中国近岸海域基础预报单元海温预报指导产品研制

王兆毅，李云，王旭

（国家海洋环境预报中心，北京100081）

1 引言

海水温度是海洋环境的主要影响因子之一。一方面海水密度的变化主要受制于海温的变化，海水温度场影响着海洋动力场，另一方面，海温对渔场的分布、鱼汛期的确定等都有重要影响，因此海温状况对海洋渔业资源开发、海洋水声工程建设、滨海旅游开发和海气相互作用研究等有着十分重要的意义。我国的海温预报研究工作始于20 世纪60年代初。1983年开始发布第一份海温旬预报图，主要覆盖中国近海和西北太平洋海域。国际上从20 世纪80 年代开始采用海洋动力模式进行海洋三维温盐流预报，我国自1989年开始发布海表面温度（Sea Surface Temperature，SST）数值预报。随着高性能计算和数值预报技术的不断发展，特别是1997年全球海洋数据同化实验（Global Ocean Data Assimilation Experiment，GODAE）计划的实施，通过国际间合作和技术支持，全球及区域数值模拟和数据同化系统得以逐步建立[1-2]，我国的海温数值预报也得到了长足的发展。目前，多国海洋预报机构均建立和发展了各自的海洋预报业务系统。从2007 年开始，国家海洋环境预报中心（National Marine Environment Forecasting Center，NMEFC）基于普林斯顿海洋模式（Princeton Ocean Model，POM）开发并业务化发布中国近海三维温盐流数值预报[3]。2013 年基于区域海洋模式系统（Regional Ocean Modeling System，ROMS）开发了新一代中国近海三维温盐流数值预报系统[4-5]。针对沿海海域海温的预报方法，很多学者已经基于单站的观测开展了一系列的研究[6-10]，并对我国沿海海温变化与气候变化的相互关系展开讨论[11-13]。预报释用是连接数值预报和预报产品之间的一座桥梁，可以有效挖掘数值预报产品中的有用信息，显著提高预报产品的精度，利用反向传播（Back Propagation，BP）人工神经网络方法开展的单站预报释用实验取得了不错的效果[10]。随着海洋经济的发展需要，NMEFC相继开展了中国近海主要城市、海水浴场和滨海旅游度假区等的日平均海温预报[14]，这些预报产品主要基于近岸台站海温观测数据，并利用经验预报和统计预报方法等开展1～4 d的海温预报[15]，其中1 d的日平均绝对误差在0.3 ℃左右，一般最大不超过0.5 ℃，2 d以上的预报表现会稍差，总体均方根误差约为0.6 ℃[10]。

随着国民经济的不断发展，主要城市海温预报已难以满足实际需求，因此，在国家海洋预报主管部门的主导下，开展了中国近岸海洋预报指导产品的开发，并印发了《中国近岸海域基础预报单元划分》技术文件。该产品按照中国近海县级海域的划分将全国近岸海域划分成213 个岸段，从而实现了县级海洋预报全覆盖（见图1），海温预报指导产品是其中一个重要的组成部分。由于传统的经验预报和统计预报已经很难满足如此多的区域预报需求，因此将数值预报与预报释用技术相集合是解决大量区域预报需求的有效途径。NMEFC 研发的温盐流数值预报系统可以提供中国近海海域的三维温盐流数值预报，大面预报的均方根误差可以达到0.8 ℃，尤其在受潮汐、地形、海陆作用影响的近岸海域，均方根误差在1.0 ℃左右[4,10]，因此数值预报在近岸区域的结果与人工经验预报之间存在较大差距，无法直接用来提供近岸的海温预报。现有的人工经验和统计预报方法可以满足少数站点的精细化预报，但很难满足像中国近岸海洋预报指导产品这种大量站点的预报需求。因此本文将实时海温观测与海温数值预报相结合，采用偏差订正的海温预报释用方法，研制了中国近岸海域基础预报单元海温预报指导产品，并于2018 年6 月起运用到中国近岸海温预报指导产品的业务化预报当中。

