李毅能 彭世球 周峰華 朱宇航 王東曉 亢振軍

摘要東印度洋天氣和風(fēng)暴潮實時預(yù)報系統(tǒng)（EPMEF_EIO）由區(qū)域大氣模式和區(qū)域風(fēng)暴潮模型組成，每天實時運行4次.大氣初邊場來自美國國家環(huán)境預(yù)報中心（NCEP）的全球預(yù)測系統(tǒng)（GFS），通過區(qū)域嵌套得到印度洋-東印度洋-斯里蘭卡區(qū)域的3 d預(yù)報結(jié)果.大氣模式的10 m預(yù)報風(fēng)場驅(qū)動風(fēng)暴潮模式，得到東印度洋-斯里蘭卡區(qū)域的潮汐和風(fēng)暴潮3 d預(yù)報結(jié)果.通過與中國科學(xué)院南海海洋研究所斯里蘭卡站氣象塔觀測數(shù)據(jù)、最優(yōu)臺風(fēng)路徑數(shù)據(jù)和科倫坡水位站數(shù)據(jù)對比，發(fā)現(xiàn)模式預(yù)報氣溫和相對濕度的日變化較觀測值偏小，氣溫總體RMSE為1.26 ℃，相關(guān)系數(shù)為0.8，相對濕度的總體RMSE為7.0%，相關(guān)系數(shù)為0.7；模式預(yù)報風(fēng)速以整體偏大為主，總體RMSE為2.3 m/s，相關(guān)系數(shù)為0.65；模式預(yù)報風(fēng)向能把握主要的變化趨勢，RMSE在20°～32°之間，相關(guān)系數(shù)約0.65；模式

24、48和72 h

路徑預(yù)報平均誤差分別為110.5、166.4和181.0 km.此外，模式水位預(yù)報的RMSE為0.035 m，占最大振幅約5%，與觀測的相關(guān)系數(shù)達到0.996.這說明了模式可以用于預(yù)報潮汐和風(fēng)暴潮過程.

關(guān)鍵詞東印度洋；預(yù)報系統(tǒng)；大氣模式；風(fēng)暴潮模式；均方根誤差

中圖分類號P731

文獻標志碼A

0 引言

印度洋是海洋災(zāi)害多發(fā)區(qū)，但沿岸國家的防災(zāi)能力相對較弱，部分港口區(qū)頻繁受到自然災(zāi)害的影響.如1991年4月29日，孟加拉灣國吉大港以北登陸的臺風(fēng)引發(fā)的風(fēng)暴潮席卷了孟加拉國沿海20多個島嶼，致使孟加拉國1/4的地區(qū)淪為汪洋，近1 000萬人受災(zāi)，13.9萬人失去生命，造成直接經(jīng)濟損失達30億美元.2008年5月2日，“納爾吉斯”（NARGIS）在緬甸的伊洛瓦底江口登陸，襲擊了伊洛瓦底省、勃固省和仰光省等人口稠密帶，造成人員死亡和失蹤超過14萬人.

相對于太平洋和大西洋，針對印度洋的調(diào)查和研究相對較少，缺少相關(guān)海域的調(diào)查數(shù)據(jù)、基礎(chǔ)資料和研究結(jié)果.相對于歐美國家，我國對印度洋研究更少，從21世紀初才開始有印度洋的科學(xué)調(diào)查.海洋環(huán)境信息的獲取和有效利用不僅關(guān)乎海上活動的安全、海洋和海岸工程的設(shè)計和防護，也與國防建設(shè)密切相關(guān).快速發(fā)展的海洋活動需要提供高時空分辨率和足夠精度的海洋環(huán)境信息預(yù)報產(chǎn)品以保障包括海上科考作業(yè)在內(nèi)的海上作業(yè)安全.目前我國海洋業(yè)務(wù)預(yù)報單位已經(jīng)基本掌握了我國近海海況的預(yù)報技術(shù)，但對印度洋海域以及相關(guān)海灣港口海域的海洋環(huán)境信息系統(tǒng)建設(shè)及預(yù)報能力還非常有限.“21世紀海上絲綢之路”建設(shè)，需要加強該海區(qū)海洋信息環(huán)境系統(tǒng)的建設(shè)，以提升對該海域海洋環(huán)境的認識水平，方可為海上絲綢之路建設(shè)提供科學(xué)依據(jù)和輔助決策，并幫助海上絲綢之路的相關(guān)國家，提高海洋防災(zāi)減災(zāi)的能力.

