國際全球海洋環流預報系統的現狀與展望

韓鵬，李宇航，揭曉蒙

（中國21世紀議程管理中心，北京100038）

1 引言

海洋動力環境預報是基于對海洋過去和當前狀態及其演變規律的認識，運用數值模式、資料同化等手段，對多種時空尺度上的海洋現象和海洋狀況（海溫、鹽度、海流、海浪、潮汐等）進行分析和預測，是業務化海洋學研究中的關鍵技術之一[1-2]。海洋動力環境預報技術主要包括動力環境數值預報模式和多源觀測資料同化技術。其中，動力環境數值預報模式主要包括全球和區域海洋環流模式、波浪模式、風暴潮模式和海冰模式等；主要的多源觀測資料同化技術按具體同化方法區分有三維變分同化、四維變分同化和卡爾曼濾波等。近年來，隨著衛星遙感、高性能計算等技術的深入應用，國內外的海洋動力環境預報技術不斷發展，預報技巧逐年提升[3-5]。海洋動力環境預報技巧的提高主要得益于數值預報模式動力框架和次網格物理過程的改進、高性能計算技術的廣泛應用、海洋資料同化方案的優化和改進等。在各類海洋動力環境數值模式中最核心的是全球海洋環流數值模式，它的分析和預報產品可為區域海洋環流模式、生態模式、波浪模式和風暴潮模式提供動力背景、邊界條件或者強迫條件等。因此，全球海洋環流數值預報模式及其配套同化技術是最重要的研究與應用方向。

國際上一直非常重視海洋數值預報模式和資料同化技術的發展。20世紀90年代，全球海洋環流預報系統已經在英國氣象局（Met Office）的海洋同化模式預測模型（Forecasting Ocean Assimilation,Model，FOAM）[6]、美國海軍混合坐標海洋模式（The HYbrid Coordinate Ocean Model，HYCOM）系統[7]和歐洲中期天氣預報中心（European Centre for Medium-Range Weather Fore-casts，ECMWF）ORAS1模式系統建立并運行。2008年前后，國際上主要機構已普遍實現了以數值預報為核心的預報變革，形成了完善的全球、區域海洋數值預報業務系統。2011年，歐美主要預報機構已普遍實現渦分辨數值預報系統的業務應用。目前，全球海洋環流模式水平分辨率已經從5°（約500 km）提高了到0.1°（約10 km），海洋環流數值預報模式系統正逐步朝著更高分辨率（分辨率高、網格精細）、更多過程（方程組方程數目增加）和更快計算速度的方向發展。

本文以國際上主要海洋預報業務中心的全球海洋動力環境預報系統為主線，重點介紹國際上環流數值預報領域的主要進展，并與國內相關領域的研究進展進行比較，為我國未來海洋動力環境預報系統的研發和應用提供參考和借鑒。

2 全球海洋環流預報模式

海洋數值模式主要基于描述動力和物理過程的偏微分方程，通過求解復雜的納維斯托克斯（Navier-Stokes）方程對海洋系統進行建模和模擬。海洋環流模式、海浪模式、潮汐模式、風暴潮模式等是納維斯托克斯方程不同的簡化。

美國海軍（Naval Oceanographic Office，NAVOCEANO）和美國國家環境預報中心（National Centers for Environmental Prediction，NCEP）預報系統所用的全球海洋環流模式都是基于全球深度-等位密度面HYCOM開發的，模式的分辨率設置基本一致，分辨率水平1/12°，垂直30層[7-9]。但是，兩個預報系統使用的海表強迫完全不一樣，前者采用美國海軍天氣預報模式輸出的海表通量作為海表強迫，后者采用NCEP的3 h業務化全球風場的動量、輻射和降水通量。未來將進一步提高水平和垂直分辨率，水平分辨率提高到1/25°以上，垂直分辨率提高到41層，增加潮汐強迫，并將全球HYCOM與第三代海浪模式（WAVEWATCH III）、海冰模式以及大氣環流模式耦合。

