引用本文
王辉, 万莉颖, 秦英豪, 王毅, 杨学联, 刘洋, 邢建勇, 陈莉, 王彰贵, 仉天宇, 刘桂梅, 杨清华, 吴湘玉, 刘钦燕, 王东晓. 中国全球业务化海洋学预报系统的发展和应用.地球科学进展, 2016, 31(10): 1090-1104
Wang Hui, Wan Liying, Qin Yinghao, Wang Yi, Yang Xuelian, Liu Yang, Xing Jianyong, Chen Li, Wang Zhanggui, Zhang Tianyu, Liu Guimei, Yang Qinghua, Wu Xiangyu, Liu Qinyan, Wang Dongxiao. Development and Application of the Chinese Global Operational Oceanography Forecasting System. Advances in Earth Science, 2016, 31(10): 1090-1104  
Doi:10.11867/j.issn.1001-8166.2016.10.1090
Permissions
Copyright©2016, 地球科学进展 编辑部
中国全球业务化海洋学预报系统的发展和应用
王辉1,2, 万莉颖1,2, 秦英豪1*,*, 王毅1, 杨学联1, 刘洋1, 邢建勇1, 陈莉1, 王彰贵1, 仉天宇1, 刘桂梅1, 杨清华1, 吴湘玉1, 刘钦燕3, 王东晓3
1.国家海洋环境预报中心,北京 100081
2.国家海洋局海洋灾害预报技术研究重点实验室,国家海洋环境预报中心,北京 100081
3.热带海洋环境国家重点实验室,中国科学院南海海洋研究所,广东 广州 510301
*通信作者:秦英豪(1983-),男,河南焦作人,助理研究员,主要从事资料同化、数值模拟和海洋预报理论和方法研究.E-mail:qinyh@nmefc.gov.cn

作者简介:王辉(1962-),男,安徽濉溪人,研究员,主要从事海洋预报理论与方法、业务化海洋学和海洋动力学研究.E-mail:wangh@nmefc.gov.cn

基金:国家自然科学基金青年科学基金项目“热带太平洋三种增暖事件次表层海温演变特征及机理研究”(编号:41406042); 热带海洋环境国家重点实验室(中国科学院南海海洋研究所)开放课题项目“全球海洋资料同化系统在热带太平洋三种不同海水增暖事件中盐度变化特征分析”(编号:LTO1303)资助
摘要

中国全球业务化海洋学预报系统是国家海洋环境预报中心在国内首次构建的全球—大洋—近海3级嵌套的全球业务化海洋学预报系统体系,系统稳定高效业务运行,通过多种方式实时提供和发布全球多尺度多要素的海流、海浪、海温、海冰、海面风场等预报产品,实现了全球海域范围内从百公里级到公里级空间分辨率的一体化预报业务全覆盖。全球业务化海洋学预报系统从全球尺度、大洋尺度到中国周边海域包括8个子系统:全球海面风场数值预报子系统、全球海洋环流数值预报子系统、全球海浪数值预报子系统、全球潮汐潮流数值预报子系统、印度洋海域海洋环境数值预报子系统、极地海冰数值预报子系统、中国周边海域精细化海洋环境数值预报子系统、全球海洋环境预报业务化集成支撑子系统。该系统紧密结合我国经济社会发展和军事保障需求,在“雪龙号”极地遇险脱困预报保障、马航MH370失联飞机搜救预报保障、“蛟龙号”多次深潜海试预报保障、日本福岛“3.11”地震海啸核泄漏影响评估等重大事件的预报保障任务中发挥了至关重要的作用,为我国实施海洋强国战略,维护国家海洋权益、保障涉海安全生产、应对海上突发事件等提供有力的科技支撑。

关键词: 业务化海洋学; 全球海洋预报; 业务化应用; 三级嵌套; 资料同化
中图分类号:P732.4 文献标志码:A 文章编号:1001-8166(2016)10-1090-15
Development and Application of the Chinese Global Operational Oceanography Forecasting System
Wang Hui1,2, Wan Liying1,2, Qin Yinghao1,*, Wang Yi1, Yang Xuelian1, Liu Yang1, Xing Jianyong1, Chen Li1, Wang Zhanggui1, Zhang Tianyu1, Liu Guimei1, Yang Qinghua1, Wu Xiangyu1, Liu Qinyan3, Wang Dongxiao3
1.National Marine Environmental Forecasting Center,Beijing 100081, China
2.Key Laboratory of Research on Marine Hazards Forecasting, National Marine Environmental Forecasting Center, Beijing 100081, China
3.State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou 510301, China

First author:Wang Hui(1962-), male,Suixi City, Anhui Province, Professor. Research areas include ocean forecasting, operational oceanography and ocean dynamics.E-mail:wangh@nmefc.gov.cn

*Corresponding author:Qin Yinghao(1983-), male, Jiaozuo City, Henan Province,Associate professor. Research areas include data assimilation, numerical simulation and ocean forecasting.E-mail:qinyh@nmefc.gov.cn

Fund:Project supported by the National Natural Science Foundation of China “Spatial and temporal variability of sub-surface temperature in the three kinds of Pacific Ocean warming events and associated dynamic mechanisms”(No.41406042); The State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology Chinese Academy of Sciences “Salinity variability in the three kinds of Pacific Ocean warming events using a global ocean data assimilation system”(No.LTO1303)
Abstract

Chinese Global operational Oceanography Forecasting System (CGOFS) is configured in three levels of nested grids from global ocean, open ocean to offshore. This global operational oceanography forecasting system architecture is firstly bulit in China by the National Marine Environmental Forecasting Center (NMEFC). It has been put into operational forecasting at NMEFC, providing real-time forecasting of multi-scale ocean current, temperature, salinity, wave, sea surface wind, etc. All the ocean forecasting products are released in many ways and made available through the online, realizing full-range coverage in resolution from hundreds kilometer to several kilometer. The CGOFS includes 8 subsystems: global sea-surface wind numerical forecasting subsystem, global ocean circulation numerical forecasting subsystem, global ocean wave numerical forecasting subsystem, global tide and tidal current forecasting subsystem, Indian Ocean marine environment numerical forecasting subsystem, polar sea ice numerical forecasting subsystem, refined marine environment numerical forecasting for China’s surrounding waters,and integration management subsystem for operational support service of the CGOFS. Operational applications of the CGOFS are closely connected with China’s economic-social development and military security needs. For example, the CGOFS palys a crucial role in environmental forecasting for Chinese research vessel and icebreaker Xuelong, MH370 Searching, submersible “Jiaolong” exploration and nuclear contaminant transport from Fukushima Daiichi nuclear power plant, providing important scientific support for developing an ocean power, protecting national maritime rights, ensuring marine safety and coping with ocean problems in emergency.

Keyword: Operational oceanography; Global ocean forecasting; Operational application; Three-level nested-grid model; Data assimilation.
1 引言

海洋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、观测和资料同化等手段, 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、海冰等)进行分析、判断和预测[1]。业务化海洋学基于科学研究, 但并不完全等同于科学研究, 它在许多海洋文献中都有许多不同定义, 简单地说, 海洋科学研究是为了探索知识, 而业务化海洋学是为了服务社会[2]。欧洲全球海洋观测系统(EuroGOOS)将业务化海洋学定义为系统的、长期的海洋和大气观测行为, 及观测数据的快速释用和分发, 业务化海洋学提供的重要产品包括现报、预报以及后报[3]。Pinardi等[4, 5]阐述业务化海洋学是海洋科学的一个分支, 为基础研究和实际应用科学及时地提供日常海洋预报和模式数据(包括海洋化学和生物), 在相关海况变化或不可预测之前, 为用户提供决策依据。王辉[6]指出业务化海洋学是建立在海洋预报及其业务化应用基础上, 涵盖了观测系统、数据收集和处理、数值模式和同化、产品和服务保障等诸多领域, 通过“ 实时观测— 数值模拟— 数据同化— 业务应用” 等过程形成的一个完整链条。

