西北太平洋及印度洋三維溫鹽流數值預報業務系統構建及預報檢驗

薛洪斌，路澤廷，韓君，范海燕，沈紅，耿再興

（5111信箱，北京 100094）

西北太平洋及印度洋三維溫鹽流數值預報業務系統構建及預報檢驗

薛洪斌，路澤廷，韓君，范海燕，沈紅，耿再興

（5111信箱，北京 100094）

基于HYCOM海洋模式和集合最優插值（EnOI）同化方法，開發了一套西北太平洋及印度洋三維溫鹽流數值預報業務系統（IAPos），2016年5月開始進行業務試驗，并對業務試驗的結果與原有的三維溫鹽流數值預報系統（wylV2）進行對比檢驗，從檢驗結果看：在中國近海，IAPos系統的預報效果，較wylV2有非常顯著的改善，但對不同預報變量、不同垂直層、不同區域也有一些差異。整體來說，IAPos系統的預報性能較好。

數值預報；集合最優插值；HYCOM海洋模式

1 引言

隨著人類經濟社會發展和軍事活動對海洋環境信息保障需求日益增長，現代海洋環境的預報保障已逐漸走向客觀、定量和精細化。借助于海洋數值模擬技術、高性能計算機、全球海洋觀測系統、海洋資料同化技術以及其他相關學科的發展，全球和區域海洋環境資料同化和數值預報業務得到了迅速發展。海洋模式不斷完善發展，至今已經有40多個海洋模式，包括針對不同海域（大洋、近海、近岸、港灣）和不同海洋學科（物理海洋、海洋生態、海洋化學）的海洋模式。不同海洋模式的適用海域不同，模式特點各不相同。常用業務化海洋模式有HYCOM（Hybrid Coordinate Ocean Model）、NEMO（Nucleus for European Modeling of the Ocean)、MOM(Modular Ocean Model)、ROMS（Regional Ocean Modeling System）和POM（The Princeton Ocean Model）等[1-2]。海洋觀測資料的匱乏是制約海洋預報發展特別是海洋資料同化發展的瓶頸之一。海洋觀測數據獲取的難度高、成本大，所以海洋觀測數據稀少、時空分布不均勻。隨著海洋觀測日益得到國際社會的重視、資金投入的增多和海洋觀測技術不斷進步，觀測資料的類型和數量不斷增多（特別是遙感資料）、時空采樣的密集和數據質量的提高，海洋數據同化也蓬勃發展起來。業務化應用的海洋數據同化方法有最優插值、三維變分、四維變分以及 EnKF（The Ensemble Kalman Filter）的各種變體等。目前氣象業務使用的同化方法，多是EnKF（集合最優插值是其簡化版）以及四維變分同化方法，海洋同化方法多是三維變分同化和EnOI（The Ensemble Optimal Interpolation）方法[3]。同化的觀測資料主要有CTD（Conductivity-Temperature-Depth）、XBT（Expendable Bathy Thermograph System)、Argo（Array for Real-time Geostrophic Oceanography）溫鹽剖面數據、衛星高度計資料、高精度融合海表溫度（Sea Surface Temperature，SST）產品、海冰等[4-5]。

本單位的水位及三維溫鹽流數值預報業務從2003年起步，經過幾年的開發、研制和業務化試驗，2009年第二代業務系統（the three-dimensional ocean numerical forecast operational system，wylV2）正式開始業務化運行，該系統基于混合坐標的普林斯頓海洋模式（the general coordinate system of Princeton Ocean Model，POMgcs）和三維變分數據同 化（Three-dimensional variational assimilation，3DVAR）方法建立的海洋預報系統，由基于美國麻省理工學院大洋環流模式（MIT General Circulation Model，MITgcm）開發的全球模式提供側邊界，可進行二島鏈以內海域未來7d綜合水位（含潮汐和風增水等余水位）及三維海流（含潮流、風海流和密度流等）、海溫、鹽度、密度和聲速的數值預報。為了滿足對“一帶一路”區域的保障需求，2016年與中科院大氣物理研究所合作，開發了一套“西北太平洋和印度洋溫鹽流數值預報系統”（the Northwest Pacific and Indian three-dimensional ocean numerical forecast operational system，IAPos），通過一系列業務化改造，于2016年5月起，開始準業務化試運行。該系統基于混合坐標海洋模式（HYCOM）和集合最優插值（EnOI）同化方案，可實現西北太平洋和印度洋未來7 d的水位、海流、海溫和鹽度的數值預報。

