中国海及邻近海域卫星观测资料同化试验

利用1个基于POMgcs海洋模式和多重网格三维变分同化方法建立的中国海及邻近海域海面高与三维温盐流数值预报模型,通过一系列数值试验,研究了同化卫星测高和卫星遥感海面温度观测资料对该模型预报能力的影响。试验结果表明,同化卫星测高资料可明显改善海面高度与三维温度和盐度的分析预报效果,使1 200 m以上的温度预报误差减小0.16℃,并能有效提高对海洋中尺度现象的预报能力;同化卫星遥感海面温度对100 m以上的温度和盐度的预报效果有所改善,可使海面温度的预报误差减小10%。     

卫星遥感海表温度资料和高度计资料的变分同化

利用国家气候中心正在发展的第二代全球海洋资料同化系统(BCC_GODAS2.0),针对多变量同化的协调性问题,发展了一种基于三维变分框架(3DVAR)下的高度计和海表温度(SST)相互约束的同化方法。该方法使海面高度和SST资料在同一个动力约束关系下进行同化。在一般方法中,海面高度和SST观测项是代价函数中2个独立的观测项,海面高度项引入动力高度计算公式,海表温度项用统计关系进行垂向投影。在代价函数的实际求解的计算过程中,虽然其总体积分效应受海面高度观测的约束,但整个水柱中各层温盐分析变量的调整是无序的。针对这个问题,文章提出一种新的同化方案。该方案将SST的观测项并入海面高度观测项中,海面高度的一部分,确切说是上层海洋部分,由SST决定,因此至少在SST的统计关系能影响到深度的上层海洋,在代价函数的求解过程中,温盐的调整是受较强的统计关系约束的,而这种统计关系的有效性已经在很多SST的同化试验中被其他学者广泛应用并证明。利用该方法,对1993—1997年的AVHRR卫星遥感海表温度资料进行变分同化试验,用TAO、OISST和SODA数据集进行检验证明,通过对卫星遥感资料的同化能够有效改进对海洋温度和盐度的估...     

利用卫星观测海面信息反演三维温度场

基于历史观测的温盐剖面资料,采用回归分析方法统计出海面温度异常、海面动力高度异常与温度剖面异常之间的相关关系;然后利用高分辨率的卫星遥感海表面温度(SST)和卫星观测海面高度(SSH)信息重构了三维海洋温度场。在台湾岛周边海域建立了时间分辨率为天、空间分辨率为0.25°×0.25°的三维温度分析场。通过与实测资料的比较分析,文章所构建的分析场能够较好地描述海洋三维温度场的结构特征,能够较为真实地反映海洋的中尺度变化过程。该分析场可以作为海洋数值模式的初始场,也可以作为伪观测同化到海洋数值再分析和预报系统中,进而改善三维温、盐、流的数值再分析和预报。     

对地球系统模式FIO-ESM同化实验中北极海冰模拟的评估

本文评估了地球系统模式FIO-ESM(First Institute of Oceanography-Earth System Model)基于集合调整Kalman滤波同化实验对1992-2013年北极海冰的模拟能力。结果显示:尽管同化资料只包括了全球海表温度和全球海面高度异常两类数据,而并没有对海冰进行同化,但实验结果能很好地模拟出与观测相符的北极海冰基本态和长期变化趋势,卫星观测和FIO-ESM同化实验所得的北极海冰覆盖范围在1992-2013年间的线性变化趋势分别为-7.06×105和-6.44×105 km2/(10a),同化所得的逐月海冰覆盖范围异常和卫星观测之间的相关系数为0.78。与FIO-ESM参加CMIP5(Coupled Model Intercomparison Project Phase 5)实验结果相比,该同化结果所模拟的北极海冰覆盖范围的长期变化趋势和海冰密集度的空间变化趋势均与卫星观测更加吻合,这说明该同化可为利用FIO-ESM开展北极短期气候预测提供较好的预测初始场。     