国际上非常重视全球业务化海洋学预报系统的发展, 在持续10年(1998— 2008年)的“ 全球海洋资料同化试验” (Global Ocean Data Assimilation Experiment, GODAE)的支持下[7], 极大促进了海洋资料同化技术和海洋预报系统的发展。GODAE OceanView计划是继GODAE之后的协调和推动全球海洋业务化预报系统发展及合作的唯一国际组织, 通过国际合作和共同研究推动业务化海洋学的发展, 致力于推动和加强科研成果向业务化运行和实际应用的方向转化[8, 9]。现阶段以美国和欧洲国家为代表的海洋大国都已发展了全球或区域业务化海洋预报系统, 美国海军的全球海洋预报系统(GOFSv3.0)由全球1/12° 混合坐标海洋模式(HYbrid Coordinate Ocean Model, HYCOM)和耦合海洋资料同化系统(Navy Coupled Ocean Data Assimilation, NCODA)组成[10~12]。下一步将提高水平和垂直分辨率(水平1/25° , 垂直41层), 增加潮汐强迫, 将全球WAV-EWATCH-Ⅲ 模式和HYCOM/CICE耦合, 进一步与NAVGEM(Navy Global Environmental Model)做海气耦合, 形成海军第一代地球系统预报能力[13]。美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)实时海洋预报系统RTOFS(Real Time Ocean Forecast System)是NOAA基于HYCOM开发的第一个涡识别(1/12° )海洋预报系统[14, 15], 采用海军NCODA-3DVAR同化方法构建初始场[16, 17], 该全球系统从2011年开始业务化运行。RTOFS大西洋区域预报系统分辨率也为1/12° , 从2005年开始业务化运行。法国的Mercator Ocean全球海洋预报系统分辨率为1/12° , 由NEMO海洋模式和SAM2[18, 19]同化系统而组成[20~22]。通过MyOcean和MyOcean2项目的实施, Mercator Ocean预报系统将有很大的更新和改进, 包括观测误差的自适应调节和海冰密集度的同化等[23, 24]。除美国和法国之外, 其他国家研究机构或业务中心在近15年中也发展了全球高分辨率预报系统[25], 如英国基于NEMO模式构建的FOAM (Forecast Ocean Assimilation Model)全球海洋业务预报系统[26, 27], 在FOAMv12新代系统中已用新发展的三维变分同化方案NEMOVAR[28, 29]取代了旧版OCNASM[30]分析订正同化方案[31~33]。澳大利亚BLUElink海洋预报模式OFAM[34, 35], 最新版本OFAM3在之前的基础上得到了很大改进, 从亚澳地区分辨率1/10° 扩展到准全球涡分辨模式(75° S~75° N), 从单纯的海洋环流预报增加到生物地球化学的预报, 下一阶段可能发展全球海洋预报系统, 包括与北极海冰模式的耦合[36]。日本气象厅气象研究所海洋模式MRI.COM(Meteorological Research Institute Community Ocean Model)有全球(1° )、北太平洋(1/2° )以及西北太平洋(1/10° )3个区域预报系统, 采用变分同化MOVE[37~39] (Multivariate Ocean Variational Estimation)为其预报提供初始场。加拿大构建的CONCEPTS[40, 41] (Canadian Operational Network of Coupled Environmental Prediction Systems)、印度INDOFOS[42] (Indian Ocean Forecast System)、巴西区域大西洋预报系统REMO[43, 44] (Oceanographic Modeling and Observation Network )分别满足了各个国家海洋预报的迫切需求(表1)。

表1 国际全球和区域业务化海洋预报系统
Table 1 The global and regional operational oceanography forecasting system

在我国建立及时准确的全球海洋环境业务化数值预报系统是海洋强国战略建设的重要工作之一, 国家海洋环境预报中心(以下简称预报中心)在近10年中从海洋环流、海浪到海洋生态做了大量研究[45], 最初基于MOM4构建的全球海洋环流预报系统分辨率为1° , 在赤道地区加密到1/4° , 同化方案采用较为简单的经验方法— — 牛顿松弛逼近Nudging技术[31]。Wan等[46~48]利用HYCOM模式建立了北太平洋预报系统, 并通过集合最优同化方法同化海表温度和海表高度观测资料来获得预报初始场。热带太平洋气候监测系统基于中国科学院大气物理研究所海洋模式[49]而建立, 实时监测ENSO对我国气候的影响[50]。王毅等[51]将最优插值和海浪谱重构技术与SWAN海浪模式结合起来, 建立了西北太平洋海浪的最优插值同化预报系统, 为今后海浪数据同化在预报中心的业务化应用提供了依据。Wang等[52] 建立了三维物理— 生物耦合的生态模型, 对渤海海洋生态系统进行了模拟分析。Liu等[53, 54]和Chai等[55]基于ROMS物理模型和生物地球化学耦合模型, 探讨了中国南海和日本海海洋初级生产、营养盐的季节和年际变化。李燕等[56]初步开展了最优插值同化技术在预报中心渤海溢油应急预报系统风场订正的应用研究, 为如何进一步利用同化方法迅速快捷地提高搜救溢油应急预报精度提供了一定研究基础。从2011年开始, 在“ 十二五” 国家科技支撑计划项目的支持下, 预报中心对各个预报系统进行了重大更新和改进, 全球海洋环流预报系统分辨率提高到全球1/4° , 并引入三维变分同化方案[57~59], 实时同化多源观测资料, 即海表面温度、海表高度和Argo温盐廓线, 全面优化了全球海洋数值预报的初始场[60]; 同时, 海面风场和海浪预报系统的预报区域也由中国海扩展到全球, 与极地海冰数值预报系统、印度洋海洋环境预报系统和中国周边海域预报系统(精细化渤海、黄海、东海、南海以及西北太平洋预报系统)共同形成了预报中心一体化的全球业务化海洋学预报系统CGOFS(Chinese Global operational Oceanography Forecasting System)[61]。这是国内首次构建的全球— 大洋— 近海三级嵌套的全球业务化海洋学预报系统体系[62], 实现了多尺度(全球、大洋、极地、陆架海和近岸)、多要素(海面风场、海浪、海流、海温、盐度、潮汐潮流和海冰等)、集成化(资料融合、数据同化、模式运行、可视化、监控及产品分发为一体)的海洋环境数值预报业务化应用[63, 64]。

2 全球业务化海洋学预报系统

全球业务化海洋学预报系统(表2)在全球尺度上, 建立了全球海面风场、海浪、海洋环流、潮汐潮流数值模式和预报子系统; 在大洋尺度上, 建立了印度洋海域海洋环境数值预报子系统, 为印度洋海域护航提供海洋环境预报保障; 在南极和北极, 建立极地区域海冰— 海洋耦合模式, 改进海冰关键物理过程参数化方案, 建立具有自主运行能力的极地海冰数值预报子系统; 在中国周边海域, 建立了精细化的渤海、黄海、东海、南海以及西北太平洋的数值模式和预报子系统(区域子系统所覆盖的海区可参见图1); 在业务化运行方面, 建立了全球海洋环境数值预报业务化运行的集成支撑子系统, 实现了从资料接收、同化、模式运行到产品可视化及发布的安全、高效、稳定业务化运行(图2)。该系统从全球到区域均采用国际上先进的数值模式, 成功解决了各个子系统的动力过程设计、模式地形数据处理、外强迫处理、预报时效等关键科学问题。针对全球海洋环流数值预报子系统以及中国周边海域精细化海洋环境数值预报子系统, 研制了多时空尺度数据融合同化技术, 采用变分方法和集合最优同化方法, 开发了多源数据同化模块, 实现了对海表面温度、卫星高度计数据和Argo温盐剖面数据等“ 多源” 观测资料的协调同化, 显著提高了海洋温盐流业务化预报的水平和质量。在全球海浪数值预报子系统中首次融合了我国第一颗海洋环境动力卫星HY-2的高度计等遥感资料, 有效校正了数值模拟的初始场的准确性。极地海冰数值预报子系统采用客观分析和牛顿松弛逼近法(Nudging)等技术对SSMIS和AMSR2等卫星遥感海冰密集度和厚度数据进行融合分析, 并解决了海冰— 海洋预报系统的初始场适应性问题, 获得了较为客观的海冰— 海洋耦合数值预报初始场, 显著改进了极地海冰预报精度。全球业务化海洋学预报系统首次在国内实现了全球业务化海洋学预报和业务化应用, 每天对外提供120小时的海面风场、海浪、海流、海温、盐度、有效波高等预报产品, 为我国实施海洋强国战略, 维护国家海洋权益、保障涉海安全生产、加强海洋防灾减灾、应对海上突发事件等提供有力的科技支撑。

图1 全球业务化海洋学预报系统区域子系统海区覆盖图
红色实线为印度洋海洋环流数值预报子系统, 红色点线为印度洋海浪数值预报子系统, 黑色实线为西北太平洋海洋环流数值预报子系统, 黑色点线为西北太平洋海浪数值预报子系统, 绿色实线为中国近海海浪数值预报子系统, 青色实线为南海海洋环流数值预报子系统, 品红实线为渤、黄、东海海洋环流数值预报子系统Fig.1 Spatial domains for the regional forecasting systems of Chinese Global operational Oceanography Forecasting System
The red solid lines indicate Indian Ocean circulation numerical forecasting subsystem, red dotted lines indicate Indian Ocean wave numerical forecasting subsystem, black solid lines indicate Northwest Pacific Ocean circulation numerical forecasting subsystem, black dotted lines indicate Northwest wave numerical forecasting subsystem, green solid lines indicate China offshore wave numerical forecasting subsystem, cyan solid lines indicate South China Sea circulation numerical forecasting subsystem, magenta solid lines indicate Bohai Sea, Yellow Sea and East China Sea circulation numerical forecasting subsystem

