基于 4DVarNets 从卫星衍生的 SST-SSH 协同反演海表流
大气与海洋物理
2023-01-09 v2 机器学习
摘要
卫星测高是直接观测海表动力学的独特方式。然而，这仅限于海表速度的表面约束地转分量。然而，对于低于 100 km 的水平尺度和低于 10 天的的时间尺度，非地转动力学预期是显著的。海洋环流模式的同化可能仅揭示这部分非地转分量的一小部分。在此，我们探索一种基于学习的方案，以更好地利用观测到的海表示踪剂（尤其是海表高度（SSH）和海表温度（SST））之间的协同作用，从而更好地推断海表流。更具体地说，我们开发了一种 4DVarNet 方案，该方案利用具有可训练观测和先验项的变分数据同化公式。在湾流区域进行的观测系统模拟实验（OSSE）表明，SST-SSH 协同作用可以揭示时间尺度为 2.5-3.0 天、水平尺度为 0.5-0.7 的海表速度，包括显著部分的非地转动力学（ 47%）。对不同观测数据（即星下点沿轨测高、宽幅 SWOT 测高和 SST 数据）贡献的分析强调了 SST 特征在 1/20 至 1/4 水平空间尺度重建中的作用。
引用
@article{arxiv.2211.13059,
title = {Inversion of sea surface currents from satellite-derived SST-SSH synergies with 4DVarNets},
author = {Ronan Fablet and Bertrand Chapron and Julien Le Sommer and Florian Sévellec},
journal= {arXiv preprint arXiv:2211.13059},
year = {2023}
}