基于集合最優(yōu)插值方法的南海北部海區(qū)的數(shù)據(jù)同化試驗(yàn)

葉冬，謝基平

（1. 中國(guó)科學(xué)院大氣物理研究所，北京 100029；2. 中國(guó)科學(xué)院研究生院，北京 100049）

基于集合最優(yōu)插值方法的南海北部海區(qū)的數(shù)據(jù)同化試驗(yàn)

葉冬1,2，謝基平1

（1. 中國(guó)科學(xué)院大氣物理研究所，北京 100029；2. 中國(guó)科學(xué)院研究生院，北京 100049）

基于ROMS（Regional Ocean Modeling System）模式建立一個(gè)南海北部集合最優(yōu)插值的同化系統(tǒng)，并且利用2008年夏季SCOPE（Northern South China Sea Coastal Oceanographic Process Experiment）航次的溫鹽數(shù)據(jù)以及航次期間逐日OSTIA（Operational Sea Surface Temperature and Sea Ice Analysis）數(shù)據(jù)進(jìn)行同化試驗(yàn)。試驗(yàn)結(jié)果表明：同化較好地改善了海表溫度的模擬，加強(qiáng)了南海北部的上升流，尤其是加強(qiáng)了珠江沖淡水的模擬，垂向定量的分析表明，溫度整層都得到改善，表層改善達(dá)到30%，鹽度在80 m以上得到明顯改善，表層改善40%。此外，針對(duì)近岸衛(wèi)星SST（sea surface temperature）和航次SST的不協(xié)調(diào)性問題以及不同觀測(cè)數(shù)量對(duì)同化結(jié)果的影響，利用敏感性同化試驗(yàn)進(jìn)行了初步探討，結(jié)果顯示：相對(duì)于剔除40 m以淺，同化所有區(qū)域內(nèi)衛(wèi)星SST資料能顯著減小近岸區(qū)域的SST均方根誤差（約51%）；加密用于同化的SST數(shù)據(jù)量，如由每隔5個(gè)格點(diǎn)調(diào)整為每隔3個(gè)格點(diǎn)選取觀測(cè)數(shù)據(jù)，也能在此基礎(chǔ)上再減小SST的均方根誤差（約9.1%），但二者的SST分布形態(tài)均與觀測(cè)吻合。

南海北部；ROMS；同化；集合最優(yōu)插值

南海是西北太平洋最大的半封閉式邊緣海，其北部擁有寬廣的陸架區(qū)，平均深度為150 m[1]，陸架區(qū)等深線分布呈東北－西南走向，基本與岸線平行。南海北部通過臺(tái)灣海峽與東海水交換，通過呂宋海峽與西太平洋相通。在南海北部大陸架的東北方，臺(tái)灣西南存在著臺(tái)灣淺灘[2]，大陸架的北部存在我國(guó)第二大河珠江的出?？凇Ｔ摵^(qū)主要受東亞季風(fēng)影響，夏季盛行西南風(fēng)，風(fēng)向大致平行于海岸線[3]。夏季在西南季風(fēng)、局地流場(chǎng)、地形等多種因素影響下，南海北部存在兩個(gè)重要的中小尺度海洋學(xué)現(xiàn)象即上升流[4-7]和珠江沖淡水東擴(kuò)[8-10]。

高精度的現(xiàn)場(chǎng)觀測(cè)資料有助于南海北部的研究，多年來，中國(guó)科學(xué)院南海海洋研究所和中國(guó)科學(xué)院海洋研究所等多家單位在南海北部開展了多次航次試驗(yàn)，所獲取的現(xiàn)場(chǎng)海洋觀測(cè)數(shù)據(jù)，為科學(xué)家研究南海北部的重要物理海洋學(xué)現(xiàn)象的發(fā)生和形成的機(jī)制以及生態(tài)與環(huán)境等相關(guān)重大科學(xué)問題提供了第一手資料。另外20世紀(jì)80年代以來，隨著衛(wèi)星技術(shù)的發(fā)展，覆蓋面廣的遙感數(shù)據(jù)逐步大量應(yīng)用于海洋學(xué)研究之中。然而，航次觀測(cè)數(shù)據(jù)存在時(shí)空分布不均，分辨率低的缺點(diǎn)，而衛(wèi)星遙感數(shù)據(jù)又往往僅限于對(duì)海表要素的觀測(cè)，且在近岸可能存在較大的不確定性(如：XIE等[11])。如何處理近岸不同觀測(cè)平臺(tái)所獲取的觀測(cè)資料之間的不協(xié)調(diào)性，也是海洋資料同化過程中的一個(gè)難點(diǎn)。

三維海洋環(huán)流數(shù)值模式的出現(xiàn)，給物理海洋研究提供了一個(gè)強(qiáng)大的工具。它不僅能提供溫度、鹽度和流場(chǎng)在三維空間結(jié)構(gòu)的模擬，而且能很好的揭示出模式狀態(tài)量的時(shí)間連續(xù)變化特征。圍繞南海北部出現(xiàn)的上升流現(xiàn)象，Gan等[6]利用區(qū)域海洋模式ROMS（Regional Ocean Modeling System），在理想風(fēng)條件下研究了南海北部加寬的陸架地形對(duì)于上升流的影響。Jing等[12]利用POM（Princeton Ocean Model）模式并結(jié)合衛(wèi)星遙感資料分析同樣對(duì)南海北部的上升流做了研究。Gan 等[10]利用 ROMS研究了珠江沖淡水與上升流的相互作用。然而，數(shù)值模式在模擬近岸過程時(shí)存在很多不確定性因素。比如：大氣強(qiáng)迫場(chǎng)、開邊界條件、初始條件、垂向擴(kuò)散的參數(shù)化等，在復(fù)雜的陸架區(qū)物理過程的模擬中，往往與實(shí)際的海洋狀況有著較大的差別，因此數(shù)值計(jì)算不能完全模擬真實(shí)海洋狀況，單純的數(shù)值模式難以做到準(zhǔn)確。