图1 中国近岸海域基础预报单元划分示意图

2 数据和方法

2.1 数值预报

本项研究工作采用的ROMS 模式是一种基于三维非线性斜压原始方程的、具有自由表面的和沿地形跟随坐标非线性斜压模式。模式的计算区域范围为99°～160°E，-5°～52°N（见图2b）。模式水平分辨率为1/20°，在垂向采用沿地形的垂直伸展坐标系，共分为30 个σ层。模式地形数据基于全球海洋高精度水深图（GEneral Bathymetric Chart of the Oceans，GEBCO）[16]的全球海洋资料并对中国近海进行了修正，最小水深取为10 m，最大水深7 000 m，并对地形进行适当平滑，以减小海底海山等对模式稳定性的影响。边界的水位、温度、盐度以及流场数据都是由NMEFC 业务化运行的全球模式NEMO（Nucleus for European Modelling of the Ocean）的全球温盐流数值预报系统提供，并用气候态月平均资料作为边界备份，水位和海流叠加了由TPXO9[17]提供的14 个分 潮（M2、S2、N2、K2、K1、O1、P1、Q1、M4、MN4、MS4、2N2、Mf和Mm）的潮汐潮流调和常数。风场驱动由NMEFC 业务化运行的天气研究预报模式（Weather Research and Forecasting Model，WRF）中的西北太平洋大气数值预报提供[18]，并用美国全球预报系统（Global Forecasting System，GFS）的全球气象数值预报数据作为备份，以此保障西北太平洋温盐流数值预报的稳定运行。数据同化方面，采用集合最优插值（Ensemble Optimal Interpolation，EnOI）方法[19]同化延轨海表面高度异常（along -Track Sea Level Anomaly，TSLA）观测，同时利用三维变分（Three Dimensional VARiational，3DVAR）方法[20-21]同化实时地转海洋学阵列（Array for Realtime Geostrophic Oceanography，ARGO）温盐廓线和卫星遥感SST观测。

图2 观测站点和浮标分布（为站点，为浮标，小框内为中国近海地形示意图）

2.2 观测数据

预报观测资料采用全国178 个海洋站和44 个近海浮标的SST 观测资料，观测站点和浮标位置如图2所示。在对观测资料进行筛选后（剔除缺测率＞10% 的站点），保留123 个海洋站观测和34 个近海浮标观测。对观测数据进行质量控制，剔除异常观测和日内海温突变超过2 ℃的观测，即该时次的海温值超过其当日海温平均值2 ℃时将其剔除。通过统计2018—2019年的逐小时观测，并经人工质控发现，此类观测均为异常观测。另外，由于浮标和台站观测数据无法充分覆盖到213 个预报点位，我们采用预报区域周围1°×1°范围内的就近观测数据（见图3），并利用海温与纬度的递减关系进行适度修正（修正系数为0.4 ℃/°），以此来制作213 个基础预报单元的海温实况观测值。

2.3 订正方法

偏差订正方法在气象预报中已经有较为广泛的研究和应用[22]，海温预报中基于BP人工神经网络方法也开展了单站的预报释用研究[13]。由于人工神经网络方法随着调训时间的增长，预报的精度会更高，但需要长时间的连续观测作为支撑，并且现有观测无法完全覆盖所有预报站位，因此为了简化预报流程，本文选用了偏差订正方法对预报产品进行订正。该方法的预报精度虽然无法随时间的增长而改善，但流程较为简化，并可以快速有效地提高海温预报的准确率。

图3 观测取样示意图（星号代表观测站点，圆点代表预报点位）

本文使用的偏差订正方法为平均法，该方法根据每个预报站点的预报订正量分别对各站预报进行订正。计算公式如下：

式中：为观测海温；为预报站点的预报海温；k为站点序号；n为观测时次。然后将预报订正量叠加到预报场上：式中为订正后的t时刻预报场；为订正前的t时刻预报场；为预报订正量。