目前國內(nèi)外主要的大氣和海洋環(huán)境預(yù)報機構(gòu)都采用大氣數(shù)值模式來制作海面風(fēng)場數(shù)值預(yù)報產(chǎn)品.海面風(fēng)場數(shù)值預(yù)報提供的海面風(fēng)、大氣溫度、濕度、海氣界面通量等要素是海浪、海流等數(shù)值預(yù)報必不可少的邊界強迫條件.國際上主要采取全球-區(qū)域模式嵌套的方式來進行高分辨率海面風(fēng)場數(shù)值預(yù)報.美國國家環(huán)境預(yù)報中心的大氣數(shù)值預(yù)報系統(tǒng)包括多個業(yè)務(wù)預(yù)報系統(tǒng)或模式，如全球預(yù)報系統(tǒng)（GFS）、高分辨窗口模式（HRW）、全球集合預(yù)報系統(tǒng)（GEFS）、 實時中尺度分析系統(tǒng)（RTMA）和颶風(fēng)天氣研究預(yù)報模式（HWRF）以及區(qū)域集合預(yù)報系統(tǒng)（SREF）等.歐洲中期天氣預(yù)報中心的數(shù)值天氣預(yù)報模式是世界上最先進的全球業(yè)務(wù)化模式之一，提供的全球預(yù)報包括：T799模式10 d確定性預(yù)報、集合預(yù)報系統(tǒng)（EPS） 15 d的預(yù)報、每周一次的32 d的月預(yù)報、每天4次的3 d確定性預(yù)報（分辨率為25 km）.英國氣象中心的全球預(yù)報系統(tǒng)的水平分辨率為0.562 5°×0.375 0°（在中緯度約為40 km），格點數(shù)為640×481，垂直層數(shù)為50層，預(yù)報時效為144 h（6 d）.目前國際上常用的中小尺度大氣模式有美國的MM5、ARPS、RAMS、WRF等模式，德國的DM模式，英國的MESOSCL模式等.在印度洋區(qū)域印度國家氣象局利用WRF（The Weather Research and Forecasting）模式建立了區(qū)域天氣預(yù)報系統(tǒng)，提供印度附近區(qū)域27 km和9 km的3 d預(yù)報產(chǎn)品.

國外對風(fēng)暴潮的研究及預(yù)測始于20世紀50年代.美國海洋大氣管理局（NOAA）于70年代末開發(fā)了風(fēng)暴潮業(yè)務(wù)預(yù)報模式：SLOSH （Sea，Lake，& Overland Surges from Hurricanes）模式.進入21世紀后，隨著計算機技術(shù)的發(fā)展與社會經(jīng)濟發(fā)展的需求，風(fēng)暴潮數(shù)值預(yù)報模式朝三維的、高分辨率的、多個分量模式（海-氣-浪-潮）耦合的、包含更多復(fù)雜物理過程的趨勢發(fā)展.Peng 等[1-2]利用三維風(fēng)暴潮模式及其伴隨模式研究了四維變分資料同化方法在風(fēng)暴潮預(yù)報中的應(yīng)用，發(fā)現(xiàn)通過將水位及海表流場同化進模式中去優(yōu)化模式初始場及風(fēng)應(yīng)力場，可顯著提高對風(fēng)暴潮的模擬精度.最近，Bunya等[3]和Dietrich等[4]將無結(jié)構(gòu)網(wǎng)格的三維近岸環(huán)流模式與河流、風(fēng)、浪、潮汐模型進行耦合，發(fā)展成新一代的高分辨率（達50 m）風(fēng)暴潮預(yù)報系統(tǒng).