海洋數(shù)據(jù)同化方法能有效的結(jié)合觀測(cè)資料與海洋數(shù)值模式，更大程度上再現(xiàn)海洋的真實(shí)狀況。Wu等[13]、Wang等[14]采用牛頓松弛的方法同化了南海的高度計(jì)資料。Xiao等[15-16]、Gao等[17]利用三維變分同化方法同化高度計(jì)資料分別改善了南海溫、鹽、流和南海中尺度渦的模擬。Shu等[18]使用最優(yōu)插值方法同化了衛(wèi)星海表面溫度資料改善南海上層海洋的模擬。陳飛等[19]使用 Cressman客觀分析方法同化了航次廓線資料來改善溫鹽的模擬。然而這些同化方法往往只同化單個(gè)變量，這對(duì)于物理過程復(fù)雜的陸架區(qū)模式中保持各物理變量之間的協(xié)調(diào)性帶來一定的困難。集合卡曼濾波[20-22]（Ensemble Kalman Filter, EnKF）是多變量協(xié)調(diào)的同化方法，它利用模式結(jié)果實(shí)時(shí)構(gòu)造出集合樣本，得到保持模式狀態(tài)量之間平衡的背景誤差協(xié)方差距陣，從而使得最終得到的分析場(chǎng)各物理量之間保持協(xié)調(diào)關(guān)系，是先進(jìn)的同化方法，在大氣、海洋同化領(lǐng)域中得到廣泛關(guān)注[23-24]。Shu等[25]采用 EnKF方法在南海北部同化衛(wèi)星海表資料和航次資料來改善溫鹽流的模擬。然而EnKF具有計(jì)算代價(jià)大的缺點(diǎn)，它要同時(shí)計(jì)算N個(gè)模式（N一般等于100），當(dāng)前不太適合業(yè)務(wù)化海洋預(yù)報(bào)。集合最優(yōu)插值（Ensemble Optimal Interpolation，EnOI）作為 EnKF的次優(yōu)方法，能提供近似EnKF的同化結(jié)果[26-28]，又具有計(jì)算資源小、系統(tǒng)維護(hù)成本低等優(yōu)點(diǎn)，因此EnOI是業(yè)務(wù)化同化系統(tǒng)的最優(yōu)選擇之一[29]。

本文基于南海北部的一個(gè)區(qū)域海洋模式ROMS，采用 EnOI方法對(duì)南海北部的實(shí)測(cè)衛(wèi)星海表面溫度（SST）和航次斷面觀測(cè)資料進(jìn)行同化試驗(yàn)，并通過預(yù)留的實(shí)際廓線資料對(duì)同化試驗(yàn)結(jié)果進(jìn)行驗(yàn)證和分析。圍繞近岸衛(wèi)星SST和航次SST（取水深1 m）資料的不協(xié)調(diào)性，本文對(duì)不同觀測(cè)類型資料賦予了不同的觀測(cè)誤差方差。另外，Shu等[25]的工作在同化衛(wèi)星海表面溫度（SST）時(shí)，根據(jù)XIE等[11]的分析，舍去了水深40 m以淺的觀測(cè)數(shù)據(jù)。本文將嘗試同化全部水深的衛(wèi)星SST數(shù)據(jù)，但對(duì)不同水深的觀測(cè)賦予不同觀測(cè)誤差方差。目前，國(guó)內(nèi)尚未見到此類工作展開，是本文的創(chuàng)新點(diǎn)之一。同時(shí)，利用EnOI同化實(shí)際觀測(cè)資料，改進(jìn)ROMS在南海北部的上升流模擬，在國(guó)際上也鮮見此類工作。

1 模式設(shè)置

本文采用的海洋模式是一個(gè)三維非線性的斜壓原始方程 (Regional Ocean Modeling System[30],ROMS)，ROMS 是由 Ruter University 與 University of California，Los Angeles（UCLA）兩校共同開發(fā)完成。本文模式區(qū)域呈西南－東北向，從西南端15.99oN，108.17oE 延伸至東北端 25.81oN,119.54oE，中心主軸沿正東方向逆時(shí)針旋轉(zhuǎn)23o（見圖1）[6,10]。水平方向采用曲線正交坐標(biāo)，水平網(wǎng)格分辨率約3 km。為了在表邊界層和底邊界層有較高分辨率，垂向（30層）使用隨底s 坐標(biāo)[31]， s=2.5,