2.1 全球海面风场数值预报子系统

全面引进了NCEP资料同化分析系统GSI[65, 66](Gridpoint Statistical Interpolation)和全球天气预报模型GSM[67] (Global Spectral Model), 成功进行了在预报中心内外网计算机平台上的移植、调试和运行试验; 开展了物理过程参数化的敏感性试验, 优选和改进了大气边界层物理参数化过程、表面参数化过程, 提高了海面风场以及其他海洋表面动力、热力通量的预报能力; 设计并实现了集资料下载、前处理、资料同化、模式预报、预报结果后处理、预报效果检验、产品分发及可视化处理于一体的业务预报流程, 建立了全球海面风场数值预报子系统, 并成功投入业务化运行。该预报系统是继中国气象局、国防科技大学之后的国内第三个实现业务化运行的全球大气数值预报系统, 是我国海洋预报领域第一个全球海面风场数值预报系统。

表2 中国全球业务化海洋学预报系统

图2 全球业务化海洋学预报系统框架流程图Fig.2 The flow chart of Chinese Global operational Oceanography Forecasting System

2.2 全球海洋环流数值预报子系统

引进了美国全球海洋环流模式MOM4[68], 并设计了多源资料收集整理、预报系统前处理、预报系统运行、预报结果后处理、产品可视化为一体的自动化流程, 建立了全球海洋环流预报子系统。收集整理了目前常用的底摩擦系数参数化方案, 根据选定关键区域的实际资料, 基于方差方法和动量平衡法对底拖曳系数进行定量比较, 为数值模式底摩擦的参数化方案提供了定量参考[69]。分析了不同海域的水文特征, 结合湍流相关研究成果, 对比不同湍封闭方案计算结果, 以数值模式计算效率等为主要参考, 优选出相应的湍封闭方案; 基于三维变分方法, 引入递归滤波技术, 改进同化系统中温盐的非线性约束关系, 开展能够同化温度、盐度和卫星高度计及其他卫星观测资料的数据同化技术, 显著提高了海洋温盐流业务化预报的水平和质量, 有效校正了数值模拟的初始场的准确性。

2.3 全球海浪数值预报子系统

引进了新一代海浪预报模式NWW3最新版本, 优化了关键物理过程的相关参数, 合理设计了业务流程, 建立了全球海浪数值预报子系统。在海浪初始场改进方面, 利用海浪经验统计规律(风浪成长规律、涌浪传播规律)和水平一致性标准对卫星观测数据进行质量控制, 合理确定模式背景场误差和观测误差, 基于最优插值方法开发了高效的海浪同化模式, 改进了全球海浪预报提供初始场; 在海浪物理过程参数化方面, 针对涌浪模拟进行了有益的尝试, 结合海浪模式并利用改进的涌浪耗散源函数和参数配置[70], 改善了在大洋中部涌浪模拟误差偏大的问题[71]。

2.4 全球潮汐潮流数值预报子系统

整理并分析了全球水深、岸界数据, 建立了一套全球高分辨率的基础地形数据。基于全球无结构三角形计算网格[72], 建立了全球潮汐潮流数值预报子系统。进行了各种数值实验使得网格系统合理、高效, 解决了模型北极点的模拟技术; 进行了全球海洋正压潮汐模拟, 检验模式的可靠性, 并进行了初步诊断。基于调和常数, 开展了网格点潮汐潮流预报, 并实时制作了预报产品, 实现了预报系统的业务化运行。

2.5 印度洋海域海洋环境数值预报子系统

基于全球海洋数值预报提供的外强迫条件, 采用海浪模式NWW3, 开展风浪涌浪等机制研究, 建立了印度洋海域海浪数值预报分系统; 建立了先进、易用、高集成化的综合显示分析支撑系统。该子系统已成功投入业务化运行, 是我国首个业务化运行的印度洋海域海洋环境数值预报系统。

在亚丁湾海域首次成功布放了10个Argo浮标, 实时获取研究海区0~2 000 m水深范围内的温盐度和表、中层漂移轨迹资料, 经质量控制后用于模式预报结果的现场验证; 同时还成功收集了研究期间由其他Argo成员国布放在该海区的全部Argo浮标观测资料, 制作了2004— 2012年全球海洋温盐度网格化数据产品[73], 并纳入全球预报系统。

2.6 极地海冰数值预报子系统

引进国际先进的海冰— 海洋耦合模式, 完成了南北极区域计算设置、气候态模拟和后报试验, 改进了海冰反照率参数方案, 设计并实现了集资料下载、前处理、初始化、模式预报、预报结果后处理、产品可视化处理于一体的业务预报流程, 建立了我国首个极地海冰数值预报子系统。收集整理了国际上共享的海冰数据资料, 开展了SSM/I, SSMIS, AMSR2, SMOS等不同数据源的海冰密集度和厚度资料融合同化[74, 75]以及海冰— 海洋耦合预报系统的初始化技术研究, 初步解决了海冰— 海洋初始场适应性和协调性问题, 显著改进了海冰预报结果[76]; 测试评估了目前国际上常用的海冰反照率参数化方案, 并独立发展了一个考虑云量和天气影响的方案, 改进了反照率估算结果[77]; 进行了NCEP GFS和Polar WRF, UKMO等不同大气强迫场的敏感性试验研究[78, 79], 实现了极地中尺度大气预报模式与冰— 海耦合预报模式单向连接。该子系统是我国首次建立的具有自主业务化运行能力并投入实际应用的极地海冰数值预报系统, 并在我国多次南极和北极科考海冰预报保障中得到成功应用。

2.7 中国周边海域(渤海、黄海、东海、南海和西北太平洋)精细化海洋环境数值预报子系统

分析整理了中国周边海域的高分辨率海洋观测及再分析资料, 基于区域海洋模式ROMS, 建立了中国周边海域精细化海洋环境数值预报子系统。基于EnOI同化方法, 建立了适应于中国周边海域精细化预报的卫星高度计和海表温度的融合同化模块[80]; 对于区域模式的开边界, 增加了潮汐强迫, 考虑了M2, S2, N2, K2, K1, P1, O1, Q1等主要分潮的共同作用, 同时也考虑了长江、珠江、湄公河等主要径流的影响[81]。中国周边海域精细化海洋环境数值预报子系统的业务化运行, 成功实现了包括海洋同化数据的收集及预处理、预报系统运行、预报数据后处理及预报产品可视化等一体的自动化流程。

2.8 全球海洋环境预报业务化集成支撑子系统

为提升全球海洋环境数值预报业务化的整体运行效率和易用性, 采用接口调用的方式实现了数据库系统、可视化系统、监控系统等的集成运行, 建立了全球海洋环境预报业务化集成支撑子系统。该子系统包括全球海洋数值预报数据库、全球海洋数值预报可视化分系统、全球海洋数值预报监控分系统, 在全球电传系统资料和产品可视化显示方面取得3项计算机软件著作权登记证书, 即全球电传资料可视化平台(登记号2013SR118098)、基于粒子系统的流场动态可视化系统(登记号2011SR096589)、三维温盐流场时空可视化系统(登记号2011SR095183)。全球海洋数值预报数据库通过整合多源海洋实时观测数据、遥感数据、基础地理数据, 为业务化预报、数据同化提供了标准化数据源, 同时也为预报结果检验和产品制作提供数据服务; 全球海洋数值预报可视化分系统通过多种展现技术提高数值预报产品的视觉信息量, 如考虑了流场结构特征的初始质点源布置策略, 建立了一种具有更宽泛步长调整适用度的自适应步长流线构造算法(图3), 提高了流线构造效率, 改善了可视化效果[82]。通过综合分析各类数值预报产品的特点, 分别构建了球体和立方体三维地理环境, 以时空四维的方式进行产品可视化; 全球海洋数值预报监控分系统实现了对业务化数值计算流程的动态监控, 提供数值计算系统异常报警功能。

图3 全球海洋流场流线可视化效果对比[82]Fig.3 Comparison of global marine fluid flow streamline visualization[82]

3 业务化应用

全球业务化海洋学预报系统实现了业务化稳定运行, 紧密结合我国经济社会发展和军事保障需求, 每日提供全球大洋到中国近海区域的多要素预报产品以及诊断分析产品, 预报时效达到120小时, 空间分辨率最高可达到公里级, 应用范围包括大洋航线、大洋渔业、海洋工程、深远海资源开发、海上军事行动、海上搜救、极地科考等领域, 尤其在“ 雪龙” 号极地科考船遇险脱困预报保障、马航MH370失联飞机搜救预报保障、“ 蛟龙” 号1 000~7 000 m多次深潜海试预报保障、“ 亚丁湾护航” 的多年预报保障、日本福岛“ 311” 地震海啸核泄漏影响评估工作、西沙珊瑚岛渔船失事的人员搜救保障等重要事件的预报保障任务中发挥了至关重要的作用, 以实际行动践行诠释了“ 及时、准确、开拓、奉献” 的预报精神。

