基于Cressman客观分析的南海北部海区数据同化实验

利用POM模式和空间插值法构造的同化方案对南海北部的航次观测资料进行了数据同化模拟.结果表明,数据同化有效兼顾了模式模拟和航次观测,在一定程度上纠正了模式模拟值相对于真实数据的误差;同化结果与模拟结果相比更接近观测值,在航次断面及其附近海域同化结果误差较小;另一方面,由于航次资料站点相对较少,在无观测数据的海域模式同化不是很理想,有待改进.此方法可为南海大型航次及其他资料同化提供一个再分析资料的实验性参考.     

基于集合同化方法的南海北部最优观测实验

根据集合同化理论及最优观测方法,应用基于ROMS模式的南海北部区域模拟结果作为集合样本,对该区域的最优观测廓线以及最优观测航次进行了评估和选择.最优观测方法是一种不需要直接同化观测,而通过最小化分析场误差方差理论值来选择最优观测点的方法.最优观测方法根据卡曼滤波理论中协方差矩阵的更新方程,使用一组模式或观测得到的历史样...     

基于一个海洋混合层模式对中国近海浮标SST日变化的模拟

收集整理了中国近海18个浮标2011年全年的高时频实时观测资料,对中国近海SST日变化时空分布规律进行了分析,并利用一个改进了的一维海洋混合层模式对中国近海浮标资料进行了模拟。分析表明,中国近海SST日变化具有明显的季节变化特征。按照各季节SST日变化的明显程度,可以把近海海域分为两季型与四季型。两季型海域的SST日变化在春夏季非常明显,且变化幅度一致,而秋冬季日变化明显减小,如渤海、黄海北部和东海北部。而东海南部和南海北部等四季型海域的SST日变化幅度在各个季节均不相同,具有四季分明的特征。各个海域的短波辐射等热力通量、海面风应力等动量通量,以及上层海流等因素是造成上述分布特征的主要原因。文中使用的海洋混合层模式在对不同浮标观测SST的逐日演变过程中表现良好,对平均日变化的模拟比较合理,可以模拟出连续的、完整的SST日变化周期,并且与观测基本一致,该模式在中国近海区域具有良好的应用前景。     

南海北部集合卡曼滤波同化SST试验

基于POM(Princeton Ocean Model)建立一个南海北部集合卡曼滤波的同化模式,主要用于卫星海表面温度的同化.模式的平均水平分辨率为5km,垂向分层为20层;侧边界条件嵌套到一个大范围的南海海洋模式,在同化方案上采用一个均方根集合卡曼滤波算法,避免观测的扰动;适当引入局地化算子,消除样本在空间上的虚假相关,同时增加集合样本的自由度.该同化试验同化了2008年夏季6月到7月的GHRSST(Global High-Resolution Sea Surface Temperature),然后采用2008年夏季SCOPE(Northern South China Sea Coastal Oceanographic Process Experiment)航次的温、盐数据对同化结果进行评估.结果表明,相对于未同化模式模拟结果,同化模式温度的改善比较明显,表现在加强了南海北部的上升流,校正了海表温度的偏差,改善了温度的垂向分布.由于集合卡曼滤波是一种多变量调整的同化方法,同化SST不仅能改善表层与次表层的温度分布,而且对流场和盐度的调整也比较明显.     

渤海、黄海、东海冬季海流场温度场数值模拟和同化技术

利用NASA高分辨率的卫星遥感资料SST,采用Nudging同化来模拟渤海、黄海、东海的三维温度场,减小用热通量作上边界条件所带来的误差.结果表明,模拟的海流场能较好地反映渤海、黄海、东海的环流特征.数据同化后的温度场优于未经同化的温度场.3个选择站点的同化值与实测值的均方根误差分别为1.307,0.526,0.744,用热通量资料模拟的水温与实测值的均方根误差分别为2.160,0.979,1.330.尽管只同化了海表温度,但数据同化对三维温度场结构都有影响.     