b =0.8，分別對(duì)應(yīng)海表和海底邊界層較高的垂向精度，這樣可以最大限度避免較大垂向格距引起的虛假擴(kuò)散。每層的深度在近岸小于1 m，在遠(yuǎn)岸也小于10 m。水深數(shù)據(jù)來自美國(guó)國(guó)家地球物理數(shù)據(jù)中心的 ETOP02（the 2-min earth topography）的1/30o數(shù)據(jù)和從中國(guó)海事局出版的導(dǎo)航地圖獲取的地形數(shù)據(jù)的融合數(shù)據(jù)，最小水深設(shè)置為1 m，平滑地形以減小截?cái)嗾`差。在垂向方向上，采用基于2.5層湍動(dòng)能方程的Mellor-Yamada混合方案[32]。模式運(yùn)行時(shí)間為2008 年1月1 日至2009年11月22 日，模式為熱啟動(dòng)。外模時(shí)間步長(zhǎng)為30 s，內(nèi)模時(shí)間步長(zhǎng)為 600 s。模式的強(qiáng)迫場(chǎng)使用由 ECMWF(The European Centre for Medium-Range Weather Forecasts) 的全球0.25o的再分析資料混合兩個(gè)衛(wèi)星SSM/I（DMSP F13, F14）和SeaWinds（QuickSCAT）得到的混合風(fēng)場(chǎng)，空間分辨率為 0.25o，每6 h一次的數(shù)據(jù)。其他強(qiáng)迫場(chǎng)，使用NCEP（National Centers for Environmental Prediction ）的6 h一次的數(shù)據(jù)，空間分辨率為 1o×1o，包括表面壓強(qiáng)、表面溫度、相對(duì)濕度、降雨、太陽短波輻射、凈長(zhǎng)波輻射、云覆蓋率。珠江的徑流數(shù)據(jù)是每天一次的實(shí)測(cè)流量和溫度鹽度數(shù)據(jù)。模式的初始場(chǎng)和邊界條件均使用法國(guó) CNES （The Centre National d'études Spatiales）的全球模式數(shù)據(jù)mercator 數(shù)據(jù)。

2 集合同化方法

作為EnKF的次優(yōu)方法，Evenson在2003年提出了采用靜態(tài)樣本替代在EnKF分析過程中所需的集合樣本，從而顯著減小前者所需的計(jì)算代價(jià)。EnOI方法，與EnKF最大的區(qū)別在于在統(tǒng)計(jì)背景誤差協(xié)方差時(shí)所使用的靜態(tài)樣本是由歷史樣本所提供，而EnKF使用動(dòng)態(tài)樣本，其余分析流程幾乎一致。由于EnOI在連續(xù)同化過程中，僅僅需要對(duì)一個(gè)模式進(jìn)行積分，從而有效地減小計(jì)算量，并且能較好地避免EnKF中潛在的濾波發(fā)散風(fēng)險(xiǎn)，提高同化分析效率。

這里 ∈(0,1]表示樣本與觀測(cè)誤差的相對(duì)權(quán)重大小，H為觀測(cè)算子，因?yàn)镋nOI是用通過歷史樣本組成的靜態(tài)樣本來計(jì)算誤差協(xié)方差矩陣，有時(shí)候相對(duì)于真實(shí)誤差會(huì)有較大的誤差，所以參數(shù) 用來約束靜態(tài)樣本的誤差。公式(3)的計(jì)算采用局地化的方案[27,28]。本文中同化參數(shù)，局地化半徑取50 km，取0.8。

3 觀測(cè)數(shù)據(jù)與誤差

本文用于同化的觀測(cè)數(shù)據(jù)包括衛(wèi)星遙感 SST數(shù)據(jù)和現(xiàn)場(chǎng)實(shí)測(cè)航次斷面 CTD的溫鹽數(shù)據(jù)。衛(wèi)星遙感 SST數(shù)據(jù)來自空間分辨率為 4 km的每日的OSTIA（Operational SST and Sea Ice Analysis）數(shù)據(jù)，它是GHRSST（Global High-resolution Sea Surface Temperature）其中的一個(gè)產(chǎn)品?，F(xiàn)場(chǎng)的實(shí)測(cè)數(shù)據(jù)來自2008年6月30日到2008年7月14日的“南海北部陸架區(qū)海洋學(xué)過程試驗(yàn)”（NSCS Coastal Oceanographic Process Experiment，SCOPE）航次的CTD的溫度和鹽度數(shù)據(jù)，此航次共有112個(gè)CTD站位（如圖1），分7個(gè)斷面，其中從7月8日到7月13日是第2，3，4，5斷面重復(fù)觀測(cè)。