FY-3D卫星MWHS-2辐射率资料直接同化对台风“米娜”预报的影响*

文章基于天气研究和预报(weather research and forecasting, WRF)模式中的FY-3D卫星微波湿度计Ⅱ(micro-wave humidity sounder 2, MWHS-2)辐射率资料的直接同化模块, 采用三维变分(three dimensional variation, 3DVar)方法在晴空条件下同化MWHS-2辐射率资料, 考察MWHS-2辐射率资料同化对台风“米娜”(2019)预报的影响。文中设计了4组试验, 第一组试验不同化任何资料, 第二组试验同化了单独的全球通信系统(global telecommunications system, GTS)常规资料, 第三组试验联合同化了GTS常规资料和MWHS-2辐射率资料, 第四组试验将MWHS-2辐射率资料换成先进技术微波探测计(advanced technology microwave sounder, ATMS)辐射率资料同化。研究结果表明: 偏差订正后各通道观测和背景场差值的均值趋于0, 同化后分析场相对观测的标准差与均方根误差较背景场显著减小, 同化过程是有效的。与仅同化GTS常规资料和同化ATMS资料的试验相比, 同化晴空MWHS-2辐射率资料后的增量场在台风中心附近有负的高度增量和正的温度增量, 从动力与热力上有助于台风的维持。在确定性预报最后的12h, 同化晴空MWHS-2辐射率资料的试验能够改进500hPa环流形势的模拟, 加强西南方向引导气流的强度, 从而最终减小台风路径预报的误差。     

基于梯度信息的微波辐射亮温资料质量控制方法

卫星微波垂直探测器的辐射观测资料在数值预报中的同化应用使得数值预报水平有了巨大的飞跃。微波资料的质量控制是保证观测资料成功同化的关键所在。文章提出一种基于AMSU-A(Advanced Microwave Sounding Unit-A)辐射亮温资料梯度信息的新质量控制方法,将亮温梯度距平值明显较大的资料作为被降水污染或因为其他原因出现的"坏"的资料。利用中尺度非静力WRF(Weather Research and Forecasting)模式和区域三维变分同化,针对"海鸥"(2008)和"圆规"(2010)2个个例,对比旧质量控制中的降水检测和阈值检测方法,评估该方法用于AMSU-A资料同化时对台风数值模拟的情况。研究表明,旧质量控制方法将会使一些"坏"的微波观测资料同化进入模式,降低模式分析场的质量,进而导致同化结果有较大误差。相对于旧方法获得的分析场,利用基于亮温梯度信息的质量控制方法可使更多"坏"的观测剔除,同化后模式初始时刻的位势高度场和风场更接近于真实情况。与传统AMSU-A辐射资料的同化相比,新质量控制方案使2个台风路径数值模拟的偏差有明显的减小:"海鸥"个例中,模拟台风路径误差的最大改善比为12,路径误差改善约540km;"圆规"个例的最大改善比为13,模拟路径误差减小118km。     

基于时空四维多尺度分析方法的卫星遥感和现场观测联合同化研究

充分融合使用卫星遥感与现场观测信息,构建高质量的水下温盐场是海洋科学研究发展的前沿课题。目前,绝大多数同化系统使用的同化方案,均需要假设要素在海表与水下存在某种人为预先设定的关系,从而导致得到的温盐分析场人为性较强,不能完全客观地反映真实的海洋状态。本研究提出了一种不做任何关系假设,仅依靠不同种类的观测资料在时间和空间上的相互补充作用,融合卫星遥感与现场观测资料,进行时空四维多尺度分析的方案。通过与分别单独同化这两类观测资料的试验结果相比,该方案既可以得到较精准的温盐剖面结构特征,又能够反映出海面中尺度变化的细节信息,最大化地提取了观测资料中的多尺度信息,实现了“1 + 1 > 2”的效果,构建了完全客观的温盐分析场。研究结果还表明,同化卫星遥感海表面盐度资料可以有效改善温度和盐度的分析,证明了海表面盐度观测在温盐同化中的重要性。     

