韩鹏，李宇航，揭晓蒙

（中国21世纪议程管理中心，北京100038）

1 引言

海洋动力环境预报是基于对海洋过去和当前状态及其演变规律的认识，运用数值模式、资料同化等手段，对多种时空尺度上的海洋现象和海洋状况（海温、盐度、海流、海浪、潮汐等）进行分析和预测，是业务化海洋学研究中的关键技术之一[1-2]。海洋动力环境预报技术主要包括动力环境数值预报模式和多源观测资料同化技术。其中，动力环境数值预报模式主要包括全球和区域海洋环流模式、波浪模式、风暴潮模式和海冰模式等；主要的多源观测资料同化技术按具体同化方法区分有三维变分同化、四维变分同化和卡尔曼滤波等。近年来，随着卫星遥感、高性能计算等技术的深入应用，国内外的海洋动力环境预报技术不断发展，预报技巧逐年提升[3-5]。海洋动力环境预报技巧的提高主要得益于数值预报模式动力框架和次网格物理过程的改进、高性能计算技术的广泛应用、海洋资料同化方案的优化和改进等。在各类海洋动力环境数值模式中最核心的是全球海洋环流数值模式，它的分析和预报产品可为区域海洋环流模式、生态模式、波浪模式和风暴潮模式提供动力背景、边界条件或者强迫条件等。因此，全球海洋环流数值预报模式及其配套同化技术是最重要的研究与应用方向。

国际上一直非常重视海洋数值预报模式和资料同化技术的发展。20世纪90年代，全球海洋环流预报系统已经在英国气象局（Met Office）的海洋同化模式预测模型（Forecasting Ocean Assimilation,Model，FOAM）[6]、美国海军混合坐标海洋模式（The HYbrid Coordinate Ocean Model，HYCOM）系统[7]和欧洲中期天气预报中心（European Centre for Medium-Range Weather Fore-casts，ECMWF）ORAS1模式系统建立并运行。2008年前后，国际上主要机构已普遍实现了以数值预报为核心的预报变革，形成了完善的全球、区域海洋数值预报业务系统。2011年，欧美主要预报机构已普遍实现涡分辨数值预报系统的业务应用。目前，全球海洋环流模式水平分辨率已经从5°（约500 km）提高了到0.1°（约10 km），海洋环流数值预报模式系统正逐步朝着更高分辨率（分辨率高、网格精细）、更多过程（方程组方程数目增加）和更快计算速度的方向发展。

本文以国际上主要海洋预报业务中心的全球海洋动力环境预报系统为主线，重点介绍国际上环流数值预报领域的主要进展，并与国内相关领域的研究进展进行比较，为我国未来海洋动力环境预报系统的研发和应用提供参考和借鉴。

2 全球海洋环流预报模式

海洋数值模式主要基于描述动力和物理过程的偏微分方程，通过求解复杂的纳维斯托克斯（Navier-Stokes）方程对海洋系统进行建模和模拟。海洋环流模式、海浪模式、潮汐模式、风暴潮模式等是纳维斯托克斯方程不同的简化。

美国海军（Naval Oceanographic Office，NAVOCEANO）和美国国家环境预报中心（National Centers for Environmental Prediction，NCEP）预报系统所用的全球海洋环流模式都是基于全球深度-等位密度面HYCOM开发的，模式的分辨率设置基本一致，分辨率水平1/12°，垂直30层[7-9]。但是，两个预报系统使用的海表强迫完全不一样，前者采用美国海军天气预报模式输出的海表通量作为海表强迫，后者采用NCEP的3 h业务化全球风场的动量、辐射和降水通量。未来将进一步提高水平和垂直分辨率，水平分辨率提高到1/25°以上，垂直分辨率提高到41层，增加潮汐强迫，并将全球HYCOM与第三代海浪模式（WAVEWATCH III）、海冰模式以及大气环流模式耦合。

