XÁC ĐỊNH CẤU TRÚC NHIỆT THẲNG ĐỨNG

TỪ NHIỆT ĐỘ MẶT BIỂN TẠI BIỂN ĐÔNG

 

Dư Văn Toán, Nguyễn Hồng Lân, Nguyễn Ngọc Tiến

Viện Địa chất và địa vật lí biển, Viện Khoa học và Công nghệ VN

 

Tóm tắt

 

Dùng mô hình tham số để xác định cấu trúc nhiệt thẳng đứng từ nhiệt độ mặt biển tại Biển Đông từ số liệu viễn thám nhiệt độ mặt biển. Cơ sở mô hình dựa vào cấu trúc tầng của phân bố trường nhiệt độ (lớp xáo trộn, thermocline, lớp dưới), các tham số là nhiệt độ mặt biển (SST), độ sâu lớp đồng nhất (MLD), độ sâu dưới của lớp đột biến nhiệt (TBD), gradient nhiệt độ lớp thermocline (TTG), độ sâu tầng dưới đáy (DLS). Các tham số SST và MLD có bước thời gian la phút, giờ. TBD, TTG – tháng, mùa, DLS – dài hạn.Ta thu được đầy đủ phân bố các đặc trưng trên cho toàn biển Đông và sự biến thiên là khá đa dạng. Từ phân bố các profile ta có thể tính được phân bố thẳng đứng nhiệt độ chúng theo giá trị nhiệt độ bằng phương pháp viễn thám. Mùa hè MLD thường vào khoảng 10-20m, TBD vào khoảng 75 –100 m. Mùa đông MLD khoảng 40 - 70 m, TBD 120-220m.   

 

 

 

DETERMINATION OF VERTICAL THERMAL STRUCTURE FROM SEA SURFACE TEMPERATURE IN THE SOUTH CHINA SEA

 

Du Van Toan, Nguyen Hong Lan, Nguyen Ngoc Tien

Institute of marine geology and geophysics, V! AST

 

Abstract

 

A recently developed parametric model is used in this paper for determining subsurface thermal structure from satellite sea surface temperature observations. Based on a layered structure of temperature fields (mixed layer, thermocline, and lower layers), the parametric model transforms a vertical profile into several parameters: sea surface temperature (SST), mixed layer depth (MLD), thermocline bottom depth (TBD), thermocline temperature gradient (TTG), and deep layer stratification (DLS). These parameters vary on different timescales: SST and MLD on scales of minutes to hours, TBD and TTG on months to seasons, and DLS on an even longer timescale. If the long timescale parameters such as TBD, TTD, and DLS are known (or given by climatological values), the degree of freedom of a vertical profile fitted by the model reduces to one: SST. When SST is observed, one may invert MLD, and, in turn, the vertical temperature profile with the known long timescale parameters: TBD, TTG, and DLS. The U.S. Navy’s Master Oceanographic Observation Data Set (MOODS) for the South China Sea 1932–2006 (10 153 profiles) was used for the study. The training dataset was processed into a dataset consisting of SST, MLD, TBD, TTG, and DLS using the parametric model. SST from the test dataset was used for the inversion based on the known information on TBD, TTG, and DLS. The rms error is 0.728C, and the correlation between the inverted and observed profiles is 0.79. This is much better than the simple method of estimating subsurface temperature anomaly from SST anomaly by correlating the two in the training dataset. The possibility of using this method globally is also discussed.