[IOCAS 科创计划记录] 第二阶段：2019.9.6——2019.10

1 项目介绍

见[IOCAS 科创计划记录] 目录

2 项目进展记录

2.2 第二阶段：2019.9.6——2019.10

2019.9.5老师看完我的报告回复我的：

（1）克里金插值法中调节 L_x, L_y，再试一试，比如1${}^{\circ }$，1.5${}^{\circ }$和2${}^{\circ }$，斑块状分布会不会好点。
（2）WOA方法结果除了平滑一些并不是很好，平滑去除了板块状结构，但是黑潮区域锋面过于平滑了。另外，R²=100000m²是否取的太小？WOA方法需要再仔细看看。
（3）多画一些深度，如100m，200m, 500m深度温度盐度看是否还是有板块状结构。表层受海气过程影响变化比较大。

总结下来3点：
(1)不要放弃克里金插值，要找到斑块状分布的原因和改进办法；
(2)图像模糊处理的方法是错误的，会将客观存在的海洋现象如黑潮平滑掉；
(3)斑块分布可能只在表面有，而且部分的存在是合理的。不必对斑块太过敏感

基于以上三点，开始对上个月的工作进行改进
首先解决第一个问题：斑块状分布。在询问了学长后，得知这种现象很可能是CTD数据量不足导致的，我看了一下发现可能确实是这样。

那么，CTD的数据显然是不够用的了，很自然的，我去找了Argo数据 官网
我使用的是Argo的产品Standard Depth Level (SDL) products中IFREMER/LOPS发布的数据ISAS13 standardized profiles。数据信息如下，因为算地转流的同学以2000m为零势面来计算的，所以这个数据恰好能满足要求

7个GB的压缩包解压完有22.8GB的数据，这么大的数据我们的笔记本电脑处理起来基本不可能。于是我批量处理了一下这些文件，只留下对我们有用的信息，处理完以后的数据1.72GB，数据信息如下：

argo.mat为一个矩阵，每列依次为Longitude, Latitude, Month, Depth, T, T_qcflag, T_RESI, T_ERUR, T_ERME, S, S_qcflag, S_RESI, S_ERUR, S_ERME
其中，经纬度我筛选完了，以下是qcflag, RESI, ERUR, ERME的信息：
qcflag：
flag_meanings = ‘1–4:good_to_acceptable;5:bad_quality_interpolation;6:bad-manual_flag;7–8:not_used;9:not_interpolated;’
ERME：‘Measurement error’
ERUR：‘Error from unresolved scales’
RESI： ‘Residual’
qcflag：
flag_meanings = ‘1–4:good_to_acceptable;5:bad_quality_interpolation;6:bad-manual_flag;7–8:not_used;9:not_interpolated;’
ERME：‘Measurement error’
ERUR：‘Error from unresolved scales’
RESI： ‘Residual’

让我们再来直观地看一下区域内的Argo数据量

看到如此可观的数据量，我又愉快地打开了克里金的插值程序，虽然斑块问题得到了很大程度的解决，但误差还是不小。我冥思苦想了一会儿，发现问题出在中国近海，也就是图中的西北部，Argo在这里几乎没有数据点。然后我们再来看WOA的气候态数据：

可以发现西北部是比同纬度地区温度要低的，而在我的数据里并没有体现，所以产生了比较大的误差。于是，我又把目光放回到CTD，发现CTD的数据有一些在西北部。我把这些数据和Argo的数据整合到了一起，再进行插值。

然而，经过插值我发现高纬度地区的误差还是很大，又经过一番思考，我发现不论是克里金插值还是WOA的插值方法，本质上都是反距离权重插值，而40${}^{\circ }$N以北的数据并没有在插值数据中体现，只有40${}^{\circ }$以南的数据，导致了北边界位置温度普遍偏高。
这样我就不筛选纬度范围，用所有纬度的数据来进行插值。
可以看出结果比原来好了很多，黑潮区域也比较明显，可还是由于数据少，120${}^{\circ }$E附近的效果还不是很好。
这样也不需要模糊处理，问题(2)(3)也就解决了。