武豐民，張祖強，肖賢俊，何金海，劉懷明

(1．氣象災害教育部重點實驗室(南京信息工程大學)，江蘇南京210044;2．江蘇省氣象局，江蘇 南京210008;3．國家氣候中心，北京100081;4．南陵市氣象局，安徽南陵241300)

GTSPP資料在BCC海洋資料同化系統(tǒng)中的同化效果分析

武豐民1，張祖強2，肖賢俊3，何金海1，劉懷明4

(1．氣象災害教育部重點實驗室(南京信息工程大學)，江蘇南京210044;2．江蘇省氣象局，江蘇 南京210008;3．國家氣候中心，北京100081;4．南陵市氣象局，安徽南陵241300)

介紹了國家氣候中心第二代海洋資料同化系統(tǒng)(BCC_GODAS2.0)所用的模式和同化方案，并設計了兩個試驗對同化系統(tǒng)的效果和穩(wěn)定性進行檢驗:一個是加入GTSPP資料的1990—2008年19 a的同化試驗，另一個是同時段內不加任何資料的模擬試驗。利用OISST和SODA(Simple O-cean Data Assimilation)數(shù)據(jù)集對試驗結果進行評估。評估結果表明，加入GTSPP資料的同化結果可以有效改進原模式對溫度和鹽度的模擬。在表層，整個海洋的溫度和鹽度場誤差都有所減小，其中熱帶太平洋的改進效果最為明顯;此外，同化結果能更好地反映Nino3和Nino4區(qū)海表溫度的時間演變。垂直層次上的修正效果也很明顯，在200 m左右的混合層效果改進最好，溫度的均方根誤差可減小1.5℃，鹽度的均方根誤差可減小0.6 psu。

BCC_GODAS2.0;資料同化;海表溫度;海表鹽度;評估

0 引言

地球約有75%的表面被海洋覆蓋。海水具有巨大的質量和比熱容，海水的熱容量是大氣的3 000多倍，海洋上層3 m的海水所含熱量相當于整個大氣層所含熱量的總和，海面溫度的變化比陸面溫度的變化小得多，這使得海洋像一個具有很強熱慣性的巨大能量存貯器，它對大氣溫度的變化起著重要的緩沖和調節(jié)作用(馮士筰等，1999)。同時，海洋也以感熱和潛熱的形式向大氣釋放能量，并向大氣提供大量的水汽，因此，海洋在調節(jié)大氣環(huán)流和氣候變化方面也起著非常關鍵的作用。無論是長期天氣預報還是短期氣候預測，都對海洋溫度、鹽度、海流等觀測資料有極大的依賴性(張人禾等，2004)。但是長期以來，由于海上觀測的代價昂貴，海洋觀測技術單一，人們對海洋中物理過程的研究受到海洋觀測資料嚴重不足的限制。這使得耦合模式不能充分發(fā)揮作用，氣候預報的準確度難以令人滿意，人們對海洋的認識也始終難以深入。

近年來，隨著衛(wèi)星遙感技術和其他觀測技術的成熟，海洋觀測手段不斷豐富，獲取了大量的海洋觀測資料。這同時也對海洋資料同化提出了更高的要求。海洋資料同化可以將觀測數(shù)據(jù)所包含的有效信息應用于海洋狀況的客觀分析中，從而彌補海洋動力模型的欠缺，加深人們對海洋動力過程的認識;此外，資料同化還能提供歷史海洋再分析資料，改進海氣耦合模式的初始條件和邊界條件(Talagrand，1997;陳東升等，2004;鄒曉蕾，2009)。由于觀測系統(tǒng)及一些觀測手段的變更，如新型衛(wèi)星資料的引入等使得不同時期的資料種類和來源不同，加之采用的海洋資料同化系統(tǒng)各有不同，很容易產生一些不是因為氣候本身真實發(fā)生變化卻出現(xiàn)“氣候變化”的現(xiàn)象。這些“變化”可能在一定程度上掩蓋了真實的短期氣候變化和年際氣候變率信號。利用一套長時間內未發(fā)生變化的數(shù)據(jù)同化系統(tǒng)對歷史資料進行同化，并延續(xù)下去，產生再分析資料，可以有效修正上述誤差。再分析資料能提高分析與預報系統(tǒng)的性能，便于氣候預測業(yè)務的開展(何娜，2009;劉向文等，2011)。因此，歷史海洋再分析資料已經成為氣候研究中的重要資料來源，尤其在一些全球、區(qū)域氣候變化的模擬和預測中，經常以這些再分析資料作為氣候模式的初始場和驅動場資料(劉向文等，2010)。