Xie等[11]研究表明在同類衛(wèi)星數(shù)據(jù)產(chǎn)品中OSTIA數(shù)據(jù)質(zhì)量較好，但衛(wèi)星SST產(chǎn)品的不確定性隨離岸距離的減小而增加，對(duì)4個(gè)不同深度＜40 m，40～80 m，80～200 m及＞200 m的OSTIA數(shù)據(jù)與現(xiàn)場(chǎng)浮標(biāo)觀測(cè)計(jì)算得到的RMSE發(fā)現(xiàn)，當(dāng)水深小于40 m時(shí)，RMSE由0.25oC快速增大到0.62oC。圖2表示 SCOPE航次期間 CTD廓線所觀測(cè)到的航次SST（取水深1 m）和對(duì)應(yīng)時(shí)刻的衛(wèi)星SST，以及兩者差異的空間分布。可以看到，該段時(shí)間衛(wèi)星SST在小于40 m水深的地方，相對(duì)于航次SST，最大有2oC的暖偏差，最小有1oC的冷偏差，兩者資料存在明顯的不協(xié)調(diào)性。圖2中偏差相對(duì)于Xie等[11]文中偏差明顯偏大的原因，主要是，首先，SCOPE航次數(shù)據(jù)可能有明顯日變化，且觀測(cè)時(shí)間只有15 d，僅限在局部區(qū)域，而Xie等[11]文章中用于對(duì)比的浮標(biāo)溫度是夜間溫度，并且是一年的數(shù)據(jù)，范圍更大，在太平洋西北部。其次，衛(wèi)星SST代表了星下格點(diǎn)內(nèi)區(qū)域平均的溫度狀況，而廓線SST僅僅測(cè)量水體中一點(diǎn)的水溫，即兩者觀測(cè)的代表性有差異。為此，針對(duì)衛(wèi)星觀測(cè)SST的觀測(cè)方差，本文折中設(shè)定40 m以深的地方為0.25oC2，在40 m以淺的地方取1oC2，而對(duì)于廓線SST的觀測(cè)誤差方差設(shè)定為0.1oC2。

圖 1 南海北部的模式區(qū)域和地形（單位：米），小圖是廣東和廈門間的區(qū)域。圓點(diǎn)是SCOPE航次CTD觀測(cè)的站位Fig. 1 Bathymetry (in meters) of the northern South China Sea and model grid. The zoomed area is the region between Guangdong and Xiamen. The dots indicate the position of the SCOPE cruise and CTD stations

圖 2 2008年SCOPE航次期間的SST（A）OSTIA （B）SCOPE （C）OSTIA與SCOPE的偏差Fig. 2 SST during the SCOPE cruise of （A）OSTIA （B）SCOPE （C）bias between OSTIA and SCOPE

4 試驗(yàn)及結(jié)果

4.1 試驗(yàn)設(shè)計(jì)

本試驗(yàn)的同化時(shí)間為2008年6月30日到2008年7月15日，逐日同化 OSTIA數(shù)據(jù)以及該時(shí)段內(nèi)SCOPE航次的溫鹽數(shù)據(jù)。其中OSTIA數(shù)據(jù)40 m以深的溫度數(shù)據(jù)溫度誤差為0.5oC，在同化過程中，假設(shè)觀測(cè)之間是不相關(guān)的，觀測(cè)誤差協(xié)方差為一對(duì)角矩陣，對(duì)角線上的元素為觀測(cè)方差，即0.25oC2，在40 m以淺的地方誤差方差取1oC2，對(duì)SCOPE溫度的誤差方差取 0.1oC2，鹽度的誤差方差取0.0025 psu2。同時(shí)，考慮衛(wèi)星觀測(cè)SST的空間分辨率較高，為進(jìn)一步減小同化分析的計(jì)算代價(jià)，采用均勻跳點(diǎn)的方式對(duì)觀測(cè)資料予以“減薄”，即每隔5個(gè)網(wǎng)格選取一個(gè)SST觀測(cè)數(shù)據(jù)進(jìn)行同化。本文對(duì)SCOPE航次在7月8日以前的所有CTD站位的溫、鹽數(shù)據(jù)進(jìn)行了同化，對(duì)重復(fù)斷面的數(shù)據(jù)，本文每隔3個(gè)站位進(jìn)行用于同化，其余站位的數(shù)據(jù)用于驗(yàn)證同化結(jié)果[31]。

4.2 海表流場(chǎng)結(jié)果分析

圖3的上圖是模式2008年6月30日到7月15日的平均表面流場(chǎng)。在局地風(fēng)場(chǎng)的影響下，南海北部該段時(shí)間的平均流場(chǎng)主要以沿岸東向流為主，在珠江口流場(chǎng)幾乎平行于海岸線向東流動(dòng)，等深線在汕尾東部突然加寬，沿岸流在汕尾附近開始加速并往離岸方向偏轉(zhuǎn)，在116oE 附近發(fā)生明顯的往外海的偏轉(zhuǎn)，形成兩支流，相對(duì)強(qiáng)的沿等深線流動(dòng)，相對(duì)弱的繼續(xù)沿岸方向流動(dòng)。流場(chǎng)在臺(tái)灣淺灘由于地形作用再次分成兩支流，相對(duì)強(qiáng)的向南部分的流沿等深線往東南向流，而相對(duì)弱的向東北流繼續(xù)平行于岸線流動(dòng)。 流場(chǎng)的結(jié)果和Shu等[25]（見圖3的下圖）、Gan等[6]、Cheung[33]結(jié)果一致。

圖 3 上圖為模式2008年6月30日到7月15日的平均流速，下圖為Shu等[25]模擬的該段時(shí)間的平均流速Fig 3 Upper map is modeled velocity without assimilation from June 30 to July 15, 2008. Lower map is modeled velocity in the same time for Shu’s paper[25]