本文對中科院大氣物理研究所開發的西北太平洋及印度洋再分析系統進行業務化改造，構建了可用于業務運行的“西北太平洋及印度洋溫鹽流數值預報系統”。該系統從2016年5月開始準業務化，系統運行穩定可靠，現對該系統與第一代溫鹽流數值預報系統進行對比分析。對比分析結果表明：該系統對溫度、鹽度和海面高度預報總體較好，較wylV2系統有顯著的改善，但不同區域、不同層次的預報效果有些差異。

2 系統構建及業務化應用

西北太平洋及印度洋溫鹽流數值預報系統基于中科院大氣物理研究所開發的一套海洋資料再分析系統，針對這套系統進行預報系統改造，并進行業務化應用，下面對整個系統采用的同化模型、預報模式以及業務化改造工作和準實時業務運行進行介紹。

2.1 預報模式

系統采用的預報模式為HYCOM，它是一個混合坐標模式，其垂向坐標是3種坐標的混合形式：在深層海洋使用等密度面坐標來減小由于穿越等密度面的虛假混合引起的誤差；在近海區域使用σ坐標來以更好地表征海底地形起伏對海洋動力過程的影響；在海洋混合層以上以及近岸區域采用Z坐標保持垂向較高的分辨率。HYCOM模式的一個顯著特點是，在大洋內部，其垂向坐標根據密度進行劃分。其預報方程包括溫度方程，鹽度方程，水層厚度的預報方程。模式積分過程中會調節每一層的水層厚度來保持水層的位勢密度與給定的垂向密度一致。水層厚度在模式積分過程中不斷變化并保持質量守恒。水層厚度的改變實際上是表征鹽度、溫度等的輸運，水層交界面的斜率表征壓強梯度力[6-9]。

系統預報海區分為大區域和小區域，其中大區域包括整個太平洋和印度洋（26.7°～290°E，50.5°S～61.94°N），水平分辨率為1/3°，大區域模式不做同化，只為小區域提供側邊界；小區域包括西北太平洋和印度洋（30°～184°E，32.28°S～51.66°N），水平分辨率約為1/5°，小區域范圍和分辨率如下圖，是預報保障的區域，通過EnOI同化系統提供預報初始場。

2.2 同化模型

系統采用的同化方法為集合最優插值方法（EnOI），EnOI是一種基于統計學的同化方法，是集合卡爾曼濾波（EnKF）的一種簡化。與EnKF相似，EnOI也利用集合樣本來估計模式背景誤差，且都是多變量同化方法。不同的是，EnKF利用模式集合預報場來評估模式誤差，其誤差隨模式積分實時變化，而EnOI利用模式歷史積分靜態樣本來計算模式背景誤差。EnOI同化方法的可靠性建立在以下3點假設的基礎上：（1）模式誤差可以用模式模擬變量的變率來表示。對于變率較大的區域，模式更容易造成較大的模式誤差；（2）如果模式的兩個變量在模式長時間積分中相關，那么這兩個變量的誤差也相關；（3）與EnKF一樣，EnOI計算的分析場總是在集合樣本空間內，集合樣本的選取會顯著影響EnOI的同化效果。由于EnOI在同化過程中只需要模式一次積分，其所需計算花費僅為EnKF的1/N，且保留了EnKF多變量同化的主要特性，因此被廣泛應用于低分辨率的氣候模式以及高分辨率的業務化預報模式[10-11]。

