数据的西北太平洋区域海面变化预测

地理学报ACTA GEOGRAPHICA SINICA 第66卷第1期2011年1月V ol.66,No.1Jan.,2011收稿日期：2010-08-09;修订日期：2010-10-08基金项目：国家自然科学基金重点项目(40730527);国家高技术研究发展计划专项课题(2009AA12Z205)[Foundation:Key Project of National Natural Science Foundation of China,No.40730527;National High Technology R&DProgram of China,No.2009AA12Z205]作者简介：罗文(1986-),男,硕士,主要从事海面变化及GIS 时空分析研究。

E-mail:luow1987@通讯作者：袁林旺(1973-),男,教授,主要从事海面变化与地理建模研究。

E-mail:yuanlinwang@111-122页基于验潮数据的西北太平洋区域海面变化预测罗文,袁林旺,易琳,俞肇元,谢志仁(南京师范大学虚拟地理环境教育部重点实验室，南京210046)摘要：区域海面变化研究受到验潮站数据时段不一致、空间分布不均匀及影响要素复杂性和不确定性等因素制约。

本文基于西北太平洋海域22个站位的验潮数据，应用RegEM 及MTM 方法探讨其多尺度波动过程的时空差异，基于空间邻近性及有序聚类方法，将区域海面变化划分为5个区段(渤海—黄海北部沿岸、黄—东海中国沿岸、东海海域日本沿岸、东海南部沿岸以及南海西北部沿岸)，进而利用MGF 方法对各站位进行中长期的统计预测，并结合主成分方法进行区域综合。

结果显示各区2001-2030年的海面变化平均速率分别为：1.23~1.27mm/a ，3.30~3.34mm/a ，2.72~2.76mm/a ，1.43~1.47mm/a 和1.13~1.15mm/a ，而区域海面上升速率为2.01~2.11mm/a 。

关键词：海面预测；时空分异；RegEM ；MGF ；MTM ；西北太平洋作为21世纪海面变化预测两个基本目标的全球平均与区域性相对海面变化预测，在预测方法上可分为动力预测和统计预测两大类。

国内早期的相关研究多基于统计模型[1-3]，其预测结果往往受基准数据起迄时间不同及基准序列长短不一的影响，且对海面变化物理过程与历史背景揭示不足，从而使预测结果的可对比性变差，此类研究在经历了短暂的热潮后渐归于冷寂。

IPCC AR4评估报告基于气候—海面变化系统中各要素间相互作用机制，构建以海洋—大气环流模式为核心的多种动力模式，并对自然驱动与人类活动影响不同场景下的全球性及区域性气候—海面变化特征、过程进行模拟试验及影响评价[4]。

然而，由于海面变化驱动过程的复杂性所导致的物理机制的不明晰[5-6]，以及动力模式对关键参数的极端敏感[7-8]，使得现有的动力模式预测结果与实测数据间仍存在相当的差异[9]。

Rahmstorf (2007)提出了一种半经验统计模型对21世纪全球平均海面上升速率进行预测[10]，Grinsted 等基于蒙特卡洛反演的方法给出了2000-2100年海面变化的可能场景[11]，两者结果均对IPCC AR4预测结果提出质疑，并引发了广泛争论。

基于历史观测数据及统计模型的海面变化预测研究重新得到海面变化研究者的重视，并将在海面预测研究中发挥重要作用。

验潮数据是海面变化研究的主要数据来源之一，由于验潮站点分布不均和受陆地垂直运动的影响，数据整理与分析至关重要[12]。

近年来，基于主成分及虚拟站位等方式进行序列插补及平均序列重构研究取得了重要进展[11,13]，但该类方法仍受原始序列的波动结构及精度影响，且其在空间结构的敏感性，重构序列的不确定性等方面仍存在一定争议[14]。

综合卫星及验潮数据的海面变化时空综合研究也得到了逐步的开展，但在研究时段及分析方法受限的前提下，对于海面变化上升速率至今仍无定论[15-16]。

海面变化数据长短不一，精度各异，在时域上呈现非线性、多尺度性，在空间上呈现的区域不一致性，使得对区域海面变化的整体研究相对较为困难。

引入多尺度视角，从序列重建、谱系特征、波动过程特征和时空结构特征上对海面变化的历史过程进行综合集成研究并将其成果应用于预测，是区域海面预测研究值得尝试的新思路。

本文综合多种数学方法进行海面变化预测的区域综合集成研究，尝地理学报66卷112试实现海面变化特征研究与预测研究的有机整合。

1数据与研究方法1.1研究数据西北太平洋海区邻近热带辐合带，与欧亚大陆相连，受到季风、洋流、ENSO以及人类活动等诸多因素的强烈影响，是研究海—气相互作用过程及特征的理想地域。

考虑到数据的图1原始数据序列Fig.1Original series of each station1期罗文等：基于验潮数据的西北太平洋区域海面变化预测113有效性和可获取性，本文从PSMSL以及UHSLC公开发布的验潮数据中选取处于该海域的22个潮位站的月均海平面数据，整体时段跨度从1925年1月到2009年12月，其中秦皇岛、烟台、仁川、大埔滘、澳门的数据引自(PSMSL)公布的修正地方基准海面(Revised Local Reference,RLR)数据[17]。