在風(fēng)暴潮的業(yè)務(wù)預(yù)報系統(tǒng)方面，我國于20世紀90年代引進了美國的SLOSH模式，并在此基礎(chǔ)上加以改造以適合我國沿海地區(qū).中國國家海洋環(huán)境預(yù)報中心2003年開始業(yè)務(wù)化運行至今的臺風(fēng)風(fēng)暴潮數(shù)值預(yù)報模式（CTS模式）采用深度平均流方程組作為控制方程，模式空間分辨率為2′，預(yù)報相對誤差小于30%，預(yù)報保證率為70.4%.近年來我國在風(fēng)暴潮漫灘及近岸浪流耦合數(shù)值模式研究及開發(fā)方面取得了可喜的進展，建立了高分辨率的覆蓋中國沿海的業(yè)務(wù)化風(fēng)暴潮數(shù)值預(yù)報系統(tǒng)[5-6].近20年來，隨著波浪研究及波-流-潮之間非線性相互作用成為國際研究熱點，我國科研人員也在此領(lǐng)域展開了研究[7-8].對于海盆尺度的風(fēng)暴潮數(shù)值研究，國內(nèi)科研人員也進行了不少工作，如李杰等[9]對珠江口3個強臺風(fēng)風(fēng)暴潮進行了數(shù)值研究和后報檢驗；Peng等[10]建立了從南海到珠江口的風(fēng)暴潮和海浪多重嵌套數(shù)值預(yù)報系統(tǒng)；Prabhu等[11]利用包括珠江口水位資料在內(nèi)的多個南海水位觀測和四維變分同化系統(tǒng)，獲取了南海北部風(fēng)暴潮預(yù)報模式中“最優(yōu)”的初始場和風(fēng)應(yīng)力拖曳系數(shù)，進而改善了對南海北部風(fēng)暴潮預(yù)報的精度.

2010年3到5月，中國科學(xué)院南海海洋研究所完成了歷時60多天的首次東印度洋科考航行.此后，針對科考航行和作業(yè)安全的需求，結(jié)合中國科學(xué)院中斯聯(lián)合科教中心和中國科學(xué)院南海海洋研究所斯里蘭卡站的建設(shè)，研究團隊在原“南海海洋環(huán)境預(yù)報試驗平臺”[10]的基礎(chǔ)上構(gòu)建了東印度洋天氣和風(fēng)暴潮預(yù)報系統(tǒng)，從2011年開始試運行，在穩(wěn)定運行了近6年后，我們對該系統(tǒng)進行了初步的評估.本文將著重介紹系統(tǒng)的基本情況和初步評估結(jié)果.

1 EPMEF-IO的建立

我們建立了針對東印度洋區(qū)域的天氣和風(fēng)暴潮實時預(yù)報系統(tǒng)（Experimental Platform of Marine Environment Forecasting for Eastern Indian Ocean，EPMEF-EIO）.其中大氣模式采用國際先進的WRF模式[12-13]，以美國國家海洋與大氣管理局NOAA（The National Oceanic and Atmospheric Administration）每6 h發(fā)布的GFS（The Global Forecast System）全球1°×1°預(yù)報產(chǎn)品作為初始場和邊界場，采用三重嵌套網(wǎng)格技術(shù)實現(xiàn)“動力降尺度”[14-15].其中大區(qū)域網(wǎng)格尺度為72 km，提供15 d的預(yù)報結(jié)果，中區(qū)域和小區(qū)域網(wǎng)格尺度分別為24 km和8 km（圖1a），提供78 h的預(yù)報結(jié)果；大氣模式采用的數(shù)值方案為the Ferrier 微物理方案[16]、the Kain-Fritsch 積云方案[17-18]、the YSU PBL 方案[19]、the Dudhia 短波[20] 和 RRTM 長波[21] 輻射方案. 利用大氣中區(qū)域提供的10 m風(fēng)場和海面氣壓場驅(qū)動海洋模式POM（Princeton Ocean Model）[22-23]，并用俄勒岡州立大學(xué)的潮汐模型（the Oregon State University Tidal Prediction Software，OTPS）提供邊界處的潮汐調(diào)和常數(shù)[24]，得到東印度洋區(qū)域（70～100°E，5°S～23°N，網(wǎng)格尺度為1/12°）和斯里蘭卡附近區(qū)域（77～83°E，3～11°N，網(wǎng)格尺度為1/36°）72 h的潮汐風(fēng)暴潮預(yù)報結(jié)果（圖1b）.同時，本平臺的創(chuàng)新之處為：在大氣模式中加入了“選尺度變分同化”（Scale-Selective Data Assimilation，SSDA）方法，有效提高了大尺度背景風(fēng)場的預(yù)報精度，進而提高了臺風(fēng)路徑的預(yù)報精度[25]；