基于适应性观测误差和温盐偏差控制的EnKF温盐廓线资料同化试验

通过开展2008年夏季南海北部开放航次CTD的温盐廓线数据资料同化试验,本文采取了观测误差适应的方法来防止EnKF滤波发散问题;同时,从背景误差协方差和温盐模式偏差关系入手,在同化中引入温盐控制来减小模式偏差对同化结果的影响。对于改进的同化方案进行了试验验证,并用卫星高度计观测数据,OSCAR流速数据,走航ADCP数据作为独立观测数据检验。结果证明新的EnKF同化策略能够有效地减小温盐均方根误差。同时整个同化系统能有效地改善高度场和流场的模拟。     

一次局地大暴雨的地面观测资料同化预报试验研究

基于WRF(Weather Research and Forecasting)模式及其3DVAR(3-Dimentional Variational)资料同化系统,采用36 km、12 km、4 km三层嵌套网格进行逐3 h资料同化和快速更新循环预报,对2011年5月8日鲁中一次局地大暴雨过程进行了资料同化敏感性试验。试验结果表明,地面观测资料同化和快速更新循环对本次降水的预报起到了关键性作用。在快速更新循环预报时不同化地面观测资料,或同化全部观测资料进行冷启动预报,模式均不能预报出山东的降水。同化地面观测资料后,显著改进了模式降水落区预报。地面观测资料同化可以影响到700 hPa高度以上温压湿风要素的变化,从而改变了大气初始场的温湿结构,导致模式预报的700 h Pa附近高空大气湿度和热力不稳定增强,700 hPa以下低层风场更强,850 h Pa鲁中以南风速较无观测资料同化的偏强2～4 m·s-1,低层风场的动力作用触发高空的不稳定大气,降水出现在山东。     

最优插值方法在西北太平洋海温同化中的应用研究

本文开发出一套与三维温盐流数值模式POM相匹配的最优插值数值同化模块,具有将船舶报资料和Argo海温数据加入数值模拟的能力.利用该同化系统,本文对2001～2002年进行了数值模拟试验,通过模拟结果和未加入同化的模拟结果的对比表明,该同化系统能有效地改进三维海温模拟结果,使之更为接近于观测值.     

基于四维变分同化方法的南海中尺度涡后报实验

海洋中尺度涡在本质上是属于满足准地转平衡的大尺度运动,因此理论上,其在短时间内的运动将主要受到准地转平衡关系的约束,而外部强迫场的影响在短期内不会明显改变其运动特征。基于上述思想,我们提出了一种基于四维变分同化初始场的中尺度涡旋预报方案。为了检验该方案的可行性,本文使用区域海洋模式(regional ocean modeling system, ROMS)和其内建的增量强约束四维变分同化(incremental strong constraint four dimensional variational, I4D-Var)模块,建立了一个南海海洋同化模拟系统。首先,通过I4D-Var方法将AVISO卫星高度计资料同化到海洋数值模拟中,获得了理想的中尺度涡同化模拟结果。同化、模式模拟和观测三者的中尺度涡统计结果表明,该同化系统模拟的南海中尺度涡的路径、半径、海表高度异常和振幅等特征信息与AVISO(Archiving ValidationandInterpolationofSatelliteOceanographicData)观测结果高度吻合,同时在深度上的分析表明,涡旋对应的温度、盐度和密度均得到有效的调整。然后,将该同化系统的模拟结果做为初始场,对某一特定时段的南海中尺度涡进行了后报模拟和结果的定量化分析。通过比较后报模拟与观测资料中对应涡旋的海表面高度异常(sea surface height anomalies, SSHA)相关系数、涡心差距和半径绝对误差,证明该方案的中尺度涡后报时效至少可达10 d以上。后报实验结果验证了该中尺度涡预报方案的可行性,从而为中尺度涡的预报提供一定的理论基础和可行性方案。     