法国、英国和澳大利亚的全球海洋预报系统均基于NEMO（Nucleus for European Modelling of the Ocean）海洋模式开发，但在具体设置上有所不同。法国麦卡托国际海洋中心作为全球海洋预报系统的领先机构，全球海洋环流分析与预报系统体系完善（见图1），承接了欧盟天气尺度海洋预报业务，其水平分辨率为1/12°、垂直方向为50层[10]；英国全球预报系统的水平分辨率为1/4°，垂向为75层[6]；澳大利亚全球预报系统则采用准全球（75°S～75°N）的NEMO模式，水平分辨率为1/10°，垂直方向为51层[11]。另外，法国的预报系统耦合的海冰模式是LIM（Louvain-la-Neuve Sea Ice Model），英国的预报系统耦合的海冰模式是CICE（Community Ice CodE and the Los Alamos Sea Ice Model），澳大利亚的预报系统目前则没有耦合任何海冰模式。此外，这3个国家的预报系统采用的海表强迫场也不同，法国预报系统采用ECMWF发布的海表强迫场，英国和澳大利亚则各自采用本国的中期天气数值预报业务系统输出的海表强迫作为模式的上边界条件。

日本极为注重数值预报系统的自主开发和应用，坚持独立发展数值模式与相关技术在实际应用中的迭代优化。日本气象厅的全球海洋预报系统基于该国自主研制的Z坐标海洋环流模式MRI.COM version 4。模式采用三极网格坐标，其水平分辨率相对较低，为1°×0.5°，垂向方向为60层[12-14]，采用了观测的海冰密集度数据作为边界条件。模式在海表采用了日本气象厅发布的JRA55再分析数据进行大气强迫，并使用了水动力模型（CaMa-Flood）计算的真实河流径流量。

图1 法国海洋动力预报系统及业务产品（引自：法国麦卡托（Mecator）海洋中心的2019年度国家报告）

3 海洋资料同化技术

数据同化方法可以结合观测资料和数值模式，得到更合理的模拟结果或提高预测的精度。通常数值预报的误差主要包括3方面来源：一是动力模式控制方程组中包含有各种近似，或者物理过程与机制考虑不完全；二是数值模式初始场的质量不高，模式参数不确定；三是模式分辨率低，不能解析次网格过程，而物理过程参数化方案等近似也存在误差。因此，通过数据同化方法将观测信息不断地引入到数值模式，获取可靠的数值模拟结果，或者通过改善数值模式的初始场，提高预报和预测的准确度是必不可少的业务化运行方案。目前，国际上主要的海洋预报业务机构通常采用三维变分同化（3DVAR）、集合最优插值（ENOI）或者集合卡尔曼滤波（ENKF）等方法进行资料同化。

美国海军全球海洋预报系统（Global Ocean Forecast System，GOFS）采用美国海军耦合海洋数据同化三维变分同化（Navy Coupled Ocean Data Assimilation-Three Dimensional Variational Data Assimilation，NCODA-3DVar）[15-16]方案，同化的观测数据包括卫星遥感高度计（Jason-2、Altika、Cryosat-2）、卫 星 遥 感 海 表 温 度（NOAA-18、NOAA-19、METOP-A、METOP-B、GOES-13、GOES-15、MSG、MTSAT-2、COMS-1、WindSAT、NPP-VIIRS）、固定和漂流浮标、现场剖面观测（Argo、CTD、XBT、海洋Gliders）、表层温度和盐度船测资料、多波段微波辐射扫描仪（Spatial Sensor Microwave/Imager，SSM/I）和SSMIS海冰密集度、表层漂流计等。NCEP实时海洋预报系统（Real Time Ocean Forecast System，RTOFS）同化系统是在美国海军NCODA-3DVAR同化方法基础上建立的。主要更新和改进包括：NCEP的RTOFS资料同化是利用混合坐标层24 h预报作为第一猜测值，而NAVOCEANO则利用日平均场插值到z坐标层上；NCEP直接利用整个水柱同化动力高度（Altimeter Dynamic Topography，ADT），而海军利用海面高度异常（Sea Level Anomaly，SLA）和1 000 m深的海水温度盐度廓线[17-18]。