4.3 海表溫度結(jié)果分析

該段時(shí)間南海北部盛行西南季風(fēng)，由 Ekman理論，近岸的海水離岸運(yùn)動(dòng)，遠(yuǎn)岸的底下的水上升來補(bǔ)充，在近岸形成上升流。圖4的該段時(shí)間平均的觀測(cè)SST很好的展示了該段時(shí)間的上升流，溫度最低值區(qū)域位于汕頭近岸（116.5oE，23oN），其溫度低于 26oC。從汕頭往東，上升流的強(qiáng)度變?nèi)?，并且隨著流場(chǎng)在116oE 開始往外海擴(kuò)展。模式SST較好的模擬出上升流，但相對(duì)于觀測(cè)，模式的結(jié)果溫度偏低，同化后SST對(duì)模式SST有較大改善，更接近觀測(cè)值。具體表現(xiàn)有4處（圖4A箭頭處），第1處，珠江口外海，模式溫度偏低，往外海延伸，同化結(jié)果更接近于觀測(cè)；第2處，廣東沿岸，模式溫度偏低，同化結(jié)果提高了溫度；第3處，同化后的汕頭外海的低值中心溫度更接近觀測(cè)；第4處，模式的汕頭往東海域SST模擬溫度也偏冷，而同化結(jié)果體現(xiàn)出暖水團(tuán)特征；比較發(fā)現(xiàn)整個(gè) 28度等值線往岸靠攏。同化結(jié)果有效地改善了SST的模擬。

圖 4 2008年6月30到7月15日時(shí)間平均的SST(A)模式結(jié)果(B)同化結(jié)果(C)觀測(cè)Fig. 4 Mean SST during the SCOPE cruise of (A) model (B) assimilation(C)OSTIA

4.4 溫度-鹽度點(diǎn)聚圖

將所有CTD觀測(cè)站位在300 m以上的模擬、同化和觀測(cè)的溫、鹽畫成點(diǎn)聚圖（圖4），舒業(yè)強(qiáng)[34]將所研究的水團(tuán)分成4種類型：珠江沖淡水，夏季表層水，次表層水，以及介于珠江沖淡水與南海表層水的混合水團(tuán)。如圖所示，模式結(jié)果、同化結(jié)果和觀測(cè)資料均能再現(xiàn)這四種水團(tuán)。從圖中本文可以看到，觀測(cè)的珠江沖淡水水團(tuán)，表層水溫SST大于29 ℃，超過其他區(qū)域的表層水溫，說明了SST和珠江沖淡水的關(guān)系，也即在南海北部，沖淡水區(qū)域的SST大于其他3個(gè)水體。而模式?jīng)]有體現(xiàn)這一點(diǎn)，表層的SST同化，能夠改善整個(gè)場(chǎng)的溫度鹽度場(chǎng)，從而在T-S點(diǎn)聚圖中刻畫出沖淡水的性質(zhì)，本文看到在同化后，在觀測(cè)位置同化結(jié)果能得到更多的鹽度低而溫度高的珠江沖淡水的點(diǎn)，同化結(jié)果較好的模擬了珠江沖淡水團(tuán)，降低了模式結(jié)果的鹽度，另外降低了南海表層水團(tuán)的溫度，同化的溫度和鹽度能明顯改善南海北部夏季模擬的水團(tuán)性質(zhì)。

4.5 斷面結(jié)果分析

根據(jù) GAN 等[6]研究，地形對(duì)上升流有很大影響，本文中的斷面2在汕尾外海，此處地形等值線密集（見圖1），斷面5在汕頭外海，地形平坦，本文選取這兩個(gè)典型斷面的溫度和鹽度剖面圖進(jìn)行分析。

圖 5 所有SCOPE航次站點(diǎn)上的溫度-鹽度點(diǎn)聚圖，X軸為鹽度，Y軸為溫度。其中(A)模式(B)同化(C)觀測(cè)Fig. 5 T-S diagram (X-axis is salt ,Y-axis is temperature) including all stations of the SCOPE cruise (A) model run (B) the assimilation and (C) the observation

斷面2（見圖6），在汕尾外海，這里有很強(qiáng)的上升流，底層的冷水沿著大陸架向近岸爬升，表層在珠江沖淡水的影響下，上升流沒有露頭。模式和觀測(cè)兩者都有明顯的上升流，有很強(qiáng)的一致性，但模式在混合層內(nèi)的溫度在離岸較遠(yuǎn)的區(qū)域溫度偏高，在淡水蓋上面溫度偏低，同化的結(jié)果較好地模擬了混合層內(nèi)的溫度，上升流也得到一定程度的加強(qiáng)。表層鹽度在沖淡水影響下，整個(gè)斷面表層的鹽度較低，模式結(jié)果有沖淡水的跡象，但是比較弱。同化的結(jié)果，鹽度改善較大，很好的模擬了沖淡水。

斷面5（見圖7），在汕頭外海，地形上看，外陸架較陡，中陸架和內(nèi)陸架平坦，尤其中陸架更平坦，模式的內(nèi)陸架區(qū)有上升流，在 Gan[6]的文章中指出，在適于上升流的風(fēng)作用下，寬廣的大陸架能形成強(qiáng)化的上升流，模式能模擬出這個(gè)現(xiàn)象，但相對(duì)于觀測(cè)，上升流比較弱，同化的結(jié)果加強(qiáng)了上升流。對(duì)鹽度的模擬，觀測(cè)到的沖淡水覆蓋整個(gè)斷面的混合層，而模式的沖淡水在該斷面上有兩個(gè)低值中心，同化地明顯改善了沖淡水。

