使用衛(wèi)星輸入數(shù)據(jù),從COARE氣體傳輸模型中導(dǎo)出二氧化碳?xì)怏w傳輸速率的不確定性傳播分析

1、地球物理學(xué)研究期刊:海洋研究論文10.1002/2013JC009271關(guān)鍵點:COAREG使用衛(wèi)星輸入測定二氧化碳?xì)怏w傳輸?shù)牟淮_定性衛(wèi)星導(dǎo)出的風(fēng)速的不確定性是氣體轉(zhuǎn)移的主導(dǎo)因素在低風(fēng)速時, Ta的不確定性會影響氣體傳輸?shù)牟淮_定性通信:D.L. Jackson，Darren.L.J引用：Jackson，D.L和G.A.Wick(2014),使用衛(wèi)星輸入，從COARE氣體傳輸模型中導(dǎo)出二氧化碳?xì)怏w傳輸速率的不確定性傳播分析，J，Geophys.Res.海洋119，1828-1842，dol：10.1002/2013JC009271收件：2013年7月11日接收：201

2、4年1月22日網(wǎng)絡(luò)接收論文：2014年1月28 日網(wǎng)絡(luò)發(fā)布：2014年3月13日使用衛(wèi)星輸入，從COARE氣體傳輸模型中導(dǎo)出二氧化碳?xì)怏w傳輸速率的不確定性傳播分析Darren L.Jackson 和Gary A.Wick美國科羅拉多環(huán)境科學(xué)合作機構(gòu)；博爾德科羅拉多大學(xué)和美國國家海洋和大氣管理局地球系統(tǒng)研究實驗室摘要：不確定性方法的普及發(fā)展壯大，以此將氣體轉(zhuǎn)移的不穩(wěn)定性稱為運用國家海洋和大氣管理局的海洋大氣耦合響應(yīng)實驗（NOAA-COARE）氣體轉(zhuǎn)移模型（COAREG）。這個不確定性模型估計，在引起二氧化碳?xì)怏w轉(zhuǎn)移速度上，衛(wèi)星輸入至COAREG不確定性的影響大小。模型的影響，10m溫度，10m比

3、濕度，10m風(fēng)速，海洋表面溫度，長波和短波的地表通量是要去調(diào)查的。九年時間，氣體轉(zhuǎn)移速度及其不確定性已經(jīng)被構(gòu)造和分析。我們發(fā)現(xiàn)氣候平均轉(zhuǎn)移速度有少于15%的標(biāo)準(zhǔn)差。這些輸入的不確定性的時空變化是存在的，并且百分比的不一致說明了每次輸入是由風(fēng)速的不確定性所主導(dǎo)的。空氣溫度和風(fēng)速之間的協(xié)方差的不確定性，和在低風(fēng)速情況下10m空氣溫度的不確定性被發(fā)現(xiàn)是意義重大的。此外，空氣溫度不確定性影響氣體轉(zhuǎn)移的不確定性的可能性，在氣溫超過海面溫度的地區(qū)，是最大的。在COAREG中浮力驅(qū)動的轉(zhuǎn)移在這些條件下，提高了氣體轉(zhuǎn)移速度的不確定性。這些條件最典型地出現(xiàn)在美國東南部延近赤道地區(qū)，北太平洋和北大西洋。1介紹明白

4、二氧化碳?xì)怏w在大洋面熔解出的產(chǎn)物的不確定性，對關(guān)于大氣氣候變化的研究是至關(guān)重要的。二氧化碳和其他氣體在全球海洋上方的攝入，不僅僅取決于大氣海洋界面的氣體濃度，還由其轉(zhuǎn)移速度所決定，這是在此界面時對氣體轉(zhuǎn)移速度的描述。只對風(fēng)進行觀察而測定K的經(jīng)驗法i.e.,Wanninkhof,1992;Ho et al.,2011;Edson et al.,2011，已經(jīng)籠統(tǒng)地評定了不確定性，通過使用從經(jīng)驗得來的符合這種關(guān)系的誤差。然而，Jackson et al.2012把更基于物理學(xué)的COAREG氣體轉(zhuǎn)移模型Fairall et al.,2000;Hare et al.,2004;Edson et al.