用插入观测法将高度计观测同化到海浪模式WAM中

本文讨论了海浪数值预报的特殊性,分析了卫星高度计观测的特征,指出了如何用插入观测法同化卫星高度计观测的有效浪高和海面风场,介绍了Ｔｈｏｍａｓ,Ｊａｎｓｓｅｎ等人和Ｌｉｏｎｅｌｌｏ等人的同化研究,并在结尾作了讨论和总结。     

JASON-2卫星高度计波高数据同化对中国渤黄海海浪数值预报影响研究

利用原国家海洋局北海分局浮标所测有效波高数据对Jason-2卫星高度计所测有效波高数据进行验证,采用50km空间窗和0.5h时间窗,得到219个时空配准点。对配准结果进行统计分析表明,Jason-2卫星高度计测得有效波高与浮标测量结果存在-0.277m的偏差,均方根误差为0.372m。利用最小二乘回归(OLR)对Jason-2有效波高数据进行校正可使其均方根误差下降至0.247m,减少34.5%。基于第三代海浪模式WAVEWATCH III对Jason-2有效波高数据进行最优插值同化试验,其中背景误差相关函数取为指数形式,相关距离尺度选为500km。与浮标观测数据比较表明,同化后模式有效波高均方根误差比未同化时减少11.56%,,能够有效地改善模式精度。以此为初始场进行为期3d的数值预报实验。与未同化实验相比,卫星高度计有效波高数据同化对模式0～72 h预报有不同程度的改善,改善程度随预报时间的增加而降低。     

Numerical model of the hydrodynamics of the Black Sea and the Sea of Azov with variational initialization of temperature and salinity

A numerical primitive-equation model of the hydrodynamics of the Black Sea and the Sea of Azov in σ-coordinates is proposed. The model has a resolution of ～4 × 4 km in horizontal coordinates with 40-σ levels in the vertical and includes the four-dimensional variational initialization of temperature and salinity fields. A numerical initialization algorithm combines splitting methods and adjoint equations. Flow, temperature, sea level, and salinity fields driven by atmospheric forcing are calculated for the year 2008. The calculations are made in a variational initialization — prediction regime. Temperature and salinity fields are initialized at the end of each month. The optimality system includes forward and adjoint transport-diffusion equations for heat and salt that are linearized on the assimilation interval. Results of three numerical experiments with different sets of assimilated data in comparison with the prediction obtained from the forward model are discussed.     

南海及周边海域风浪流耦合同化精细化数值预报与信息服务系统简介

面向社会需求,建立覆盖南海及周边海域的高分辨率风-浪-流耦合同化数值预报与信息服务系统。系统包含耦合同化数值预报模式、海洋动力环境数据库与可视化平台两部分。其中,耦合同化数值预报模式由中尺度大气数值预报模式、海浪数值预报模式和区域海洋环流数值模式,在C-Coupler耦合器中进行耦合,引入集合调整Kalman滤波同化模块,在耦合预报前进行大气、海浪和海流的同化后报模拟,为耦合预报模式提供更为精确的初始场。预报结果经海洋动力环境数据库和可视化平台处理后,通过二维和三维可视化展示,向用户提供直观的南海及周边海域海洋环境预报产品。     