從均方根誤差分析來看（圖8），溫度的RMSE在整層改善均很明顯，溫度在表層的均方根誤差可以減少約30%，對(duì)于鹽度，均方根誤差在表層減少最多，可以達(dá)到40%，隨著深度的增加，均方根誤差的減少程度降低，在80 m以上，鹽度的改善比較明顯，在80 m以下，由于控制試驗(yàn)的鹽度的均方根誤差本身很小，而且觀測(cè)資料有限，因此幾乎沒有明顯改善。

斷面的分析，模式能模擬出上升流，但相對(duì)于觀測(cè)來說偏弱，同化能強(qiáng)化上升流的模擬，更接近于觀測(cè)。海表的溫度模式的結(jié)果相對(duì)于觀測(cè)遠(yuǎn)岸偏高，近岸偏低，同化的結(jié)果有效地克服了這點(diǎn)。對(duì)沖淡水的模擬，觀測(cè)的結(jié)果在整個(gè)斷面的表層都有沖淡水，而模式模擬的沖淡水比較弱，范圍也集中在近岸，同化后的鹽度形態(tài)和觀測(cè)非常一致，很好的模擬了沖淡水。定量的分析表明，該同化試驗(yàn)?zāi)苡行p小溫度和鹽度的誤差。

圖 6 斷面2，上面一行為溫度，下面一行為鹽度，第一列為模式值，第二列為同化結(jié)果，第三列為觀測(cè)Fig.6 Section2, upper row is temperature, and lower row is salt. First column is model result, and second column is assimilation result, and third column is observation

圖 7 斷面5，如圖6Fig. 7 Section5, the same as Fig. 6

5 討論與總結(jié)

上述同化試驗(yàn)中，本文在觀測(cè)稀釋的基礎(chǔ)上，同化了所有水深的OSTIA觀測(cè)資料和SOCPE航次資料（同化試驗(yàn) 1）。事實(shí)上，對(duì)于同化過程中隨著有效觀測(cè)數(shù)量的增加將在多大程度上影響到近岸海洋動(dòng)力學(xué)過程的模擬，對(duì)這一問題的認(rèn)識(shí)也是人們較為關(guān)心的一個(gè)問題。為此，本文增加了兩組對(duì)照試驗(yàn)：一是針對(duì)近岸衛(wèi)星觀測(cè)到的SST有較大不確定性的情況，舍棄OSTIA在近岸40 m以淺區(qū)域的SST觀測(cè)資料，然后再每5個(gè)格點(diǎn)選取觀測(cè)進(jìn)行同化試驗(yàn)（同化試驗(yàn) 2），旨在討論此類觀測(cè)資料對(duì)近岸同化結(jié)果的影響；二是依然同化所有模式區(qū)域內(nèi)的衛(wèi)星SST資料，但每隔3個(gè)格點(diǎn)選取觀測(cè)進(jìn)行同化（同化試驗(yàn) 3），旨在討論兩種不同觀測(cè)稀釋方式對(duì)同化結(jié)果的影響；其同化對(duì)照試驗(yàn)結(jié)果如圖9所示。同化試驗(yàn)2 (圖9.C)的改善的結(jié)果相對(duì)于模式（圖 9.A）而言很明顯，但是相對(duì)于全部同化的結(jié)果 (圖9.B)，在近岸不如全部同化的結(jié)果，同化試驗(yàn)3（圖9.D）的結(jié)果和同化試驗(yàn)1的形態(tài)比較一致。總體而言，控制實(shí)驗(yàn)的模式結(jié)果和OSTIA的SST（圖9.A）的RMSE為1.12oC，同化試驗(yàn)1的RMSE下降到0.55oC，改善了50.6%，同化試驗(yàn)2的結(jié)果改善了22.2%，不如同化試驗(yàn)1，說明利用近岸更多的 OSTIA觀測(cè)可以得到更好的結(jié)果。同化試驗(yàn) 3的 RMSE為 0.45oC，改善了59.7%，比同化試驗(yàn)1還提高9.1%，然而同化試驗(yàn)3所采用的觀測(cè)數(shù)目是同化試驗(yàn)1的25/9倍，同化計(jì)算量隨觀測(cè)點(diǎn)數(shù)增加而增加，所以同化試驗(yàn)1的設(shè)計(jì)即采用間隔5個(gè)網(wǎng)格取觀測(cè)是合理的。

圖 8 第2至第5斷面的均方根誤差，其中（A）溫度，（B）鹽度Fig. 8 RMSE of (A) temperature and (B) salinity in the section 2 to 5

圖 9 2008年6月30日到7月15日時(shí)間模式平均的SST與衛(wèi)星觀測(cè)的偏差：A，控制試驗(yàn)； B，同化試驗(yàn)1；C，同化試驗(yàn)2 ；D，同化試驗(yàn)3Fig. 9 Bias between time mean model SST and OSTIA during the SCOPE curise of : A, control run ; B, assimilation experiment 1 ;C, assimilation experiment 2 ; D, assimilation experiment