在海洋模式中加入基于POM的四維變分同化系統(tǒng)POM-4DVAR，通過將水位高度及海表流速同化進海洋模式中，對模式初始場、邊界場和物理參數(shù)進行優(yōu)化，有效提高了模式對風(fēng)暴潮增水的預(yù)報精度[11].該試驗平臺每天進行4次實時預(yù)報，實現(xiàn)了資料下載和處理、模式運行及預(yù)報結(jié)果實時顯示的全自動化（圖2）.該試驗平臺的建成，實現(xiàn)了對東印度洋及斯里蘭卡附近區(qū)域大氣與海洋狀況實時短期（3 d）和中期（15 d）的預(yù)報和預(yù)測.主要的模式結(jié)果將以網(wǎng)頁的形式在網(wǎng)上發(fā)布（圖3），并提供了斯里蘭卡3個主要站點（Colombo、Mirissa和University of Ruhuna）的預(yù)報結(jié)果，供相關(guān)人員查詢（圖4）.

2 預(yù)報系統(tǒng)的檢驗

2.1 觀測數(shù)據(jù)

用于檢驗預(yù)報系統(tǒng)的數(shù)據(jù)分為兩類：一類是站點觀測數(shù)據(jù)，包括中國科學(xué)院南海海洋研究所斯里蘭卡觀測站位于Ruhuna大學(xué)的氣象塔數(shù)據(jù)和斯里蘭卡國家水環(huán)境與研究局（National Aquatic and Research Authority，NARA）科倫坡水位站數(shù)據(jù)（具體地點見圖5）；另一類是美國聯(lián)合臺風(fēng)警報中心（Joint Typhoon Warning Center，JTWC）的最優(yōu)臺風(fēng)路徑數(shù)據(jù).其中，氣象塔數(shù)據(jù)是2017年4月10日到2018年1月31日每半小時一次的氣象觀測數(shù)據(jù)，主要對比相對濕度、氣溫、風(fēng)速和風(fēng)向；水位站數(shù)據(jù)是2016年5月1日到31日每分鐘一次的水位觀測數(shù)據(jù).

2.2 大氣預(yù)報檢驗評估

將大氣第三重區(qū)域輸出結(jié)果與中國科學(xué)院南海海洋研究所斯里蘭卡站的氣象塔觀測數(shù)據(jù)進行對比，檢驗評估EPMEF_IO天氣預(yù)報的精度.圖6給出了氣溫、相對濕度、風(fēng)速和風(fēng)向分別在0～24、25～48和49～72 h預(yù)報與觀測的對比.從氣溫看，模式結(jié)果在低氣溫段偏高，高氣溫段則偏低，說明模式氣溫的日變化較觀測值偏小；24、48和72 h的RMSE分別為1.26、1.26和1.28 ℃；與觀測值的相關(guān)系數(shù)變化不大，分別為0.8、0.8和0.79；總體RMSE為