基于Argos漂流浮标的东海黑潮特征分析

基于1979—2008年的表面漂流浮标资料,在选定区域(21°～33°N,120°～132°E)内对3个东海黑潮特征断面上的表层流速结构进行分析。选取的特征断面分别是位于台湾东北东海黑潮南段的SS断面,位于黑潮所流经东海的中央地段的PN断面和位于日本九州与奄美群岛之间的TT断面。Argos漂流浮标资料的统计结果能够较好地反映东海黑潮不同流段的主要特征及其季节变化。东海黑潮中段相对于其他流段流速强、流幅宽、流量大的特征最为显著,也最为稳定。     

基于POM模式与blending同化法建立中国近海潮汐模型

利用POM海洋数值模式建立了中国近海（2°N-41°N，99°E～132°E）分辨率为5′×5′的潮汐模型，模式采用blending同化法同化了由10年TOPEX／Poseidon测高数据反演的潮汐参数与沿岸52个验潮站观测。精度分析表明建立的潮汐模型的8分潮RSS为12．5cm。     

Jason-2有效波高产品在中国海域的准确性评估

Jason-2卫星高度计的有效波高(Hs)产品在海洋学领域得到了广泛应用。为了综合评估Jason-2有效波高产品在中国多个海域和不同海况下的准确性,为其在中国海域的应用研究提供参考,本文基于国家海洋局20个水文气象浮标从2008年至2014年的长期观测数据,对Jason-2有效波高产品在中国三个海区(渤黄海、东海、南海)和不同海况(观测有效波高Hs最大为6.2m)下的准确性进行综合分析,并研究其准确性与离岸距离的关系。结果表明Jason-2有效波高产品:(1)在中国海域具有较好的准确性,均方根误差RMSE=0.445m;(2)在南海的准确性最高,而在渤黄海的准确性较差;(3)在2m≤Hs≤5m的海况条件下准确性较好;(4)在越远离陆地的海域准确性越高。     

静态集合样本的构造及其在全球海浪滤波同化中的应用

本文提出一种最佳静态集合样本的构造方法,利用不同时段内海浪有效波高的模拟偏差构造静态集合样本,并将其与由模拟结果和观测资料统计的模式误差进行概率密度分布及时空相关性分析,结果表明24h间隔有效波高偏差与后者的相关性最好,称为最佳静态集合样本,可用于近似背景误差。将所构造的静态集合样本应用于滤波同化调整过程,采用MASNUM海浪模式,利用Jason-1卫星高度计数据,对2008年全球海域开展海浪同化实验,实验结果表明,基于最佳静态集合样本的海浪同化调整,可以有效地改善海浪模式的模拟效果。     

MASNUM-WAM海浪模式集合Kalman滤波同化研究-I.风场扰动对海浪模拟影响

模式集合样本的代表性和观测信息的可靠性是制约数据同化效果的重要因素,而前者对海浪模式同化的影响尤为显著。由于海浪模式对初始场的敏感性较弱,来自大气的风输入源函数是海浪的重要能量输入,如何合理地对风输入进行扰动,构造海浪的集合模式运行,是实现和改进海浪模式集合Kalman滤波同化的关键问题。为了实现海浪模式集合运行,本文提出了风场的三种集合扰动方案,分别为：纯随机数、随机场和时间滞后的风场扰动方法。本研究利用2014年1月ECMWF全球风场,基于这三种风场扰动方法开展了集合海浪模式的集合运行实验,并统计分析了海浪特征要素（有效波高）和二维波数谱对风场扰动的响应。结果表明,随机场集合扰动方案所构造的风场集合效果最佳,所得海浪模拟结果的集合样本发散度适中,能够较为合理地反映背景误差的统计特征,可用于进一步的集合Kalman滤波海浪数据同化实验。     

