GTSPP资料在BCC海洋资料同化系统中的同化效果分析

武丰民，张祖强，肖贤俊，何金海，刘怀明

(1．气象灾害教育部重点实验室(南京信息工程大学)，江苏南京210044;2．江苏省气象局，江苏 南京210008;3．国家气候中心，北京100081;4．南陵市气象局，安徽南陵241300)

GTSPP资料在BCC海洋资料同化系统中的同化效果分析

武丰民1，张祖强2，肖贤俊3，何金海1，刘怀明4

(1．气象灾害教育部重点实验室(南京信息工程大学)，江苏南京210044;2．江苏省气象局，江苏 南京210008;3．国家气候中心，北京100081;4．南陵市气象局，安徽南陵241300)

介绍了国家气候中心第二代海洋资料同化系统(BCC_GODAS2.0)所用的模式和同化方案，并设计了两个试验对同化系统的效果和稳定性进行检验:一个是加入GTSPP资料的1990—2008年19 a的同化试验，另一个是同时段内不加任何资料的模拟试验。利用OISST和SODA(Simple O-cean Data Assimilation)数据集对试验结果进行评估。评估结果表明，加入GTSPP资料的同化结果可以有效改进原模式对温度和盐度的模拟。在表层，整个海洋的温度和盐度场误差都有所减小，其中热带太平洋的改进效果最为明显;此外，同化结果能更好地反映Nino3和Nino4区海表温度的时间演变。垂直层次上的修正效果也很明显，在200 m左右的混合层效果改进最好，温度的均方根误差可减小1.5℃，盐度的均方根误差可减小0.6 psu。

BCC_GODAS2.0;资料同化;海表温度;海表盐度;评估

0 引言

地球约有75%的表面被海洋覆盖。海水具有巨大的质量和比热容，海水的热容量是大气的3 000多倍，海洋上层3 m的海水所含热量相当于整个大气层所含热量的总和，海面温度的变化比陆面温度的变化小得多，这使得海洋像一个具有很强热惯性的巨大能量存贮器，它对大气温度的变化起着重要的缓冲和调节作用(冯士筰等，1999)。同时，海洋也以感热和潜热的形式向大气释放能量，并向大气提供大量的水汽，因此，海洋在调节大气环流和气候变化方面也起着非常关键的作用。无论是长期天气预报还是短期气候预测，都对海洋温度、盐度、海流等观测资料有极大的依赖性(张人禾等，2004)。但是长期以来，由于海上观测的代价昂贵，海洋观测技术单一，人们对海洋中物理过程的研究受到海洋观测资料严重不足的限制。这使得耦合模式不能充分发挥作用，气候预报的准确度难以令人满意，人们对海洋的认识也始终难以深入。

近年来，随着卫星遥感技术和其他观测技术的成熟，海洋观测手段不断丰富，获取了大量的海洋观测资料。这同时也对海洋资料同化提出了更高的要求。海洋资料同化可以将观测数据所包含的有效信息应用于海洋状况的客观分析中，从而弥补海洋动力模型的欠缺，加深人们对海洋动力过程的认识;此外，资料同化还能提供历史海洋再分析资料，改进海气耦合模式的初始条件和边界条件(Talagrand，1997;陈东升等，2004;邹晓蕾，2009)。由于观测系统及一些观测手段的变更，如新型卫星资料的引入等使得不同时期的资料种类和来源不同，加之采用的海洋资料同化系统各有不同，很容易产生一些不是因为气候本身真实发生变化却出现“气候变化”的现象。这些“变化”可能在一定程度上掩盖了真实的短期气候变化和年际气候变率信号。利用一套长时间内未发生变化的数据同化系统对历史资料进行同化，并延续下去，产生再分析资料，可以有效修正上述误差。再分析资料能提高分析与预报系统的性能，便于气候预测业务的开展(何娜，2009;刘向文等，2011)。因此，历史海洋再分析资料已经成为气候研究中的重要资料来源，尤其在一些全球、区域气候变化的模拟和预测中，经常以这些再分析资料作为气候模式的初始场和驱动场资料(刘向文等，2010)。

鉴于海洋资料同化的重要性，许多国家都发展了业务化的海洋资料同化系统，如美国国家环境预测中心(NCEP)的GODAS、欧洲中期天气预报中心(ECMWF)的海洋分析系统以及英国气象局的FORM。在中国，朱江等(2007)建立了基于三维变分的OVALS同化系统，Xiao et al.(2008)分别将此系统用于南海和热带海洋的同化研究。此外，中国国家海洋环境预报中心和国家气候中心也分别发展了业务化的海洋资料同化系统(刘益民等，2005)。