1.26 ℃，相關(guān)系數(shù)約為0.8.相對濕度的誤差情況和氣溫類似，模式相對濕度的日變化較觀測值偏?。豢傮wRMSE為7.0%，相關(guān)系數(shù)約為0.7，其中24、48和72 h的RMSE分別為6.97%、6.98%和7.18%，相關(guān)系數(shù)分別為0.65、0.67和0.64.模式預(yù)報風(fēng)速偏大居多，總體RMSE在2.3 m/s，相關(guān)系數(shù)在0.65左右，其中24、48和72 h的RMSE分別為2.26、2.27和2.32 m/s，相關(guān)系數(shù)分別為0.68、0.64和0.61.模式預(yù)報風(fēng)向總體能把握主要的變化趨勢，24、48和72 h的RMSE分別為20.0°、23.2°和31.8°，相關(guān)系數(shù)分東印度洋地區(qū)每年也會有一定數(shù)量的臺風(fēng)甚至強臺風(fēng)發(fā)生，對當(dāng)?shù)匮匕秶业娜嗣裆敭a(chǎn)安全構(gòu)成危險.我們也評估了2016—2017年期間幾個主要臺風(fēng)過程期間模式對臺風(fēng)路徑的預(yù)報精度情況.主要的臺風(fēng)過程包括2016年的ROANU、TWO、KYANT、NADA和VARDAH，以及2017年的MAARUTHA和MORA.模式的臺風(fēng)中心提取采用the Read/Interpolate/Plot （RIP4）程序，該程序考慮了上層大氣和海表面的動力條件，包括最小中心氣壓、最大10 m風(fēng)速、650～850 hPa之間的最大渦度和海表到700 hPa之間的氣溫等.表1給出了模式臺風(fēng)路徑誤差情況.2016—2017年在東印度洋7個主要臺風(fēng)過程模式路徑預(yù)報平均誤差在24、48和72 h分別為110.5、166.4和181.0 km.48和72 h誤差明顯優(yōu)于印度氣象局（India Meteorological Department，IMD）2016年時的預(yù)報技巧 （路徑誤差為96.1、185.1 和291.7 km，數(shù)據(jù)來源http：∥www.rsmcnewdelhi.imd.gov.in）.

在7個臺風(fēng)過程中，24 h預(yù)報誤差最小為MORA（79.0 km），最大為MAARUTHA（177.5 km）；48 h預(yù)報誤差最小為MORA（111.0 km），最大為KYANT（223.0 km）；72 h預(yù)報誤差

最小為ROANU（136.5 km），最大為KYANT（248.3 km）.圖7給出了幾個預(yù)報個例的路徑誤差情況.從圖7中可以看出模式能很好地模擬臺風(fēng)移動變化情況，總體的誤差較小.特別是72 h預(yù)報也基本能保持較好的預(yù)報技巧，路徑預(yù)報誤差與24和48 h相比沒有明顯增大，基本保持同一水平.

2.3 水位預(yù)報檢驗評估

由于臺風(fēng)期間的觀測數(shù)據(jù)缺乏，我們采用2016年5月科倫坡水位站觀測數(shù)據(jù)用于模式預(yù)報水位的檢驗.圖8給出一個月的水位對比結(jié)果.從結(jié)果看，水位的總體RMSE為0.035 m，占最大振幅約5%，與觀測的相關(guān)系數(shù)達到0.996.這說明了模式能較好地預(yù)報水位的變化過程，特別是近岸的潮汐過程.風(fēng)暴潮的過程主要是由風(fēng)場誤差決定的，而考慮潮汐的作用后，潮汐的模擬誤差也對預(yù)報誤差產(chǎn)生影響.從水位的預(yù)報誤差看，模式有能力同時預(yù)報潮汐和風(fēng)暴潮過程.

3 討論和結(jié)論

本文在原“南海海洋環(huán)境數(shù)值預(yù)報試驗平臺”（EPMEF）的基礎(chǔ)上構(gòu)建了東印度洋區(qū)域的天氣與風(fēng)暴潮實時預(yù)報系統(tǒng)（EPMEF_EIO），并對該平臺進

