2018年7月瓊東上升流數值預報個例分析

張志遠，林士偉，鐘建，王燕，肖斌，王關鎖

（1.中國人民解放軍91001部隊，北京100161；2.自然資源部第一海洋研究所，山東青島266061）

1 引言

隨著軍事活動和海洋深海作業的不斷開展，水下海洋環境保障的需求越來越強烈，其中，水下溫鹽分布和溫鹽躍層是非常重要的保障要素，上升流和中尺度渦等海洋現象在溫度和鹽度分布中都有明顯的表征，并對躍層分布產生顯著的影響，進而形成復雜的躍層類型。研究海洋中的上升流現象，并及時給出準確的預報信息，是海洋環境預報中非常重要的環節之一。上升流會將海洋下層豐富的礦物質帶到上層，引起魚蝦等動植物大量繁殖，極大地增強海洋有機物的初級生產力。從全球來看，比較大的上升流區都是重要的漁場。因此，針對上升流區域的水文特征和形成原因開展分析，后期利用數值預報和衛星遙感資料開展研究，將成為海洋研究工作的重點[1-5]。

海洋中的上升流是由表層流場產生水平輻散造成的從底層沿直線上升的海流，是一種常見的海水運動。風吹走表層水，下面的水就會上升予以補充，表層以下的海水，會由于表層流場的水平輻散而做上升流動；反之，表層流場的水平輻合會使海水由海面做鉛直下降的流動，這種海流被稱為下降流。上升流和下降流統稱為升降流，是組成海洋環流的重要部分，與海流水平運動共同構成總環流[1-2]。盡管上升流流速比水平流流速小幾個量級，但由于它會引起海洋上層（混合層）的攪拌，因此一直是大家研究的重點。

海南島以東（瓊東）沿岸海域位于南海北部陸架區，受季風和地形等多種因素影響，多在每年4—9月出現上升流現象。謝玲玲等[6]和吳日升等[7]分別從不同角度研究了瓊東上升流的分布區域和形成機制，分析其基本水文特征、年際差異以及風場和地形等影響因素的作用，并對比了近年沿岸上升流的前沿進展。舒業強等[8]總結了黑潮入侵南海、季風和地形等因素在南海北部陸架陸坡流系中的影響。

隨著數值預報技術的發展，郭飛等[9]和經志友等[10]利用數值模式后報方法對瓊東上升流進行了分析刻畫，雖然分辨率較粗，但也印證了上升流的存在和分布特點。本文以業務化運行的高分辨率海浪-潮流-環流耦合數值預報系統（The First Institute of Oceanography Coordinate Ocean Model，FIOCOM）[11-12]產 品為主體，提取瓊東海溫和海流預報數據，分析瓊東上升流情況，并結合衛星遙感數據分析其分布規律，印證數值模式對瓊東上升流的預報效果。

2 瓊東區域地形特點

南海北部陸架區是我國華南大陸向南海自然延伸的部分，陸架區的海底地形線與東北-西南向的海岸線大致平行，并由岸邊向海盆以0.03′左右的地形坡角緩傾。陸架海底的水深向外緣增大到230 m左右時，海底地形發生明顯變化，其坡度陡增轉為大陸坡。瓊東海域200 m等深線與50 m等深線接近，最近距離只有60 km左右，陸架外深層低溫水很容易接近岸邊并上升。

南海屬于典型的熱帶季風氣候，風向明顯隨季節變化。冬季，寒冷的氣流沿蒙古高壓的東部邊緣襲向海面，自北向南按順時針方向偏轉，盛行東北風。夏季，溫暖的氣流沿印度低壓邊緣自南向北按逆時針方向偏轉，盛行西南風。2018年南海夏季風爆發時間異常偏晚，結束時間偏早，強度異常偏強。6月中上旬201804號臺風“艾云尼”從南向北進入瓊東上升流區域并反復徘徊，在廣東徐聞、海南?？诤蛷V東陽江3次登陸，7月中下旬201809號臺風“山神”從東向西橫切瓊東上升流區域，7月18日05時（北京時，下同）前后在海南萬寧登陸。謝玲玲等[13]對臺風過境時海表溫度響應的研究表明，臺風速度、強度和進入上升流區域路徑的角度等對海洋上層升溫、降溫和保持不變等各種情況有不同影響。因此，本文為了更好地分析數值預報模擬單純上升流的效果，避開上述兩個時段，選擇7月上半月提取數值預報和衛星遙感數據，進行分析比較。