鑒于海洋資料同化的重要性，許多國家都發(fā)展了業(yè)務化的海洋資料同化系統(tǒng)，如美國國家環(huán)境預測中心(NCEP)的GODAS、歐洲中期天氣預報中心(ECMWF)的海洋分析系統(tǒng)以及英國氣象局的FORM。在中國，朱江等(2007)建立了基于三維變分的OVALS同化系統(tǒng)，Xiao et al.(2008)分別將此系統(tǒng)用于南海和熱帶海洋的同化研究。此外，中國國家海洋環(huán)境預報中心和國家氣候中心也分別發(fā)展了業(yè)務化的海洋資料同化系統(tǒng)(劉益民等，2005)。

由于中國國家氣候中心已經業(yè)務化應用的第一代海洋資料同化系統(tǒng)存在未將鹽度資料納入同化系統(tǒng)和沒有配備針對衛(wèi)星資料的同化方案等顯著問題，肖賢俊等(2011)開發(fā)了國家氣候中心的第二代海洋資料同化系統(tǒng)BCC_GODAS2.0，該系統(tǒng)加入了鹽度資料的同化方案，引進和發(fā)展了垂向投影技術、遞歸濾波、海表溫度和海表高度的協(xié)調同化，非線性溫鹽約束等先進同化技術，發(fā)展了多種資料的協(xié)調同化，建立了一個準實時的海洋資料同化系統(tǒng)，(劉向文等，2011;肖賢俊等，2011;王東曉等，2012)。為了對比分析該系統(tǒng)同化前后對海洋物理狀態(tài)的估計，評估該系統(tǒng)的性能，推動其進入業(yè)務應用，本文將1990—2008年19 a的GTSPP資料放入該同化系統(tǒng)進行同化試驗，并用獨立資料對該再分析結果進行評估，結果顯示該系統(tǒng)具有較好的性能和同化效果，這為本系統(tǒng)的進一步改進和最終用于氣候預測提供了條件。

1 同化系統(tǒng)和資料

1.1 同化系統(tǒng)和同化方案

本文所采用的同化系統(tǒng)是中國國家氣候中心正在研發(fā)的新一代全球海洋資料同化系統(tǒng)(BCC_GODAS2.0)。該系統(tǒng)采用的海洋模式是美國地球物理流體實驗室的模塊化全球海洋環(huán)流模式MOM4(Modular Ocean Model 4)，經過起轉后，模式從1959年1月啟動，采用NCEP再分析資料中的風應力、氣溫等變量場作為模式的外強迫場，積分到1989年12月，然后從1990年1月1日開始同化試驗。

本文研究中所用的模式格點為全球Tripolar格點，緯向分辨率為 1°，經向分辨率在 29.5°S～29.5°N間的區(qū)域從赤道的(1/3)°漸變到 1°，其他區(qū)域為1°;模式垂向分為50層，5～225 m以10 m間隔等間距分層，225 m以下的層次不等距分布，深度越深，間隔越大，變幅從11 m增加到366 m。洋底地形數(shù)據(jù)集采用的是72°S～72°N之間區(qū)域的衛(wèi)星數(shù)據(jù)、美國NOAA的5’全球地形數(shù)據(jù)(ETOPO5)以及北冰洋世界海底地形圖(IBCAO)三者的綜合數(shù)據(jù)資料，模式最深達5 500 m(肖賢俊等，2011)。

在同化方法上，BCC_GODAS2.0采用了三維變分同化方法，目前該方法在技術上已經比較成熟并得到廣泛應用(張根生等，2004;曹小群等，2008;官元紅等，2009)。Xiao et al.(2008)在同化系統(tǒng)中加入了鹽度同化并在同化衛(wèi)星沿軌高度計資料時對方案作了改進:對動力高度的同化由原來反演一維溫鹽廓線改進為反演二維的溫鹽剖面;為了協(xié)調同化高度計和海表溫度兩種觀測資料，利用約束關系，構建了新的變分同化代價函數(shù)，可以修正單變量同化時動力考慮的不完善，防止同化的偏移;方案中引進了遞歸濾波對變量場進行預條件處理(preconditioning)，簡化了代價函數(shù)的求解，避免了背景誤差協(xié)方差矩陣的求逆，而且實現(xiàn)了運算的模塊化運行，使運算得到優(yōu)化。