由于中国国家气候中心已经业务化应用的第一代海洋资料同化系统存在未将盐度资料纳入同化系统和没有配备针对卫星资料的同化方案等显著问题，肖贤俊等(2011)开发了国家气候中心的第二代海洋资料同化系统BCC_GODAS2.0，该系统加入了盐度资料的同化方案，引进和发展了垂向投影技术、递归滤波、海表温度和海表高度的协调同化，非线性温盐约束等先进同化技术，发展了多种资料的协调同化，建立了一个准实时的海洋资料同化系统，(刘向文等，2011;肖贤俊等，2011;王东晓等，2012)。为了对比分析该系统同化前后对海洋物理状态的估计，评估该系统的性能，推动其进入业务应用，本文将1990—2008年19 a的GTSPP资料放入该同化系统进行同化试验，并用独立资料对该再分析结果进行评估，结果显示该系统具有较好的性能和同化效果，这为本系统的进一步改进和最终用于气候预测提供了条件。

1 同化系统和资料

1.1 同化系统和同化方案

本文所采用的同化系统是中国国家气候中心正在研发的新一代全球海洋资料同化系统(BCC_GODAS2.0)。该系统采用的海洋模式是美国地球物理流体实验室的模块化全球海洋环流模式MOM4(Modular Ocean Model 4)，经过起转后，模式从1959年1月启动，采用NCEP再分析资料中的风应力、气温等变量场作为模式的外强迫场，积分到1989年12月，然后从1990年1月1日开始同化试验。

本文研究中所用的模式格点为全球Tripolar格点，纬向分辨率为 1°，经向分辨率在 29.5°S～29.5°N间的区域从赤道的(1/3)°渐变到 1°，其他区域为1°;模式垂向分为50层，5～225 m以10 m间隔等间距分层，225 m以下的层次不等距分布，深度越深，间隔越大，变幅从11 m增加到366 m。洋底地形数据集采用的是72°S～72°N之间区域的卫星数据、美国NOAA的5’全球地形数据(ETOPO5)以及北冰洋世界海底地形图(IBCAO)三者的综合数据资料，模式最深达5 500 m(肖贤俊等，2011)。

在同化方法上，BCC_GODAS2.0采用了三维变分同化方法，目前该方法在技术上已经比较成熟并得到广泛应用(张根生等，2004;曹小群等，2008;官元红等，2009)。Xiao et al.(2008)在同化系统中加入了盐度同化并在同化卫星沿轨高度计资料时对方案作了改进:对动力高度的同化由原来反演一维温盐廓线改进为反演二维的温盐剖面;为了协调同化高度计和海表温度两种观测资料，利用约束关系，构建了新的变分同化代价函数，可以修正单变量同化时动力考虑的不完善，防止同化的偏移;方案中引进了递归滤波对变量场进行预条件处理(preconditioning)，简化了代价函数的求解，避免了背景误差协方差矩阵的求逆，而且实现了运算的模块化运行，使运算得到优化。

1.2 资料

本文所用的观测资料GTSPP(The Global Temperature-Salinity Profile Program)资料是由IODE(International Oceanographic Data and Information Exchange committee)和JCOMM(Joint Commission on O-ceanography and Marine Meteorology)提供的一种全球海洋温度和盐度资料系统(图1)。该系统开始只是为热带海洋—全球大气计划(TOGA)和全球海洋环流计划(WOCE)提供温度、盐度数据，后来逐步发展为全球温度盐度及其他相关数据的综合管理系统。资料分实时资料和延迟资料两种:实时资料未经质量控制，在第一时间送达系统并提供用户使用;延迟资料是经过质量控制的资料。实时数据由加拿大综合数据管理中心(ISDM)收集处理，美国国家海洋数据中心提供延迟数据。加拿大、美国、法国、德国、日本等多国合作为系统提供相关数据并承担管理任务(http://www.nodc.noaa.gov/GTSPP/)。