3 衛星遙感分析

目前，海洋資料的獲取主要有現場觀測和遙感兩種手段。現場觀測數據主要是點、線觀測，覆蓋范圍小，數量有限。隨著海洋遙感衛星技術的充分發展，遙感手段因其覆蓋范圍廣、時間連續和時效性強等優點，已經成為海洋資料獲取的重要手段。針對海表溫度的觀測主要有微波和紅外觀測兩種方式，因兩種技術體制在觀測方式、分辨率和受天氣影響等方面互為補充，因此國內外組織或專家依托衛星資料開展了海表溫度融合數據研究，其中全球海洋同化試驗計劃（Global Ocean Data Assimilation Experiment，GODAE）中的高分辨率海表溫度試驗計劃（GODAE High-Resolution Sea Surface Temperature，GHRSST）近10 a發布了大量產品[14-15]。多源融合遙感觀測海表溫度數據，成為研究瓊東上升流的重要衡量手段。

本文利用美國遙感系統研究公司的海表溫度融合產品（Remote Sensing System_MicroWave-infrared optimally interpolated Surface Sea Temperature，RSS_MWSST）和英國氣象局（Met Office）發布的海表溫度融合產品（Operational SST and sea Ice Analysis，OSTIA）資料[16]作為對比數據（見表1）。MW_IR產品是基于最優插值技術利用微波和紅外遙感產品生產制作的，空間分辨率9 km，時間分辨率1 d（網址：ftp://ftp.remss.com/sst/daily/mw_ir/v05.0/）。OSTIA數據融合了衛星資料、浮標和船舶觀測海溫等資料，利用二維變分技術融合，空間分辨為6 km，時間分辨率1 d（網址：http://opendap.jpl.nasa.gov/opendap/OceanTemperature/ghrsst/data/L4/GLOB/UKMO/OSTIA/）。

表1 本文使用的GHRSST發布的海表溫度融合產品

本文選取2018年7月1日、5日、10日和14日4 d的兩類衛星資料，該區域海表溫度融合產品效果如 圖1所 示。M180701、M180705、M180710和M180714分別是MW_IR數據4 d的海表溫度效果，O180701、O180705、O180710和O180714分 別 是OSTIA數據4 d的海表溫度效果。從兩類衛星融合產品刻畫的上升流將冷水帶到海表面冷水區分布的范圍和溫度差來看，2018年7月瓊東上升流現象非常明顯。

圖1 瓊東區域MW_IR和OSTIA海表海溫衛星融合產品分布圖

4 數值預報分析

本文采用業務化運行的FIOCOM基于浪致混合理論[11]，實現了海浪和環流耦合的海洋動力學框架，有效解決了上層海洋湍流混合嚴重不足這一長期困擾海洋模式發展的科學難題，突破了浪潮流耦合和自主資料同化系統構建等關鍵技術，有效提升了對上層海洋環境的預報能力。

4.1 預報模式

4.1.1 FIOCOM全球耦合海洋模式

該全球耦合海洋模式水平分辨率達到0.1°，水平方向采用三極網格實現完整全球模擬，垂向采用Z坐標，垂向對上層50 m進行了加密，平均分辨率5 m，表層垂向分辨率最高達到2 m。加密后模式垂向共分54層，最大水深5 500 m。環流模式初始場由WOA09（World Ocean Atlas 2009）氣候態數據的溫度和鹽度插值得到，通過將浪致混合系數（Bv）疊加在KPP（K-Profile Parameterization）方案計算的混合系數中實現海浪-環流耦合[17]，采用正壓潮流混合參數化方案[18]，水平摩擦采用Smagorinsky雙調和水平摩擦方案[19]。

