薛洪斌，路泽廷，韩君，范海燕，沈红，耿再兴

（5111信箱，北京 100094）

西北太平洋及印度洋三维温盐流数值预报业务系统构建及预报检验

薛洪斌，路泽廷，韩君，范海燕，沈红，耿再兴

（5111信箱，北京 100094）

基于HYCOM海洋模式和集合最优插值（EnOI）同化方法，开发了一套西北太平洋及印度洋三维温盐流数值预报业务系统（IAPos），2016年5月开始进行业务试验，并对业务试验的结果与原有的三维温盐流数值预报系统（wylV2）进行对比检验，从检验结果看：在中国近海，IAPos系统的预报效果，较wylV2有非常显著的改善，但对不同预报变量、不同垂直层、不同区域也有一些差异。整体来说，IAPos系统的预报性能较好。

数值预报；集合最优插值；HYCOM海洋模式

1 引言

随着人类经济社会发展和军事活动对海洋环境信息保障需求日益增长，现代海洋环境的预报保障已逐渐走向客观、定量和精细化。借助于海洋数值模拟技术、高性能计算机、全球海洋观测系统、海洋资料同化技术以及其他相关学科的发展，全球和区域海洋环境资料同化和数值预报业务得到了迅速发展。海洋模式不断完善发展，至今已经有40多个海洋模式，包括针对不同海域（大洋、近海、近岸、港湾）和不同海洋学科（物理海洋、海洋生态、海洋化学）的海洋模式。不同海洋模式的适用海域不同，模式特点各不相同。常用业务化海洋模式有HYCOM（Hybrid Coordinate Ocean Model）、NEMO（Nucleus for European Modeling of the Ocean)、MOM(Modular Ocean Model)、ROMS（Regional Ocean Modeling System）和POM（The Princeton Ocean Model）等[1-2]。海洋观测资料的匮乏是制约海洋预报发展特别是海洋资料同化发展的瓶颈之一。海洋观测数据获取的难度高、成本大，所以海洋观测数据稀少、时空分布不均匀。随着海洋观测日益得到国际社会的重视、资金投入的增多和海洋观测技术不断进步，观测资料的类型和数量不断增多（特别是遥感资料）、时空采样的密集和数据质量的提高，海洋数据同化也蓬勃发展起来。业务化应用的海洋数据同化方法有最优插值、三维变分、四维变分以及 EnKF（The Ensemble Kalman Filter）的各种变体等。目前气象业务使用的同化方法，多是EnKF（集合最优插值是其简化版）以及四维变分同化方法，海洋同化方法多是三维变分同化和EnOI（The Ensemble Optimal Interpolation）方法[3]。同化的观测资料主要有CTD（Conductivity-Temperature-Depth）、XBT（Expendable Bathy Thermograph System)、Argo（Array for Real-time Geostrophic Oceanography）温盐剖面数据、卫星高度计资料、高精度融合海表温度（Sea Surface Temperature，SST）产品、海冰等[4-5]。

本单位的水位及三维温盐流数值预报业务从2003年起步，经过几年的开发、研制和业务化试验，2009年第二代业务系统（the three-dimensional ocean numerical forecast operational system，wylV2）正式开始业务化运行，该系统基于混合坐标的普林斯顿海洋模式（the general coordinate system of Princeton Ocean Model，POMgcs）和三维变分数据同 化（Three-dimensional variational assimilation，3DVAR）方法建立的海洋预报系统，由基于美国麻省理工学院大洋环流模式（MIT General Circulation Model，MITgcm）开发的全球模式提供侧边界，可进行二岛链以内海域未来7d综合水位（含潮汐和风增水等余水位）及三维海流（含潮流、风海流和密度流等）、海温、盐度、密度和声速的数值预报。为了满足对“一带一路”区域的保障需求，2016年与中科院大气物理研究所合作，开发了一套“西北太平洋和印度洋温盐流数值预报系统”（the Northwest Pacific and Indian three-dimensional ocean numerical forecast operational system，IAPos），通过一系列业务化改造，于2016年5月起，开始准业务化试运行。该系统基于混合坐标海洋模式（HYCOM）和集合最优插值（EnOI）同化方案，可实现西北太平洋和印度洋未来7 d的水位、海流、海温和盐度的数值预报。