圖1 模式小區域和網格分辨率分布示意圖（紅框代表大區域，藍框代表小區域）

為了與系統使用的海洋模式配合，對同化方案做了以下改進工作：（1）由于HYCOM中海表面高度并不是預報量，而是通過位勢密度進行計算，其與流速密切相關的變量為海氣交界面斜率。因此在高度計數據同化過程中，觀測海表面高度與模式海表面高度的差往往要通過動力關系或者統計關系分配到水層厚度上。同時，高度計資料刻畫的是海表高度異常的信息，同化過程需要平均動力地形的提供，通常的方法都是取自模式多年積分的平均海面高度，但這樣得到的平均動力地形由于偏差較大會影響同化的質量，為了獲得準確度較高的平均動力地形，開發了一種新的方法即通過同化溫鹽來獲得平均動力地形，然后用于高度計資料同化；（2）在同化廓線資料時(Argo、XBT（Expendable Bathy Thermograph System)、CTD（Conductivity-Temperature-Depth）等），由于模式的溫度鹽度及密度是整層水的平均值，層厚是預報量，直接同化溫鹽廓線會由于強非線性的觀測算子帶來嚴重的問題，我們采用了一種新的方法：先將觀測的溫鹽廓線轉換成層厚的觀測，然后同化層厚，最后同化溫鹽廓線資料，這樣較好地抑制了觀測算子的強非線性的影響[12-16]。

2.3 業務化改造

本文重點是構建一個可業務運行的三維溫鹽流數值預報系統，對上面介紹的模式及同化模型進行相關的業務化改造，以滿足實時業務運行需求。業務化改造主要包括模式移植、與大氣模式產品對接、海洋同化資料適配、業務化流程建立、預報產品制作和檢驗等工作，其中模式移植工作主要是模式調試方面這里不再詳述，預報產品制作和檢驗在后面章節會詳細說明，這里主要介紹與自有的大氣模式產品對接、海洋同化資料適配和業務化流程建立。

（1）與大氣模式產品對接

海洋模式前期用的驅動場為每日6 h一次的ERA-Interim資料，為實現系統向前預報功能必須與自有全球中期數值天氣預報模式對接。該模式基于歐洲中心研發的T799譜模式，水平分辨率為1/4°，每日業務運行兩次，一次預報時效為10 d，輸出產品包括大氣各標準等壓面和地表的各類氣象要素。從2016年1月開始，將T799模式表層輸出產品，包括10 m風場、2 m溫度、云量、降水、海平面氣壓和2 m露點溫度，截取前7 d的預報產品，作為海洋模式強迫場，實現系統向前預報。

（2）海洋同化資料適配

業務上每日獲取的海洋資料包括3種：包括衛星海表面溫度（SST）、衛星海面高度異常（Sea level anomaly，SLA）以及溫鹽廓線資料。其中，SST資料（ftp://eclips.ncdc.noaa.gov/pub/OI-daily-v2/etCDF/)為美國國家大氣和海洋管理局（National Oceanic andAtmosphericAdministration，NOAA）國家氣候資料中心（National Climatic Data Center，NCDC）海表溫度的逐日高分辨率融合分析資料[5]，由AVHRR（改進的甚高分辨率輻射計）紅外衛星SST資料，以及船舶、浮標的現場觀測資料通過最優插值（OI）分析得到；SLA資料（ftp://ftp.sltac.cls.fr/Core/SEALE-VEL_GLO_SLA_MAP_L4_NRT_OBSERVATIONS_008_026/dataset-duacs-nrt-global-merged-allsat-slal4）為法國AVISO的多源衛星高度計融合產品，該資料融合了 Jason-1、Jason-2、T/P、Envisat、GFO、RS1/2、Geosat以及HY-2等衛星高度計產品。SST和SLA均為天平均數據，水平分辨率均為1/4°×1/4°，每日定時自動下載；溫鹽廓線資料為海洋溫鹽現場觀測融合產品，由中國氣象局每日推送。原有的EnOI同化系統包括了對這兩類資料的同化，業務化的工作只需將兩類資料轉換成同化系統需要的格式。

（3）業務化流程建立

在業務化流程建立前，將HYCOM模式從2014年1月1日起滾動積分，未加入同化，采用NCEP再分析資料作為大氣強迫場。2016年1月1日起，開始加入海洋資料同化，同時同化上述3種資料，同時，模式大氣強迫場替換為自有的全球中期數值天氣預報模式預報場，每天啟動，向前預報5 d。這一過程既檢驗了系統的穩定性，同時也是模式與氣象強迫場和海洋資料的適應調整過程。從2016年5月1日起，系統正式加入了業務監控系統（Supervisor Monitor Scheduler，SMS）運行隊列中，每日早7時（北京時間）自動運行，由于海洋資料到報時間問題，對整個業務流程設計如下：