1.2 資料

本文所用的觀測資料GTSPP(The Global Temperature-Salinity Profile Program)資料是由IODE(International Oceanographic Data and Information Exchange committee)和JCOMM(Joint Commission on O-ceanography and Marine Meteorology)提供的一種全球海洋溫度和鹽度資料系統(tǒng)(圖1)。該系統(tǒng)開始只是為熱帶海洋—全球大氣計劃(TOGA)和全球海洋環(huán)流計劃(WOCE)提供溫度、鹽度數(shù)據(jù)，后來逐步發(fā)展為全球溫度鹽度及其他相關數(shù)據(jù)的綜合管理系統(tǒng)。資料分實時資料和延遲資料兩種:實時資料未經質量控制，在第一時間送達系統(tǒng)并提供用戶使用;延遲資料是經過質量控制的資料。實時數(shù)據(jù)由加拿大綜合數(shù)據(jù)管理中心(ISDM)收集處理，美國國家海洋數(shù)據(jù)中心提供延遲數(shù)據(jù)。加拿大、美國、法國、德國、日本等多國合作為系統(tǒng)提供相關數(shù)據(jù)并承擔管理任務(http://www.nodc.noaa.gov/GTSPP/)。

資料從1990年1月開始提供，早期主要是一些航線資料，2003年以后，加入了Argo資料，資料數(shù)量和資料覆蓋的范圍大幅增加(劉懷明，2010)。

原始的GTSPP資料以NC格式存放，每個觀測點的數(shù)據(jù)寫成一個文件。質量控制按照UNESCO(United Nations Educational，Scientific and Cultural Organization)和IOC(Intergovernmental Oceanographic Commission)制定的標準進行(http://www.nodc.noaa.gov/GTSPP/)。經過質量控制后的數(shù)據(jù)都有質量標記，其中0代表沒有進行質量控制，1—5代表經過質量控制且數(shù)據(jù)質量依次下降，即1代表質量最好的數(shù)據(jù)，5則是最不可信的數(shù)據(jù)，6—8代表存儲備用的數(shù)據(jù)，9代表缺測。讀取時，僅選用質量最好即質量標記為1的溫度和鹽度數(shù)據(jù)。在原質量控制的基礎上，又加入了深度檢查和范圍檢查等質量控制方案。深度檢查即去掉那些深度上存在錯誤(如較深一層的深度數(shù)據(jù)比淺層的深度數(shù)據(jù)還小)的數(shù)據(jù)，范圍檢查即去除了鹽度在0～40 psu及溫度在0～40℃范圍之外的數(shù)據(jù);由于數(shù)據(jù)在垂直方向上的時間和空間分布不均勻，故在垂直層次上進行了三次樣條插值。此外，由于深海的數(shù)據(jù)很少且對本試驗的影響很小，所以，為簡化計算，本文只將插值后的前35層(35層深度為1 007 m)數(shù)據(jù)放入系統(tǒng)進行同化。

圖1 GTSPP資料在1990年(a)和2008年(b)的全球站點分布Fig.1 Distribution of the GTSPP observation station in(a)1990 and(b)2008

2 同化結果分析

2.1 海表溫度和海表鹽度

本文基于BCC_GODAS2.0系統(tǒng)，采用NCEP再分析資料中的風應力、氣溫等變量場作為外強迫場(Kanamitsu et al.，2002)，試驗開始積分的時間是1990年1月1日，結束時間是2008年12月31日。同化窗寬度為10 d。試驗分為兩步，第1步，不加任何觀測資料，進行上述時間段的模擬試驗，得到的結果稱為模擬結果或模擬場;第2步，在同一時間段上積分，同時每隔10 d加入一次10 d內的觀測資料，積分的結果稱為同化結果或同化場。為了更好地比較同化結果對模擬結果的改進，進而檢驗同化的效果，本文將兩種結果都處理為月平均資料，并與NCEP的海表溫度再分析資料OISST(Reynolds et al.，2002)和美國馬里蘭大學的Simple Ocean Data Assimilation(SODA)資料(Carton et al.，2000a，2000b)進行比較。比較前，對 OISST 海表溫度資料和SODA資料進行了水平雙線性和垂直三次樣條插值，使其格點與模式格點統(tǒng)一。