本文对中科院大气物理研究所开发的西北太平洋及印度洋再分析系统进行业务化改造，构建了可用于业务运行的“西北太平洋及印度洋温盐流数值预报系统”。该系统从2016年5月开始准业务化，系统运行稳定可靠，现对该系统与第一代温盐流数值预报系统进行对比分析。对比分析结果表明：该系统对温度、盐度和海面高度预报总体较好，较wylV2系统有显著的改善，但不同区域、不同层次的预报效果有些差异。

2 系统构建及业务化应用

西北太平洋及印度洋温盐流数值预报系统基于中科院大气物理研究所开发的一套海洋资料再分析系统，针对这套系统进行预报系统改造，并进行业务化应用，下面对整个系统采用的同化模型、预报模式以及业务化改造工作和准实时业务运行进行介绍。

2.1 预报模式

系统采用的预报模式为HYCOM，它是一个混合坐标模式，其垂向坐标是3种坐标的混合形式：在深层海洋使用等密度面坐标来减小由于穿越等密度面的虚假混合引起的误差；在近海区域使用σ坐标来以更好地表征海底地形起伏对海洋动力过程的影响；在海洋混合层以上以及近岸区域采用Z坐标保持垂向较高的分辨率。HYCOM模式的一个显著特点是，在大洋内部，其垂向坐标根据密度进行划分。其预报方程包括温度方程，盐度方程，水层厚度的预报方程。模式积分过程中会调节每一层的水层厚度来保持水层的位势密度与给定的垂向密度一致。水层厚度在模式积分过程中不断变化并保持质量守恒。水层厚度的改变实际上是表征盐度、温度等的输运，水层交界面的斜率表征压强梯度力[6-9]。

系统预报海区分为大区域和小区域，其中大区域包括整个太平洋和印度洋（26.7°～290°E，50.5°S～61.94°N），水平分辨率为1/3°，大区域模式不做同化，只为小区域提供侧边界；小区域包括西北太平洋和印度洋（30°～184°E，32.28°S～51.66°N），水平分辨率约为1/5°，小区域范围和分辨率如下图，是预报保障的区域，通过EnOI同化系统提供预报初始场。

2.2 同化模型

系统采用的同化方法为集合最优插值方法（EnOI），EnOI是一种基于统计学的同化方法，是集合卡尔曼滤波（EnKF）的一种简化。与EnKF相似，EnOI也利用集合样本来估计模式背景误差，且都是多变量同化方法。不同的是，EnKF利用模式集合预报场来评估模式误差，其误差随模式积分实时变化，而EnOI利用模式历史积分静态样本来计算模式背景误差。EnOI同化方法的可靠性建立在以下3点假设的基础上：（1）模式误差可以用模式模拟变量的变率来表示。对于变率较大的区域，模式更容易造成较大的模式误差；（2）如果模式的两个变量在模式长时间积分中相关，那么这两个变量的误差也相关；（3）与EnKF一样，EnOI计算的分析场总是在集合样本空间内，集合样本的选取会显著影响EnOI的同化效果。由于EnOI在同化过程中只需要模式一次积分，其所需计算花费仅为EnKF的1/N，且保留了EnKF多变量同化的主要特性，因此被广泛应用于低分辨率的气候模式以及高分辨率的业务化预报模式[10-11]。