法國、英國和澳大利亞的全球海洋預報系統均基于NEMO（Nucleus for European Modelling of the Ocean）海洋模式開發，但在具體設置上有所不同。法國麥卡托國際海洋中心作為全球海洋預報系統的領先機構，全球海洋環流分析與預報系統體系完善（見圖1），承接了歐盟天氣尺度海洋預報業務，其水平分辨率為1/12°、垂直方向為50層[10]；英國全球預報系統的水平分辨率為1/4°，垂向為75層[6]；澳大利亞全球預報系統則采用準全球（75°S～75°N）的NEMO模式，水平分辨率為1/10°，垂直方向為51層[11]。另外，法國的預報系統耦合的海冰模式是LIM（Louvain-la-Neuve Sea Ice Model），英國的預報系統耦合的海冰模式是CICE（Community Ice CodE and the Los Alamos Sea Ice Model），澳大利亞的預報系統目前則沒有耦合任何海冰模式。此外，這3個國家的預報系統采用的海表強迫場也不同，法國預報系統采用ECMWF發布的海表強迫場，英國和澳大利亞則各自采用本國的中期天氣數值預報業務系統輸出的海表強迫作為模式的上邊界條件。

日本極為注重數值預報系統的自主開發和應用，堅持獨立發展數值模式與相關技術在實際應用中的迭代優化。日本氣象廳的全球海洋預報系統基于該國自主研制的Z坐標海洋環流模式MRI.COM version 4。模式采用三極網格坐標，其水平分辨率相對較低，為1°×0.5°，垂向方向為60層[12-14]，采用了觀測的海冰密集度數據作為邊界條件。模式在海表采用了日本氣象廳發布的JRA55再分析數據進行大氣強迫，并使用了水動力模型（CaMa-Flood）計算的真實河流徑流量。

圖1 法國海洋動力預報系統及業務產品（引自：法國麥卡托（Mecator）海洋中心的2019年度國家報告）

3 海洋資料同化技術

數據同化方法可以結合觀測資料和數值模式，得到更合理的模擬結果或提高預測的精度。通常數值預報的誤差主要包括3方面來源：一是動力模式控制方程組中包含有各種近似，或者物理過程與機制考慮不完全；二是數值模式初始場的質量不高，模式參數不確定；三是模式分辨率低，不能解析次網格過程，而物理過程參數化方案等近似也存在誤差。因此，通過數據同化方法將觀測信息不斷地引入到數值模式，獲取可靠的數值模擬結果，或者通過改善數值模式的初始場，提高預報和預測的準確度是必不可少的業務化運行方案。目前，國際上主要的海洋預報業務機構通常采用三維變分同化（3DVAR）、集合最優插值（ENOI）或者集合卡爾曼濾波（ENKF）等方法進行資料同化。

美國海軍全球海洋預報系統（Global Ocean Forecast System，GOFS）采用美國海軍耦合海洋數據同化三維變分同化（Navy Coupled Ocean Data Assimilation-Three Dimensional Variational Data Assimilation，NCODA-3DVar）[15-16]方案，同化的觀測數據包括衛星遙感高度計（Jason-2、Altika、Cryosat-2）、衛 星 遙 感 海 表 溫 度（NOAA-18、NOAA-19、METOP-A、METOP-B、GOES-13、GOES-15、MSG、MTSAT-2、COMS-1、WindSAT、NPP-VIIRS）、固定和漂流浮標、現場剖面觀測（Argo、CTD、XBT、海洋Gliders）、表層溫度和鹽度船測資料、多波段微波輻射掃描儀（Spatial Sensor Microwave/Imager，SSM/I）和SSMIS海冰密集度、表層漂流計等。NCEP實時海洋預報系統（Real Time Ocean Forecast System，RTOFS）同化系統是在美國海軍NCODA-3DVAR同化方法基礎上建立的。主要更新和改進包括：NCEP的RTOFS資料同化是利用混合坐標層24 h預報作為第一猜測值，而NAVOCEANO則利用日平均場插值到z坐標層上；NCEP直接利用整個水柱同化動力高度（Altimeter Dynamic Topography，ADT），而海軍利用海面高度異常（Sea Level Anomaly，SLA）和1 000 m深的海水溫度鹽度廓線[17-18]。