行了初步的評估.該平臺由區(qū)域大氣預(yù)報模式WRF和基于POM模式的區(qū)域風(fēng)暴潮模式組成.利用美國NCEP的全球預(yù)報系統(tǒng)GFS資料作為大氣模式初邊場，并通過三重嵌套實現(xiàn)“動力降尺度”，獲取斯里蘭卡附近最高8 km的78 h天氣預(yù)報結(jié)果，而天氣預(yù)報的10 m風(fēng)場和海表面氣壓場又為風(fēng)暴潮模式提供了主要的驅(qū)動場.過去2年每天進行4次預(yù)報并實現(xiàn)了穩(wěn)定的運行，證明了該系統(tǒng)的穩(wěn)定性.通過和中國科學(xué)院南海海洋研究所斯里蘭卡站氣象塔觀測數(shù)據(jù)的對比，發(fā)現(xiàn)模式預(yù)報氣溫和相對濕度的日變化較觀測值偏??；氣溫總體RMSE在1.26 ℃，相關(guān)系數(shù)在0.8左右；相對濕度的總體RMSE在7.0%，相關(guān)系數(shù)在0.7左右.模式預(yù)報風(fēng)速的整體偏大居多，總體RMSE在2.3 m/s，相關(guān)系數(shù)在0.65左右；模式預(yù)報風(fēng)向總體能把握主要的變化趨勢，總體RMSE在20°～32°之間，相關(guān)系數(shù)約0.65左右.而對于臺風(fēng)路徑的預(yù)報，模式路徑預(yù)報平均誤差在24、48和72 h分別為110.5、166.4和181.0 km.48和72 h誤差明顯優(yōu)于印度氣象局 （IMD） 2016年時的預(yù)報技巧（185.1和291.7 km）.此外，通過水位站的對比檢驗，模式水位預(yù)報的總體RMSE為0.035 m，占最大振幅約5%，與觀測的相關(guān)系數(shù)達到0.996.這說明了模式有能力同時預(yù)報潮汐和風(fēng)暴潮過程.

EPMEF_EIO主要用于檢驗新預(yù)報技術(shù)和方法，不僅可以為東印度洋附近國家特別是斯里蘭卡相關(guān)海洋和氣象預(yù)報機構(gòu)的預(yù)報員在其日常業(yè)務(wù)預(yù)測中提供有價值的參考資料，而且可以為該區(qū)域熱帶氣旋預(yù)報能力的提高提供一些實際線索或提示.此外，它還通過提供大氣和海洋環(huán)境預(yù)報（尤其是TC路徑預(yù)報）以及相對較高的準確性來為該海洋地區(qū)進行的一些重要的社會活動和科學(xué)海洋調(diào)查提供保障.

然而，EPMEF_EIO正在不斷發(fā)展和完善之中.未來，海氣耦合系統(tǒng)將取代目前的單向耦合版本，而大氣和海洋區(qū)域模式將采用更高的網(wǎng)格分辨率.此外，大氣和溫鹽流資料同化系統(tǒng)將被納入EPMEF_EIO，特別是將高效簡化版的選尺度變分同化技術(shù)（SSDA）方案引入到系統(tǒng)中，必將進一步提高系統(tǒng)的運行效率，同時，海浪預(yù)報也將加入到EPMEF_EIO中.另一方面，與目前少數(shù)有限的觀測結(jié)果相比，系統(tǒng)對水位的預(yù)報似乎比較理想，但總體評估尚未完成.在收集更多數(shù)據(jù)后，我們將對系統(tǒng)進行更全面的評估對比.

參考文獻

References

[1] Peng S Q，Xie L，Pietrafesa L J.Correcting the errors in the initial conditions and wind stress in storm surge simulation using an adjoint optimal technique[J].Ocean Modelling，2007，18（3）：175-193

[2] Peng S Q，Xie L.Effect of determining initial conditions by four-dimensional variational data assimilation on storm surge forecasting[J].Ocean Modeling，2006，14（1）：1-18

[3] Bunya S，Dietrich J C，Westerink J J，et al.A high-resolution coupled riverine flow，tide，wind，wind wave，and storm surge model for Southern Louisiana and Mississippi.Part Ⅰ：model development and validation[J].Monthly Weather Review，2010，138（2）：345-377