图1 模式小区域和网格分辨率分布示意图（红框代表大区域，蓝框代表小区域）

为了与系统使用的海洋模式配合，对同化方案做了以下改进工作：（1）由于HYCOM中海表面高度并不是预报量，而是通过位势密度进行计算，其与流速密切相关的变量为海气交界面斜率。因此在高度计数据同化过程中，观测海表面高度与模式海表面高度的差往往要通过动力关系或者统计关系分配到水层厚度上。同时，高度计资料刻画的是海表高度异常的信息，同化过程需要平均动力地形的提供，通常的方法都是取自模式多年积分的平均海面高度，但这样得到的平均动力地形由于偏差较大会影响同化的质量，为了获得准确度较高的平均动力地形，开发了一种新的方法即通过同化温盐来获得平均动力地形，然后用于高度计资料同化；（2）在同化廓线资料时(Argo、XBT（Expendable Bathy Thermograph System)、CTD（Conductivity-Temperature-Depth）等），由于模式的温度盐度及密度是整层水的平均值，层厚是预报量，直接同化温盐廓线会由于强非线性的观测算子带来严重的问题，我们采用了一种新的方法：先将观测的温盐廓线转换成层厚的观测，然后同化层厚，最后同化温盐廓线资料，这样较好地抑制了观测算子的强非线性的影响[12-16]。

2.3 业务化改造

本文重点是构建一个可业务运行的三维温盐流数值预报系统，对上面介绍的模式及同化模型进行相关的业务化改造，以满足实时业务运行需求。业务化改造主要包括模式移植、与大气模式产品对接、海洋同化资料适配、业务化流程建立、预报产品制作和检验等工作，其中模式移植工作主要是模式调试方面这里不再详述，预报产品制作和检验在后面章节会详细说明，这里主要介绍与自有的大气模式产品对接、海洋同化资料适配和业务化流程建立。

（1）与大气模式产品对接

海洋模式前期用的驱动场为每日6 h一次的ERA-Interim资料，为实现系统向前预报功能必须与自有全球中期数值天气预报模式对接。该模式基于欧洲中心研发的T799谱模式，水平分辨率为1/4°，每日业务运行两次，一次预报时效为10 d，输出产品包括大气各标准等压面和地表的各类气象要素。从2016年1月开始，将T799模式表层输出产品，包括10 m风场、2 m温度、云量、降水、海平面气压和2 m露点温度，截取前7 d的预报产品，作为海洋模式强迫场，实现系统向前预报。

（2）海洋同化资料适配

业务上每日获取的海洋资料包括3种：包括卫星海表面温度（SST）、卫星海面高度异常（Sea level anomaly，SLA）以及温盐廓线资料。其中，SST资料（ftp://eclips.ncdc.noaa.gov/pub/OI-daily-v2/etCDF/)为美国国家大气和海洋管理局（National Oceanic andAtmosphericAdministration，NOAA）国家气候资料中心（National Climatic Data Center，NCDC）海表温度的逐日高分辨率融合分析资料[5]，由AVHRR（改进的甚高分辨率辐射计）红外卫星SST资料，以及船舶、浮标的现场观测资料通过最优插值（OI）分析得到；SLA资料（ftp://ftp.sltac.cls.fr/Core/SEALE-VEL_GLO_SLA_MAP_L4_NRT_OBSERVATIONS_008_026/dataset-duacs-nrt-global-merged-allsat-slal4）为法国AVISO的多源卫星高度计融合产品，该资料融合了 Jason-1、Jason-2、T/P、Envisat、GFO、RS1/2、Geosat以及HY-2等卫星高度计产品。SST和SLA均为天平均数据，水平分辨率均为1/4°×1/4°，每日定时自动下载；温盐廓线资料为海洋温盐现场观测融合产品，由中国气象局每日推送。原有的EnOI同化系统包括了对这两类资料的同化，业务化的工作只需将两类资料转换成同化系统需要的格式。

（3）业务化流程建立

在业务化流程建立前，将HYCOM模式从2014年1月1日起滚动积分，未加入同化，采用NCEP再分析资料作为大气强迫场。2016年1月1日起，开始加入海洋资料同化，同时同化上述3种资料，同时，模式大气强迫场替换为自有的全球中期数值天气预报模式预报场，每天启动，向前预报5 d。这一过程既检验了系统的稳定性，同时也是模式与气象强迫场和海洋资料的适应调整过程。从2016年5月1日起，系统正式加入了业务监控系统（Supervisor Monitor Scheduler，SMS）运行队列中，每日早7时（北京时间）自动运行，由于海洋资料到报时间问题，对整个业务流程设计如下：