圖 2 1990—2008 年平均的 1 月(a，b，c，d)、7 月(e，f，g，h)海表溫度分布(a，c，e，g;單位:℃)及其與最優(yōu)插值海表溫度的差值(b，d，f，h;單位:℃) a，b，e，f.MOM4 模擬結果;c，d，g，h.BCC_GOADS2.0 同化GTSPP數(shù)據(jù)后的同化結果Fig.2 (a，c，e，g)Averaged sea surface temperatures(units:℃)and(b，d，f，h)their differences(units:℃)with the OISST in(a，b，c，d)January and(e，f，g，h)July during 1990—2008 (a)，(b)，(e)，and(f)are simulated by the MOM4;(c)，(d)，(g)and(h)are simulated by the BCC_GODAS2.0 assimilated with the GTSPP data

圖2是MOM4模式和BCC_GODAS2.0同化系統(tǒng)積分得到的19 a(1990—2008年)平均的1月和7月的海表溫度分布，并分別與OISST資料進行比較?？梢钥闯?，1月，模擬結果的海表溫度場上，西太平洋暖池的范圍較大，暖池中心的溫度較高，東伸到東太平洋地區(qū)的暖舌范圍很大;而同化結果中，暖池中心的溫度偏低，東太平洋暖舌的范圍明顯小于模擬結果的暖舌范圍。在北大西洋區(qū)域，模擬結果較同化結果偏冷;7月，西太平洋暖池和東太平洋地區(qū)的暖舌都向北移動，此時，模擬的暖池和暖舌的范圍偏大，強度偏強;而同化結果則有效地糾正了這種偏差。進一步分析模擬結果與同化結果與標準資料OISST的差值分布可知，同化可以明顯改善模式對熱帶太平洋、印度洋和北大西洋地區(qū)的海表溫度模擬。1月，在赤道太平洋，尤其是赤道中東太平洋地區(qū)，模擬結果對標準資料的暖偏差可達2～3℃，同化結果則可以使這個誤差降低到1℃以下;另外，在北大西洋、印度洋和南太平洋的廣大海域，同化對模擬結果都有比較明顯的改進。7月，赤道中東太平洋的暖偏差達3℃以上，赤道太平洋的偏差大值區(qū)較1月小，但赤道大西洋的偏差大值區(qū)則明顯比1月的大。同化GTSPP資料后，有暖偏差的區(qū)域大大減小，在南大西洋海域，同化的改善效果也很明顯。應該指出的是，相對模擬場而言，1月平均的同化結果比7月平均的同化結果改進要大，尤其在北太平洋和赤道東太平洋兩個區(qū)域。

圖 3 1990—2008 年平均的 1 月(a，b，c，d)、7 月(e，f，g，h)海表鹽度分布(a，c，e，g;單位:psu)及其與 SODA 海表鹽度的差值(b，d，f，h;單位:psu) a，b，e，f.MOM4 模擬結果;c，d，g，h.BCC_GOADS2.0 同化 GTSPP 數(shù)據(jù)后的同化結果Fig.3 (a，c，e，g)Averaged sea surface salinities(units:psu)and(b，d，f，h)their differences(units:psu)with the SODA in(a，b，c，d)January and(e，f，g，h)July during 1990—2008 (a)，(b)，(e)and(f)are simulated by the MOM4;(c)，(d)，(g)and(h)are simulated by the BCC_GODAS2.0 assimilated with the GTSPP data

圖3是MOM4模式和BCC_GODAS2.0積分得到的19 a海表鹽度分布，并分別與SODA分析值進行比較?？芍?，1月和7月，模擬的海表鹽度在西太平洋暖池區(qū)域有很明顯的低值區(qū)，而熱帶海域的模擬鹽度高值區(qū)偏大，且中心強度偏高，北大西洋地區(qū)的模擬鹽度值偏低。同化后，熱帶海域的鹽度高值區(qū)縮小，中心強度降低。模擬、同化的海表鹽度結果與SODA的差值分布顯示，1月和7月，在熱帶太平洋、熱帶印度洋的大部分海域以及赤道以南的熱帶大西洋，同化前模擬的海表鹽度值明顯偏高(大于0.4 psu)，在北大西洋地區(qū)，模擬的海表鹽度則異常偏低(大于1.2 psu)，而同化后的結果則有效地減小了上述誤差，熱帶海洋的差值小于0.2 psu，北大西洋的異常低值區(qū)也得到了有效修正。