[4] Dietrich J C，Bunya S，Westerink J J，et al.A high-resolution coupled riverine flow，tide，wind，wind wave，and storm surge model for Southern Louisiana and Mississippi.Part Ⅱ：synoptic description and analysis of hurricanes Katrina and Rita[J].Monthly Weather Review，2010，138（2）：345-377

[5] 董劍希，付翔，吳瑋，等.中國海高分辨率業(yè)務(wù)化風(fēng)暴潮模式的業(yè)務(wù)化預(yù)報檢驗[J].海洋預(yù)報，2008，25（2）：11-17

DONG Jianxi，F(xiàn)U Xiang，WU Wei，et al.Operational forecast and test of the high nesolution numerical storm surge forecast model for China Sea[J].Marine Forecasts，2008，25（2）：11-17

[6] 李永平，于潤玲，鄭運霞.一個中國沿岸臺風(fēng)風(fēng)暴潮數(shù)值預(yù)報系統(tǒng)的建立與應(yīng)用[J].氣象學(xué)報，2009，67（5）：884-891

LI Yongping，YU Runling，ZHENG Yunxia.A numerical forecast for typhoon storm surge over China coast[J].Acta Meteorologica Sinca，2009，67（5）：884-891

[7] 周旭波，孫文心.長江口以外海域風(fēng)暴潮與天文潮的非線性相互作用[J].青島海洋大學(xué)學(xué)報（自然科學(xué)版），2000，30（2）：201-206

ZHOU Xubo，SUN Wenxin.The non-linear interaction between storm surges and astronomical tides in the sea area off River Changjiangs mouth[J].Journal of Ocean University of Qingdao （Natural Sciences），2000，30（2）：201-206

[8] 姜兆敏，王如云，黃金城.風(fēng)暴潮與天文潮非線性相互作用的理論分析[J].河海大學(xué)學(xué)報（自然科學(xué)版），2004，32（4）：447-450

JIANG Zhaomin，WANG Ruyun，HUANG Jincheng.Nonlinear interaction between storm surges and astronomical tides[J].Journal of Hohai University （Natural Sciences），2004，32（4）：447-450

[9] 李杰，于福江，李洋，等.珠江口地區(qū)臺風(fēng)風(fēng)暴潮的數(shù)值模擬試驗[J].海洋預(yù)報，2009，26（2）：1-6

LI Jie，YU Fujiang，LI Yang，et al.Numerical simulation of typhoon storm surge in Zhujiang River estuary[J].Marine Forecasts，2009，26（2）：1-6

[10] Peng S Q，Li Y N，Gu X Q，et al.A real-time regional forecasting system established for the South China Sea and its performance in the track forecasts of tropical cyclones during 2011-13[J].Weather & Forecasting，2015，30（2）：150123122225003

[11] Prabhu S，Lee M J，Hu W Y，et al.On improving storm surge forecasting using an adjoint optimal technique[J].Ocean Modelling，2013，72（12）：185-197

[12] Michalakes J，Dudhia J，Gill D，et al.Design of a next-generation regional weather research and forecast model[C]∥Proceedings of Theghth Ecmwf Workshop on the Use of Parallel Processors in Meteorology European Centre for Medium Range Weather Forecasts，1998，1：269-276

[13] Skamarock W C，Klemp J B，Dudhia J，et al.A description of the advanced research WRF version 3[R].NCAR Technical Note，2008：NCAR/TN 468+STR

[14] Lo C F，Yang Z L，Pielke R A Sr.Assessment of three dynamical climate downscaling methods using the Weather Research and Forecasting （WRF） model[J].J Geophys Res，2008，113（D9）：D09112

[15] Zhang Y X，Dulière V，Mote P W，et al.Evaluation of WRF and HadRM mesoscale climate simulations over the U.S.Pacific Northwest[J].Journal of Climate，2009，22（20）：5511-5526

[16] Ferrier B S，Lin V Y，Black F，et al.Implementation of a new grid-scale cloud and precipitation scheme in the NCEP Eta model[C]∥19th Conference on Weather Analysis and Forecasting/15th Conference on Numerical Weather Prediction，2002