图2 美国海军耦合海洋资料同化方案

法国麦卡托国际海洋中心的全球海洋预报系统的同化系统（SAM-2）主要基于降阶卡曼滤波方法，是在减秩卡尔曼滤波（Singular Evolutive Extended Kalman Filter，SEEK）基础上发展起来的[8,19-22]。对于预报系统的物理部分，SAM-2同化系统目前同化的数据包括海面高度计数据、海表面温度数据、温度与盐度的垂直廓线数据以及海冰密集度数据，其中对于背景误差协方差矩阵采用多元三维误差模式。该系统包括自适应误差与区域算法。自2007年4月，SAM-2同化系统已经在所有的业务化系统中采用。该中心下一步将基于新版本NEMO3.6更新全球1/12°预报系统，根据4D同化方案改善预报精度，同化新海表温度观测资料（高分辨L3 SST卫星观测）。

Met Office的业务系统采用三维变分同化方案（Nucleus for European Modelling of the Ocean/Variational Data Assimilation，NEMOVAR）。该同化方案采用了多元增量公式，是由欧洲科学计算研究 中 心（Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique，CERFACS）、ECMWF、MetOffice和法国计算机科学与自动化研究所（INRIA/LJK）等研究机构共同研发的。NEMOVAR可以同化多种观测资料，包括表层观测资料（海表温度、卫星遥感海表高度）和次表层观测数据（XBTs、Argo、CTDs、锚定浮标、gliders），特别是可以合理地分辨出海洋中尺度涡旋的空间结构。NEMOVAR还包含了一个扩散算子，根据空间相关性传播观测信息，多元平衡算子考虑了海洋变量之间的协方差。Waters等[23-24]在Met Office预报系统中继续发展了NEMOVAR，包括误差协方差参数化的发展、高度计资料变分偏差校正方案[25-27]、卫星遥感海表面温度（Sea Surface Temperature，SST）偏差校正方案以及海冰密集度同化模块。

澳大利亚业务预报系统采用的数据同化方案为BODA[11,28]，同化观测资料包括Argo廓线资料、海水电导率、温盐深测量结果以及Jason-1 IGDR、Jason-2 IGDR、Envisat卫星高度计和 NAVOCEANO L2P海表温度观测资料。

日本气象厅的海洋资料同化系统是由Fujii等[29-30]设计的3DVAR-IAU发展而来的。该同化系统采用非线性下降方法（POPULAR）和非线性约束，能够高效地处理多变量（温度和盐度）耦合EOF垂直模态分解和背景误差协方差矩阵中的非对角元素。该系统还在同化分析过程中采用了非线性和非高斯型约束，有效地改善了同化分析场对强海洋锋空间结构特征的刻画。对于海冰密集度数据（MGDSST），该系统采用了松弛逼近和3DVAR同化技术，并利用优化之后的大气环流场作为海表强迫进行同化。为进一步改善海冰同化，还开发了基于海冰流变学的海冰伴随模式，并进行了一系列敏感性数值试验[31]。

4 全球海洋环流预报的国际合作计划

与全球天气预报业务类似，海洋动力环境的观测、模式和同化技术的研发和改进是一项长期的、艰巨而又复杂的任务，需要多学科合作以及大量人力和研究经费的投入，为此有必要开展国际合作。在世界气象组织（World Meteorological Organization，WMO）的推动下，20世纪80年代开展了与数值天气预报相关的国际合作计划，并极大地推动了天气预报技术的进步和预报技巧的提高。受到数值天气预报业务系统研发经验的启发，国际上从20世纪90年代末就开始在海洋动力环境预报领域开展国际合作。

