OceanGraph：用于多尺度海洋状态预测的自适应网格耦合方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：OceanGraph: Adaptive Mesh-Grid Coupling for Multiscale Ocean State Prediction

　　

摘要：

准确的海洋预报对海洋生产至关重要，并直接影响气候预测、环流建模和极端天气预警。在本文中，我们介绍了OceanGraph，这是一种基于图的新型多变量海洋预报框架，它在热力学预报方面取得了改进。该框架通过动态加权的连接将高分辨率网格表示与多分辨率网格结构相结合，这些权重是根据每个接收器的邻近区域进行归一化的。与数据驱动的基线XiHe进行综合评估表明，OceanGraph将10天平均温度的均方根误差（RMSE）降低了约45%，盐度的RMSE降低了约49%，在三个评估深度（0.494米、2.65米、5.078米）上均表现出色，同时在纬向和经向流分量上也具有竞争力。由于温度和盐度通过状态方程共同决定了海水的密度，这些改进使得混合层更加符合物理规律，近表层密度跃层更加明显，以及上层海洋与海冰之间的热力学耦合得到了更好的表征。该框架保持了深度的一致性，垂直层间的变化较小，并且这种优势在10天的自回归预测过程中每天都在持续，而不仅仅局限于第一天。这些进步是通过稀疏的层次化连接和基于接收器归一化的动态边权重实现的，为操作型海洋预报系统奠定了基础，在这些系统中，准确的热力学预报对环流预测、极地海冰演变和极端事件的预测具有关键影响。