圖2 美國海軍耦合海洋資料同化方案

法國麥卡托國際海洋中心的全球海洋預報系統的同化系統（SAM-2）主要基于降階卡曼濾波方法，是在減秩卡爾曼濾波（Singular Evolutive Extended Kalman Filter，SEEK）基礎上發展起來的[8,19-22]。對于預報系統的物理部分，SAM-2同化系統目前同化的數據包括海面高度計數據、海表面溫度數據、溫度與鹽度的垂直廓線數據以及海冰密集度數據，其中對于背景誤差協方差矩陣采用多元三維誤差模式。該系統包括自適應誤差與區域算法。自2007年4月，SAM-2同化系統已經在所有的業務化系統中采用。該中心下一步將基于新版本NEMO3.6更新全球1/12°預報系統，根據4D同化方案改善預報精度，同化新海表溫度觀測資料（高分辨L3 SST衛星觀測）。

Met Office的業務系統采用三維變分同化方案（Nucleus for European Modelling of the Ocean/Variational Data Assimilation，NEMOVAR）。該同化方案采用了多元增量公式，是由歐洲科學計算研究 中 心（Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique，CERFACS）、ECMWF、MetOffice和法國計算機科學與自動化研究所（INRIA/LJK）等研究機構共同研發的。NEMOVAR可以同化多種觀測資料，包括表層觀測資料（海表溫度、衛星遙感海表高度）和次表層觀測數據（XBTs、Argo、CTDs、錨定浮標、gliders），特別是可以合理地分辨出海洋中尺度渦旋的空間結構。NEMOVAR還包含了一個擴散算子，根據空間相關性傳播觀測信息，多元平衡算子考慮了海洋變量之間的協方差。Waters等[23-24]在Met Office預報系統中繼續發展了NEMOVAR，包括誤差協方差參數化的發展、高度計資料變分偏差校正方案[25-27]、衛星遙感海表面溫度（Sea Surface Temperature，SST）偏差校正方案以及海冰密集度同化模塊。

澳大利亞業務預報系統采用的數據同化方案為BODA[11,28]，同化觀測資料包括Argo廓線資料、海水電導率、溫鹽深測量結果以及Jason-1 IGDR、Jason-2 IGDR、Envisat衛星高度計和 NAVOCEANO L2P海表溫度觀測資料。

日本氣象廳的海洋資料同化系統是由Fujii等[29-30]設計的3DVAR-IAU發展而來的。該同化系統采用非線性下降方法（POPULAR）和非線性約束，能夠高效地處理多變量（溫度和鹽度）耦合EOF垂直模態分解和背景誤差協方差矩陣中的非對角元素。該系統還在同化分析過程中采用了非線性和非高斯型約束，有效地改善了同化分析場對強海洋鋒空間結構特征的刻畫。對于海冰密集度數據（MGDSST），該系統采用了松弛逼近和3DVAR同化技術，并利用優化之后的大氣環流場作為海表強迫進行同化。為進一步改善海冰同化，還開發了基于海冰流變學的海冰伴隨模式，并進行了一系列敏感性數值試驗[31]。

4 全球海洋環流預報的國際合作計劃

與全球天氣預報業務類似，海洋動力環境的觀測、模式和同化技術的研發和改進是一項長期的、艱巨而又復雜的任務，需要多學科合作以及大量人力和研究經費的投入，為此有必要開展國際合作。在世界氣象組織（World Meteorological Organization，WMO）的推動下，20世紀80年代開展了與數值天氣預報相關的國際合作計劃，并極大地推動了天氣預報技術的進步和預報技巧的提高。受到數值天氣預報業務系統研發經驗的啟發，國際上從20世紀90年代末就開始在海洋動力環境預報領域開展國際合作。