在1996—1997年期间，全球海洋数据同化试验（GlobalOceanDataAssimilationExperiment，GODAE）的倡议得到了各国科学家的广泛响应，于是开始了持续10 a（1998—2008）的GODAE国际计划[2]。该计划旨在：（1）将最先进的海洋环流模式和资料同化技术应用于短期海洋环流预报和气候预测，以及区域海洋预报系统的边界条件；（2）发展海洋再分析数据集，用以理解海洋动力过程及其可预报性，并应用于海洋观测系统的设计并提高观测系统的有效性。2008年，GODAE国际合作计划圆满地完成了预定的各项研究任务，极大地促进了世界各国海洋资料同化技术和海洋预报系统的发展。在GODAE计划的10 a时间里，一些发达国家业务预报中心基于水平分辨率为10 km左右的海洋模式建立了业务预测系统，可以同化现有各种海表和上层海洋的观测数据，使得海洋环境预报进入了一个可以分辨和预报中尺度海洋涡旋的时代。

GODAE国际合作计划结束后，各国科学家又推动了一个新的国际合作计划GODAE OceanView（GOV）计划（2009—2018）[3]。该计划可以看作是GODAE计划的进一步延续，但是更加致力于推动和加强科研成果向业务化运行和实际应用方向转化，目前有包括中国在内的15家海洋预报业务机构成员（见表1）。该计划旨在提升海洋环境监测和预报能力，发展和完善4种能力：（1）卫星高度计观测海表中尺度动力特征的能力；（2）ARGO浮标系统观测海洋温度和盐度剖面的能力；（3）高分辨率海洋模式模拟和预报中尺度涡旋的能力；（4）数据同化技术能够有效地同化上述观测数据，并可以为动力模式提供一个精确的初始场用于预报。目前，GOV计划已经顺利完成，使得海洋动力环境预报技巧得到了显著提高。

作为GOV计划的后续，实际上也是GODAE计划的第三个阶段，目前GOV正在过渡到Ocean Predict（2019至今，引自：https://www.godae-oceanview.org/about/gov-op-transition/），作为一个国际科学论坛和活动平台，它将充分整合GODAE和GOV计划的研究成果，同时还加强与海洋领域其他大型国际合作计划（例如全球观测系统计划（Global Ocean Observation System，GOOS））的合作。更为重要的是，Ocean Predict计划将会促进科学研究和业务化运行两者之间的合作，并向其成员与合作伙伴提供专业知识和合作机会，进而形成一个从观测-综合信息分析-预报预测-科学评估-最终用户的完整链条。

5 发展趋势

随着全球海洋环流预报技术的不断完善，以及海洋观测技术和高性能计算机的快速发展，未来有关技术主要呈现5方面发展趋势：

表1 GODAE OceanView下的国际业务化海洋学机构的预报系统

（1）针对关键海区开展强化观测试验。理论研究、观测体系的建设将更加紧密地与数值模式发展相结合，围绕改进数值模式的次网格物理参数化过程和提升模式的数值预报技巧，通过海洋环流的可预报性研究和目标观测研究，寻找影响海洋环流预报技巧的关键海区，并在关键海区针对中小尺度动力过程等开展长期连续的现场观测实验。

（2）进一步改进海洋模式的动力框架并引进多圈层相互作用。海洋数值预报模式的发展重点是继续提高模式的水平和垂直分辨率、实现海-陆-气-冰全耦合、物理模式与生态模式的耦合、发展自适应非结构网格、大规模并行计算技术等。数据同化发展的重点是实现变分、集合滤波及两者混合等先进数据同化方法和卫星遥感观测数据的同化应用。

（3）加强高性能计算和大数据技术的应用。随着海洋数值预报系统的计算需求越来越高，将海洋数值预报与云计算技术有机结合，突破海洋数值预报服务云和海洋数值预报平台云构建技术，为海洋数值预报研究用户和业务用户提供便捷、高效、低廉的支撑环境，成为海洋数值预报的一个重要发展趋势。

（4）提高海洋环流预报时效。未来海洋环流的预报时效会不断增加，目前业务化的海洋环流预报时效主要局限于短期（7 d）或者中期（7～30 d），未来预报时效将拓展至季节-年代际时间尺度，预报变量将会拓展到海冰和海表气象要素等。预报时效的增加主要来源于数值模式性能的改进、观测数据的增加和资料同化技术的进步。