3.1 “ 雪龙” 号极地冰区脱困和极地科考预报保障

2013年12月25日, “ 雪龙” 号收到俄罗斯“ 绍卡利斯基院士” 号船最高等级求救电报后, 改变原定赴罗斯海新建站址考察任务, 赶往俄罗斯船被困海域进行救援。2014年1月3日凌晨, “ 雪龙” 号完成救援任务, 准备撤离时, 发现周围海冰异常密实且厚度超出其破冰能力, 随即紧急求助于国内有关力量。“ 雪龙” 号船受阻后, 党中央、国务院高度重视。习近平主席立即作出重要指示, 要求各有关方面协调配合, 指导帮助“ 雪龙” 号脱困。李克强总理作出批示, 希望科考队沉着冷静应对, 务必在确保安全的前提下, 等待有利时机, 积极稳妥设法突破海冰围困。2014年1月3日国家海洋环境预报中心收悉有关情况, 立即启动应急预案, 利用全球业务化海洋学预报系统提供的全球风场、潮汐潮流、环流及海冰等数值预报产品, 对“ 雪龙” 号附近海域海洋、海冰、气象情况和未来变化的趋势进行预测分析, 并结合卫星遥感图像、现场观测资料等做出综合判断, 提前3天准确预测出:1月6日开始可能有一次天气和海冰变化过程, 有望为“ 雪龙” 号船脱困带来有利条件; 提出“ 雪龙” 号可自行脱困的时间窗口:1月6~8日; 同时建议出“ 雪龙” 号的最佳脱困路线:向北破冰突围, 并择机向东进入当年冰区(图4)。

图4 极地大气数值预报系统对“ 雪龙” 号所在位置风向风速的预报示意图[83]Fig.4 Wind tendency to the location of the R/V Xuelong from PWNFS[83]

准确、及时的预报产品最终成功协助“ 雪龙” 号顺利脱困, 及时掌握“ 雪龙” 号周边的冰情变化, 以及给出准确的天气形势判断和预报, 是此次“ 雪龙” 号顺利脱困的关键[83], 该项出色的“ 雪龙” 号脱困及其预报保障工作, 已被国内外电视、广播、报纸、网站、手机等媒体广泛报导。全球业务化海洋学预报系统为“ 雪龙” 号成功脱困提供了重要的科学参考依据, 最终确保了“ 雪龙” 号的安全, 打赢了这场南极极端环境的应急预报保障攻坚战。此外, 极地海冰数值预报子系统在我国第30次南极科考和第6次北极科考海冰服务中进行了成功的预报应用试验, 为“ 雪龙” 号冰区航线和浮冰作业站点选取、严重冰区脱困和科考计划制定提供了及时有效的科学参考, 为科考队安全、顺利完成第30次南极和第6次北极科学考察任务提供了强有力的保障。

3.2 马航MH370失联飞机搜救预报保障

2014年马航MH370失联航班的搜救保障工作按照披露信息和搜索海域的不同分为3个阶段, 在每个阶段的搜救预报保障过程中, 全球业务化海洋学预报系统都发挥了重要的预报支撑和保障作用, 其一是利用相关区域的海面风场、潮流、环流等模式根据飞机疑似失事位置计算飞机残骸的可能漂移位置; 其二是利用该预报系统实时为参加搜救的有关舰船提供海面风场、海浪等航行预报保障。此次应急搜救过程创造了国家海洋环境预报中心单次应急天数新纪录, 共发布搜救应急预报66期, 预报中心预报人员与央视进行直播连线46次, 有力支持了前方搜救工作的有序开展(http:∥tv.cntv.cn/video/C10616/)。

在航班失联应急工作初期, 根据客机疑似失联位置信息重点对泰国湾区域进行位置漂移预报, 国家海洋环境预报中心迅速利用中国周边海域(南中国海区域)精细化海洋环境数值预报子系统开展相关预报信息服务。随着新信息不断披露, 搜救范围也扩大至马六甲海峡、孟加拉湾、安达曼海等, 搜救工作转至第二阶段, 国家海洋环境预报中心随即采用了印度洋海域海洋环境数值预报子系统。自失联飞机的重点关注范围转至南印度洋的第三阶段, 预报中心又采用了全球海面风场和全球海洋环流、海浪数值预报子系统提供海浪、海温、海流、风场等多要素数值预报产品, 为关注海域提供失事漂移路径、搜救范围和海洋环境预报保障服务, 为现场搜救提供科学支撑[84]。正是基于全球业务化海洋学预报系统稳定、可靠的业务化运行, 才能在马航失联客机搜寻工作的3个阶段, 都能够及时为海上搜索提供有力的预报保障, 同时为失联飞机的搜救溯源提供产品数据, 为应急工作小组决策提供预报服务。

2014年12月28日, 载有162名乘客和机组人员的亚航QZ8501次航班在印尼爪哇海海域失事。空难发生后, 我国政府从国际人道主义出发, 派遣“ 南海救101” 轮前往客机失事海域协助印尼方面开展客机残骸搜寻工作。国家海洋环境预报中心在第一时间利用全球业务化海洋学预报系统提供了相关海域的水文和气象数值预报产品, 以及搜救溯源信息, 为救助船舶安全顺利开展水面搜寻、水下扫测和潜水作业提供了重要的基础保障。

3.3 “ 蛟龙” 号深潜海试预报保障

“ 蛟龙” 号海试对海面风场、海浪、海流剖面等都有严格的要求, 深潜的时间窗口控制难度非常大, 尤其是随着深潜海试的深度不断增加, 从试验性深潜到应用性深潜, 对海面风场和海浪的预报要求也更为苛刻, 海流剖面预报的难度也在逐渐增大, 每次深潜的预报过程都面临着新的严峻挑战, 全球业务化海洋学预报系统每次都及时、出色地完成了提供精准数值预报产品的任务。

在“ 蛟龙” 号载人潜水器2012年6月马里亚纳海沟的试验性航次中, 最大下潜深度达到7 062 m, 海流剖面的保障深度则为0~8 000 m, 海流剖面数值预报结果即完全源自于中国周边海域垂直约50层的精细化数值预报子系统, 通过潜航员对海流数值预报产品的使用反馈, 以及与船载海流观测数据的对比分析, 可知该海流数值预报产品具有较高的准确性, 为“ 蛟龙” 号的安全、科学下潜提供了重要保障。在“ 蛟龙” 号试验性应用2013年航次(大洋31航次)预报保障任务中, 基于已业务化的全球业务化海洋学预报系统数值产品进行二次开发, 多次为在东北太平洋中国多金属结核区和西北太平洋富钴结壳区进行的“ 蛟龙” 号科学调查深潜提供下潜作业点的海流数值预报产品。8月4~20日, 发布东北太平洋多金属结核区西区详细勘探区内下潜作业点0~5 500 m共25层的海流剖面和时间序列预报产品, 保障“ 蛟龙” 号在该区域成功进行6次下潜调查作业; 9月6~15日, 发布了西北太平洋富钴结壳区MA海山区域附近下潜作业点0~3 000 m共12层的海流剖面和时间序列预报产品, 成功保障“ 蛟龙” 号在该区域的5次下潜作业及多种调查采样任务。

3.4 印度洋护航预报保障

全球业务化海洋学预报系统(全球海洋环流数值预报子系统和印度洋海域海洋预报子系统)在亚丁湾军事护航海洋环境保障行动中, 多年来为军方实时提供航行安全和护航安全所需的天气状况、海浪、海温、海流和潮汐预报等海洋和气象要素[85]。截至2016年8月4日, 已发布亚丁湾海域《海洋环境保障信息》2 778期。

印度洋护航预报保障的特点主要有:针对印度洋军事护航区域的气候特点, 进行了区域划分, 实现了分区预报保障。开创性地提供了大洋的温跃层深度、密度和盐度要素预报。根据护航海域环境和舰船特点, 开展航行区域、航向、航速等预报保障。在国内首次开展业务化的印度洋重点区域热带风暴预报保障, 每日监控亚丁湾及阿拉伯海海域热带暴风的生成及发展情况, 适时提供《亚丁湾及索马里海域热带警报》。早在2010年, 北印度洋第2号热带风暴BANDU首次进入预报区域, 这也是近10年来首个在亚丁湾海域生成的热带风暴, 通过试运行的印度洋风场和浪场等数值模式提供了热带风暴的位置、强度、移向和浪高等海洋环境预报信息, 发送至交通部和军方有关部门。