4.1.2 地形數據處理

上升流在很大程度上受地形影響，本系統所含的全球潮預報對地形也非常敏感，因此構建該業務化預報系統時，針對ETOPO1和GEBCO（General Bathymetric Chart of the Oceans）等多種水深數據進行整理和平滑，采用Blackman徑向濾波器構造模式地形[20]。

4.1.3 海洋耦合模式同化

穩定的海洋預報業務化系統需要以強大和完善的資料同化系統為前提，尹訓強[21]為FIOCOM耦合模式構建了高效并行的海洋觀測數據集合調整卡爾曼濾波（Ensemble Adjustment Kalman Filter，EAKF）同化系統。該同化系統將模式的集合運行和EAKF同化并行實現，解決了高分辨率高頻次模式同化計算規模的瓶頸；另外，該系統還分別針對Argo等垂向剖面數據和海洋融合數據兩類數據設計相應的同化處理過程，實現全要素的海洋觀測數據同化。

4.2 和4.3節將FIOCOM數值預報結果與衛星遙感融合產品和美國混合坐標模式HYCOM（HYbrid Coordinate Ocean Model）數值預報結果[22]進行對比，分析FIOCOM數值預報產品對瓊東上升流的預報能力。

4.2 溫度場預報分析

FIOCOM是業務化連續運行的，而本文主要對比的衛星遙感融合產品均為無云且覆蓋全海域的逐日數據，為了時空尺度匹配基本一致，本文選取00時開始的0～24 h的海表溫度日平均預報結果進行對比。參照胡曉悅等[23]的分析結論，在南海及周邊海域針對融合海表溫度產品與現場海表溫度驗證的相關性、均方根誤差和偏差分析中，OSTIA的準確性最高。本文以OSTIA融合產品作為基準，以圖1黑色方框為界，選取該區域內3種產品的海溫數據（剔除水深小于20 m的數據），分析FIOCOM預報、HYCOM預報、MW_IR融合產品與OSTIA融合產品的誤差分布情況。

4.2.1 平面分布

本節針對第3部分衛星資料選取的時間段，選取2018年7月1日、5日、10日和14日4 d的海表溫度日平均預報結果進行對比（見圖2）。F180701、F180705、F180710、F180714分別是FIOCOM數據7月1日、5日、10日和14日4 d的海表溫度效果，H180701、H180705、H180710、H180714分 別 是HYCOM數據7月1日、5日、10日和14日4 d的海表溫度效果。從圖2中可以明顯看出，在預報的時間段內FIOCOM和HYCOM的瓊東上升流都非常明顯。與圖1的MW_IR和OSTIA衛星融合產品對比來看，FIOCOM預報的瓊東上升流的范圍和溫度差與衛星遙感融合產品更接近，范圍主要在18.5°～20.5°N，112.5°E以西海域，數值預報效果與柴扉等[7]利用實測和物理海洋機理分析的結果非常一致。

圖2 瓊東區域FIOCOM和HYCOM海表海溫預報分布圖

從瓊東海域20 m深海水溫預報看（見圖3），瓊東和廣東西部冷水區相連，這與許金電等[24]指出的瓊東和粵西沿岸上升流區域并非相互獨立，20 m層已經連成一片，且瓊東沿岸上升流的強度比粵西地區強等分析結果非常一致。

圖3 瓊東海域20 m深海水溫預報

4.2.2 平面分布定量分析

選取2018年7月1—15日FIOCOM預報、HYCOM預報、MW_IR融合和OSTIA融合4類產品的數據進行定量比較。經統計，FIOCOM/OSTIA的均方根誤差為0.63，HYCOM/OSTIA的均方根誤差為0.68，FIOCOM的預報準確性稍好，并且15 d內相對比較穩定。MW_IR在該海域和OSTIA吻合較好，沒有太大偏差（見圖4）。