（5）发展精细化预报技术。区域海洋环流模式水平分辨率将进一步提高，未来有可能达到1 km量级，并与高精度的海浪和风暴潮模式耦合，针对重点港口、海湾、重大基础设施、关键经济目标和典型人口密集区等沿海重点保障目标，开展潮汐（流）、风暴潮、海浪、海啸、海冰、海温等要素的预报，形成对近岸工程环境的精细化预报与服务保障能力。

6 未来发展建议

近年来，国际上数值模式技术框架已经基本稳定，未来发展的主要趋势是在现有框架基础上不断完善物理过程、提高分辨率以及改进同化技术。从海洋动力环境预报效果来看，SST的预报误差降低非常有限，均方根误差近十年保持在0.6～1.0℃左右，近年来甚至出现略升[32]；在表面盐度、海面高度，及三维温、盐、流的长期误差检验方面，受观测时空积累限制相关研究有待进一步加强。与海洋环流预报相似，其它业务化预报精度改进也缓下步伐。以ECMWF预报产品为例，1992—2017年，海浪3 d预报误差从42%下降到30%，25 a间约降12%；海浪5 d预报，从50%下降到42%，25 a间约降8%[33]。同样情况也出现在天气数值预报领域，1982—2000年，其在北半球的500 hPa位势高度3 d预报技巧从86%增长到92%，18 a间增长6%；5 d预报技巧同期增长13%。2000—2015年，在北半球的3 d预报技巧从92%增长到98%，增长了6%；5 d预报同期增长6%左右[34]。当前海洋环境数值预报运维复杂度逐渐增大[35]，预报误差降速明显趋缓、数值模式技术总体框架已经基本稳定，结合近年来观测手段的发展和大数据分析等新技术的应用，对我国未来海洋动力环境数值预报技术发展提出如下建议：

（1）加强全球海洋观测基础能力建设

发展全球海洋观测及探测技术，加强国际海洋领域的合作，完善海洋监测/探测装备体系，补齐海洋动力环境监测应用传感器技术不足。利用卫星、飞机、船舶、浮/潜标、无人航行器、海底观测网和岸基观测站等全球空天/水面/水下平台，建立立体连续观测系统。对海洋多尺度现象和生态环境等进行多参数连续实时/准实时细化观测，实现海洋动力环境要素的时空连续探测和信息感知。

（2）加强海洋观测数据共享

实现信息融合、标准统一和数据共享，采用云计算、云存储等技术，对信息服务存储系统软件等进行统一设计与集约化管理。支撑集约化的计算服务、存储服务和应用服务，开展国内外海洋各类监测预警信息的快速处理、高效存储管理和综合分析应用。采用按需推送、智能调取和信息交互等多种信息服务方式，整合和集成现有海洋信息资源，构建共享共用的海洋信息共享平台，支持海洋信息资源共享。

（3）加强核心关键技术攻关

以现有国内外先进数值技术为基础，集合业务部门和教育科研机构的优势力量，研发具有完全或高度自主知识产权并实现应用的数值模式动力框架、次网格物理过程参数化方案体系、高精度数值离散技术、精细化网格环境数据同化技术等，在不同尺度水平与垂直混合过程研究、高精度平流计算方案、四维变分同化和集合同化技术等细分领域加紧跨领域合作研究。

（4）加强大数据、人工智能和高性能计算等技术应用。随着科学与技术的发展，各种观测、模拟手段的突破，数据种类在不断增加、数据质量在不断提高。海洋数据已经具备了大数据的典型特征（4V），即数据量大（Volume）、获取数据速度快（Velocity）、数据类型多样（Variety）和数据真实性强（Veracity）。为此，建议在大数据与云计算技术方面，发展云架构下海洋数值预报服务系统、数值模式自动优化分析系统、海洋环境大数据存储云、海洋数值预报计算云、海洋大数据与人工智能预报技术。