3.5 日本“ 311” 地震海啸核泄漏影响评估服务

2011年3月11日日本福岛地震海啸引发海洋核泄漏事故, 在日本福岛及我国周边近岸海域的放射性污染物漂移扩散的分析评估, 以及北太平洋海域的中长期输运影响评估服务中, 全球海洋环境预报模式系统及中国周边海域精细化海洋环流预报模式系统首次实现了我国对日本福岛核事故放射性污染物漂移扩散的业务化定量评估和预测(图5)[86], 使我国在面对放射性污染物的潜在风险时有了科学、及时、有效的预警工具。

图5 铯-137表层浓度的模式预测[86]
(a)第二年, (b)第8年Fig.5 Model predictions of Cs-137 surface concentration[86]
(a) 2nd year; (b) 8th year

3.6 海上应急搜救预报保障

全球业务化海洋学预报系统应用于2013年9月29日下午“ 929” 西沙群岛搜救应急预报中, 受第21号强台风“ 蝴蝶” 影响, 5艘渔船在西沙珊瑚岛海域遇险, 基于数值预报产品先后制作和发布了18份海上搜救应急预报产品, 包括失事人员及救生筏漂移轨迹、搜救范围及相关海域环境, 为前线提供搜寻范围预报, 预报结果在搜救行动中得到了高度认可, 体现出中国周边海域精细化海洋环境数值预报子系统具有较高的准确性。

3.7 大洋航线预报保障

全球业务化海洋学预报系统每天发布的数值预报产品经过释用后, 提供给有关大洋运输的商船和远洋作业的渔船, 在保障我国大洋航线和远洋作业方面发挥了重要的作用。同时, 在近年来执行我国第5次、第6次北极科学考察和第30次、第31次南极科学考察的随船预报保障任务, 以及“ 向阳红09” 船在执行大洋31航次、35航次的随船预报保障任务中, 利用全球海面风场数值预报子系统和全球海浪数值预报子系统, 多次为“ 雪龙” 号穿越西风带、“ 向阳红09” 船躲避热带气旋提供重要保障, 在船舶安全航行, 以及制定调查计划、开展调查任务等方面提供了重要的科学辅助决策信息。

3.8 大洋渔业生产保障

全球业务化海洋学预报系统为全球7个大洋渔场提供环境数值预报保障, 分别是西北太平洋柔鱼区、中西太平洋金枪鱼围网区、中东太平洋大眼金枪鱼区、印度洋大金枪鱼区、东南太平洋竹荚鱼区、中西大西洋大眼金枪鱼区和西南大西洋阿根廷滑柔鱼区。该系统产生的全球大洋渔场数值预报产品每天通过国家海洋环境预报中心官方网页实时发布, 并提供给有关渔业部门, 主要包括渔场所在海域的温度、盐度、海流、海浪、海面风场等预报产品, 为渔业资源部门分析潜在渔场精确位置, 以及渔船进行远洋作业提供安全生产方面的预报保障。

4 展 望

全球业务化海洋学预报系统及其业务化应用是我国海洋预报系统全面进步的重要里程碑, 海洋环境预报实现了由传统以人工分析为主的经验预报, 向以数值预报为核心、人工分析和经验预报等多种方法综合应用的预报的变革。该系统是国内首次构建的覆盖全球大洋到中国海的综合性业务化海洋学预报系统, 在框架结构上采取了国际主流的全球向区域再到近海逐步精细化、降尺度的方式, 预报区域既涵盖全球大洋, 又在对我国有重要价值的印度洋、西北太平洋海域实现了较高分辨率, 同时在渤黄东海和南海区域实现了精细化网格, 极大地促进了我国海洋预报科技水平的进步, 为我国维护国家海洋权益、促进海洋经济发展、应对海上突发事件、加强海洋防灾减灾提供有力保障。

现阶段我国全球海洋环境预报保障工作已取得重大进展, 但与美国、法国等海洋大国相比, 全球海洋环境预报技术和精度等方面还都有一定的差距, 未来海洋预报任重而道远。纵观我国全球业务化海洋学预报系统的发展现状, 未来发展趋势主要有以下几个方面:

4.1 全球高分辨海洋环境数值预报系统

在海洋动力环境数值模式技术中, 高分辨率是海洋数值模式发展的趋势之一。高分辨率海洋模式能够模拟预报海洋锋面、海洋涡旋等海洋中小尺度过程, 这些中尺度涡旋在海洋环流中具有重要的作用, 通常海洋环流模式的水平分辨率至少要达到10 km才能比较有效地分辨出中尺度涡旋的基本特征, 即被称为“ 涡分辨海洋模式 (eddy-resolving model)” [87, 88]。以欧洲、美国数值预报为代表, 分别建立了水平分辨率10 km级的覆盖全球海洋动力环境数值预报系统。高分辨率高精度海洋模式既能满足我国社会需求, 也十分切合国际海洋预报领域的发展前沿。随着国家“ 建设海洋强国” 和“ 21世纪海上丝绸之路” 的战略部署, 大力发展全球高分辨率、高精度的海洋预报系统已经刻不容缓, 因此国家海洋环境预报中心将会加快涡分辨率海洋环流模式的研发和应用, 跟上国际发展趋势, 提高拓展海洋环境预报保障能力, 以满足国家更高的需求。

4.2 分辨中尺度过程的全球高分辨率海洋资料同化技术

海洋资料同化可以将多源观测场信息和海洋数值模拟背景场信息有效结合起来, 给定某时刻海洋状态的最优估计, 为海洋预报提供初始条件, 通过减少初值的不确定性来改进预报效果[89]。因此, 海洋资料同化是提高海洋环境预报能力的重要保障。海洋中尺度现象是强烈的海洋信号, 对海洋安全保障极为重要[90], 能分辨中尺度过程的全球高分辨率同化技术与数值预报是发达国家争抢海洋安全保障的制高点, 数值预报水平的提高严重依赖于初始条件的准确性和模式的完善性[91], 能分辨中尺度过程的全球高分辨率海洋资料同化技术必是未来海洋数值预报发展的趋势。将大尺度全球海洋资料同化技术推进到能分辨中尺度过程的全球高分辨率预报系统, 不是简单的代码更改或者线性差值, 资料同化作为改善数值预报的重要技术手段, 在多时空尺度观测资料有效融合技术问题、数值模式多尺度特征在同化中的表征技术问题、同化算法的高效计算问题以及不同海洋状态变量之间平衡关系的同化技术方面必然遇到一系列的科学和技术上的新挑战。

4.3 海洋混合物理过程参数化

海洋混合过程参数化是决定海洋模式性能的关键, 随着观测、理论和数值方法的发展以及硬件条件的提高, 对于海洋数值模拟越来越精细化, 海洋中小尺度过程如中尺度涡旋、内波等过程的参数化受到人们的关注[92]。海洋上层混合的参数化, 必须考虑海风搅拌驱动的混合、不稳定浮力强迫、流切变不稳定、湍流平流、非局地混合[93], 如海浪极其破碎过程产生的混合、锋面不稳定产生的侧向混合以及风驱动产生的温跃层近惯性混合。针对海洋表层及上层的海洋热动力现象, 我们需要考虑波浪破碎、波— 湍相互作用、风生近惯性震荡以及海洋锋面不稳定等动力过程, 阐明其质量动量、能量等交换过程中的作用, 改进海洋上层混合参数化方案。海洋内部温盐等属性沿位密面的传输主要通过大尺度洋流和中尺度涡来实现, 而海洋内部跨密度混合发生在重力内波破碎区域[94]。海洋内潮、近惯性内波等如何影响海洋内部混合, 研究海洋中尺度能量传递过程与机制, 分析海洋内波和中尺度涡在海洋能量系统中的串级作用和混合效应, 以发展适合全球高分辨率模式的海洋内部混合参数化方案。

4.4 全球高分辨率天气尺度海气耦合数值预报系统

大气海洋是自然统一的系统, 而单独海洋模式缺少海气相互作用, 在动力和热力上存在不协调性。欧洲、美国、日本等发展的海气耦合系统主要用于气候预测等研究, 而天气尺度的高分辨率海气耦合(无缝)预报系统是数值预报的新方向, 高分辨的全球大气— 海洋耦合数值预报也是未来发展趋势。耦合模式从建立到完善, 分为数学理论推导、物理参数化方案选择、耦合方案构建、数值模拟与检验分析等步骤[95]。基于短期天气预报尺度的全球天气预报模式、高分辨率海洋环流模式、海浪模式分量模式, 构建高分辨海洋、海浪和大气分量模式高效耦合方案, 借助于自动计算负载均衡优化技术, 大幅提升耦合模式计算性能, 建立包含海流— 大气— 海浪分量模式的全球高分辨率海气耦合数值预报模式系统, 促进国内全球高分辨率海洋动力环境数值预报技术进一步拓展, 接轨国际海洋强国数值预报发展方向。

The authors have declared that no competing interests exist.