在1996—1997年期間，全球海洋數據同化試驗（GlobalOceanDataAssimilationExperiment，GODAE）的倡議得到了各國科學家的廣泛響應，于是開始了持續10 a（1998—2008）的GODAE國際計劃[2]。該計劃旨在：（1）將最先進的海洋環流模式和資料同化技術應用于短期海洋環流預報和氣候預測，以及區域海洋預報系統的邊界條件；（2）發展海洋再分析數據集，用以理解海洋動力過程及其可預報性，并應用于海洋觀測系統的設計并提高觀測系統的有效性。2008年，GODAE國際合作計劃圓滿地完成了預定的各項研究任務，極大地促進了世界各國海洋資料同化技術和海洋預報系統的發展。在GODAE計劃的10 a時間里，一些發達國家業務預報中心基于水平分辨率為10 km左右的海洋模式建立了業務預測系統，可以同化現有各種海表和上層海洋的觀測數據，使得海洋環境預報進入了一個可以分辨和預報中尺度海洋渦旋的時代。

GODAE國際合作計劃結束后，各國科學家又推動了一個新的國際合作計劃GODAE OceanView（GOV）計劃（2009—2018）[3]。該計劃可以看作是GODAE計劃的進一步延續，但是更加致力于推動和加強科研成果向業務化運行和實際應用方向轉化，目前有包括中國在內的15家海洋預報業務機構成員（見表1）。該計劃旨在提升海洋環境監測和預報能力，發展和完善4種能力：（1）衛星高度計觀測海表中尺度動力特征的能力；（2）ARGO浮標系統觀測海洋溫度和鹽度剖面的能力；（3）高分辨率海洋模式模擬和預報中尺度渦旋的能力；（4）數據同化技術能夠有效地同化上述觀測數據，并可以為動力模式提供一個精確的初始場用于預報。目前，GOV計劃已經順利完成，使得海洋動力環境預報技巧得到了顯著提高。

作為GOV計劃的后續，實際上也是GODAE計劃的第三個階段，目前GOV正在過渡到Ocean Predict（2019至今，引自：https://www.godae-oceanview.org/about/gov-op-transition/），作為一個國際科學論壇和活動平臺，它將充分整合GODAE和GOV計劃的研究成果，同時還加強與海洋領域其他大型國際合作計劃（例如全球觀測系統計劃（Global Ocean Observation System，GOOS））的合作。更為重要的是，Ocean Predict計劃將會促進科學研究和業務化運行兩者之間的合作，并向其成員與合作伙伴提供專業知識和合作機會，進而形成一個從觀測-綜合信息分析-預報預測-科學評估-最終用戶的完整鏈條。

5 發展趨勢

隨著全球海洋環流預報技術的不斷完善，以及海洋觀測技術和高性能計算機的快速發展，未來有關技術主要呈現5方面發展趨勢：

表1 GODAE OceanView下的國際業務化海洋學機構的預報系統

（1）針對關鍵海區開展強化觀測試驗。理論研究、觀測體系的建設將更加緊密地與數值模式發展相結合，圍繞改進數值模式的次網格物理參數化過程和提升模式的數值預報技巧，通過海洋環流的可預報性研究和目標觀測研究，尋找影響海洋環流預報技巧的關鍵海區，并在關鍵海區針對中小尺度動力過程等開展長期連續的現場觀測實驗。

（2）進一步改進海洋模式的動力框架并引進多圈層相互作用。海洋數值預報模式的發展重點是繼續提高模式的水平和垂直分辨率、實現海-陸-氣-冰全耦合、物理模式與生態模式的耦合、發展自適應非結構網格、大規模并行計算技術等。數據同化發展的重點是實現變分、集合濾波及兩者混合等先進數據同化方法和衛星遙感觀測數據的同化應用。

（3）加強高性能計算和大數據技術的應用。隨著海洋數值預報系統的計算需求越來越高，將海洋數值預報與云計算技術有機結合，突破海洋數值預報服務云和海洋數值預報平臺云構建技術，為海洋數值預報研究用戶和業務用戶提供便捷、高效、低廉的支撐環境，成為海洋數值預報的一個重要發展趨勢。

（4）提高海洋環流預報時效。未來海洋環流的預報時效會不斷增加，目前業務化的海洋環流預報時效主要局限于短期（7 d）或者中期（7～30 d），未來預報時效將拓展至季節-年代際時間尺度，預報變量將會拓展到海冰和海表氣象要素等。預報時效的增加主要來源于數值模式性能的改進、觀測數據的增加和資料同化技術的進步。