资料从1990年1月开始提供，早期主要是一些航线资料，2003年以后，加入了Argo资料，资料数量和资料覆盖的范围大幅增加(刘怀明，2010)。

原始的GTSPP资料以NC格式存放，每个观测点的数据写成一个文件。质量控制按照UNESCO(United Nations Educational，Scientific and Cultural Organization)和IOC(Intergovernmental Oceanographic Commission)制定的标准进行(http://www.nodc.noaa.gov/GTSPP/)。经过质量控制后的数据都有质量标记，其中0代表没有进行质量控制，1—5代表经过质量控制且数据质量依次下降，即1代表质量最好的数据，5则是最不可信的数据，6—8代表存储备用的数据，9代表缺测。读取时，仅选用质量最好即质量标记为1的温度和盐度数据。在原质量控制的基础上，又加入了深度检查和范围检查等质量控制方案。深度检查即去掉那些深度上存在错误(如较深一层的深度数据比浅层的深度数据还小)的数据，范围检查即去除了盐度在0～40 psu及温度在0～40℃范围之外的数据;由于数据在垂直方向上的时间和空间分布不均匀，故在垂直层次上进行了三次样条插值。此外，由于深海的数据很少且对本试验的影响很小，所以，为简化计算，本文只将插值后的前35层(35层深度为1 007 m)数据放入系统进行同化。

图1 GTSPP资料在1990年(a)和2008年(b)的全球站点分布Fig.1 Distribution of the GTSPP observation station in(a)1990 and(b)2008

2 同化结果分析

2.1 海表温度和海表盐度

本文基于BCC_GODAS2.0系统，采用NCEP再分析资料中的风应力、气温等变量场作为外强迫场(Kanamitsu et al.，2002)，试验开始积分的时间是1990年1月1日，结束时间是2008年12月31日。同化窗宽度为10 d。试验分为两步，第1步，不加任何观测资料，进行上述时间段的模拟试验，得到的结果称为模拟结果或模拟场;第2步，在同一时间段上积分，同时每隔10 d加入一次10 d内的观测资料，积分的结果称为同化结果或同化场。为了更好地比较同化结果对模拟结果的改进，进而检验同化的效果，本文将两种结果都处理为月平均资料，并与NCEP的海表温度再分析资料OISST(Reynolds et al.，2002)和美国马里兰大学的Simple Ocean Data Assimilation(SODA)资料(Carton et al.，2000a，2000b)进行比较。比较前，对 OISST 海表温度资料和SODA资料进行了水平双线性和垂直三次样条插值，使其格点与模式格点统一。

图 2 1990—2008 年平均的 1 月(a，b，c，d)、7 月(e，f，g，h)海表温度分布(a，c，e，g;单位:℃)及其与最优插值海表温度的差值(b，d，f，h;单位:℃) a，b，e，f.MOM4 模拟结果;c，d，g，h.BCC_GOADS2.0 同化GTSPP数据后的同化结果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

图2是MOM4模式和BCC_GODAS2.0同化系统积分得到的19 a(1990—2008年)平均的1月和7月的海表温度分布，并分别与OISST资料进行比较。可以看出，1月，模拟结果的海表温度场上，西太平洋暖池的范围较大，暖池中心的温度较高，东伸到东太平洋地区的暖舌范围很大;而同化结果中，暖池中心的温度偏低，东太平洋暖舌的范围明显小于模拟结果的暖舌范围。在北大西洋区域，模拟结果较同化结果偏冷;7月，西太平洋暖池和东太平洋地区的暖舌都向北移动，此时，模拟的暖池和暖舌的范围偏大，强度偏强;而同化结果则有效地纠正了这种偏差。进一步分析模拟结果与同化结果与标准资料OISST的差值分布可知，同化可以明显改善模式对热带太平洋、印度洋和北大西洋地区的海表温度模拟。1月，在赤道太平洋，尤其是赤道中东太平洋地区，模拟结果对标准资料的暖偏差可达2～3℃，同化结果则可以使这个误差降低到1℃以下;另外，在北大西洋、印度洋和南太平洋的广大海域，同化对模拟结果都有比较明显的改进。7月，赤道中东太平洋的暖偏差达3℃以上，赤道太平洋的偏差大值区较1月小，但赤道大西洋的偏差大值区则明显比1月的大。同化GTSPP资料后，有暖偏差的区域大大减小，在南大西洋海域，同化的改善效果也很明显。应该指出的是，相对模拟场而言，1月平均的同化结果比7月平均的同化结果改进要大，尤其在北太平洋和赤道东太平洋两个区域。