本文利用一個(gè)區(qū)域海洋模式 ROMS模式和集合最優(yōu)插值同化方法建立了一個(gè)利用衛(wèi)星遙感SST資料和航次資料進(jìn)行同化的方案，并針對(duì)2008年7月 SCOPE航次數(shù)據(jù)進(jìn)行了同化試驗(yàn)。本文的創(chuàng)新點(diǎn)在于討論了衛(wèi)星SST和航次SST的不協(xié)調(diào)性問題，確定了觀測(cè)方差，另一個(gè)創(chuàng)新點(diǎn)在同化方案不同，同化所有水深的衛(wèi)星SST，有效增加了觀測(cè)信息，達(dá)到優(yōu)化同化結(jié)果的目的。結(jié)果表明，同化結(jié)果相對(duì)于模式結(jié)果有較好的改善作用，海表面溫度SST的同化結(jié)果更接近實(shí)測(cè)結(jié)果，斷面的結(jié)果加強(qiáng)了上升流的模擬，重現(xiàn)了南海的水團(tuán)特征以及上層海洋的淡水蓋特征，垂向定量分析表明，溫度整層都有改善，其中表層的改善達(dá)到30%，鹽度在80 m以上的改善比較明顯，表層達(dá)到 40%，而在 80 m以下，由于控制試驗(yàn)的鹽度的均方根誤差本身很小，而且觀測(cè)資料有限，因此幾乎沒有明顯改善。同時(shí)本文做了兩個(gè)試驗(yàn)，一個(gè)是取水深超過 40 m的觀測(cè)進(jìn)行同化，結(jié)論是利用近岸更多的 OSTIA觀測(cè)可以得到更好的結(jié)果；另一個(gè)試驗(yàn)是采用加密到間隔3個(gè)網(wǎng)格的觀測(cè)來同化，其結(jié)果是和間隔5個(gè)網(wǎng)格做同化的結(jié)果很一致，而同化計(jì)算量大大增加，所以用間隔5個(gè)網(wǎng)格的觀測(cè)來同化是合理的。

致謝：感謝香港科技大學(xué)甘劍平老師、梁琳琳碩士對(duì)本文 ROMS模式的建立給予的大力支持和幫助!

[1] Hong B, Wang D X. Diagnostic analysis on the northern South China Sea winter counter-wind current [J]. Chin Sci Bull, 2006,51(supp 2): 9-16.

[2] 李立, 吳日升, 孫湘平. 中國(guó)近海區(qū)域水文特征 [C]//蘇紀(jì)蘭.中國(guó)近海水文. 北京: 海洋出版社, 2005: 272-278.

[3] 經(jīng)志友. 南海北部陸架區(qū)夏季上升流數(shù)值研究 [J]. 熱帶海洋報(bào),2008, 27(3): 1-8.

[4] 管秉賢, 陳上及. 中國(guó)近海的海流系統(tǒng) [R]. 青島: 中國(guó)科學(xué)院海洋研究所, 1964.

[5] Li L. Summer upwelling system over the northern continental shelf of the South China Sea: a physical description [A]. Shu J, Chuang W S, Hsurh R Y. Proceedings of the Sympo sium on the Physical and Chemical Oceanography of the China Seas [C]. Beijing: China Ocean Press, 1993: 58-68.

[6] Gan J, Cheung Y Y, Guo X G, et al. Intensified upwelling over a widened shelf in the northeastern South China Sea [J]. J Geophys Res, 2009, doi: 10.1029/2007JC004660.

[7] 陳照章, 胡建宇, 朱佳, 等. 2005年7月臺(tái)灣海峽西南部海域的上升流與沖淡水觀測(cè) [J]. 熱帶海洋學(xué)報(bào), 2008, 27(4): 19-22.

[8] 李鳳岐, 蘇育嵩, 范立群. 模糊數(shù)學(xué)方法在南海北部海區(qū)水團(tuán)分析中的應(yīng)用 [J]. 海洋學(xué)報(bào), 1987, 9(6): 3-14.

[9] Ou S Y, Zhang H, Wang D X. Horizontal characteristics of buoyant plume off the Pearl River Estuary during summer [J]. J Coast Res,2007, 50: 652-657.

[10] Gan J, Li L, Wang D, et al. Interaction of river plume with coastal upwelling circulation in the northeastern South China Sea [J]. Cont Shelf Res, 2009, doi: 10.1016/j.csr.2008.12.002.

[11] Xie J, Zhu J, Li Y. Assessment and inter-comparision of five high-resolution sea surface temperature products in the shelf and coastal seas around China [J]. Cont Shelf Res, 2008, 28(9):1286-1293.

[12] Jing Z Y, Qi Y Q, Hua Z L, et al. Numerical study on the summer upwelling system in the northern continental shelf of the South China sea [J]. Cont Shelf Res, 2008, doi:10.1016/j.csr.2008.11.008.

[13] Wu C, Shaw P, Chao S Y. Assimilating altimetric data into a South China Sea model [J]. J Geophys Res, 1999, 104: 29987-30005.

[14] Wang D, Shi P, Yang K, et al. Assimilation experiment of blending TOPEX altimeter data in the South China Sea [J]. Oceanologia Et Limnologia Sinica, 2001, 32(1): 101-108.

[15] Xiao X, Wang D, Xu J. The assimilation experiment in the southwestern South China Sea in summer 2000 [J]. Chin Sci Bull,2006, 51: 31-37.

[16] Xiao X, Wang D, Yan C, et al. The verification of a three dimension variation data assimilation system in the South China Sea [J]. Prog Nat Sci, 2007, 17: 353-361.

[17] Gao S, Wang F, Li M K, et al. Application of altimetry data assimilation on mesoscale eddies simulation [J]. Sci China Ser D,2008, 51(1): 142-151.