（5）發展精細化預報技術。區域海洋環流模式水平分辨率將進一步提高，未來有可能達到1 km量級，并與高精度的海浪和風暴潮模式耦合，針對重點港口、海灣、重大基礎設施、關鍵經濟目標和典型人口密集區等沿海重點保障目標，開展潮汐（流）、風暴潮、海浪、海嘯、海冰、海溫等要素的預報，形成對近岸工程環境的精細化預報與服務保障能力。

6 未來發展建議

近年來，國際上數值模式技術框架已經基本穩定，未來發展的主要趨勢是在現有框架基礎上不斷完善物理過程、提高分辨率以及改進同化技術。從海洋動力環境預報效果來看，SST的預報誤差降低非常有限，均方根誤差近十年保持在0.6～1.0℃左右，近年來甚至出現略升[32]；在表面鹽度、海面高度，及三維溫、鹽、流的長期誤差檢驗方面，受觀測時空積累限制相關研究有待進一步加強。與海洋環流預報相似，其它業務化預報精度改進也緩下步伐。以ECMWF預報產品為例，1992—2017年，海浪3 d預報誤差從42%下降到30%，25 a間約降12%；海浪5 d預報，從50%下降到42%，25 a間約降8%[33]。同樣情況也出現在天氣數值預報領域，1982—2000年，其在北半球的500 hPa位勢高度3 d預報技巧從86%增長到92%，18 a間增長6%；5 d預報技巧同期增長13%。2000—2015年，在北半球的3 d預報技巧從92%增長到98%，增長了6%；5 d預報同期增長6%左右[34]。當前海洋環境數值預報運維復雜度逐漸增大[35]，預報誤差降速明顯趨緩、數值模式技術總體框架已經基本穩定，結合近年來觀測手段的發展和大數據分析等新技術的應用，對我國未來海洋動力環境數值預報技術發展提出如下建議：

（1）加強全球海洋觀測基礎能力建設

發展全球海洋觀測及探測技術，加強國際海洋領域的合作，完善海洋監測/探測裝備體系，補齊海洋動力環境監測應用傳感器技術不足。利用衛星、飛機、船舶、浮/潛標、無人航行器、海底觀測網和岸基觀測站等全球空天/水面/水下平臺，建立立體連續觀測系統。對海洋多尺度現象和生態環境等進行多參數連續實時/準實時細化觀測，實現海洋動力環境要素的時空連續探測和信息感知。

（2）加強海洋觀測數據共享

實現信息融合、標準統一和數據共享，采用云計算、云存儲等技術，對信息服務存儲系統軟件等進行統一設計與集約化管理。支撐集約化的計算服務、存儲服務和應用服務，開展國內外海洋各類監測預警信息的快速處理、高效存儲管理和綜合分析應用。采用按需推送、智能調取和信息交互等多種信息服務方式，整合和集成現有海洋信息資源，構建共享共用的海洋信息共享平臺，支持海洋信息資源共享。

（3）加強核心關鍵技術攻關

以現有國內外先進數值技術為基礎，集合業務部門和教育科研機構的優勢力量，研發具有完全或高度自主知識產權并實現應用的數值模式動力框架、次網格物理過程參數化方案體系、高精度數值離散技術、精細化網格環境數據同化技術等，在不同尺度水平與垂直混合過程研究、高精度平流計算方案、四維變分同化和集合同化技術等細分領域加緊跨領域合作研究。

（4）加強大數據、人工智能和高性能計算等技術應用。隨著科學與技術的發展，各種觀測、模擬手段的突破，數據種類在不斷增加、數據質量在不斷提高。海洋數據已經具備了大數據的典型特征（4V），即數據量大（Volume）、獲取數據速度快（Velocity）、數據類型多樣（Variety）和數據真實性強（Veracity）。為此，建議在大數據與云計算技術方面，發展云架構下海洋數值預報服務系統、數值模式自動優化分析系統、海洋環境大數據存儲云、海洋數值預報計算云、海洋大數據與人工智能預報技術。