第一步：建立T799模式風場接口；

第二步：觀測資料前處理，主要包括海面高度、海面溫度衛星遙感資料和溫鹽廓線觀測資料；

第三步：運行HYCOM大區域模式，為小區域模式提供邊界條件；

第四步：溫鹽廓線觀測資料同化。每日到報的溫鹽廓線觀測資料包含前7 d的所有廓線數據，經多次資料排查和統計分析發現，從當前時間向前推算至第5 d時，該天的廓線數量達到了峰值，因此在同化溫鹽觀測資料時，將時間設為5 d前，然后進行模式運算，預報3 d；

第五步：衛星海表溫度資料同化。海表溫度資料（SST）相對當前時間滯后2 d，因此將同化時間設為2 d前，同化上一步預報第三天得到的RESTART場，然后進行模式運算，預報2 d；

第六步：衛星海面高度資料同化。海面高度計資料當天可以得到，在同化時間上不用滯后，同化上一步預報第二天得到的RESTART場，然后進行模式運算，制作未來7 d的預報；

第七步：后處理，對輸出的模式結果進行標準化和格式化處理，保存成netcdf和二進制格式文件，提供給預報員使用。

系統運行環境基于計算峰值為百萬億次的銀河V高性能計算機，整個流程運行時間約90min。

下面對5、6月份準業務運行情況進行初步檢驗，同時與原有的溫鹽流數值預報系統進行對比分析。

3 與Argo溫鹽廓線對比檢驗

資料來自全球Argo數據分發中心—法國Coriolis中心，為了便于與原系統進行對比檢驗，檢驗區域取在中國近海（99°～150°E，10°S～50°N）。構造預報、觀測兩個時空序列：將觀測和預報分別做日平均，再將每一天的預報插到觀測點，按照觀測點的空間分布構成一天的一個空間序列；接下來將每一天的觀測、預報空間序列按時間順序串接到一起，觀測和預報分別構成一個長向量（中國海一個月總的樣本數600～700個）。再對這兩個序列（觀測、預報）分別計算均方根誤差（Root Mean Squared Error，RMSE）、平均誤差、相關系數等。受文章篇幅所限，這里僅給出提前3 d的預報結果進行對比檢驗。

圖2、3給出了中國近海溫度和鹽度預報效果檢驗（均方根誤差、平均誤差、相關系數）對比圖，其中藍線代表“原有三維溫鹽流數值預報系統”（wylV2）的統計結果，紅線代表“印度洋和西北太平洋溫鹽流數值預報系統”（IAPos）的統計結果，綠線代表觀測資料統計結果。

圖2是中國近海區域兩個模式3d預報的溫度廓線與Argo資料的對比檢驗結果。從圖可以看出，IAPos的預報結果顯著優于wylV2的預報結果。具體而言：（1）兩個系統預報的溫度均方根誤差（見圖2a）和平均誤差（見圖2b），都是在表層幾十m到100m深度內，從海表向下誤差量值迅速增大，到溫躍層附近達到峰值，再向下逐漸縮小。wylV2系統是在60m深度誤差最大，IAPos系統是在100m深度誤差最大。從誤差大小來看，從海表一直到1 000m深度，IAPos系統的預報誤差都小于wylV2，大約減小30%～50%。wylV2的最大均方根誤差達到3.6℃，IAPos的最大均方根誤差為2.2℃。除此之外，wylV2預報的溫度總體上存在負的系統誤差，在0～1 000 m深度，預報的溫度都低于觀測，最大平均誤差出現在60 m，偏低2.8℃；而IAPos預報的溫度總體上存在正的系統誤差，在0～600 m深度，預報的溫度都略高于觀測，最大平均誤差出現在100 m，偏高0.6℃；（2）從相關系數來看（見圖2c），同樣從海表到1 000m深度，IAPos系統預報的溫度與觀測的相關系數都高于wylV2，最大差別達到20%以上；（3）從平均溫度廓線看，wylV2預報的溫度都低于觀測，而IAPos預報的溫度值與觀測非常接近，兩條線基本重合。