5、,2011;Fairall et al.,2012通過攝取一些衛(wèi)星觀察到的大氣和海洋的參數(shù)作為模型的輸入, 應(yīng)用于測定K。由于每一種輸入恢復(fù)后，都有其自己的不確定性，我們就利用一種不確定性模型的傳播，在這個基于這些輸入的不確定性研究中，探索測定K的不確定性。氣體在洋面的流出的測定取決于一種氣體在洋面梯度以及氣體轉(zhuǎn)移速度的不穩(wěn)定性，這種速度是一氣體在表面進行交換時對阻力的估計。由于兩種氣體在海洋和大氣層之間交換是非線性過程，K是很難去測量的。對于二氧化碳，這種交換對許多因素是很敏感的，諸如：風(fēng)速，波的阻斷及泡沫的生成，表面活化劑，和浮力效應(yīng)。用經(jīng)驗法來直接測定K，使用雙示蹤法i.e.Nighti

6、ngale et al.,2000;Ho et al.,2011，高壓氣體貯罐 和自然碳- 14的數(shù)據(jù)Wanninkhof,1992, 以及直接漩渦相關(guān)測量法Wanninkhof and McGillis ,1999;McGillis et al.,2001,2004;Edson et al.,2011。盡管發(fā)現(xiàn)在風(fēng)速和K的易變性之間有很高度的關(guān)聯(lián)，K的易變性仍然存在顯著的不確定性，這可能是由波齡，范圍，泡沫，波浪破碎，穩(wěn)定性以及表面活性劑Frew et al.,1990;Woolf,1997,2005;Jeffery et al.,2007引起的。為了回答提出的疑難，從經(jīng)驗法中推導(dǎo)K， Fa

7、irall et al.2000,開創(chuàng)了COAREG模型，它描述了混亂的由分子組成的過程，表面重建效果及用參數(shù)表示泡沫和碎波效果。Hare et al.2004合并了來自GasEx-98和GasEx-01實驗的直接漩渦相關(guān)氣體通量數(shù)據(jù)，來評估COAREG及二氧化碳轉(zhuǎn)移速度的效力。Edson et al.2011 使用南海GasEx（SO-GasEx）直接漩渦相關(guān)氣體通量數(shù)據(jù)，擴大了這成就。并且，Jackson et al.2012建立了一個方法，引進衛(wèi)星輸入到COAREG中，而非船舶輸入，在COAREG中擴大了K值的接受范圍并且遠遠超過了由船舶觀測所帶來的局限性。然而，這種剔除風(fēng)速作為有效參數(shù)

8、的檢測手段可能會影響轉(zhuǎn)移速度和它們的誤差。之前對K不確定性的估計，通常被限制于將船舶檢測和各種各樣由風(fēng)速和Ki.e.McGillis et al.,2001;Ho etal.,2012;Edson et al.,2011之間衍生出來的經(jīng)驗關(guān)系相比較。不確定性的焦點著重于研究測量風(fēng)速和氣體變動誤差值。將衛(wèi)星的輸出數(shù)據(jù)應(yīng)用于COAREGJackson et al.,2012來計算K，得到了一個新方法：憑借K值來決定不穩(wěn)定性并且，并突出強調(diào)了受影響的參數(shù)，排除獲取K值因風(fēng)速而產(chǎn)生的誤差。除了減少依賴對風(fēng)速以外，并且取得足夠充分的理論實踐基礎(chǔ)，我們就可以有效的理解哪里是可以改進的。因此,這個研究通過不

9、確定性模型的傳播,探察了在各個大氣層和海洋輸入的不確定性對K的影響。本實驗中，K本身的不確定性不作考慮。2數(shù)據(jù) 這個不確定性模型利用幾個衛(wèi)星數(shù)據(jù)集，從COAREG氣體轉(zhuǎn)移模型中測定氣體轉(zhuǎn)移速度的不確定性。這些衛(wèi)星的輸出數(shù)據(jù)被用于COAREG接受氣體轉(zhuǎn)移速度：10m風(fēng)速，10m空氣溫度，洋面溫度，10m比濕度，及表面的凈長波輻射數(shù)據(jù)。所有的數(shù)據(jù)集涵蓋了1999至2007年這個時期的所有數(shù)據(jù)。除了1°分辨率的受輻射曲域以外，所有的數(shù)據(jù)域被分割于0.25°空間分辨率。格子數(shù)據(jù)域的時間分辨率是3小時，每日平均分配，洋面溫度的數(shù)據(jù)除外。注意，衛(wèi)星監(jiān)控中導(dǎo)出即時所拍攝下來的風(fēng)的結(jié)果，溫