圖4Nino3指數(shù)(a)、Nino4指數(shù)(b)(海表溫度距平;單位:℃)的逐月變化Fig.4 Monthly variations of(a)Nino3 index and(b)Nino4 index(sea surface temperature anomaly;units:℃)

上面僅分析了表層溫度和鹽度的平均情況，那么同化結果在時間演變上對模擬結果有多大改進呢?由于El Nino現(xiàn)象是熱帶海氣相互作用的最強信號(馬麗萍等，2001)，對赤道東太平洋的海溫模擬是驗證模式與同化效果的重要標準。故本文選取了Nino3和Nino4兩個區(qū)域(Nino區(qū)的劃分引自www.cpc.ncep.noaa.gov)，對這兩個區(qū)域的同化前、后兩種結果與OISST資料的時間序列進行了對比。由圖4可見，在Nino3區(qū)和Nino4區(qū)，模擬和同化的結果都能體現(xiàn)本區(qū)域的Nino指數(shù)變化特征，模擬結果、同化結果與OISST Nino3指數(shù)的相關系數(shù)分別為0.91和0.93，而在Nino 4區(qū)，這種相關可分別達0.94和0.95。可見，這兩種結果都能很好地體現(xiàn)兩個Nino指數(shù)的變化特征，但是在峰值的把握上，同化后的結果則具有較明顯的優(yōu)越性，如:1998年Nino3指數(shù)的異常高值和1999年Nino4指數(shù)的異常低值。峰值把握的好壞本質上是均方根誤差的大小。計算表明:模擬結果與OISST的Nino3指數(shù)、Nino4指數(shù)的均方根誤差分別為1.56、0.82℃，而同化結果的這兩個均方根誤差分別降至1.13、0.76℃。

2.2 溫度和鹽度的垂向剖面

圖5為1990—2008年19 a平均的溫度模擬結果和同化結果分別與觀測溫度(SODA資料)相減的垂直剖面?？梢钥闯?，模擬結果在三個大洋中都有一個暖偏差很大的區(qū)域。在太平洋，這塊區(qū)域集中在赤道東太平洋，深度從100 m到300 m，暖偏差在2.5℃以上;在整個大西洋的表層以下，直到700 m深度，有一個巨大的暖偏差區(qū)，平均偏差約4℃，部分地區(qū)在5℃以上;在印度洋的100～400 m也存在類似的情況。模擬結果在赤道地區(qū)混合層存在如此大誤差的主要原因可能是因為在赤道近岸地區(qū)海水的上翻和下沉運動強烈，垂直運動復雜，這在模式中很難被把握和準確體現(xiàn)。故西太平洋和東太平洋溫躍層的海水溫度偏差較大，而赤道中太平洋的偏差則小得多。加入觀測資料后，模擬的誤差可以得到很大糾正，尤其是赤道大西洋100～700 m的巨大暖偏差得到了很好的修正。印度洋海域的改善也很明顯。赤道東太平洋改善較小，同化后的結果仍然有一個較大的暖偏差區(qū)，這可能是由于該區(qū)域次表層觀測資料缺少。在印度洋和大西洋的700 m以下區(qū)域，海水處于較穩(wěn)定狀態(tài)，模擬的誤差不大，同化對模擬的改善效果亦不明顯。

圖51990—2008年平均的沿赤道(a，b)和180°經線(c，d)的溫度與SODA差值的垂直剖面(單位:℃)a，c.模擬溫度減去SODA溫度;b，d.同化溫度減去SODA溫度Fig.5 Vertical sections of temperature(units:℃)along(a，b)equator and(c，d)180°longitude during 1990—2008 (a)and(c)are the simulated temperature minus SODA temperature;(b)and(d)are the assimilated temperature minus SODA temperature

在180°經線剖面上，也存在3個明顯的高值區(qū)(圖5c)。30°S附近，在新西蘭北部海域的100～300 m深度，存在約2.5℃的暖偏差;30～40°N的200～600 m深度，暖偏差約為2℃;在北冰洋，100～400 m暖偏差為1.5℃左右，400 m以下暖偏差大于2℃。在同化結果(圖5d)中，上述區(qū)域的誤差大大減小，整個海域的誤差控制在0.5℃左右。