第一步：建立T799模式风场接口；

第二步：观测资料前处理，主要包括海面高度、海面温度卫星遥感资料和温盐廓线观测资料；

第三步：运行HYCOM大区域模式，为小区域模式提供边界条件；

第四步：温盐廓线观测资料同化。每日到报的温盐廓线观测资料包含前7 d的所有廓线数据，经多次资料排查和统计分析发现，从当前时间向前推算至第5 d时，该天的廓线数量达到了峰值，因此在同化温盐观测资料时，将时间设为5 d前，然后进行模式运算，预报3 d；

第五步：卫星海表温度资料同化。海表温度资料（SST）相对当前时间滞后2 d，因此将同化时间设为2 d前，同化上一步预报第三天得到的RESTART场，然后进行模式运算，预报2 d；

第六步：卫星海面高度资料同化。海面高度计资料当天可以得到，在同化时间上不用滞后，同化上一步预报第二天得到的RESTART场，然后进行模式运算，制作未来7 d的预报；

第七步：后处理，对输出的模式结果进行标准化和格式化处理，保存成netcdf和二进制格式文件，提供给预报员使用。

系统运行环境基于计算峰值为百万亿次的银河V高性能计算机，整个流程运行时间约90min。

下面对5、6月份准业务运行情况进行初步检验，同时与原有的温盐流数值预报系统进行对比分析。

3 与Argo温盐廓线对比检验

资料来自全球Argo数据分发中心—法国Coriolis中心，为了便于与原系统进行对比检验，检验区域取在中国近海（99°～150°E，10°S～50°N）。构造预报、观测两个时空序列：将观测和预报分别做日平均，再将每一天的预报插到观测点，按照观测点的空间分布构成一天的一个空间序列；接下来将每一天的观测、预报空间序列按时间顺序串接到一起，观测和预报分别构成一个长向量（中国海一个月总的样本数600～700个）。再对这两个序列（观测、预报）分别计算均方根误差（Root Mean Squared Error，RMSE）、平均误差、相关系数等。受文章篇幅所限，这里仅给出提前3 d的预报结果进行对比检验。

图2、3给出了中国近海温度和盐度预报效果检验（均方根误差、平均误差、相关系数）对比图，其中蓝线代表“原有三维温盐流数值预报系统”（wylV2）的统计结果，红线代表“印度洋和西北太平洋温盐流数值预报系统”（IAPos）的统计结果，绿线代表观测资料统计结果。

图2是中国近海区域两个模式3d预报的温度廓线与Argo资料的对比检验结果。从图可以看出，IAPos的预报结果显著优于wylV2的预报结果。具体而言：（1）两个系统预报的温度均方根误差（见图2a）和平均误差（见图2b），都是在表层几十m到100m深度内，从海表向下误差量值迅速增大，到温跃层附近达到峰值，再向下逐渐缩小。wylV2系统是在60m深度误差最大，IAPos系统是在100m深度误差最大。从误差大小来看，从海表一直到1 000m深度，IAPos系统的预报误差都小于wylV2，大约减小30%～50%。wylV2的最大均方根误差达到3.6℃，IAPos的最大均方根误差为2.2℃。除此之外，wylV2预报的温度总体上存在负的系统误差，在0～1 000 m深度，预报的温度都低于观测，最大平均误差出现在60 m，偏低2.8℃；而IAPos预报的温度总体上存在正的系统误差，在0～600 m深度，预报的温度都略高于观测，最大平均误差出现在100 m，偏高0.6℃；（2）从相关系数来看（见图2c），同样从海表到1 000m深度，IAPos系统预报的温度与观测的相关系数都高于wylV2，最大差别达到20%以上；（3）从平均温度廓线看，wylV2预报的温度都低于观测，而IAPos预报的温度值与观测非常接近，两条线基本重合。