其余各站数据均引自UH Sea Level Center*(图1)。

1.2研究方法由于各站位验潮数据在起讫时段上的不一致性，导致各站位共有时段明显变短，因此基于时空特征的序列重建或频域特征分析是可能的研究途径。

序列重建方法在气候、海面变化的空间构型对比及序列重建与分析中有较多尝试[18-19]。

基于频域的方法可有效地揭示序列波动的周期和能量特征。

本文利用RegEM获取各站位海面波动的空间格局及不同阶段的变化速率，而后应用MTM方法进行频域特征对比，并结合海区应用有序聚类方法进行站位分类分区；基于均生函数(MGF)方法获得的各站位至2030年海面变化预测结果，结合经验模态分解(EMD)和主成分分析(PCA)方法，讨论了区域海面变化特征、区域海面变化综合曲线以及区域海面变化速率。

上述方法的综合运用为最大限度地利用现有数据，进行区域海面变化的过程、特征研究提供了新的视角。

研究所采用6种主要方法如下：(1)调整最大似然法(the regularized EM algorithm,RegEM)该方法以岭回归方法实现回归正则化及参数估计，利用交叉检验实现给定精度的时空矩阵插值。

相对于普通最大似然法而言，该方法在小尺度的细节波动上具有更好的重现性，且可有效应用于变量数多于样本数的情况，因而被广泛应用于气候序列的插补等[20]。

该方法运算过程中可给出具有缺失值样本序列的较准确的协方差估计，并可有效获取不同时段序列重构的空间型及误差分布。

Mann等(2009)曾利用该方法重建了1500年来全球温度序列，并利用其讨论了重建气温的空间型以及小冰期及中世纪暖期全球气候的波动特征与动态结构，在国际上引起了较大的反响[21]。

(2)多窗口谱分析(Multi-taper Spectral Method，MTM)该方法由D.J.Thomson于1982年提出[22]。

它可在谱分辨率与方差之间取得良好平衡，进而达成低方差、高分辨率的分析目标。

相对常规的功率谱分析而言，其谱泄露几乎为零，非常适合于对短序列、高噪声背景下非线性系统中与时空变化有关的弱信号的检测分析，已被广泛应用于气象、海洋等领域[23-25]。

(3)有序聚类方法[26-27]：有序聚类也称有序样本最优分割法，是聚类分析中的一种，该方法不同于系统聚类法和逐步聚类法。

它充分考虑样本的空间或时间顺序，按照有序样本组内相似性最大、组间相似性最小的标准对样本进行分类，进而获得最优分类结果。

此方法已被广泛应用于气象、地质、土壤等诸多领域。

(4)均生函数(Mean Generating Function,MGF)方法该方法由曹鸿兴，魏风英提出[28-29]，基于统计—动力建模思路，可有效平衡细节预测与趋势预测精度，利用从原序列中派生出的自变量作为预测变量和原序列建立最优子集回归模型，采用兼顾数量预报和趋势预报的CSC 双评分准则确定自然周期、筛选变量和确定阶数。

该方法能较好地预测序列各种周期的波动特征、极值变化和长期趋势变化，且可进行多步预测，在多个预测领域得到运用[30-31]。

袁林旺等曾利用MGF进行海面变化的预测试验，结果显示，该方法不仅具备了较准确的长期预测性能，且其预测结果受序列长度及预测起始点影响较小，且可有效应用于波动趋势预测[31]。

(5)经验模态分解(Empirical Mode Decomposition，EMD)方法EMD方法是非线性与非平稳时间序列多尺度分析的有效工具。

其提取出的趋势具有更好的逻辑基础、自适应特征，是进行趋势分离的有效方法之一[32-33]。

海面变化中不同尺度波动组分在振幅、相位以及结构稳定性上的差异使得直接基于多尺度混合序列计算海面变化速率可能存在较高的不确定性。

为此利用经验模态分解(Empirical Mode Decomposition，EMD)从预测序列中提取趋势并进*/uhslc/data.html66卷地理学报行速率计算，以滤除不同尺度波动组分对海面变化速率计算的影响。

(6)主成分分析(Principal Component Analysis,PCA )该方法利用协方差矩阵实现原始时空数据中特征的去相关。

从而利用尽可能少的几个新变量来表达原始时空矩阵的信息，实现特征提取及数据压缩。

Mann 等(1998)等曾基于该方法集成各类不同时段及分辨率的代用指标获得全球平均气温变化的综合曲线，在古气候领域产生较大的反响[18]。

Church 、Chambers 等则利用PCA 方法进行时段较短的近全球范围的卫星测高数据与时段较长但稀疏分布的其他海面变化数据间的集成，并用于全球平均海面综合序列及其速率的计算[15-16]。

2海面变化的过程特征与岸段划分2.1插补序列揭示的空间构型与不同阶段速率对比对各站位原始序列进行RegEM 插补，结果显示1954年以前因序列缺失相对较多，其重构的不确定性相对较高。

如1954年后序列插补的误差分布(图2a)所示，已基本满足序列重构的精度需求。

从基于RegEM 获得的各站位序列协方差看，各站位海面变化波动存在明显的空间分异性，且整体表现为以纬向分异特征为主，但不同站位、不同区域间存在一定的差异性。

空间分异的大致构型上，秦皇岛—名濑一线各站位间协方差相对较大，而名赖以南站位间协方差则相对较小。

显示研究区北部海面变化波动的空间一致性高于南部地区；从协方差矩阵看，南北两区均可以以进一步划分为两类次级分异区。