图 3 1990—2008 年平均的 1 月(a，b，c，d)、7 月(e，f，g，h)海表盐度分布(a，c，e，g;单位:psu)及其与 SODA 海表盐度的差值(b，d，f，h;单位:psu) a，b，e，f.MOM4 模拟结果;c，d，g，h.BCC_GOADS2.0 同化 GTSPP 数据后的同化结果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

图3是MOM4模式和BCC_GODAS2.0积分得到的19 a海表盐度分布，并分别与SODA分析值进行比较。可知，1月和7月，模拟的海表盐度在西太平洋暖池区域有很明显的低值区，而热带海域的模拟盐度高值区偏大，且中心强度偏高，北大西洋地区的模拟盐度值偏低。同化后，热带海域的盐度高值区缩小，中心强度降低。模拟、同化的海表盐度结果与SODA的差值分布显示，1月和7月，在热带太平洋、热带印度洋的大部分海域以及赤道以南的热带大西洋，同化前模拟的海表盐度值明显偏高(大于0.4 psu)，在北大西洋地区，模拟的海表盐度则异常偏低(大于1.2 psu)，而同化后的结果则有效地减小了上述误差，热带海洋的差值小于0.2 psu，北大西洋的异常低值区也得到了有效修正。

图4Nino3指数(a)、Nino4指数(b)(海表温度距平;单位:℃)的逐月变化Fig.4 Monthly variations of(a)Nino3 index and(b)Nino4 index(sea surface temperature anomaly;units:℃)

上面仅分析了表层温度和盐度的平均情况，那么同化结果在时间演变上对模拟结果有多大改进呢?由于El Nino现象是热带海气相互作用的最强信号(马丽萍等，2001)，对赤道东太平洋的海温模拟是验证模式与同化效果的重要标准。故本文选取了Nino3和Nino4两个区域(Nino区的划分引自www.cpc.ncep.noaa.gov)，对这两个区域的同化前、后两种结果与OISST资料的时间序列进行了对比。由图4可见，在Nino3区和Nino4区，模拟和同化的结果都能体现本区域的Nino指数变化特征，模拟结果、同化结果与OISST Nino3指数的相关系数分别为0.91和0.93，而在Nino 4区，这种相关可分别达0.94和0.95。可见，这两种结果都能很好地体现两个Nino指数的变化特征，但是在峰值的把握上，同化后的结果则具有较明显的优越性，如:1998年Nino3指数的异常高值和1999年Nino4指数的异常低值。峰值把握的好坏本质上是均方根误差的大小。计算表明:模拟结果与OISST的Nino3指数、Nino4指数的均方根误差分别为1.56、0.82℃，而同化结果的这两个均方根误差分别降至1.13、0.76℃。

2.2 温度和盐度的垂向剖面

图5为1990—2008年19 a平均的温度模拟结果和同化结果分别与观测温度(SODA资料)相减的垂直剖面。可以看出，模拟结果在三个大洋中都有一个暖偏差很大的区域。在太平洋，这块区域集中在赤道东太平洋，深度从100 m到300 m，暖偏差在2.5℃以上;在整个大西洋的表层以下，直到700 m深度，有一个巨大的暖偏差区，平均偏差约4℃，部分地区在5℃以上;在印度洋的100～400 m也存在类似的情况。模拟结果在赤道地区混合层存在如此大误差的主要原因可能是因为在赤道近岸地区海水的上翻和下沉运动强烈，垂直运动复杂，这在模式中很难被把握和准确体现。故西太平洋和东太平洋温跃层的海水温度偏差较大，而赤道中太平洋的偏差则小得多。加入观测资料后，模拟的误差可以得到很大纠正，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显。赤道东太平洋改善较小，同化后的结果仍然有一个较大的暖偏差区，这可能是由于该区域次表层观测资料缺少。在印度洋和大西洋的700 m以下区域，海水处于较稳定状态，模拟的误差不大，同化对模拟的改善效果亦不明显。

图51990—2008年平均的沿赤道(a，b)和180°经线(c，d)的温度与SODA差值的垂直剖面(单位:℃)a，c.模拟温度减去SODA温度;b，d.同化温度减去SODA温度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°经线剖面上，也存在3个明显的高值区(图5c)。30°S附近，在新西兰北部海域的100～300 m深度，存在约2.5℃的暖偏差;30～40°N的200～600 m深度，暖偏差约为2℃;在北冰洋，100～400 m暖偏差为1.5℃左右，400 m以下暖偏差大于2℃。在同化结果(图5d)中，上述区域的误差大大减小，整个海域的误差控制在0.5℃左右。

