文韦美怡李阳东...
    83-93页
    查看更多>>摘要:针对目前利用实测数据对长江口邻近海域水质状况进行分析研究相对偏少的情况,基于"淞航"号2018年春季航次对该海域的综合观测,利用实验室水样分析数据对船载温盐深仪(CTD)的测量数据进行校正,并对该区域2018年春季时节悬浮物(TSM)和叶绿素a(Chl-a)浓度的空间插值结果进行分析.研究结果表明:CTD观测数据与水样分析数据呈较强线性相关关系.反距离权重插值对TSM和Chl-a浓度空间分布具有整体最优的效果.TSM浓度在近岸和近海底较高,在观测区域内出现两个高值中心;Chl-a浓度在近岸海域较高,有较明显的片状高值结构,垂向上表层较高.TSM与Chl-a浓度分布在长江口南北表现出不同的特征,且两者具有一定的负相关性.长江径流、外海洋流、潮汐混合等水动力过程是影响该区域TSM和Chl-a浓度分布的主要因素.

    长江口邻近海域悬浮物浓度叶绿素a浓度空间插值断面分析大面分析

    基于CNN-LSTM的珠江河口台风过程实时滚动修正预报

    邓志弘刘丙军张卡胡仕焜...
    94-103页
    查看更多>>摘要:为改善台风预报精度,基于实时滚动修正预报思路,利用卷积神经网络嵌套长短期记忆神经网络(CNN-LSTM)和误差校正(EC)技术,搭建了珠江河口台风实时预报模型.研究结果表明:"滚动预报"比单次预报有更好的路径和强度预报效果,随着模型滚动时间的延长,预报整体精度有逐渐改善的趋势.路径预报结果的均方根误差比单次预报减小了25.67%,强度预报结果的平均绝对误差比单次预报减小了65.04%;考虑误差校正的CNN-LSTM-EC的路径、强度"滚动预报"效果均优于CNN-LSTM,前者的路径预报误差较后者减小了22.57%,强度预报误差减小2.5%.

    实时滚动预报台风珠江河口深度学习误差校正