圖6為1990—2008年19 a平均的鹽度的模擬結果和同化結果分別與觀測鹽度相減的垂直剖面。在赤道印度洋和太平洋的200 m以上深度，模擬結果比觀測結果偏低0.5 psu以上，而在大西洋，偏低的區(qū)域更大、層次更深，600 m以上深度的鹽度都比觀測值明顯偏低1.0 psu，在300 m以上，這一偏差甚至可達1.5 psu以上。同化可基本消除上述誤差，除了大西洋100 m以上深度的誤差在0.5 psu左右外，其他海域同化與觀測的誤差可降至0.2 psu以下。

在180°經線的垂直剖面(圖6c、d)上，模擬的誤差比在赤道剖面上小，主要是位于100～200 m深度的次表層有大于0.4 psu的偏差。誤差最大的區(qū)域在北冰洋，整個層次上都有1.0 psu以上的高值偏差，在100～400 m甚至偏高達1.5 psu以上。同化的改善效果是明顯的，除了北冰洋的100 m以上層次仍有較大的偏差外(偏低約1.0 psu)，其余海域的誤差基本控制在0.2 psu。

2.3 整體的均方根誤差

下面評估同化的總體效果。為了進一步驗證同化結果對模擬結果在垂直層次上的改進，將19 a的年平均同化結果和模擬結果分別與觀測場逐層計算均方根誤差。圖7a是同化和模擬溫度的19 a平均結果與觀測場的均方根誤差比較。與上述垂直效果驗證的結果相符，200 m左右混合層的溫度誤差最大。從表層到200 m，模擬與同化的誤差都隨深度增大;200 m是一個拐點，200 m以下的誤差隨深度逐漸減小。100 m以上，同化對模擬的改進不明顯，200 m處的改進達到最大，達1.0℃以上，200 m以下的改善效果亦非常明顯。

圖61990—2008年平均的沿赤道(a，b)和180°經線(c，d)的鹽度與SODA鹽度差值的垂直剖面(單位:psu)a，c.模擬鹽度減去SODA鹽度;b，d.同化鹽度減去SODA鹽度Fig.6 Vertical sections of salinity(units:psu)along(a，b)equator and(c，d)180°longitude during 1990—2008(a)and(c)are the simulated salinity minus SODA salinity;(b)and(d)are the assimilated salinity minus SODA salinity

圖7 1990—2008年19 a平均的全球溫度(a)、鹽度(b)均方根誤差的廓線分布(實線為BCC_GODAS同化結果，虛線為MOM4模擬結果)Fig.7 The profiles of 19-year averaged RMSEs of(a)global temperature and(b)salinity during 1990—2008(solid line:simulated by the BCC_GODAS2.0 assimilated with the GTSPP data;dashed line:simulated by the MOM4)

圖7b為鹽度均方根誤差的廓線分布。與溫度在200 m有最大誤差的情況不同，鹽度的模擬與同化誤差有隨深度單調減小的趨勢。200 m以上，誤差隨深度減小的速度很快，誤差梯度很大。同溫度一樣，鹽度也是在200 m深度上的改進效果最明顯，達0.6 psu。200 m以下，同化的效果趨于穩(wěn)定，誤差在0.1 psu左右，且基本不隨深度變化。

3 結論和展望

本文基于國家氣候中心新發(fā)展的第二代全球海洋資料同化系統(tǒng)(BCC_GODAS2.0)，同化了1990—2008年共19 a的GTSPP資料，并對同化結果從表層、垂向、總體效果、年際變化等方面進行了評估和分析，得到以下主要結果:

1)同化對溫度和鹽度表層結果的改善都非常明顯。其中，溫度的表層最大誤差區(qū)在赤道中東太平洋，誤差在3℃左右，且偏差大值區(qū)的區(qū)域較大;同化對模擬的改進幅度約2.0℃，可基本消除這種暖偏差。鹽度的表層模擬結果在低緯海區(qū)和北大西洋海區(qū)的誤差較大，在0.4 psu以上;同化結果顯示，除北冰洋地區(qū)，全球的表層鹽度誤差都得到了很大的改善，絕大部分海區(qū)的誤差都被控制在0.2 psu以內。在北大西洋地區(qū)，這種改進甚至可以達到1.5 psu以上。

2)在時間變化特征方面，模擬與同化兩種結果都能體現(xiàn)Nino3和Nino4區(qū)的海表溫度距平的時間變化特征，與標準的OISST資料的Nino指數(shù)都有很高的相關。同化結果在相關系數(shù)方面略優(yōu)于模擬結果，但在峰值的把握上，同化結果的優(yōu)勢比較明顯。