圖2溫度廓線檢驗結果

圖3 是中國近海區域兩個模式3d預報的鹽度廓線與Argo資料的對比檢驗結果。由圖可見，同樣，IAPos的預報結果顯著優于wylV2的預報結果。具體如下：（1）鹽度均方根誤差（見圖3a）和平均誤差（見圖3b），IAPos系統的預報都小于wylV2系統，均方根誤差最大差別達到0.2 psu，說明新系統在鹽度預報改善較大。兩個系統預報的鹽度平均誤差，在300 m以上都是負偏差，IAPos系統在300 m以下轉為弱的正偏差，wylV2在700 m以下轉為弱的正偏差。最大鹽度平均誤差，wylV2系統為-0.24 psu，IAPos系統為-0.08 psu，同樣是后者更優；（2）從相關系數來看（見圖3c），同樣從海表到1 000 m深度，IAPos系統預報的鹽度與觀測的相關系數高于wylV2，最大差別達到30%左右；（3）從平均鹽度廓線來看，wylV2預報的鹽度隨深度的變化趨勢，從海表到100 m深度減小，這與觀測不符；而IAPos預報的鹽度變化趨勢以及鹽度值都與觀測很接近，兩條線吻合較好。

圖3 鹽度廓線總體檢驗結果

圖4 兩個系統預報的海面高度異常的均方根誤差（單位：m）

4 高度計資料對比檢驗

海面高度是一個非常重要的物理海洋學變量，盡管只是海洋表層的參數，卻是海洋次表層溫鹽結構和海洋環流綜合作用的體現。大量穩定可靠的業務化衛星高度計產品的定期發布，為我們同化和檢驗模式預報的海面高度創造了條件。但衛星高度計測量的是海面高度異常（SLA），即相對于一個參考面（平均動力地形或平均海面高度，即考慮到海洋動力作用后的平均海平面）的海表面起伏的相對值，而模式預報的海面高度是相對于模式靜止海面（理論上與大地水準面一致）的絕對的海面起伏，兩者并不統一。為了便于檢驗，通常的做法都是計算模式海面高度的長期平均（多年年平均）作為模式的平均海平面，用模式預報的海面高度減去平均模式海平面作為模式預報的海面高度異常值，再與衛星高度計觀測的海面高度異常資料做比對。首先計算模式的平均海面高度，用模式預報的海面高度減去平均海面高度得到模式預報的海面高度異常值，然后水平插值到觀測網格，再分別對每個網格點上的模式海面高度異常時間序列和觀測海面高度異常時間序列計算均方根誤差和平均誤差。本文使用的衛星高度計資料為法國AVISO的多源衛星高度計融合產品，檢驗時段為2016年5—6月。

4.1 均方根誤差

圖4給出了兩個系統1 d和3 d預報海面高度異常的均方根誤差檢驗結果。如圖4所示，兩個系統相比，IAPos系統對海面高度異常的預報準確率顯著優于wylV2系統。在中國近海區域，wylV2系統預報的海面高度均方根誤差最大超過1.2 m，而IAPos系統最大僅0.4 m。wylV2系統有一半以上的海域均方根誤差在0.4 m以上，而IAPos系統95%以上的海域預報的海面高度異常均方根誤差都在0.4 m以下。wylV2系統的最大誤差區位于日本東南部，除此之外，南海、菲律賓海及以東洋面誤差都較大；而IAPos系統僅在日本本州島和北海道以東很小的一塊海域誤差較大。