集合同化方法在黄海海域海表面温度同化中的应用

The effects of sea surface temperature(SST) data assimilation in two regional ocean modeling systems were examined for the Yellow Sea(YS). The SST data from the Operational Sea Surface Temperature and Sea Ice Analysis(OSTIA) were assimilated. The National Marine Environmental Forecasting Center(NMEFC) modeling system uses the ensemble optimal interpolation method for ocean data assimilation and the Kunsan National University(KNU) modeling system uses the ensemble Kalman filter. Without data assimilation, the NMEFC modeling system was better in simulating the subsurface temperature while the KNU modeling system was better in simulating SST. The disparity between both modeling systems might be related to differences in calculating the surface heat flux, horizontal grid spacing, and atmospheric forcing data. The data assimilation reduced the root mean square error(RMSE) of the SST from 1.78°C(1.46°C) to 1.30°C(1.21°C) for the NMEFC(KNU) modeling system when the simulated temperature was compared to Optimum Interpolation Sea Surface Temperature(OISST) SST dataset. A comparison with the buoy SST data indicated a 41%(31%) decrease in the SST error for the NMEFC(KNU) modeling system by the data assimilation. In both data assimilative systems, the RMSE of the temperature was less than 1.5°C in the upper 20 m and approximately 3.1°C in the lower layer in October. In contrast, it was less than 1.0°C throughout the water column in February. This study suggests that assimilations of the observed temperature profiles are necessary in order to correct the lower layer temperature during the stratified season and an ocean modeling system with small grid spacing and optimal data assimilation method is preferable to ensure accurate predictions of the coastal ocean in the YS.     

OSTIA数据在中国近海业务化环流模型中的同化应用

The prediction of sea surface temperature(SST) is an essential task for an operational ocean circulation model. A sea surface heat flux, an initial temperature field, and boundary conditions directly affect the accuracy of a SST simulation. Here two quick and convenient data assimilation methods are employed to improve the SST simulation in the domain of the Bohai Sea, the Yellow Sea and the East China Sea(BYECS). One is based on a surface net heat flux correction, named as Qcorrection(QC), which nudges the flux correction to the model equation; the other is ensemble optimal interpolation(En OI), which optimizes the model initial field. Based on such two methods, the SST data obtained from the operational SST and sea ice analysis(OSTIA) system are assimilated into an operational circulation model for the coastal seas of China. The results of the simulated SST based on four experiments, in 2011, have been analyzed. By comparing with the OSTIA SST, the domain averaged root mean square error(RMSE) of the four experiments is 1.74, 1.16, 1.30 and 0.91°C, respectively; the improvements of assimilation experiments Exps 2, 3 and 4 are about 33.3%, 25.3%, and 47.7%, respectively.Although both two methods are effective in assimilating the SST, the En OI shows more advantages than the QC,and the best result is achieved when the two methods are combined. Comparing with the observational data from coastal buoy stations, show that assimilating the high-resolution satellite SST products can effectively improve the SST prediction skill in coastal regions.     

Assimilation of sea surface temperature in the Northwest Pacific Ocean and its marginal seas using the ensemble Kalman filter

Satellite-borne sea surface temperature (SST) data were assimilated with the ensemble Kalman filter (EnKF) in a Northwest Pacific Ocean circulation model to examine the effect of data assimilation. The model domain included the northwestern part of the Pacific Ocean and its marginal seas, such as the Yellow Sea and East/Japan Sea. The performance of the data assimilation was evaluated by comparing the simulated ocean state with that observed. Spatially averaged root-mean-squared errors in the SST and sea surface height (SSH) decreased by 0.44 °C and 4 cm, respectively, by the assimilation. The results of the numerical experiments substantiated the effectiveness of the SST assimilation via the EnKF for all marginal seas, as well as the Kuroshio region. The benefit of the data assimilation depended on the characteristics of each marginal sea. The variation of the SST in the East/Japan Sea and the Kuroshio extension (KE) region were improved 34% and those in the Yellow Sea 12.5%. The variation of the SSH was improved approximately 36% in the KE region. This large improvement was achieved in the deep-water regions because assimilation of SST data corrected the separation point of the western boundary currents, such as the Kuroshio and the East Korea Warm Current, and the associated horizontal surface currents. The SST assimilation via the EnKF also improved the subsurface temperature profiles. The effectiveness of SST assimilation was seasonally dependent, with the improvement being relatively larger in winter than in summer, which was related to the seasonal variation of the vertical mixing and stratification in the ocean surface layer.     