图6为1990—2008年19 a平均的盐度的模拟结果和同化结果分别与观测盐度相减的垂直剖面。在赤道印度洋和太平洋的200 m以上深度，模拟结果比观测结果偏低0.5 psu以上，而在大西洋，偏低的区域更大、层次更深，600 m以上深度的盐度都比观测值明显偏低1.0 psu，在300 m以上，这一偏差甚至可达1.5 psu以上。同化可基本消除上述误差，除了大西洋100 m以上深度的误差在0.5 psu左右外，其他海域同化与观测的误差可降至0.2 psu以下。

在180°经线的垂直剖面(图6c、d)上，模拟的误差比在赤道剖面上小，主要是位于100～200 m深度的次表层有大于0.4 psu的偏差。误差最大的区域在北冰洋，整个层次上都有1.0 psu以上的高值偏差，在100～400 m甚至偏高达1.5 psu以上。同化的改善效果是明显的，除了北冰洋的100 m以上层次仍有较大的偏差外(偏低约1.0 psu)，其余海域的误差基本控制在0.2 psu。

2.3 整体的均方根误差

下面评估同化的总体效果。为了进一步验证同化结果对模拟结果在垂直层次上的改进，将19 a的年平均同化结果和模拟结果分别与观测场逐层计算均方根误差。图7a是同化和模拟温度的19 a平均结果与观测场的均方根误差比较。与上述垂直效果验证的结果相符，200 m左右混合层的温度误差最大。从表层到200 m，模拟与同化的误差都随深度增大;200 m是一个拐点，200 m以下的误差随深度逐渐减小。100 m以上，同化对模拟的改进不明显，200 m处的改进达到最大，达1.0℃以上，200 m以下的改善效果亦非常明显。

图61990—2008年平均的沿赤道(a，b)和180°经线(c，d)的盐度与SODA盐度差值的垂直剖面(单位:psu)a，c.模拟盐度减去SODA盐度;b，d.同化盐度减去SODA盐度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

图7 1990—2008年19 a平均的全球温度(a)、盐度(b)均方根误差的廓线分布(实线为BCC_GODAS同化结果，虚线为MOM4模拟结果)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)

图7b为盐度均方根误差的廓线分布。与温度在200 m有最大误差的情况不同，盐度的模拟与同化误差有随深度单调减小的趋势。200 m以上，误差随深度减小的速度很快，误差梯度很大。同温度一样，盐度也是在200 m深度上的改进效果最明显，达0.6 psu。200 m以下，同化的效果趋于稳定，误差在0.1 psu左右，且基本不随深度变化。

3 结论和展望

本文基于国家气候中心新发展的第二代全球海洋资料同化系统(BCC_GODAS2.0)，同化了1990—2008年共19 a的GTSPP资料，并对同化结果从表层、垂向、总体效果、年际变化等方面进行了评估和分析，得到以下主要结果:

1)同化对温度和盐度表层结果的改善都非常明显。其中，温度的表层最大误差区在赤道中东太平洋，误差在3℃左右，且偏差大值区的区域较大;同化对模拟的改进幅度约2.0℃，可基本消除这种暖偏差。盐度的表层模拟结果在低纬海区和北大西洋海区的误差较大，在0.4 psu以上;同化结果显示，除北冰洋地区，全球的表层盐度误差都得到了很大的改善，绝大部分海区的误差都被控制在0.2 psu以内。在北大西洋地区，这种改进甚至可以达到1.5 psu以上。

2)在时间变化特征方面，模拟与同化两种结果都能体现Nino3和Nino4区的海表温度距平的时间变化特征，与标准的OISST资料的Nino指数都有很高的相关。同化结果在相关系数方面略优于模拟结果，但在峰值的把握上，同化结果的优势比较明显。

3)在垂直层次上，模拟温度和盐度的误差大值区分布特点较为类似，在赤道太平洋和印度洋的300 m以上有较大误差，而在赤道大西洋，误差大值区的深度延伸至700 m左右。均方根误差的垂直分布体现了上述特点，在200 m左右，平均的均方根误差是最大的，且同化对模拟的改进也在该深度达到最大，温度和盐度可以分别改进1.5℃和0.6 psu。在均方根误差的垂直分布上，温度模拟和同化的误差先是随着深度递增，到200 m左右变为随深度递减，盐度的误差则有随深度单调递减的趋势。