3)在垂直層次上，模擬溫度和鹽度的誤差大值區(qū)分布特點較為類似，在赤道太平洋和印度洋的300 m以上有較大誤差，而在赤道大西洋，誤差大值區(qū)的深度延伸至700 m左右。均方根誤差的垂直分布體現(xiàn)了上述特點，在200 m左右，平均的均方根誤差是最大的，且同化對模擬的改進也在該深度達到最大，溫度和鹽度可以分別改進1.5℃和0.6 psu。在均方根誤差的垂直分布上，溫度模擬和同化的誤差先是隨著深度遞增，到200 m左右變?yōu)殡S深度遞減，鹽度的誤差則有隨深度單調遞減的趨勢。

總之，上述結果體現(xiàn)了BCC_GODAS2.0所用的MOM4海洋模式在溫度和鹽度模擬方面的優(yōu)越性，而由于GTSPP資料不是單純的表層資料，在次表層和更深海域都有可用的數(shù)據(jù)，這些資料的加入對模擬結果有非常明顯的改善。同時，同化結果在反映溫度年際變化的能力上也表現(xiàn)出了較高的可靠性。需要指出的是，雖然同化系統(tǒng)對溫度和鹽度場的模擬比單純的動力模式改進了很多，但是在北冰洋和一些靠近海岸海區(qū)，同化結果仍有較大的誤差，尤其是赤道東太平洋次表層仍存在較大暖偏差，這除了模式本身刻畫能力不足的原因之外，GTSPP資料本身的資料量、可靠性以及同化方案的完善程度都是制約同化效果的因素，隨著觀測資料的豐富尤其是高緯和近岸浮標資料的增加，以及多種資料協(xié)調同化技術的發(fā)展，同化系統(tǒng)應當可以在上述表現(xiàn)不足海域得到較大的改進;此外，本文主要討論了表層結果，而對垂直層次上的結果僅做了初步分析，在海洋環(huán)流的改進方面也沒有討論，這些都需要更進一步的研究。

致謝:國家海洋局秦英豪博士和國家氣候中心劉向文博士為本研究提供了支持和幫助，審稿專家提出了寶貴建議，對此表示衷心感謝!

曹小群，黃思訓，張衛(wèi)民，等.2008.區(qū)域三維變分同化中背景誤差協(xié)方差的模擬［J］.氣象科學，28(1):8-14.

陳東升，沈桐立，馬革蘭，等.2004.氣象資料同化的研究進展［J］.南京氣象學院學報，27(4):550-564.

馮士筰，李鳳岐，李少菁.1999.海洋科學導論［M］.北京:高等教育出版社.

官元紅，周廣慶，陸維松.2009.一個用于氣候模式的三維變分資料同化系統(tǒng)——方案設計及檢驗［J］.大氣科學學報，32(3):392-404.

何娜.2009.基于MOM4海洋模式的衛(wèi)星資料同化方案的改進及評估［D］.南京:南京信息工程大學.

劉懷明.2010.Argo溫鹽資料在BCC_GODAS2.0中的應用［D］.南京:南京信息工程大學.

劉向文，李維京，吳統(tǒng)文，等.2010.GTS的溫鹽資料在BCC_GODAS中的同化結果分析［J］.應用氣象學報，21(5):558-569.

劉向文，李維京，吳統(tǒng)文，等.2011.從GTS獲得的海洋溫、鹽資料在BCC海洋同化系統(tǒng)中的質量控制及同化結果初步分析［J］.氣象學報，69(4):672-681.

劉益民，李維京，張培群.2005.國家氣候中心全球海洋資料四維同化系統(tǒng)在熱帶太平洋的結果初步分析［J］.海洋學報，27(1):27-35.

馬麗萍，王盤興，吳洪寶.2001.熱帶海洋海氣相互作用的區(qū)域差異［J］.氣象科學，21(3):260-269.

王東曉，秦英豪，肖賢俊，等.2012.一套全球海洋再分析資料初步結果分析［J］.科學通報，57(22):2102-2110.

肖賢俊，何娜，張祖強，等.2011.衛(wèi)星遙感海表溫度資料和高度計資料的變分同化［J］.熱帶海洋學報，30(3):1-8.