南海及邻近海域大气-海浪-海洋耦合精细化数值预报系统研制

本文主要介绍了南海及邻近海域大气-海浪-海洋耦合精细化数值预报系统的研制概况。预报区域为99°E~135°E，15°S~45°N，包括渤海、黄海、东海和南海及其周边海域。为了给耦合预报模式提供较准确的预报初始场，在预报开始之前，分别进行了海浪模式和海洋模式的前24小时同化后报模拟。海浪模式和海洋模式都采用了集合调整Kalman滤波同化方法，海浪模式同化了Jason-2有效波高数据；海洋模式同化了SST数据、MADT数据和ARGO剖面数据。为了改进海洋温度和盐度的模拟，我们在海洋模式的垂向混合方案中引入波致混合和内波致混合的作用。预报系统的运行主要包括两个阶段，首先海浪模式和海洋模式进行了2014年1月至2015年10月底的同化后报模拟，强迫场源自欧洲气象中心的六小时的再分析数据产品。然后耦合预报系统将同化后报模拟的结果作为初始场进行了14个月的耦合预报。预报产品包括大气产品（气温、风速风向、气压等）、海浪产品（有效波高和波向等）、海流产品（温度、盐度和海流等）。一系列观测资料的检验比较表明该大气-海浪-海洋耦合精细化数值预报系统的预报结果较为可靠，可以为南海及周边海洋资源开发和安全保障提供数据和信息产品服务。     

厄尔尼诺和台风共同影响下的7月份黄、东海海温变化

基于历史海温数据和台风路径数据,研究了厄尔尼诺/拉尼娜（El Niño/La Niña）背景下7月份中国近海海温变化特征。结果表明:7月黄、东海海温异常与El Niño/La Niña有显著相关关系,OISST和GODAS海温数据与Niño3指数同步相关系数分别为-0.32和-0.45。El Niño年7月,黄、东海海表温度异常低于-0.5℃的概率超过60%;La Niña年7月,黄海海温异常高于0.5℃的概率约有60%;正常年7月,海温异常的空间分布与El Niño年相反,但量值偏低。El Niño年7月,中国近海及邻近区域大气异常能够给局地带来更多降水;同时,受El Niño背景场的影响,入侵黄、东海的台风强度更强、影响时间更长。大尺度的降水和台风活动的影响是导致黄、东海海温异常降低的重要原因。因此,分析和预测7月份中国近海海温异常,在充分考虑El Niño/La Niña背景场的基础上,需要结合局地的大尺度降水和台风的影响同时分析,这为特定背景下结合不同时间尺度上的因素共同分析中国近海海温变化提供了一种思路。     

基于漂流浮标观测分析日本福岛以东表层海洋物质的散播轨迹

认识海洋中的物质如何散播对于理解海洋环境变化和人类活动污染在海洋中的扩散过程具有非常重要的意义。利用历史海表漂流浮标观测数据,对日本福岛以东海域的表层物质散播轨迹进行了拉格朗日示踪分析和观测模拟试验研究。结果发现,福岛以东海域海表浮标的散播路径主要分为东、南两支,其中速度较快的东支为主要通道,沿黑潮延伸体汇入北太平洋流,最短用时大约22个月即可到达北美西海岸;南支则沿黑潮延伸体以南的大范围南向流向西南方向运移,速度较慢且明显受涡旋活动影响,最快大约5个月即可到达吕宋海峡和中国台湾以东海域,进而进入南海和东海等中国近海海域。通过开展观测模拟试验,发现海表浮标散播的概率密度分布呈现以福岛附近海域为核心、向西南和正东方向递减扩展的形态,其中,到达中国近海的浮标主要通过吕宋海峡进入。文章详细讨论了研究结果的局限性、不足之处,以及因基于大量现场观测而具备的重要参考价值。     

Coupling a two-way nested primitive equation model and a statistical SST predictor of the Ligurian Sea via data assimilation