10、度以及濕度，并且以3小時為間隔時間繪制成格子地圖。這些3小時格子地圖包含了丟失數(shù)據(jù)，以及緯度50°以北的一些因為重疊的衛(wèi)星軌道而重復(fù)觀測的地區(qū)。10m風(fēng)速觀測數(shù)據(jù)來自第7代遙感系統(tǒng)的樣本網(wǎng)格數(shù)據(jù)集。洋面溫度數(shù)據(jù)源于Reynolds et al.2007。輻射數(shù)據(jù)采集自全球能源和水循環(huán)試驗（GEWEX）表面輻射預(yù)算（SRB）項目。10m濕度數(shù)據(jù)（Qa）檢索自Jackson et al.2009，10m空氣溫度（Ta）數(shù)據(jù)得自Jackson et al.2006的一個改良版本。Jackson和Wicl2010檢索到，洋面溫度數(shù)據(jù)正如下面所描述的一樣。通過將這些衛(wèi)星輸出數(shù)據(jù)應(yīng)用到COARE

11、GJackson et al.得到氣體轉(zhuǎn)移數(shù)據(jù)。當(dāng)確定Ta就會在氣體轉(zhuǎn)移不確定性上顯示其重大的影響，研究人員展示了一個數(shù)據(jù)接收的簡要描述版本。升級版的Ta獲取方式包含了一個兩步驟的方法，與Jackson et al.2006描述的方法相似，在掃描數(shù)據(jù)反饋至衛(wèi)星時把5個微波通道合并。然后，緊隨著來自Ts-Ta的修正（這里的Ts為洋面溫度），依據(jù)實踐經(jīng)驗對Ta進行數(shù)值調(diào)整。調(diào)整值在改進衛(wèi)星熱量變動等式被發(fā)現(xiàn)。新的Ta運算公式（不包括Ts-Ta矯正）為：這里Tb是開爾文特殊傳感器微波成像儀（SSM/I）的亮溫度，SSM成像儀/音響器（SSMIS）以19，22和37GHz的頻率垂直地兩極分化，AMSU

12、-A則是以52.8和53.6GHz的頻率。系數(shù)是由Jackson et al.2006提出的方法決定的，運用從Jackson et al.2009之前提出的一套研究設(shè)備觀測數(shù)據(jù)的多元回歸。這2580個匹配的觀測數(shù)據(jù)，得到了檢索均方根（RMS）1.85的偏差。在比較在船舶和衛(wèi)星監(jiān)測之間同步的Ts-Ta的偏差之后，應(yīng)用于船載自動氣象及海洋學(xué)系統(tǒng)（SAMOS）Smith et al.,2012修正中。日平均衛(wèi)星Ts數(shù)據(jù)源自Reynolds et al.2007。Reynolds的Ts數(shù)據(jù)的先進型極高分辨輻射儀（AVHRR）唯一版本來保持在1999-2007這個時間段的連貫性。搭配來自P/V Atla

13、ntis 4年的數(shù)據(jù)（2006-2009）和來自RSV Aurora Australis(2008-2009)兩年的數(shù)據(jù)。R/V Atlantis提供了在北美周圍的沿海海水作為主要觀察數(shù)據(jù)，同時RSS Aurora Australis提供了澳大利亞和南極洲之間高緯度地區(qū)的觀測數(shù)據(jù)。圖形1給出了Ts-Ta在衛(wèi)星和船舶觀測關(guān)系散布圖，與其在一起的曲線代表著最適合使用多項式關(guān)系在此，Ts-Ta是洋面溫度和空氣溫度在攝氏度的衛(wèi)星偏差，是校正值。Reynolds Ts減去，來計算校正的Ta。校正的Ta RMS的偏差從未校正過的算法得出的1.85顯著下降至1.18。這個新數(shù)值1.18用于傳播不確定性估算。