圖4 7月1—15日FIOCOM、HYCOM、MW_IR與OSTIA均方根誤差比分析圖

4.2.3 剖面垂向分布

本文選取2018年7月8日24～48 h的海溫預報平均值作為比對基礎，選取研究區域內如下4個剖面（經度取陸地到112°E）：A（20°N斷面）、B（19.5°N斷面）、C（19°N斷面）和D（18.5°N斷面）。從圖5可以看出，瓊東上升流區域0～100 m海水的抬升趨勢非常明顯，海表冷水區和暖水區溫度差比較劇烈，基本都在2～3℃，圖6c顯示最為強烈。在110.7°E，19°N區域，對比HYCOM在這4個斷面的抬升情況（見圖6），結果非常近似。

圖6 HYCOM瓊東上升流區預報斷面圖

為定量比較上升流抬升強度，本文以圖5中A、B、C和D 4條斷面為基準，提取FIOCOM和HYCOM兩個模式7月8日24～48 h預報和7月9日OSTIA融合產品作比較。從表2的比較結果可以看出，與OSTIA融合產品相比，兩種模式產品預報的冷水區海面溫度極差（即斷面水溫最大值減最小值）均較大，相比而言FIOCOM效果較好。

圖5 FIOCOM瓊東上升流區預報斷面圖

表2 FIOCOM和HYCOM兩種模式產品與OSTIA融合產品斷面海面溫度極差比較（單位：℃）

4.3 流場預報效果分析

瓊東上升流會受季風和?？寺τ绊憽１疚倪x取上升流區域周邊的清瀾海洋站，統計得出2018年7月上半月在未受臺風影響的情況下，平均的近海面風向均為南向或西南向，15 d內逐小時出現風速＞2 m/s的南風或西南風的概率為87%?？梢婏L向與岸線大致平行，離岸的?？寺斔蜁股蠈雍Ｋx岸運動，同時為維持質量守恒，上層的海水輻散迫使底層海水向上涌升補償，從而形成上升流。以7月4日FIOCOM海流預報數據為分析對象，提取20.3°N斷面的流速分量u的分布，結果如圖7所示。

圖7 20.3°N斷面的流速分量u的分布圖

由圖7可以看出，FIOCOM數值預報產品清晰刻畫了上升流的特征，沿東西方向的流速分量u在上升流域的淺表層構成了明顯的離岸流，即?？寺斔?，與海洋下層形成的向岸流互為補充，形成一個循環。

4.4 模式誤差分析及改進

盡管與HYCOM模式結果和衛星觀測數據相比，FIOCOM可以較好地刻畫2018年7月上半月瓊東上升流區域位置和水體特征等上升流特征，但依然存在上升流抬升強度偏大的問題。目前采用Lee等[19]的潮混合方案，該方案對于近岸潮混合過程的刻畫有待進一步改進。下一步將采用由引潮勢驅動實現全球潮波直接模擬的方式引入潮致混合效應，預期將對潮混合過程有改進作用，進而改善上升流的模擬效果。

5 小結

本文采用業務化運行的浪潮流耦合模式FIOCOM對2018年7月上半月瓊東上升流進行分析研究，并與美國全球混合坐標模式HYCOM數據以及MW_IR和OSTIA兩類衛星遙感融合資料進行比較。分析結果表明：

（1）FIOCOM模式較好地刻畫了2018年7月上半月瓊東上升流區域的位置以及海洋表層和次表層海區低溫分布，表層離岸流與下層向岸流形成循環等陸架區上升流特征。

（2）兩個模式數據與衛星遙感融合資料對比的海溫預報均方根誤差表明，業務化運行的FIOCOM模式對2018年7月上半月瓊東上升流預報準確性優于HYCOM結果。

（3）FIOCOM和HYCOM兩個模式與同期MW_IR、OSTIA兩類衛星遙感融合資料相比，冷水區分布預報效果較好。對應的4個斷面對比看，海表溫度梯度差基本在2～3℃，甚至超過4℃。與遙感海表溫度實測相比，不論是FIOCOM或HYCOM，模式預報的上升流抬升強度皆偏大，造成冷水區溫度偏低，這是后續海洋模式優化需要進一步解決的問題。