表1給出了兩個系統不同預報時效各區域平均的海面高度異常的均方根誤差的對比。由表1可見：（1）兩個系統的預報均方根誤差隨預報時效（1—4 d范圍內）變化都很小（一般不超過2 cm），有時預報時效長的反而預報效果更好一點（相差極小）；（2）兩個系統的海面高度預報準確率相比，除了渤黃海大體相當（wylV2系統略強一點點），其他各海區IAPos系統都有顯著優勢，南海優勢最明顯，誤差減小85%以上；其次是東海，誤差減小70%以上；整個中國近海，IAPos系統較之wylV2系統，均方根誤差平均減小80%左右；3）幾個海區相比，wylV2系統在渤黃海表現最好，誤差甚至小于IAPos；其次是日本海，均方根誤差0.2 m左右；東海達到0.4 m；南海最差，最大達到0.58 m；中國近海平均0.44～0.45 m。IAPos系統在8個海區的預報準確率都比較接近，不像wylV2系統那樣變化較大，均方根誤差水平都在7～12 cm之間。其中，南海最好，均方根誤差僅7.5 cm；渤黃海最差，為11～12 cm；整個模式區域平均，為9～10 cm。

4.2 平均誤差

圖5給出了兩個系統預報的海面高度異常的平均誤差。如圖所示，兩個系統相比，IAPos系統對海面高度異常的預報準確率同樣優于wylV2系統。在中國近海區域，wylV2系統預報的海面高度平均誤差最大超過1.2 m，而IAPos系統最大僅-0.4 m。wylV2系統預報的海面高度異常以正誤差為主，在35°N以南基本都是正偏差，南海、菲律賓海及以東洋面誤差都很大；而IAPos系統預報的海面高度沒有顯著的系統誤差，正負偏差區相間分布，以負偏差偏多，絕大部分海域的平均誤差絕對值都小于0.3 m。

表2給出了兩個系統不同預報時效各區域平均海面高度異常的平均誤差的對比。由表可見：（1）兩個系統的預報平均誤差隨預報時效（1—4 d范圍內）變化都很小（一般不超過1 cm）；（2）兩個系統的海面高度預報準確率相比，除了渤黃海，wylV2系統稍好一些；其他各海區IAPos系統都有顯著優勢；（3）wylV2系統在渤黃海和日本海為較小的負偏差，在東海、南海都為較大的正偏差，南海最大，達到0.57 m，整個中國近海平均誤差為0.4 m；IAPos系統各海區誤差分布均勻，都是很小的負偏差：南海、日本海、中國近海都在4 cm左右，渤黃海和東海為7～9 cm，整個亞印太區域平均誤差為3.8 cm。

表1 兩個系統預報的海面高度異常的均方根誤差分區統計表（單位：cm）

圖5 兩個系統預報的海面高度異常的平均誤差（單位：m）

表2 兩個系統預報的海面高度異常的平均誤差分區統計表（單位：cm）

5 結論

本文通過對中科院大氣物理研究所開發的西北太平洋及印度洋再分析系統進行業務化改造，構建了可用于業務運行的“西北太平洋及印度洋溫鹽流數值預報系統”。該系統自2016年5月開始準業務化以來，運行穩定可靠，通過對運行兩個月的結果與原有溫鹽流數值預報業務系統（wylV2）進行對比分析，總體效果較好，現歸納為以下幾點：

(1)系統通過業務化改造，與全球中期氣象預報模式產品對接，同時可實時同化每日獲取的海洋觀測數據，并根據資料到報情況建立了業務化運行流程；

(2)在中國近海的溫度廓線與Argo資料的對比檢驗，IAPos平均溫度廓線與觀測更接近，基本重合。IAPos的平均誤差和均方根誤差更小，均方根誤差最多減小了50%。相關系數也高于wyl V2，最大達到20%以上；

(3)在中國近海的鹽度廓線與Argo資料的對比檢驗，IAPos平均鹽度廓線與觀測更接近，基本重合，wyl V2表層鹽度曲線與觀測相差較大。IAPos的平均誤差和均方根誤差更小，均方根誤差最大差別達到0.2 psu。相關系數也高于wyl V2，最大達到30%以上；

(4)在中國近海的海表高度與衛星高度計資料的對比檢驗，wylV2系統預報的海面高度均方根誤差最大超過1.2 m，而IAPos系統最大僅0.4 m，wylV2系統有一半以上的面積均方根誤差在0.4 m以上，而IAPos系統在95%以上的海域預報的海面高度異常均方根誤差都小于0.4 m。

本文僅對系統業務運行結果進行了初步的檢驗，下一步將在積累長期的預報結果后進行系統性的預報檢驗，特別是系統在不同季節的預報能力。這些工作對我們了解模式性能，進一步改進模式至關重要。

[1]方長芳,張翔,尹建平.21世紀初海洋預報系統發展現狀和趨勢[J].海洋預報,2013,30(4):93-102.