14、對于其他參數(shù)（U，Ts盒、和Qa），輸入的誤差從過去發(fā)表的結(jié)果中得來。U的不確定性被假設(shè)為 ，是由Mears et al.2001在對比SSM/I風(fēng)速和觀測浮標(biāo)數(shù)據(jù)時測定的隨機誤差的估算。Ts不確定性被估測為 0.5K，這是 Reynolds et al.2007給出的隨機誤差的 最大極限值。Qa不確定性被 Jackson et al2009提出為1.36g/kg。Ta 和Qa兩種方法都應(yīng)用了系統(tǒng)性偏差不確定性校正，它基于地區(qū)的不確定性區(qū)別，被發(fā)現(xiàn)于衛(wèi)星檢索和 船舶觀測之間。在這里報告的一切不確定性都是隨機檢索不確定性。由于缺少足夠的所有參數(shù)所需的表面數(shù)據(jù)，在這個研究中未能試圖估算這些輸入不確

15、定性的地區(qū)差異。3.模型 這個部分描述了不確定性模型的傳遞，用來估算K的不確定性。給出了一個詳細(xì)的說明，關(guān)于這個模型是如何執(zhí)行的，以及在模型上不同術(shù)語的影響。3.1衛(wèi)星輸入不確定性氣體在海洋和空氣間的轉(zhuǎn)移可以用其最簡單的形式來說明： FkX (3)在這里，F(xiàn)代表氣體流出，k代表傳輸速率，X代表氣體在臨近洋面的水中和大氣層中的濃度差。Fairall et al.2000提供了最初的基于物理原理的COAREG氣體流出模型的說明，這個模型在這個研究中就討論過了。這個模型使用湍流尺度理論來匹配大氣和水側(cè)層，這樣抑制湍流漩渦就通過粘性耗散來執(zhí)行。Jackson et al.2012給出了一個更詳細(xì)的關(guān)于

16、模型和相關(guān)聯(lián)的衛(wèi)星輸入的說明。通過想出一個標(biāo)準(zhǔn)傳遞不確定性模型，解釋了來自COAREG輸入數(shù)據(jù)的不確定性。這個模型假設(shè)COAREG里K的變化可以表達為模型的每一個輸入?yún)?shù)不確定性的總數(shù)，使用公式：在這里和代表U,Ts，Ta和Qa的方差。 是條件的集合，包含了輸入術(shù)語間的協(xié)方差，定義了術(shù)語x和y之間的方差，同時，協(xié)方差被定義為。向下長波 和短波輻射 術(shù)語的記錄不被包括在內(nèi)。這些術(shù)語被忽視了，因為包括和的k的導(dǎo)數(shù)是很小的，并且對在目前的COAREG版本中的的影響可忽略不計。（4）中的導(dǎo)數(shù)從COAREG中通過在模型輸入中添加干擾并用數(shù)字計算，反應(yīng)在結(jié)果輸出上有有限的出入。輸出結(jié)果間隔被用來用來測定（

17、4）中部分導(dǎo)數(shù)，Qa為1.0g/kg, Ta和Ts為 ，U為。短波輻射被設(shè)定為，假設(shè)在夜間的環(huán)境下；然而，幾乎沒有在導(dǎo)數(shù)上發(fā)現(xiàn)靈敏性，甚至在白天的變化中也沒有。這種不靈敏性有可能是由于沒有援引模型中的暖層計算。即使長波輻射變異對導(dǎo)數(shù)影響很小，這個變量依然被作為導(dǎo)數(shù)計算中獨立的變量保留下來。由于（4）中所得U，Ta，Ts和Qa的導(dǎo)數(shù)體現(xiàn)了相關(guān)不確定性的重要性，有必要對其進行復(fù)核以確認(rèn)。圖片2給出了這些術(shù)語的等值線圖，它們被繪成U和Ts-Ta的函數(shù)，因為這些參數(shù)稍后的測試中也被發(fā)現(xiàn)會對產(chǎn)生最有意義的影響。由一系列Ts介于和，Ta排列介于 到，和Qa規(guī)定的排列，構(gòu)造出這張圖，相對濕度被固定在80，R