图2温度廓线检验结果

图3 是中国近海区域两个模式3d预报的盐度廓线与Argo资料的对比检验结果。由图可见，同样，IAPos的预报结果显著优于wylV2的预报结果。具体如下：（1）盐度均方根误差（见图3a）和平均误差（见图3b），IAPos系统的预报都小于wylV2系统，均方根误差最大差别达到0.2 psu，说明新系统在盐度预报改善较大。两个系统预报的盐度平均误差，在300 m以上都是负偏差，IAPos系统在300 m以下转为弱的正偏差，wylV2在700 m以下转为弱的正偏差。最大盐度平均误差，wylV2系统为-0.24 psu，IAPos系统为-0.08 psu，同样是后者更优；（2）从相关系数来看（见图3c），同样从海表到1 000 m深度，IAPos系统预报的盐度与观测的相关系数高于wylV2，最大差别达到30%左右；（3）从平均盐度廓线来看，wylV2预报的盐度随深度的变化趋势，从海表到100 m深度减小，这与观测不符；而IAPos预报的盐度变化趋势以及盐度值都与观测很接近，两条线吻合较好。

图3 盐度廓线总体检验结果

图4 两个系统预报的海面高度异常的均方根误差（单位：m）

4 高度计资料对比检验

海面高度是一个非常重要的物理海洋学变量，尽管只是海洋表层的参数，却是海洋次表层温盐结构和海洋环流综合作用的体现。大量稳定可靠的业务化卫星高度计产品的定期发布，为我们同化和检验模式预报的海面高度创造了条件。但卫星高度计测量的是海面高度异常（SLA），即相对于一个参考面（平均动力地形或平均海面高度，即考虑到海洋动力作用后的平均海平面）的海表面起伏的相对值，而模式预报的海面高度是相对于模式静止海面（理论上与大地水准面一致）的绝对的海面起伏，两者并不统一。为了便于检验，通常的做法都是计算模式海面高度的长期平均（多年年平均）作为模式的平均海平面，用模式预报的海面高度减去平均模式海平面作为模式预报的海面高度异常值，再与卫星高度计观测的海面高度异常资料做比对。首先计算模式的平均海面高度，用模式预报的海面高度减去平均海面高度得到模式预报的海面高度异常值，然后水平插值到观测网格，再分别对每个网格点上的模式海面高度异常时间序列和观测海面高度异常时间序列计算均方根误差和平均误差。本文使用的卫星高度计资料为法国AVISO的多源卫星高度计融合产品，检验时段为2016年5—6月。

4.1 均方根误差

图4给出了两个系统1 d和3 d预报海面高度异常的均方根误差检验结果。如图4所示，两个系统相比，IAPos系统对海面高度异常的预报准确率显著优于wylV2系统。在中国近海区域，wylV2系统预报的海面高度均方根误差最大超过1.2 m，而IAPos系统最大仅0.4 m。wylV2系统有一半以上的海域均方根误差在0.4 m以上，而IAPos系统95%以上的海域预报的海面高度异常均方根误差都在0.4 m以下。wylV2系统的最大误差区位于日本东南部，除此之外，南海、菲律宾海及以东洋面误差都较大；而IAPos系统仅在日本本州岛和北海道以东很小的一块海域误差较大。

表1给出了两个系统不同预报时效各区域平均的海面高度异常的均方根误差的对比。由表1可见：（1）两个系统的预报均方根误差随预报时效（1—4 d范围内）变化都很小（一般不超过2 cm），有时预报时效长的反而预报效果更好一点（相差极小）；（2）两个系统的海面高度预报准确率相比，除了渤黄海大体相当（wylV2系统略强一点点），其他各海区IAPos系统都有显著优势，南海优势最明显，误差减小85%以上；其次是东海，误差减小70%以上；整个中国近海，IAPos系统较之wylV2系统，均方根误差平均减小80%左右；3）几个海区相比，wylV2系统在渤黄海表现最好，误差甚至小于IAPos；其次是日本海，均方根误差0.2 m左右；东海达到0.4 m；南海最差，最大达到0.58 m；中国近海平均0.44～0.45 m。IAPos系统在8个海区的预报准确率都比较接近，不像wylV2系统那样变化较大，均方根误差水平都在7～12 cm之间。其中，南海最好，均方根误差仅7.5 cm；渤黄海最差，为11～12 cm；整个模式区域平均，为9～10 cm。

