我们能从 Argo 浮标重建平均流与涡流通量吗？

本文使用一个旨在代表南大洋的理想化涡分辨率数值模型，探讨了 Argo 浮标网络提供的深部速度估计在重建平均量与涡动量（如热通量）方面的能力。该模型被播撒了 450 个“虚拟”Argo 浮标，随后这些浮标被模型场平流输送了 10 年。通过将虚拟 Argo 浮标重建的速度、涡动能和热通量与模型输出的“真实”值进行比较，系统研究了时间采样、网络密度和浮标实验长度的影响。我们发现，尽管这三个量的误差都随着时间采样率、浮标数量和时间跨度的增加而减小，但误差会趋近于一个渐近极限。因此，当这些参数超过该极限时，仅能观察到误差的微小减小。真实 Argo 网络的参数在缩放以匹配虚拟 Argo 网络的参数时，通常落在渐近区域附近或内部。利用该数值模型，演示了一种计算横向热通量的方法。随后，使用 Ollitrault & Rannou (2013) 的 ANDRO 数据集，将此方法应用于 5 年的 Argo 反演速度，以估计南大洋极锋 1000m 深度处的涡热通量。热通量集中在大地形特征下游的区域，这与先前研究的结果一致。发现在该深度穿过极锋的热输送为 2$\pm$0.5TW，其中 90% 以上集中在极锋所跨越的总经度的不到 20% 范围内。最后，讨论了这项工作对监测海洋气候的意义。