18、被固定在 。在這些約束下，Qa有一個最小值25.5g/kg，從8.4到11.6g/kg排列，作為這些圖片的范圍的平均值。圖片2a 顯示了當(dāng)Ts-Ta接近0時，因Ta達到頂峰而產(chǎn)生的不確定性，并且當(dāng)Ts-Ta0時，高風(fēng)速達到了最大。圖片2b顯示了由于U而產(chǎn)生了不確定性的更大值，而且不確定性是U的強函數(shù)。然而 是這里顯示的最大等高線，當(dāng)風(fēng)速達到時，數(shù)值可達到 。很明顯，在大多數(shù)情況下，風(fēng)速的不確定性主導(dǎo)了。圖片2c顯示了由Ts而產(chǎn)生的不確定性和Ta有著相類似的結(jié)構(gòu)，除了在橫坐標(biāo)軸約等于5時因為Ta而反映出來奇異點（不確定性反而小于Ts）。這個差別緣于對Ts更低的不確定性假設(shè)。圖片2d中由Qa而來的

19、不確定性，在Ts-Ta接近0的時候，展現(xiàn)了有趣的結(jié)構(gòu)，但是其不確定性按照數(shù)量級依次小于Ts。圖片3比較了因為Ta產(chǎn)生的，相對于由U而來的不確定性。然而由U而來的不確定性控制了大部分風(fēng)速和Ts-Ta值，這個圖片顯示了當(dāng)風(fēng)速接近于0，并且Ts-Ta0時，由Ta而來的不確定性擁有最大的影響。當(dāng) 和Ts-Ta接近0時，它也顯示出超過10的更大的影響。當(dāng)風(fēng)速很明顯是影響的主要因素時，低風(fēng)速時Ta不確定性會影響。 因為執(zhí)行數(shù)據(jù)檢索時，輸入?yún)?shù)共用常見的衛(wèi)星輻射數(shù)據(jù)或其他衛(wèi)星數(shù)據(jù)，輸出數(shù)據(jù)之間的協(xié)方差可能會影響計算不確定性模型傳遞中的不確定性。每個網(wǎng)格單元協(xié)方差通過每年每日平均的空間分辨率數(shù)據(jù)計算出來。協(xié)調(diào)

20、分析被用來決定和移除每一個格子單元中時間序列的季節(jié)周期。通過每個網(wǎng)格點異常數(shù)據(jù)集計算協(xié)方差，如果時間序列有至少33時間序列和有效數(shù)據(jù)聚集在一起，這樣就會有足夠的觀測數(shù)據(jù)集來導(dǎo)出季節(jié)周期。圖片4顯示了在1999計算的（5）和（6）中所有6個協(xié)方差術(shù)語的示意圖。圖片4a和4b顯示了一個相似的結(jié)構(gòu)，和有唯一的正值，最大值出現(xiàn)在中間緯度區(qū)域?？拷竺娴南嚓P(guān)適度是不變的，因此，空氣溫度的改變會積極與比濕度相聯(lián)系。Ts和Ta之間的正協(xié)方差有可能與表面的感熱通量相關(guān)。這兩個參數(shù)之間的相互關(guān)系可能也歸因于在Ta檢索中Ts-Ta的調(diào)整，Ta檢索是第二部分所討論過的。圖片4c和4d顯示了和的主要負(fù)協(xié)方差，可假定是

21、因為更高的風(fēng)速趨于蒸發(fā)洋面的水，會產(chǎn)生冷卻效應(yīng)。圖片4e顯示了的正負(fù)協(xié)方差。可能預(yù)期到更高的風(fēng)與更大的Qa（正協(xié)方差）極少有關(guān)聯(lián)，歸因于洋面上的蒸發(fā)，但是有些區(qū)域顯示出負(fù)協(xié)方差。圖片4f顯示出Ts和Qa之間的關(guān)聯(lián)。我們發(fā)現(xiàn)所有的這些協(xié)方差字段的年際間的變化性是很小的。 圖片5中給出了使用這些協(xié)方差術(shù)語的空間模式?？臻g模式保持一致，但是標(biāo)志更改為和，因為這些導(dǎo)數(shù)是負(fù)的。最大的數(shù)值包括術(shù)語和一個風(fēng)速的導(dǎo)數(shù)。注意，三個術(shù)語包括這個導(dǎo)數(shù)幾乎按照數(shù)量級比其他三個術(shù)語更大。因為U是中間緯度中最大的，所以數(shù)值是這些區(qū)域中最大的。圖片6a顯示了一個直方圖，關(guān)于每個協(xié)方差術(shù)語的歸一化頻率，使用1999年七月的數(shù)