4.2 平均误差

图5给出了两个系统预报的海面高度异常的平均误差。如图所示，两个系统相比，IAPos系统对海面高度异常的预报准确率同样优于wylV2系统。在中国近海区域，wylV2系统预报的海面高度平均误差最大超过1.2 m，而IAPos系统最大仅-0.4 m。wylV2系统预报的海面高度异常以正误差为主，在35°N以南基本都是正偏差，南海、菲律宾海及以东洋面误差都很大；而IAPos系统预报的海面高度没有显著的系统误差，正负偏差区相间分布，以负偏差偏多，绝大部分海域的平均误差绝对值都小于0.3 m。

表2给出了两个系统不同预报时效各区域平均海面高度异常的平均误差的对比。由表可见：（1）两个系统的预报平均误差随预报时效（1—4 d范围内）变化都很小（一般不超过1 cm）；（2）两个系统的海面高度预报准确率相比，除了渤黄海，wylV2系统稍好一些；其他各海区IAPos系统都有显著优势；（3）wylV2系统在渤黄海和日本海为较小的负偏差，在东海、南海都为较大的正偏差，南海最大，达到0.57 m，整个中国近海平均误差为0.4 m；IAPos系统各海区误差分布均匀，都是很小的负偏差：南海、日本海、中国近海都在4 cm左右，渤黄海和东海为7～9 cm，整个亚印太区域平均误差为3.8 cm。

表1 两个系统预报的海面高度异常的均方根误差分区统计表（单位：cm）

图5 两个系统预报的海面高度异常的平均误差（单位：m）

表2 两个系统预报的海面高度异常的平均误差分区统计表（单位：cm）

5 结论

本文通过对中科院大气物理研究所开发的西北太平洋及印度洋再分析系统进行业务化改造，构建了可用于业务运行的“西北太平洋及印度洋温盐流数值预报系统”。该系统自2016年5月开始准业务化以来，运行稳定可靠，通过对运行两个月的结果与原有温盐流数值预报业务系统（wylV2）进行对比分析，总体效果较好，现归纳为以下几点：

(1)系统通过业务化改造，与全球中期气象预报模式产品对接，同时可实时同化每日获取的海洋观测数据，并根据资料到报情况建立了业务化运行流程；

(2)在中国近海的温度廓线与Argo资料的对比检验，IAPos平均温度廓线与观测更接近，基本重合。IAPos的平均误差和均方根误差更小，均方根误差最多减小了50%。相关系数也高于wyl V2，最大达到20%以上；

(3)在中国近海的盐度廓线与Argo资料的对比检验，IAPos平均盐度廓线与观测更接近，基本重合，wyl V2表层盐度曲线与观测相差较大。IAPos的平均误差和均方根误差更小，均方根误差最大差别达到0.2 psu。相关系数也高于wyl V2，最大达到30%以上；

(4)在中国近海的海表高度与卫星高度计资料的对比检验，wylV2系统预报的海面高度均方根误差最大超过1.2 m，而IAPos系统最大仅0.4 m，wylV2系统有一半以上的面积均方根误差在0.4 m以上，而IAPos系统在95%以上的海域预报的海面高度异常均方根误差都小于0.4 m。

本文仅对系统业务运行结果进行了初步的检验，下一步将在积累长期的预报结果后进行系统性的预报检验，特别是系统在不同季节的预报能力。这些工作对我们了解模式性能，进一步改进模式至关重要。

[1]方长芳,张翔,尹建平.21世纪初海洋预报系统发展现状和趋势[J].海洋预报,2013,30(4):93-102.