参考文献
[1] Schiller A, Brasssington G B. Operational Oceanography in the 21st Century[M]. Netherland : Springer, 2011. [本文引用:1]
[2] Intergovernmental Oceanographic Commission (IOC), United Nations Educational, Scientific and Cultural Organization(UNESCO). Technical Report on Scoping of Operational Oceanography[R]. IOC/INF-1291 Paris, 2012. [本文引用:1]
[3] Woods J D, Dahlin H, Droppert L, et al. The Strategy for EuroGOOS[R]. EuroGOOS publication No. 1, Southampton Oceanography Centre, ISBN 0-904175-22-7, Southampton, 1996. [本文引用:1]
[4] Pinardi N, Woods J. Ocean Forecasting: Conceptual Basis and Applications[M]. Berlin: Springer Verlag, 2002. [本文引用:1]
[5] Pinardi N, Coppini G. Preface “Operational oceanography in the Mediterranean Sea: The second stage of development”[J]. Ocean Science, 2010, 6(1): 263-267. [本文引用:1]
[6] Wang Hui. Scientific Frontier for Ocean Forecasting and Operational Oceanography[R]. Beijing: The 459th Xiangshan Science Conferences (XSSC), 2013.
[王辉. 全球海洋预报前沿和业务化海洋学[R]. 北京: 第459次香山科学会议, 2013. ] [本文引用:1]
[7] Bell M J, Lefèbvre M, Le Traon P Y, et al. GODAE: The global ocean data assimilation experiment[J]. Oceanography, 2009, 22(3): 14-21. [本文引用:1]
[8] Bell M J, Schiller A, Le Traon P Y, et al. An introduction to GODAE OceanView[J]. Journal of Operational Oceanography, 2015, 8(Suppl. 1): 2-11. [本文引用:1]
[9] Martin M J, Balmaseda M, Bertino L, et al. Status and future of data assimilation in operational oceanography[J]. Journal of Operational Oceanography, 2015, 8(Suppl. 1): 28-48. [本文引用:1]
[10] Metzger E J, Smedstad O M, Thoppil P, et al. Validation Test Report for the Global Ocean Prediction System V3. 0-1/12° HYCOM/NCODA: Phase I[R]. NRL Memo. Report, NRL/MR/7320-08-9148, 2008. [本文引用:1]
[11] Metzger E J, Smedstad O M, Thoppil P, et al. Validation Test Report for the Global Ocean Forecast System V3. 0-1/12o HYCOM/NCODA: Phase II[R]. NRL Memo. Report, NRL/MR/7320-10-9236, 2010. [本文引用:1]
[12] Metzger E J, Smedstad O M, Thoppil P G, et al. US navy operational global ocean and Arctic ice prediction systems[J]. Oceanography, 2014, 27(3): 32-43. [本文引用:1]
[13] Zhu Yaping, Cheng Zhoujie, He Xiyu. Overview of US naval operational ocean forecasting system[J]. Marine Forecasts, 2015, 32(5): 98-105.
[朱亚平, 程周杰, 何锡玉. 美国海军海洋业务预报纵览[J]. 海洋预报, 2015, 32(5): 98-105. ] [本文引用:1]
[14] Divakaran P, Brassington G B, Ryan A G, et al. GODAE OceanView inter-comparison for the Australian region[J]. Journal of Operational Oceanography, 2015, 8(Suppl. 1): s112-s126. [本文引用:1]
[15] Mehra A, Rivin I. A real time ocean forecast system for the north Atlantic Ocean[J]. Terrestrial, Atmospheric and Oceanic Sciences, 2010, 21(1): 211-228. [本文引用:1]
[16] Cummings J A. Operational multivariate ocean data assimilation[J]. Quarterly Journal of the Royal Meteorological Society, 2005, 131(613): 3 583-3 604. [本文引用:1]
[17] Cummings J A, Smedstad O M. Variational data assimilation for the global ocean[M]∥Park S K, Xu L, eds. Data Assimilation for Atmospheric, Oceanic & Hydrologic Applications (Vol. II) . Berlin Heidelberg: Springer, 2013: 303-343. [本文引用:1]
[18] Tranchant B, Testut C E, Ferry N, et al. SAM2: The second generation of Mercator assimilation system[C]∥Proceeding of the 4th international Conference on EUROGOOS. Brest, 2005: 650-655. [本文引用:1]
[19] Brasseur P, Bahurel P, Bertino L, et al. Data assimilation in operational ocean forecasting systems: The MERCATOR and MERSEA developments[J]. Quarterly Journal of the Royal Meteorological Society, 2005, 131(613): 3 561-3 582. [本文引用:1]
[20] Tranchant B, Testut C E, Bourdallé-Badie R, et al. The global 1/12°Mercator Ocean forecasting system: Scientific design and first results[R]∥GODAE Final Symposium 2008. Nice, France: GODAE Prject office, 2008. [本文引用:1]
[21] Ferry N, Parent L, Garric G, et al. Mercator Global Eddy Permitting Ocean Reanalysis GLORYS1V1: Description and Results[R]. Mercator Ocean Quarterly Newsletter #36, 2010. [本文引用:1]
[22] Parent L, Ferry N, Barnier B, et al. GLOBAL Eddy-Permitting Ocean Reanalyses and Simulations of the Period 1992 to Present[R]. Technical Report, Mercator Ocean, 2013. [本文引用:1]
[23] Lellouche J M, Le Galloudec O, Drévillon M, et al. Evaluation of global monitoring and forecasting systems at Mercator Océan[J]. Ocean Science, 2013, 9(1): 57-81. [本文引用:1]
[24] Lellouche J M, Legalloudec O, Bourdallé-Badie R, et al. The Global Mercator Ocean Analysis and Forecasting High Resolution System and Its Main Future Updates[R]. Vienna, Austria: European Geosciences Union General Assembly, 2015. [本文引用:1]
[25] Dombrowsky E, Bertino L, Brassington G B, et al. GODAE systems in operations[J]. Oceanography, 2009, 22(3): 80-95. [本文引用:1]
[26] Bell M J, Forbes R M, Hines A. Assessment of the FOAM global data assimilation system for real-time operational ocean forecasting[J]. Journal of Marine Systems, 2000, 25(1): 1-22. [本文引用:1]
[27] Blockley E W, Martin M J, McLaren A J, et al. Recent development of the Met Office operational ocean forecasting system: An overview and assessment of the new Global FOAM forecasts[J]. Geoscientific Model Development, 2014, 7(6): 2 613-2 638. [本文引用:1]
[28] Mogensen K S, Balmaseda M A, Weaver A, et al. A variational data assimilation system for the NEMO ocean model[J]. ECMWF Newsletter, 2009, 20: 17-22. [本文引用:1]
[29] Mogensen K S, Balmaseda M A, Weaver A. The NEMOVAR Ocean Data Assimilation System as Implemented in the ECMWF Ocean Analysis for System 4[Z]. ECMWF Technical Memorand um, 2012. [本文引用:1]
[30] Martin M J, Hines A, Bell M J. Data assimilation in the FOAM operational short-range ocean forecasting system: A description of the scheme and its impact[J]. Quarterly Journal of the Royal Meteorological Society, 2007, 133(625): 59-89. [本文引用:1]
[31] Waters J, Lea D J, Martin M J, et al. Describing the Development of the New Foam-nemovar System in the Global 1/4 Degree Configuration[R]. Technical Report 578, Met Office, 2013. [本文引用:2]
[32] Waters J, Lea D J, Martin M J, et al. Implementing a variational data assimilation system in an operational 1/4 degree global ocean model[J]. Quarterly Journal of the Royal Meteorological Society, 2014, 141(687): 333-334 [本文引用:1]
[33] Blockley E W, Coauthors. Recent development of the Met Office operational ocean forecasting system: An overview and assessment of the new Global FOAM forecasts[J]. Geoscientific Model Development, 2013, 6(7): 6 219-6 278. [本文引用:1]
[34] Brassington G B, Pugh T, Spillman C, et al. BLUElink> development of operational oceanography and servicing in Australia[J]. Journal of Research and Practice in Information Technology, 2007, 39(2): 151-164. [本文引用:1]
[35] Oke P R, Brassington G B, Griffin D A, et al. The Bluelink Ocean Data Assimilation System (BODAS)[J]. Ocean Modelling, 2008, 21(1): 46-70. [本文引用:1]