海洋资料同化对气候季节-年际预测技巧及初始场的影响试验

集合卡尔曼滤波(Ensemble Kalman filter, EnKF)是一种国内外广泛使用的海洋资料同化方案, 用集合成员的状态集合表征模式的背景误差协方差, 结合观测误差协方差, 计算卡尔曼增益矩阵, 有效地将观测信息添加到模式初始场中。由于季节、年际预测很大程度上受到初始场的影响, 因此资料同化可以提高模式的预测性能。本文在NUIST-CFS1.0预测系统逐日SST nudging的初始化方案上, 利用EnKF在每个月末将全场(full field)海表温度(sea surface temperature, SST)、温盐廓线(in-situ temperature and salinity profiles, T-S profiles)以及卫星观测海平面高度异常(sea level anomalies, SLA)观测资料同化到模式初始场中, 对比分析了无海洋资料同化以及加入同化后初始场的区别、加入海洋资料同化后模式提前1~24个月预测性能的差异以及对于厄尔尼诺-南方涛动(El Niño-southern oscillation, ENSO)预测技巧的影响。结果表明, 加入海洋资料同化能有效地改进初始场, 并且呈现随深度增加初始场改进越显著的特征。加入同化后, 对全球SST、次表层海水温度的平均预测技巧均有一定的提高, 也表现出随深度增加预测技巧改进越明显的特征。但加入海洋资料同化后, 模式对ENSO的预测技巧有所下降, 可能是由于模式误差的存在, 使得同化后的预测初始场从接近观测的状态又逐渐恢复到与模式动力相匹配的状态, 加剧了赤道太平洋冷舌偏西、中东部偏暖的气候平均态漂移。     

Improving Ocean State by Assimilating SARAL/AltiKa Derived Sea Level and Other Satellite-Derived Data in MITGCM

Assimilation of satellite-derived surface datasets has been explored in the study. Three types of surface data, namely sea level anomaly, sea surface temperature and sea surface salinity, have been used in various data assimilation experiments. The emphasis has been on the extra benefit arising out of the additional sea level assimilation and hence there are two parallel runs, in one of which sea level assimilation has been withheld. The model used is a state-of-the art ocean general circulation model (OGCM) and the assimilation method is the widely used singular evolutive extended Kalman filter (SEEK). Evaluation of the assimilation skill has been carried out by comparing the simulated depth of the 20°C isotherm with the same quantity measured by buoys and Argo floats. Simulated subsurface temperature and salinity profiles have also been compared with the same profiles measured by Argo floats. Finally, surface currents in the assimilation runs have been compared with currents measured by several off-equatorial buoys. Addition of sea level has been found to substantially improve the quality of simulation. An important feature that has been effectively simulated by the addition of sea level in the assimilation scheme is the near-surface temperature inversion (2-3°C) in the northern Bay of Bengal.     

Arctic sea ice concentration and thickness data assimilation in the FIO-ESM climate forecast system

To improve the Arctic sea ice forecast skill of the First Institute of Oceanography-Earth System Model (FIO-ESM) climate forecast system, satellite-derived sea ice concentration and sea ice thickness from the Pan-Arctic Ice-Ocean Modeling and Assimilation System (PIOMAS) are assimilated into this system, using the method of localized error subspace transform ensemble Kalman ?lter (LESTKF). Five-year (2014–2018) Arctic sea ice assimilation experiments and a 2-month near-real-time forecast in August 2018 were conducted to study the roles of ice data assimilation. Assimilation experiment results show that ice concentration assimilation can help to get better modeled ice concentration and ice extent. All the biases of ice concentration, ice cover, ice volume, and ice thickness can be reduced dramatically through ice concentration and thickness assimilation. The near-real-time forecast results indicate that ice data assimilation can improve the forecast skill significantly in the FIO-ESM climate forecast system. The forecasted Arctic integrated ice edge error is reduced by around 1/3 by sea ice data assimilation. Compared with the six near-real-time Arctic sea ice forecast results from the subseasonal-to-seasonal (S2S) Prediction Project, FIO-ESM climate forecast system with LESTKF ice data assimilation has relatively high Arctic sea ice forecast skill in 2018 summer sea ice forecast. Since sea ice thickness in the PIOMAS is updated in time, it is a good choice for data assimilation to improve sea ice prediction skills in the near-real-time Arctic sea ice seasonal prediction.