22、據(jù)。在這個直方圖分析中，和是主導(dǎo)術(shù)語，而且對正值起最大的作用，對負(fù)值起最大的作用。在輸入值之間存在負(fù)相關(guān)或者在k與一個輸入?yún)?shù)間存在負(fù)導(dǎo)數(shù)的關(guān)系，在這樣的情況下，負(fù)值用于減少不確定性。圖片6b顯示了在全部的協(xié)方差中的大多數(shù)不確定性都在全部不確定性的10，而最常見值通常是負(fù)的。通過協(xié)方差術(shù)語減少所有衛(wèi)星輸出因為人工參與而缺乏獨立性，尤其是U和Ts之間。全球協(xié)方差不確定性的平均效應(yīng)大約是總體不確定的的5，這個值在9年的時間段里基本保持恒定。 3.2.COAREG模型不確定性氣象和海洋的輸入至COAREG的不確定性是不確定性的一個重要來源；然而，傳輸速率不確定性會從其他來源得來，也包含在這個模型中，

23、或者不在這個模型表現(xiàn)出來。Jackson et al.2012第一個測試了COAREG衛(wèi)星導(dǎo)出檢索K的不確定性，通過將它們和導(dǎo)出自船舶觀測和協(xié)方差導(dǎo)出傳輸速度同級的COAREG檢索相比較。偏差和方根在船舶導(dǎo)出的COAREG數(shù)據(jù)中的誤差只比衛(wèi)星導(dǎo)出的COAREG數(shù)據(jù)稍微小一點，6.32 和14.02cm的RMS誤差證明了在衛(wèi)星導(dǎo)出COAREG檢索和船舶觀測之間存在很好的一致性。在模型內(nèi)部形成的的參數(shù)化的不確定性是另一種不確定性的來源。例如，在現(xiàn)在氣體傳輸?shù)呐菽閷?dǎo)增強的當(dāng)前參數(shù)化中存在不確定性。用來描繪這種增強特性的白浪參數(shù)化，只從現(xiàn)在的模型中的風(fēng)速中測定。Woolf2005論述了其他白浪參數(shù)化

24、，同樣包含波形高度，那很可能會提高海洋情況的特性描述 。在高風(fēng)速時，波形高度對白浪部分的敏感性非常大，因此，在高風(fēng)速時，只測風(fēng)速的模型存在更大不確定性。一些例如表面活性劑則在模型中不直接考慮。表面活性劑用來抑制大氣海洋界面氣體交換。Asher1997和Tsai，Liu2003證明了在全部二氧化碳流出中的高度不確定性，同時Asher1997指出由于在低風(fēng)速的熱帶地區(qū)脫氣的下降，可能會增加海洋二氧化碳。然而，Tsai 和Liu2003提出，海洋的二氧化碳下降了20%到50%。 有了表面活化劑對氣體傳輸?shù)挠绊懙奶卣髅枋觯@些研究強調(diào)了不確定性的高水平。然而在這個研究中，沒有解釋這些不確定性，量化這些

25、效應(yīng)會提供更好的k 的系統(tǒng)隨機不確定性的估算。4.傳輸速率氣候?qū)W和不確定性九年時間（1999-2007），通過（1）中的不確定模型的傳遞，測定出氣體傳輸速率和它們的不確定性，從COAREG模型中計算出來。在低風(fēng)速條件下的不確定性同樣被分析來研究不確定性，這不確定性歸因于Ts，Ta和Qa的衛(wèi)星輸入。4.1 氣候?qū)W圖片7a-7c給出了這九年的氣候?qū)W，關(guān)于和每個網(wǎng)格累積的觀測數(shù)據(jù)的數(shù)字。這個k氣候?qū)W顯示在北半球風(fēng)暴路徑區(qū)域不同的頂峰和一條繞過南大洋的緯度帶。這些地區(qū)和氣候上高風(fēng)速的地區(qū)一致。平均不確定性示意圖的空間圖表遵循著圖片7a的傳輸速率圖表。觀測數(shù)據(jù)的數(shù)字表明了更多在中緯度地區(qū)的觀測數(shù)據(jù)，除了