[2]郑沛楠,宋军,张芳苒,等.常用海洋数值模式简介[J].海洋预报,2008,25(4):108-120.

[3]Burnett,W.,S.Harper,R.Preller,G.Jacobs,and K.LaCroix.2014.Overview of operational ocean forecasting in the US Navy:Past,present,and future.Oceanography 27（3）:24-31http://www.tos.org/oceanography,2014.

[4]McPhaden M J,Busalacchi A J,Cheney R,et al.The tropical ocean-global atmosphere observing system:a decade of progress[J].Journal of Geophysical Research,1998,103(C7):14169-14240.

[5]Reynolds R W,Smith T M,Liu C Y,et al.Daily high-resolution-blended analyses for sea surface temperature[J].Journal of Climate,2007,20(22):5473-5496.

[6]Bleck R,Halliwell G,Wallcraft A,et al.Hybrid coordinate ocean model user’s manual[M].Miami:University of Miami Press,2002.

[7]赵其庚,宋永加,彭淑英.高分辨率印度洋—太平洋海洋环流模式及模拟结果初步分析[M]//国家气候中心.气候变化与预测研究.北京:气象出版社,2000.

[8]张学洪,俞永强,周天军,等.大洋环流和海气相互作用的数值模拟讲义[M].北京:气象出版社,2013.

[9]虎雅琼,刘海文,李阳春,等.全球海洋模式对不同强迫场的响应[J].大气科学,2015,39(1):180-196.

[10]Evensen G.The Ensemble Kalman Filter:theoretical formulation and practical implementation[J].Ocean Dynamics,2003,53(4):343-367.

[11]Evensen G.Sampling strategies and square root analysis schemes for the EnKF[J].Ocean Dynamics,2004,54(6):539-560.

[12]Xie J P,Zhu J.Ensemble optimal interpolation schemes for assimilating Argo profiles into a hybrid coordinate ocean model[J].Ocean Modelling,2010,33(3-4):283-298.

[13]万莉颖.集合同化方法在太平洋海洋高度计资料同化中的应用研究[D].北京:中国科学院研究生院(大气物理研究所),2006.

[14]吕国坤.集合最优插值同化方法在HYCOM及ROMS中的应用及改进[D].青岛:中国海洋大学,2013.

[15]Yan C X,Zhu J,Zhou G Q.Impacts of XBT,TAO,altimetry and ARGO observations on the tropical Pacific ocean data assimilation[J].Advances inAtmospheric Sciences,2007,24(3):383-398.

[16]Yan C X,Zhu J,Xie J P.An ocean data assimilation system in the Indian Ocean and WestPacific Ocean[J].Advances in Atmospheric Sciences,2015,32(11):1460-1472.

Establish and forecast capability of the three-dimensional ocean numerical forecast operational system in the Northwest Pacific and Indian ocean

XUE Hong-bin，LU Ze-ting，HAN Jun，FAN Hai-yan，SHEN Hong，GENG Zai-xing
（5111 Mail box,Beijing 100094 China）

Based on the HYCOM ocean model and the Ensemble Optimal Interpolation(EnOI)assimilation method,a three-dimensional ocean numerical forecast operational system in the Northwest Pacific and Indian sea(IAPos)is established,and began to run operational test from May in 2016.The modeled results are contrasted to the former three-dimensional ocean model system(wylV2).The results show that the forecasting ability of IAPos system is better than that of wylV2 system in the China seas.There are some difference between different forecast variables and different vertical layers.In general,the forecast capability of the IAPos is better than that of the wylV2.

numerical forecast;EnOI;HYCOM ocean model

P731.3

A

1003-0239（2017）05-0036-11

10.11737/j.issn.1003-0239.2017.05.004

2016-11-21；

2017-01-16。

薛洪斌（1977-），男，高级工程师，博士，主要从事海洋环境数值预报研究。E-mail：xhbhyq111@163.com