張根生，黃小剛，費建芳.2004.數(shù)值天氣預報初場的變分同化及其伴隨方法簡介［J］.氣象科學，24(2):240-245.

張人禾，劉益民，殷永紅，等.2004.利用ARGO資料改進海洋資料同化和海洋模式中的物理過程［J］.氣象學報，62(5):613-622.

朱江，周廣慶，閆長香，等.2007.一個三維變分海洋資料同化系統(tǒng)的設計和初步應用［J］.中國科學D輯，37(2):261-271.

鄒曉蕾.2009.資料同化理論和應用(上冊)［M］.北京:氣象出版社.

Carton J A，Chepurin G，Cao X，et al.2000a.A simple ocean data assimilation analysis of the global upper ocean 1950—95.Part I:Methodology［J］.J Phys Oceanogr，30:294-309.

Carton J A，Chepurin G，Cao X，et al.2000b.A simple ocean data assimilation analysis of the global upper ocean 1950—95.PartⅡ:Results［J］.J Phys Oceanogr，30:311-326.

Kanamitsu M，Ebisuzaki W，Woollen J，et al.2002.NCEP-DOE AMIP-ⅡReanalysis(R-2)［J］.Bull Amer Meteor Soc，83:1631-1643.

Reynolds R W，Rayner N A，Smith T M，et al.2002.An improved in situ and satellite SST analysis for climate［J］.J Climate，15(13):1609-1625.

Talagrand O.1997.Assimilation of observations，an introduction［J］.J Meteor Soc Japan，75:191-209.

Xiao X J，Wang D X，Yan C X，et al.2008.Evaluation of a 3dVAR system for the South China Sea［J］.Progress Nat Sci，18(5):547-554.

(責任編輯:倪東鴻)

Analysis of GTSPP data assimilation in BCC_GOADS2.0

WU Feng-min1，ZHANG Zu-qiang2，XIAO Xian-jun3，HE Jin-hai1，LIU Huai-ming4
(1.Key Laboratory of Meteorological Disaster(NUIST)，Ministry of Education，Nanjing 210044，China;2.Jiangsu Meteorological Bureau，Nanjing 210008，China;3.National Climate Center，Beijing 100081，China;4.Nanling Meteorological Bureau，Nanling 241300，China)

The model and assimilation scheme of the second generation Global Oceanic Data Assimilation System of Beijing Climate Center(BCC_GODAS2.0)are introduced in this paper.Two experiments are designed to test the effect and stability of the assimilation system.One experiment is assimilated with the GTSPP observation from 1990 to 2008，while the other is performed without any observation in the same period.Comparison of the experiment results with the OISST and SODA(Simple Ocean Data Assimilation)datasets indicates that the assimilation of GTSPP can improve the simulation of sea surface temperature(SST)and sea surface salinity(SSS).In detail，the error of SST and SSS in the ocean，especially in the tropical Pacific，is reduced effectively.Moreover，the experiment with assimilation can better represent the temporal evolution of SST in the Nino3 and Nino4 regions as well.Also the assimilation amends the simulation in vertical.Specifically in the mixed layer near 200 m，the root mean square errors of temperature and salinity are decreased by 1.5 ℃ and 0.6 psu，respectively.

BCC_GODAS2.0;data assimilation;sea surface temperature;sea surface salinity;evaluate

P732.5;P47

A

1674-7097(2014)01-0038-09

武豐民，張祖強，肖賢俊，等.2014.GTSPP資料在BCC海洋資料同化系統(tǒng)中的同化效果分析［J］.大氣科學學報，37(1):38-46.

Wu Feng-min，Zhang Zu-qiang，Xiao Xian-jun，et al.2014.Analysis of GTSPP data assimilation in BCC_GOADS2.0［J］.Trans Atmos Sci，37(1):38-46.(in Chinese)

2012-03-01;改回日期:2013-08-28

國家重點基礎研究發(fā)展計劃(973計劃)項目(2012CB417403);公益性行業(yè)(氣象)科研專項(GYHY201006020);國家自然科學基金創(chuàng)新群體項目(41221064);長江學者和創(chuàng)新團隊發(fā)展計劃項目(PCSIRT);江蘇高校優(yōu)勢學科建設工程資助項目(PAPD);江蘇省研究生培養(yǎng)創(chuàng)新工程(N0782002113)

張祖強，博士，研究方向為海氣相互作用，zhangzq@cma.gov.cn.