26、海上浮冰妨礙k檢索的極地地區(qū)。用于輸入，風(fēng)，溫度和濕度數(shù)據(jù)的極軌衛(wèi)星，在熱帶地區(qū)得到更少的觀測數(shù)據(jù)，因為衛(wèi)星截幅在更高的緯度重疊。降雨地區(qū)也被排除在列，因此在熱帶輻合區(qū)的觀測數(shù)據(jù)就減少了。k的季節(jié)性變化是意義重大的，因為它們和改變表面風(fēng)速模式高度相關(guān)。圖片8給出了九年中，1月-7月的平均值k，關(guān)于k 的百分?jǐn)?shù)，和當(dāng)N是觀測數(shù)據(jù)時，定義為的標(biāo)準(zhǔn)誤差。在北半球中緯度風(fēng)暴路徑地區(qū)，平均值k在一月達到頂峰，數(shù)值達到150cm/h。在七月，隨著與東半球相關(guān)的更高的風(fēng)速，南大洋產(chǎn)生了最大的傳輸速率。在印度洋，尤其是沿海的東非和阿拉伯半島，同樣也發(fā)現(xiàn)了高數(shù)值。關(guān)于1月和7月（未顯示）的絕對不確定性示意圖的圖

27、表與在圖片8a和8b顯示的它們各自的平均值示意圖相似。 然而，關(guān)于平均值的百分比不確定性表明，有更低平均值k 的地區(qū)被氣體傳輸檢索輸入的不確定性影響更多。不確定性百分比在最高平均值地區(qū)為10-20%，但是在最低k平均值的地區(qū)則是40-50%。通過標(biāo)準(zhǔn)差百分比這個統(tǒng)計量度我們認(rèn)為k是正確的平均值。在有更多觀測數(shù)據(jù)的中緯度，這個誤差對于1月和7月都是最小的，并且和k值升高的地區(qū)有很大關(guān)聯(lián)。最高的地區(qū)是在15%上下，位于西太平洋，印度洋和南太平洋輻合區(qū)的熱帶對流層。每年傳輸速率和已給月份的不確定性百分比示意圖的變化都很小；然而，當(dāng)考慮到只有1個月數(shù)據(jù)時，更小的樣本大小的確使標(biāo)準(zhǔn)誤差的百分比近乎翻倍。

28、 下一步則是測試個別輸入?yún)?shù)對于總體不確定性的影響。（4）中的前四個條件說明了每個輸入對總方差解析的影響，而說明了來自所有協(xié)方差條件的方差解析。圖片9給出了示意圖，關(guān)于來自U,Ta ,Ts和的不確定性影響。Qa不包含在這個圖中，因為最高百分比是0.2%。為了減少百分比方差，每個條件通過假設(shè) 是正定的，并通過這些正定值假設(shè)總體不確定性來測定這個方差。在這些條件里，U導(dǎo)致了最大量的不確定性，則是第二大條件。圖片9b顯示，在東熱帶太平洋和非洲西海沿岸，Ta的影響最大 。Ts不確定性影響的空間格局類似于Ta圖，但在峰值區(qū)域影響更小些。 圖案是由協(xié)方差圖案主導(dǎo)的，它的協(xié)方差圖案顯示在圖5d中。 這兩個條

29、件之間的協(xié)方差在中緯度地區(qū)更為顯著，在中緯度高風(fēng)速的地區(qū),變大。其他涉及的covariance terms involving k/U have less impact since the derivatives of k with respect to Ts and Qa協(xié)方差條件的影響較小，因為關(guān)于Ts和Qa的k的衍生物很明顯比和Ta的要小。因此，在總誤差條件上的影響主要歸因于k在COAREG中的敏感性，U和Ta及中緯度地區(qū)這兩方面之間的相關(guān)性。 隨著時間的推移，使用9年期間的示意圖，測定氣體傳輸不確定性的變異率，由此得到日常數(shù)據(jù)的百分比方差。 這種格式有效的檢測出季節(jié)性和年際性的方差。如