[18] Shu Y, Zhu J, Wang D, et al. Performance of four sea surface temperature assimilation schemes in the South China Sea [J]. Cont Shelf Res, 2009, 29: 1489-1501.

[19] 陳飛, 施平, 杜巖, 等. 基于Cressman客觀分析的南海北部海區(qū)數(shù)據(jù)同化試驗(yàn) [J]. 熱帶海洋學(xué)報(bào), 2010, 29(4): 1-7.

[20] Evensen G. Sequential data assimilation with a nonlinear quasigeostrophic model using Monte Carlo methods to forecast error statistics [J]. J Geophys Res, 1994, 99(C5): 10143-10162.

[21] Evensen G. The ensemble Kalman filter: theoretical formulation and practical implementation [J]. Ocean Dynam, 2003, 53: 343-367.

[22] Evensen G. Sampling strategies and square root analysis schemes for the EnKF [J]. Ocean Dynam, 2004, 54: 539-560.

[23] Zheng F, Zhu J. Balanced multivariate model errors of an intermediate coupled model for ensemble Kalman filter data assimilation [J]. J Geophys Res, 2008, 113, C07002, doi:10.1029/2007JC004621.

[24] Keppenne C L, Rienecker M M, Kurkowski N P, et al. Ensemble Kalman filter assimilation of temperature and altimeter data with bias correction and application to seasonal prediction [J]. Nonlinear Proc Geoph, 2005, 12: 491-503.

[25] Shu Y, Zhu J, Wang D, Xiao X. Assimilating remote sensing and in situ observations into a coastal model of northern South China Sea using ensemble Kalman filter [J]. Cont Shelf Res, 2011, 31:S24-S36.

[26] Wan L, Bertino L, Zhu J. Assimilating Altimetry Data into a HYCOM Model of the Pacific: Ensemble Optimal Interpolation versus Ensemble Kalman Filter [J]. J Atmos Oceanic Technol, 2010,27, 753-765.

[27] Oke P R, Sakov P, Corney S P. Impacts of localization in the EnKF and EnOI: experiments with a small model [J]. Ocean Dyn, 2007, 57:32-45.

[28] 謝基平. Argo資料分析與同化研究 [D]. 北京: 中國(guó)科學(xué)院大氣物理研究所, 2008.

[29] Counillon F, Bertino L. Ensemble Optimal Interpolation: multivar--iate properties in the Gulf of Mexico [J]. Tellus A, 2008, 61(2):296-308.

[30] Shchepetkin A F, McWilliams J C. The regional ocean modeling system: A split-explicit, free-surface, topography following coordinates ocean model [J]. Ocean model, 2005, 9: 347-404.

[31] Song Y, Haidvogel D. A semi-implicit ocean circulation model using a generalized topography-following coordinate system [J]. J Comput Phys, 1994, 115, 228-244.

[32] Mellor G L, Yamada T. Development of a turbulence closure model for geophysical fluid problems [J]. Rev Geophys, 1982, 20,851-875.

[33] Cheung Y Y. Modeling upwelling circulation over continental shelf in the Northern South China Sea [D]. Hong Kong: The Hong Kong University of Science and Technology, 2006.

[34] 舒業(yè)強(qiáng). 針對(duì)表層海溫與實(shí)測(cè)溫鹽的南海海洋資料同化研究[D]. 廣州: 中國(guó)科學(xué)院南海海洋研究所, 北京: 中國(guó)科學(xué)院大氣物理研究所, 2009.

Data assimilation experiment in the northern South China Sea based on Ensemble Optimal Interpolation method

YE Dong1,2, XIE Ji-ping1

(1. Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China;
2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China)

Based on Regional Ocean Modeling System (ROMS), an Ensemble Optimal Interpolation (EnOI)assimilation system for the northern South China Sea has been developed, The 2008 Northern South China Sea Coastal Oceanographic Process Experiment (SCOPE) cruises data and Operational Sea Surface Temperature and Sea Ice Analysis(OSTIA）are used day by day for assimilation test. The results show that the assimilated result can effectively improve the SST simulation, strengthen the upwelling in this region, and especially improve Pearl River plume simulation. Vertical quantitative analysis shows that the temperature of the whole water column has been improved, to 30% near the surface. And the salinity is significantly improved at upper 80 meters, to 40% near the surface. In addition, for the incompatibility between inshore satellite SST (sea surface temperature) and the cruise SST, and different observation number on the results of assimilation, this paper uses sensitivity assimilation test for preliminary discussion. The results show that, compared to the excluding 40m shallow data ,assimilation of satellite SST data in all regions can significantly reduce the root mean square error of inshore region SST (about 51%); Encryption for the SST data assimilation, eg. Select observations from every 5 grid points to every 3 grid points, and RMSE of SST can also be reduced (about 9.1%) on this base. However, distribution patterns of SST are both consistent with the observation.

northern South China Sea; ROMS ; assimilation; EnOI

P731

A

1001-6932(2011)04-0377-11

2011-03-07；

2011-05-02

國(guó)家自然科學(xué)基金 ( 40906013 )。

葉冬 ( 1981－)，男，博士，主要從事海洋資料同化和數(shù)值模擬研究。電子郵箱：yedong@mail.iap.ac.cn。