[17] Kain J S.A one-dimensional entraining/detraining plume model and its application in convective parameterization[J].Journal of Atmospheric Sciences，1990，47（23）：2784-2802

[18] Kain J S，F(xiàn)ritsch J M.Convective parameterization for mesoscale models：the Kain-Fritsch scheme[M]∥Emanuel K A，Raymond D J.The representation of cumulus convection in numerical models.American Meteorological Society，1993：165-170

[19] Hong S Y，Noh Y，Dudhia J.A new vertical diffusion package with an explicit treatment of entrainment processes[J].Monthly Weather Review，2006，134（9）：2318-2341

[20] Dudhia J.Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J].Journal of Atmospheric Sciences，1989，46（20）：3077-3107

[21] Mlawer E J，Taubman S J，Brown P D，et al.Radiative transfer for inhomogeneous atmosphere：RRTM，a validated correlated-k model for the longwave[J].J Geophys Res，1997，102（14）：16663-16682

[22] Heaps N S.A description of a three-dimensional coastal ocean circulation model[M]∥Heaps N S.Three-dimensional coastal ocean models.Washington D C：American Geophysical Union，2013：1-16

[23] Mellor G L.Users guide for a three-dimensional，primitive equation，numerical ocean model[J].Program Atmos Ocean Sci Princeton Univ，2003，17（1）：1

[24] Egbert G D，Bennett A F，F(xiàn)oreman M G G.TOPEX/POSEIDON tides estimated using a global inverse model[J].J Geophys Res，1994，99（C12）：24821-24852

[25] Peng S Q，Xie L，Liu B，et al.Application of scale-selective data assimilation to regional climate modeling and prediction[J].Monthly Weather Review，2010，138（4）：1307-1318

Abstract A real-time regional forecasting system for the Eastern Indian Ocean （EIO），called the Experimental Platform of Marine Environment Forecasting for EIO （EPMEF_EIO），is introduced in this paper.EPMEF_EIO consists of a regional atmosphere model and a regional storm surge model，and performs a real-time run four times a day.Output from the Global Forecast System （GFS） from the National Centers for Environmental Prediction （NCEP） is used as the initial and boundary conditions of two nested domains of the atmosphere model，which can exert a constraint on the development of small- and meso-scale atmospheric perturbations through dynamical downscaling.Then the system outputs the 3 day forecast of 72 km，24 km，8 km for Indian Ocean-EIO-Sri Lanka.The forecasted winds at 10 m height from the atmosphere model are used to drive the storm surge model，obtaining the 1/12°-1/36° results for EIO-Sri Lanka.By comparing observation data from the Sri Lanka Station Meteorological Tower of the South China Sea Institute of Oceanology，Chinese Academy of Sciences，TC best track data，and data from the Colombo tide gauge station，it is found that the daily variations of the model forecasted temperature and relative humidity are smaller than the observations；the overall root mean square error （RMSE） of the air temperature is 1.26 ℃，and the coefficient is 0.8；the overall RMSE of relative humidity is 7.0，and the correlation coefficient is 0.7.The model forecasted wind speed is mostly larger than the observation，with an overall RMSE of 2.3 m/s and a correlation coefficient of 0.65.The forecasted wind direction of the model can grasp the main trend of variation，with an overall RMSE of between 20°-32° and a correlation coefficient of about 0.65.The average error of model track forecast is 110.5 km，166.4 km，and 181.0 km at 24 hour，48 hour，and 72 hour，respectively.In addition，the overall RMSE of the model water level forecast is 0.035 m，accounting for about 5% of the maximum amplitude，and the correlation coefficient with the observation reaches 0.996.This shows that the model has the ability to simultaneously forecast tidal and storm surge processes.EPMEF_EIO，established primarily for research purposes with the potential to be implemented into operations，provides valuable information to the operational forecasters of local marine/meteorological agencies or international TC forecast centers.

Key words Eastern Indian Ocean；forecasting system；atmosphere model；storm surge model；root mean square error（RMSE）