30、圖9所示，大部分的解析方差來自風(fēng)速的數(shù)據(jù)。圖10顯示了U的百分比方差在中緯度地區(qū)，尤其是在北半球，有一個季節(jié)性的周期。在兩個半球夏季的幾個月里，在中緯度出現(xiàn)了更低的百分比。在靠近25° N和25 °S.的亞熱帶地區(qū)存在最高值。10 °N和10 °S之間的赤道地區(qū)存在稍小一點的U解析出的方差，而解析了幾乎所有不由U導(dǎo)致的剩余的方差。圖11給出了Ta百分比方差，并顯示了夏季時期，它在中緯度地區(qū)的影響和在赤道附近的影響。 （未顯示）顯示了一個和圖片11類似的條件，但更多強調(diào)的是中緯度地區(qū)，靠近赤道則影響更小。4.2 低風(fēng)速情況下的不確定性因為風(fēng)速很明顯主導(dǎo)了k

31、的不確定性，并且之前也顯示出風(fēng)速主導(dǎo)了k的計算。i.e.,McGillis et al.,2001;Ho et l.,2006,它值得我們進一步探究，什么條件或地區(qū)對應(yīng)了對K有顯著影響的其他參數(shù)的集合。兩個地點的選擇，說明了U對傳輸速率不同程度的影響。對這兩個地區(qū)實施了一個關(guān)于不確定性影響的詳細(xì)的檢測，在短時間內(nèi)，從其他參數(shù)諸如Ta和Ts，測定顯著的無風(fēng)速時的影響。在95W和0N的位置1位于一個地區(qū)，它有來自Ta比大多數(shù)地區(qū)相對高的不確定性影響率,正如圖片9b所示。位置2在120W和20S，這個地區(qū)備受風(fēng)速不確定性的主導(dǎo)。圖片12給出了通過U解析出的百分比方差，Ta三個小時對的檢索，則作為風(fēng)速

32、的函數(shù)。在低風(fēng)速條件時，來自Ta的不確定性影響變得更加顯著。通過風(fēng)檢索不確定性解析出，大多數(shù)位置2的觀測數(shù)據(jù)具有90%或更多的不確定性。然而，位置1顯示，因為，U解析出，觀測數(shù)據(jù)中的一個有效值的方差少于90%，而與位置2相比，位置1中觀測數(shù)據(jù)的一個有效值對Ta中的不確定性更加敏感。表格1總結(jié)了不確定性對每一個衛(wèi)星輸入的影響。位置1顯示了平均百分比方差，Ta是 5.8%，而位置2只有0.80%。要注意，導(dǎo)致了約10%的方差，它又主要導(dǎo)致了U和Ta之間的協(xié)方差。那么，在低風(fēng)速條件下，氣體傳輸不確定性是以怎樣的頻率被Ta不確定性影響的呢？圖片13a顯示，對1999年定義的低風(fēng)速情況下的百分比為。每個

33、網(wǎng)格有機會觀測到熱帶地區(qū)和亞熱帶地區(qū)每一天代表性的數(shù)據(jù)，而由于過度使用SSM / I衛(wèi)星軌道，所以還有更多的機會在極點附近進行觀測。出現(xiàn)的最大百分比為，發(fā)生在沿著赤道的東太平洋,東大西洋,西太平洋暖池地區(qū),美國中部的西部海岸線,南美和非洲。大約70 - 80%對風(fēng)的觀測數(shù)據(jù)在這個地區(qū)不到。這些高百分比地區(qū)更有可能得到，它是不被風(fēng)速觀測數(shù)據(jù)中的不確定性主導(dǎo)的。在南大洋和太平洋和大西洋的副熱帶高壓地區(qū)發(fā)現(xiàn)了低百分比。這些地區(qū)只有約10%風(fēng)的觀測數(shù)據(jù)是低于的，而且風(fēng)速不確定性控制了。圖片12顯示，對于位置1，當(dāng)時，Ta輸入?yún)?shù)中的不確定性在上有很顯著的的影響。圖片13b給出了觀測數(shù)據(jù)的百分比，在此低風(fēng)速情況下，Ta不確定性在總體不確定性中貢獻了超過10%。在日本北部的北太平洋和南大洋海冰邊界附近一些地區(qū)的最高百分比接近40%。有超過20%的地區(qū)就出現(xiàn)在北太平洋的廣泛地區(qū)，沿著北美的東北海岸線，沿著東太平洋的赤道和南大洋一帶。有趣的是,低風(fēng)速比例較高的一些地區(qū)，Ta導(dǎo)致不確定性的觀測數(shù)據(jù)的比例反而低這些地區(qū)分