总之，上述结果体现了BCC_GODAS2.0所用的MOM4海洋模式在温度和盐度模拟方面的优越性，而由于GTSPP资料不是单纯的表层资料，在次表层和更深海域都有可用的数据，这些资料的加入对模拟结果有非常明显的改善。同时，同化结果在反映温度年际变化的能力上也表现出了较高的可靠性。需要指出的是，虽然同化系统对温度和盐度场的模拟比单纯的动力模式改进了很多，但是在北冰洋和一些靠近海岸海区，同化结果仍有较大的误差，尤其是赤道东太平洋次表层仍存在较大暖偏差，这除了模式本身刻画能力不足的原因之外，GTSPP资料本身的资料量、可靠性以及同化方案的完善程度都是制约同化效果的因素，随着观测资料的丰富尤其是高纬和近岸浮标资料的增加，以及多种资料协调同化技术的发展，同化系统应当可以在上述表现不足海域得到较大的改进;此外，本文主要讨论了表层结果，而对垂直层次上的结果仅做了初步分析，在海洋环流的改进方面也没有讨论，这些都需要更进一步的研究。

致谢:国家海洋局秦英豪博士和国家气候中心刘向文博士为本研究提供了支持和帮助，审稿专家提出了宝贵建议，对此表示衷心感谢!

曹小群，黄思训，张卫民，等.2008.区域三维变分同化中背景误差协方差的模拟［J］.气象科学，28(1):8-14.

陈东升，沈桐立，马革兰，等.2004.气象资料同化的研究进展［J］.南京气象学院学报，27(4):550-564.

冯士筰，李凤岐，李少菁.1999.海洋科学导论［M］.北京:高等教育出版社.

官元红，周广庆，陆维松.2009.一个用于气候模式的三维变分资料同化系统——方案设计及检验［J］.大气科学学报，32(3):392-404.

何娜.2009.基于MOM4海洋模式的卫星资料同化方案的改进及评估［D］.南京:南京信息工程大学.

刘怀明.2010.Argo温盐资料在BCC_GODAS2.0中的应用［D］.南京:南京信息工程大学.

刘向文，李维京，吴统文，等.2010.GTS的温盐资料在BCC_GODAS中的同化结果分析［J］.应用气象学报，21(5):558-569.

刘向文，李维京，吴统文，等.2011.从GTS获得的海洋温、盐资料在BCC海洋同化系统中的质量控制及同化结果初步分析［J］.气象学报，69(4):672-681.

刘益民，李维京，张培群.2005.国家气候中心全球海洋资料四维同化系统在热带太平洋的结果初步分析［J］.海洋学报，27(1):27-35.

马丽萍，王盘兴，吴洪宝.2001.热带海洋海气相互作用的区域差异［J］.气象科学，21(3):260-269.

王东晓，秦英豪，肖贤俊，等.2012.一套全球海洋再分析资料初步结果分析［J］.科学通报，57(22):2102-2110.

肖贤俊，何娜，张祖强，等.2011.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，30(3):1-8.

张根生，黄小刚，费建芳.2004.数值天气预报初场的变分同化及其伴随方法简介［J］.气象科学，24(2):240-245.

张人禾，刘益民，殷永红，等.2004.利用ARGO资料改进海洋资料同化和海洋模式中的物理过程［J］.气象学报，62(5):613-622.

朱江，周广庆，闫长香，等.2007.一个三维变分海洋资料同化系统的设计和初步应用［J］.中国科学D辑，37(2):261-271.

邹晓蕾.2009.资料同化理论和应用(上册)［M］.北京:气象出版社.

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.

(责任编辑:倪东鸿)

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

武丰民，张祖强，肖贤俊，等.2014.GTSPP资料在BCC海洋资料同化系统中的同化效果分析［J］.大气科学学报，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

国家重点基础研究发展计划(973计划)项目(2012CB417403);公益性行业(气象)科研专项(GYHY201006020);国家自然科学基金创新群体项目(41221064);长江学者和创新团队发展计划项目(PCSIRT);江苏高校优势学科建设工程资助项目(PAPD);江苏省研究生培养创新工程(N0782002113)

张祖强，博士，研究方向为海气相互作用，zhangzq@cma.gov.cn.