[36] Oke P R, Griffin D A, Schiller A, et al. Evaluation of a near-global eddy-resolving ocean model[J]. Geoscientific Model Development, 2013, 6(3): 591-615. [本文引用:1]
[37] Usui N, Ishizaki S, Fujii Y, et al. Meteorological research institute Multivariate Ocean Variational Estimation (MOVE) system: Some early results[J]. Advances in Space Research, 2006, 37(4): 806-822. [本文引用:1]
[38] Toyoda T, Fujii Y, Yasuda T, et al. Improved analysis of seasonal-interannual fields using a global ocean data assimilation system[J]. Theoretical and Applied Mechanics Japan, 2013, 61: 31-48, doi: DOI:10.11345/inctam.61.31. [本文引用:1]
[39] Toyoda T, Fujii Y, Yasuda T, et al. Data assimilation of sea ice concentration into a global ocean-sea ice model with corrections for atmospheric forcing and ocean temperature fields[J]. Journal of Oceanography, 2016, 72(2): 235-262. [本文引用:1]
[40] Dupont F, Chittibabu P, Fortin V, et al. Assessment of a NEMO-based hydrodynamic modelling system for the Great Lakes[J]. Water Quality Research Journal of Canada, 2012, 47(3/4): 198-214. [本文引用:1]
[41] Dupont F, Higginson S, Bourdallé-Badie R, et al. A high-resolution ocean and sea-ice modelling system for the Arctic and North Atlantic oceans[J]. Geoscientific Model Development, 2015, 8(5): 1 577-1 594. [本文引用:1]
[42] Francis P A, Vinayachand ran P N, Shenoi S S C. The Indian ocean forecast system[J]. Current Science, 2013, 104(10): 1 354-1 368. [本文引用:1]
[43] Lima J A M, Martins R P, Tanajura C A S, et al. Design and implementation of the Oceanographic Modeling and Observation Network (REMO) for operational oceanography and ocean forecasting[J]. Revista Brasileira de Geofisica, 2013, 31(2): 209-228. [本文引用:1]
[44] Clemente A S T, Alex N S, Davi M, et al. The REMO ocean data assimilation system into HYCOM (RODAS_H): General description and preliminary results[J]. Atmospheric and Oceanic Science Letters, 2014, 7(5): 464-470. [本文引用:1]
[45] Wang H. Recent progress in operational oceanography in the National Marine Environment Forecasting Centre of China[R]∥ 3rd Meeting of the GODAE OceanView Science Team. Paris, France, 2011. [本文引用:1]
[46] Wan L, Zhu J, Bertino L, et al. Initial ensemble generation and validation for ocean data assimilation using HYCOM in the Pacific[J]. Ocean Dynamics, 2008, 58(2): 81-99. [本文引用:1]
[47] Wan L, Zhu J, Wang H, et al. A “Dressed” ensemble Kalman filter using the hybrid coordinate ocean model in the Pacific[J]. Advances in Atmospheric Sciences, 2009, 26(5): 1 042-1 052. [本文引用:1]
[48] Wan L, Bertino L, Zhu J. Assimilating altimetry data into a HYCOM model of the Pacific: Ensemble optimal interpolation versus Ensemble Kalman Filter[J]. Journal of Atmospheric and Oceanic Technology, 2010, 27(4): 753-765. [本文引用:1]
[49] Zhang R H, Endoh M. A free surface general circulation model for the tropical Pacific Ocean[J]. Journal of Geophysical Research, 1992, 97(C7): 11 237-11 255. [本文引用:1]
[50] Li Hong, Xu Jianping. Development of data assimilation and its application in ocean science[J]. Marine Science Bulletin, 2011, 30(4): 463-472.
[李宏, 许建平. 数据同化技术的发展及其在海洋科学中的应用[J]. 海洋通报, 2011, 30(4): 463-472. ] [本文引用:1]
[51] Wang Yi, Yu Zhouwen. Validation of impact of assimilation of altimeter satellite significant wave height on wave forecast in the northwest Pacific[J]. Acta Oceanologica Sinica, 2009, 31(6): 1-6.
[王毅, 宇宙文. 卫星高度计波高数据同化对西北太平洋海浪数值预报的影响评估[J]. 海洋学报, 2009, 31(6): 1-6. ] [本文引用:1]
[52] Wang Hui, Liu Guimei, Sun Song, et al. A three-dimensional coupled physical and biological modelstudy in the spring of 1993 in Bohai Sea of China[J]. Acta Oceanologica Sinica, 2007, 26(6): 1-12. [本文引用:1]
[53] Liu G, Chai F. Seasonal and interannual variation of physical and biological processes during 1994-2001 in the Sea of Japan/East Sea: A three-dimensional physicalbiogeochemical modeling study[J]. Journal of Marine Systems, 2009, 78(2): 265-277. [本文引用:1]
[54] Liu G, Chai F. Seasonal and interannual variability of primary and export production in the South China Sea: A three-dimensional physical-biogeochemical model study[J]. ICES Journal of Marine Science, 2009, 66(2): 420-431. [本文引用:1]
[55] Chai F, Liu G M, Xue H J, et al. Seasonal and interannual variability of carbon cycle in South China Sea: A three-dimensional physical-biogeochemical modeling study[J]. Journal of Oceanography, 2009, 65(5): 703-720. [本文引用:1]
[56] Li Yan, Zhu Jiang, Wang Hui, et al. The assimilation technology application in the oil spill emergency forecasting system of the Bohai Sea[J]. Acta Oceanologica Sinica, 2014, 36(3): 113-120.
[李燕, 朱江, 王辉, 等. 同化技术在渤海溢油应急预报系统中的应用[J]. 海洋学报, 2014, 36(3): 113-120. ] [本文引用:1]
[57] Wang Dongxiao, Qin Yinghao, Xiao Xianjun, et al. El Niño and El Niño Modoki variability in a new ocean reanalysis[J]. Ocean Dynamics, 2012, 62(9): 1 311-1 322. [本文引用:1]
[58] Wang Dongxiao, Qin Yinghao, Xiao Xianjun, et al. Preliminary results of a new global ocean reanalysis[J]. Chinese Science Bulletin, 2012, 57(26): 3 509-3 517. [本文引用:1]
[59] Xiao Xianjun, He Na, Zhang Zuqiang, et al. Variation assimilation using satellite data of sea surface temperature and altimeter[J]. Journal of Tropical Oceanography, 2011, 30(3): 1-8.
[肖贤俊, 何娜, 张祖强, 等. 卫星遥感海表温度资料和高度计资料的变分同化[J]. 热带海洋学报, 2011, 30(3): 1-8. ] [本文引用:1]
[60] Qin Y H, Wan L Y, Wang H. A global ocean assimilation system for real time operational forecast[R]∥ 5th China-Italy Collaboration Workshop—Operational Oceanography and Regional Climate Change in the Adriatic and South-East China Seas. Lecce, Italy, 2014. [本文引用:1]
[61] Wang H. Operational Oceanography Forecasting System in Developing Countries[R]. GODAE OceanView Symposium 2013. Washington, USA, 2013. [本文引用:1]
[62] Zhang Binjian. Chinese Global Operational Oceanography Forecasting System is Officially Issued[N]. China Ocean News, 2013-10-18.
[张斌键 . 全球业务化海洋学预报系统正式运行[N]. 中国海洋报, 2013-10-18. ] [本文引用:1]
[63] Wang Hui, Liu Na, Pang Renbo, et al. Global ocean forecasting and scientific big data[J]. Chinese Science Bulletin, 2015, 60(5): 479-484.
[王辉, 刘娜, 逄仁波, 等. 全球海洋预报与科学大数据[J]. 科学通报, 2015, 60(5): 479-484. ] [本文引用:1]
[64] Tonani M, Balmaseda M, Bertino L, et al. Status and future of global and regional prediction systems[J]. Journal of Operational Oceanography, 2015, 8(Suppl. 2): s201-s220. [本文引用:1]
[65] Kleist D T, Parrish D F, Derber J C, et al. Improving incremental balance in the GSI 3DVAR analysis system[J]. Monthly Weather Review, 137(3): 1 046-1 060. [本文引用:1]
[66] Kleist D T, Kleist D T, Parrish D F, et al. Implementation of a new 3DVAR analysis as part of the NCEP global data assimilation system[J]. Weather Forecasting, 2008, 24: 1 691-1 705, doi: DOI:10.1175/2008MWR2623.1. [本文引用:1]