A primitive equation model and a statistical predictor are coupled by data assimilation in order to combine the strength of both approaches. In this work, the system of two-way nested models centred in the Ligurian Sea and the satellite-based ocean forecasting (SOFT) system predicting the sea surface temperature (SST) are used. The data assimilation scheme is a simplified reduced order Kalman filter based on a constant error space. The assimilation of predicted SST improves the forecast of the hydrodynamic model compared to the forecast obtained by assimilating past SST observations used by the statistical predictor. This study shows that the SST of the SOFT predictor can be used to correct atmospheric heat fluxes. Traditionally this is done by relaxing the model SST towards the climatological SST. Therefore, the assimilation of SOFT SST and climatological SST are also compared.     

3套不同的SST再分析数据与中国近海浮标观测的对比研究

基于自然资源部浮标数据，通过分析均值差、均方根误差、相关系数和标准差偏差4个统计量，检验了2018年7月1日至8月6日全时段及该时段内3个台风（1808号台风“玛利亚”、1810号台风“安比”、1812号台风“云雀”）过境期间，3套海表面温度（Sea Surface Temperature，SST）再分析资料（OISST、OSTIA SST、RTG SST）在中国近海区域的可靠性。对比结果表明，在全时段内，3套SST再分析资料都能在一定程度上反映中国近海SST的基本状况，其中OSTIA SST资料同浮标实测SST数据的均值差为0.12℃、相关系数为0.94，均优于OISST资料（均值差为–0.85℃、相关系数为0.90）和RTG SST资料（均值差为–0.17℃、相关系数为0.86）。通过对比单个浮标数据发现，相较约80%的MF浮标实测SST数据，OSTIA SST资料都显著优于RTG SST资料和OISST资料，具有较高的可信度。在台风过境期间，较之RTG SST资料和OISST资料，OSTIA SST资料同大部分浮标实测数据的均值差绝对值及均方根误差更小、相关系数更大，表明在高海况条件下，OSTIA SST资料能更真实地反映中国近海SST的基本状况。     

Assimilation of surface currents into a regionalmodel over Qingdao coastal waters of China

Surface currents measured by high frequency （HF） radar arrays are assimilated into a regional ocean model over Qingdao coastal waters based on Kalman filter method. A series of numerical experiments are per- formed to evaluate the performance of the data assimilation schemes. In order to optimize the analysis pro- cedure in the traditional ensemble Kalman filter （ENKF）, a different analysis scheme called quasiensemble Kaman filter （QENKF） is proposed. The comparisons between the ENKF and the QENKF suggest that both them can improve the simulated error and the spatial structure. The estimations of the background error covariance （BEC） are also assessed by comparing three different methods： Monte Carlo method; Canadian quick covariance （CQC） method and data uncertainty engine （DUE） method. A significant reduction of the root-mean-square （RMS） errors between model results and the observations shows that the CQC method is able to better reproduce the error statistics for this coastal ocean model and the corresponding external forcing. In addition, the sensibility of the data assimilation system to the ensemble size is also analyzed by means of different scales of the ensemble size used in the experiments. It is found that given the balance of the computational cost and the forecasting accuracy, the ensemble size of 50 will be an appropriate choice in the Qingdao coastal waters.     

渤、黄、东海海表面温度年际变化特征分析

将渤、黄、东海海表面温度作为一个整体场,研究其年际变化特征,并进一步探讨其与东亚季风场年际变化特征的关系.利用美国NOAA极轨卫星中的高级甚高分辨率辐射计(AVHRR)反演的海表面温度资料,采用EOF方法分冬夏两季对渤、黄、东海SST的年际变化做了初步分析,发现渤、黄、东海SST存在显著的年际变化周期,冬季存在5 a的显著变化周期,夏季存在4 a的显著变化周期,并研究了东亚季风场的年际变化对SST变化产生的影响.发现冬季日Nin0年东亚寒潮活动弱于La Nina年,El Nino年SST较La Nina年偏高;夏季El Nino.年东亚夏季风活动弱于La Nina年,El Nino年SST较La Nina年偏低,但是趋势不如冬季明显.