[2]鄭沛楠,宋軍,張芳苒,等.常用海洋數值模式簡介[J].海洋預報,2008,25(4):108-120.

[3]Burnett,W.,S.Harper,R.Preller,G.Jacobs,and K.LaCroix.2014.Overview of operational ocean forecasting in the US Navy:Past,present,and future.Oceanography 27（3）:24-31http://www.tos.org/oceanography,2014.

[4]McPhaden M J,Busalacchi A J,Cheney R,et al.The tropical ocean-global atmosphere observing system:a decade of progress[J].Journal of Geophysical Research,1998,103(C7):14169-14240.

[5]Reynolds R W,Smith T M,Liu C Y,et al.Daily high-resolution-blended analyses for sea surface temperature[J].Journal of Climate,2007,20(22):5473-5496.

[6]Bleck R,Halliwell G,Wallcraft A,et al.Hybrid coordinate ocean model user’s manual[M].Miami:University of Miami Press,2002.

[7]趙其庚,宋永加,彭淑英.高分辨率印度洋—太平洋海洋環流模式及模擬結果初步分析[M]//國家氣候中心.氣候變化與預測研究.北京:氣象出版社,2000.

[8]張學洪,俞永強,周天軍,等.大洋環流和海氣相互作用的數值模擬講義[M].北京:氣象出版社,2013.

[9]虎雅瓊,劉海文,李陽春,等.全球海洋模式對不同強迫場的響應[J].大氣科學,2015,39(1):180-196.

[10]Evensen G.The Ensemble Kalman Filter:theoretical formulation and practical implementation[J].Ocean Dynamics,2003,53(4):343-367.

[11]Evensen G.Sampling strategies and square root analysis schemes for the EnKF[J].Ocean Dynamics,2004,54(6):539-560.

[12]Xie J P,Zhu J.Ensemble optimal interpolation schemes for assimilating Argo profiles into a hybrid coordinate ocean model[J].Ocean Modelling,2010,33(3-4):283-298.

[13]萬莉穎.集合同化方法在太平洋海洋高度計資料同化中的應用研究[D].北京:中國科學院研究生院(大氣物理研究所),2006.

[14]呂國坤.集合最優插值同化方法在HYCOM及ROMS中的應用及改進[D].青島:中國海洋大學,2013.

[15]Yan C X,Zhu J,Zhou G Q.Impacts of XBT,TAO,altimetry and ARGO observations on the tropical Pacific ocean data assimilation[J].Advances inAtmospheric Sciences,2007,24(3):383-398.

[16]Yan C X,Zhu J,Xie J P.An ocean data assimilation system in the Indian Ocean and WestPacific Ocean[J].Advances in Atmospheric Sciences,2015,32(11):1460-1472.

Establish and forecast capability of the three-dimensional ocean numerical forecast operational system in the Northwest Pacific and Indian ocean

XUE Hong-bin，LU Ze-ting，HAN Jun，FAN Hai-yan，SHEN Hong，GENG Zai-xing
（5111 Mail box,Beijing 100094 China）

Based on the HYCOM ocean model and the Ensemble Optimal Interpolation(EnOI)assimilation method,a three-dimensional ocean numerical forecast operational system in the Northwest Pacific and Indian sea(IAPos)is established,and began to run operational test from May in 2016.The modeled results are contrasted to the former three-dimensional ocean model system(wylV2).The results show that the forecasting ability of IAPos system is better than that of wylV2 system in the China seas.There are some difference between different forecast variables and different vertical layers.In general,the forecast capability of the IAPos is better than that of the wylV2.

numerical forecast;EnOI;HYCOM ocean model

P731.3

A

1003-0239（2017）05-0036-11

10.11737/j.issn.1003-0239.2017.05.004

2016-11-21；

2017-01-16。

薛洪斌（1977-），男，高級工程師，博士，主要從事海洋環境數值預報研究。E-mail：xhbhyq111@163.com