[67] Han J, Pan H L. Revision of convection and vertical diffusion schemes in the NCEP global forecast system[J]. Weather and Forecasting, 2011, 26(4): 520-533. [本文引用:1]
[68] Xu Peng, Liu Zhiyu, Mao Xinyan, et al. Estimation of vertical eddy viscosity and bottom drag coefficients in tidally energetic narrow bay[J]. Journal of Ocean University of China, 2013, 43(8): 1-7.
[徐鹏, 刘志宇, 毛新燕, 等. 强潮狭长海湾中垂直涡黏性系数与底拖曳系数的估计[J]. 中国海洋大学学报, 2013, 43(8): 1-7. ] [本文引用:1]
[69] Griffies S M, Harrison M J, Pacanowskir C, et al. A technical guide to MOM4[R]∥GFDL Ocean Group Technical Report. Princeton, New Jersey: NOAA/Geophysical Fluid Dynamics Laboratory, 2013. [本文引用:1]
[70] Ardhuin F, Rogers E, Babanin A V, et al. Semiempirical dissipation source functions for ocean waves. Part I: Definition, calibration, and validation[J]. Journal of Physical Oceanography, 2010, 40(9): 1 917-1 941. [本文引用:1]
[71] Bi Fan. On the Wave-Induced Effect to Circulation Transport and the Characteristics of Swell Propagation and Dissipation[D]. Qingdao: Ocean University of China, 2013.
[毕凡. 波浪对环流输运影响和涌浪传播耗散特征研究[D]. 青岛: 中国海洋大学, 2013. ] [本文引用:1]
[72] Chen C S, Beardsley R C, Cowles G. An Unstructured Grid, Finite-Volume Coastal Ocean Model FVCOM User Manual[R]. SMAST/UMASSD, 2006: 6-8. [本文引用:1]
[73] Li Hong, Xu Jianping, Liu Zenghong, et al. Study on the global ocean Argo gridded dataset and its validation community in coastal waters of Yantai[J]. Marine Science Bulletin, 2013, 32(6): 108-118.
[李宏, 许建平, 刘增宏, 等. 全球海洋Argo网格资料集及其验证[J]. 海洋通报, 2013, 32(6): 108-118. ] [本文引用:1]
[74] Yang Q, Losa S N, Losch M, et al. Assimilating SMOS sea ice thickness into a coupled ice-ocean model using a local SEIK filter[J]. Journal of Geophysical Research Oceans, 2014, 119(10): 6 680-6 692. [本文引用:1]
[75] Zhao Jiechen, Yang Qinghua, Li Ming, et al. Improving Arctic sea ice concentration forecasts with a nudging data assimilation method[J]. Acta Oceanologica Sinica, 2016, 38(5): 70-82.
[赵杰臣, 杨清华, 李明, 等. Nudging资料同化对北极海冰密集度预报的改进[J]. 海洋学报, 2016, 38(5): 70-82. ] [本文引用:1]
[76] Yang Qinghua, Liu Jiping, Zhang Zhanhai, et al. A preliminary study of the Arctic Sea ice numerical forecasting: Coupled sea ice-ocean modelling experiments based on MITgcm[J]. Chinese Journal of Atmospheric Sciences, 2011, 35(3): 473-482.
[杨清华, 刘骥平, 张占海, 等. 北极海冰数值预报的初步研究——基于海冰—海洋耦合模式MITgcm的模拟试验[J]. 大气科学, 2011, 35(3): 473-482. ] [本文引用:1]
[77] Yang Q, Liu J, Leppäranta M, et al. Albedo of coastal land fast sea ice in Prydz Bay, Antarctica: Observations and parameterization[J]. Advances in Atmospheric Sciences, 2016, 33(5): 535-543. [本文引用:1]
[78] Yang, Q, Liu J, Zhang Z, et al. Sensitivity of the Arctic sea ice concentration forecasts to different atmospheric forcing: A case study[J]. Acta Oceanologica Sinica, 2014, 33(12): 15-23. [本文引用:1]
[79] Yang Q, Losa S N, Losch M, et al. The role of atmospheric uncertainty in Arctic summer sea ice data assimilation and prediction[J]. Quarterly Journal of the Royal Meteorological Society, 2015, 141(691): 2 314-2 323. [本文引用:1]
[80] Lyu Guokun, Wang Hui, Zhu Jiang, et al. Assimilating the along-track sea level anomaly into the regional ocean modeling system using the ensemble optimal interpolation[J]. Acta Oceanologica Sinica, 2014, 33(7): 72-82. [本文引用:1]
[81] Ji Qiyan, Zhu Xueming, Wang Hui, et al. Assimilating operational SST and sea ice analysis data into an operational circulation model for the coastal seas of China[J]. Acta Oceanologica Sinica, 2015, 34(7): 54-64. [本文引用:1]
[82] Ji Min, Chen Li, Jin Fengxiang, et al. Adaptive-step based marine fluid flow streamline constructing algorithm[J]. Geomatics and Information Science of Wuhan University, 2014, 39(9): 1 052-1 056.
[季民, 陈丽, 靳奉祥, 等. 自适应步长的海洋流线构造算[J]. 武汉大学学报: 信息科学版, 2014, 39(9): 1 052-1 056. ] [本文引用:1]
[83] Zhang Lin, Li Chunhua, Chai Xianming, et al. Analysis of oceanic and meteorological elements when R/V Xuelong trapped in the Antarctic pack ice zone in early January 2014[J]. Chinese Journal of Polar Research, 2014, 26(4): 487-495.
[张林, 李春花, 柴先明, 等. 2014年年初雪龙船在南极被海冰围困期间海洋气象环境分析[J]. 极地研究, 2014, 26(4): 487-495. ] [本文引用:1]
[84] Lu Qi. The Role of Chinese Global Operational Oceanography Forecasting System in the Search for MH370[N]. China Science Daily, 2014-03-24.
[陆琦. 全球海洋数值预报助力失联客机搜寻[N]. 中国科学报, 2014-03-24. ] [本文引用:1]
[85] Wu Mengmeng, Wan Liying, Liu Kewei, et al. Comparative study on the operational numerical prediction results from WRF and MM5 in the Indian Ocean[J]. Marine Forecasts, 2014, 31(3): 66-71.
[吴萌萌, 万莉颖, 刘克威, 等. WRF与MM5在印度洋海域业务化预报结果的对比分析[J]. 海洋预报, 2014, 31(3): 66-71. ] [本文引用:1]
[86] Wang H, Wang Z Y, Zhu X M, et al. Numerical study and prediction of nuclear contaminant transport from Fukushima Daiichi nuclear power plant in the North Pacific Ocean[J]. Chinese Science Bulletin, 2012, 57(26): 3 518-3 524. [本文引用:1]
[87] Fang Changfang, Zhang Xiang, Yin Jianping. Development status and trends of ocean forecasting system in the 21st Century[J]. Marine Forecasts, 2013, 30(4): 93-100.
[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): 93-100. ] [本文引用:1]
[88] Hurlburt H E, Chassignet E P, Cummings J A, et al. Eddy-resolving global ocean prediction[M]∥Hecht M, Hasumi H, eds. “Ocean Modeling in An Eddying Regime”. Geophysical Monograph 177. Washington: American Geophysical Union, 2008. [本文引用:1]
[89] Cummings J A. Operational multivariate ocean data assimilation[J]. Quarterly Journal of the Royal Meteorological Society, 2005, 131(613): 3 583-3 604. [本文引用:1]
[90] Ren Shihe, Wang Hui, Liu Na. Review of ocean front in Chinese marginal seas and frontal forecasting[J]. Advances in Earth Science, 2015, 30(5): 552-563.
[任诗鹤, 王辉, 刘娜. 中国近海海洋锋和锋面预报研究进展[J]. 地球科学进展, 2015, 30(5): 552-563. ] [本文引用:1]
[91] Xiong Chunhui, Zhang Lifeng, Guan Jiping, et al. Development and application of ensemble-variational data assimilation methods[J]. Advances in Earth Science, 2013, 28(6): 648-656.
[熊春晖, 张立凤, 关吉平, 等. 集合—变分数据同化方法的发展与应用[J]. 地球科学进展, 2013, 28(6): 648-656. ] [本文引用:1]
[92] Wang Lei, Wang Zhanggui, Ling Tiejun, et al. Review of vertical mixing parameterization in ocean climate modeling[J]. Marine Forecasts, 2014, 31(5): 93-104.
[汪雷, 王彰贵, 凌铁军, 等. 海洋模式中垂直混合参数化方案介绍[J]. 海洋预报, 2014, 31(5): 93-104. ] [本文引用:1]
[93] Griffies S M, Böning C, Bryan F O, et al. Developments in ocean climate modelling[J]. Ocean Modelling, 2000, 2(3): 123-192. [本文引用:1]
[94] Griffies S M, Böning C, Bryan F O, et al. Problems and prospects in large-scale ocean circulation models[C]∥Proceedings of OceanObs’09: Sustained Ocean Observations and Information for Society (Vol. 2). Venice, Italy, 2010. [本文引用:1]
[95] Zhang Zhiyuan, Song Shunqiang, Liu Li, et al. Numerical simulation and verification of the wave-circulation coupled model[J]. Ocean Technology, 2011, 30(4): 87-92.
[张志远, 宋顺强, 刘利, 等. 浪流耦合模式数值模拟及检验分析[J]. 海洋技术, 2011, 30(4): 87-92. ] [本文引用:1]