2.4 预报业务流程

业务化预报流程如图4所示。首先进行同化资料的收集，包括北京时间T-2～T-1 d 的台站浮标观测、Argo 浮标观测和卫星遥感观测数据等；然后进行数据同化，优化数值预报系统初始场，并运行数值预报系统，提供T-1 d 20 时起报的未来7 d 的海温数值预报产品；再次收集T-1 d 20时—T d 08时的台站和浮标海温观测资料，并利用数值预报结果计算预报订正量；最后预报订正量叠加到数值预报场上生成T d 08时起报的海温预报指导产品并发布。

图4 业务化预报流程图

3 预报效果检验

3.1 检验评估方法

海温检验通常选用平均绝对误差进行评估和检验，计算公式分别为：

绝对误差：

式中：F为预报值；O为实况值；N为检验预报时效内的时次数或某个区域内的站点数。

为了更加直观的展现预报效果，会将预报产品的绝对误差转化为准确度。利用观测与预报之间的绝对误差计算海温预报产品准确度S，具体计算方法如下：

3.2 检验评估结果

本文利用实况观测对2018年7月1日—2019年9 月1 日的中国近岸海域基础预报单元海温预报指导产品的3 d 预报结果进行检验。图5 给出了预报海域的3 d 预报准确度和绝对误差情况，各预报站的0～24 h 预报准确度及绝对误差比较稳定，准确度基本在95 以上，平均绝对误差小于0.2 ℃；24～48 h 各预报站点之间的差异开始有所增大，平均绝对误差最大差异可以达到0.4 ℃，但绝大部分预报海域的平均绝对误差小于0.4 ℃；48～72 h 的预报准确度进一步下降，各预报站的预报平均绝对误差基本在0.6 ℃以内。

表1给出了所有站点的3 d预报平均绝对误差，其中0～24 h 的平均绝对误差为0.17 ℃，平均预报准确度为96.6；24～48 h的平均绝对误差0.30 ℃，平均预报准确度为94.0；48～72 h 的平均绝对误差0.38 ℃，平均预报准确度为92.3。

从所有预报站点的3 d 预报准确度（见图6a）及绝对误差（见图6b）随时间的变化情况来看，0～24 h的预报准确度基本在95% 以上，2018 年12 月7 日时出现了最小预报准确度91.4%；24～48 h 的预报准确度虽然降低，但也基本都在92% 以上，平均绝对误差则小于0.4℃，不同日期之间会有所差异；48～72 h 的预报准确度进一步降低，最大预报准确度可以达到96.2%，最小预报准确度为89.2%，预报的平均绝对误差在0.4 ℃左右。

图5 人各预报站3 d预报检验评估分布图

图6 3 d预报检验评估随时间的变化图

表1 预报绝对平均误差

图7 给出了各预报站3 d 预报绝对误差的分布情况。从0～24 h 预报绝对误差的分布结果来看（见图7a），各预报站的平均绝对误差基本一致，除了舟山外海和厦门海域之外，这两个站的预报精度还有较大的提升空间；从24～48 h 预报绝对误差的分布结果来看（见图7b），各预报站的平均绝对误差差异开始增大，其中山东半岛、苏浙沿海、琼州半岛海域的平均绝对误差相对较小；从48～72 h预报绝对误差的分布结果来看（见图7c），各预报站的平均绝对误差进一步增大，莱州湾西北部、舟山外海以及海南岛东南海域的预报绝对误差相对较大。

图7 各预报站3 d预报绝对误差分布图（单位：℃）

4 结论与展望

海水温度作为海洋环境的主要影响因子之一，其预报的准确性对海洋渔业资源开发、海洋水声工程建设、滨海旅游开发等沿海海洋活动有着十分重要的意义。本文基于海温数值预报系统和偏差订正释用方法，开发了中国近岸海域基础预报单元海温预报指导产品。该指导产品自2018 年6 月对外发布以来，运行稳定可靠。通过对发布以来1 a以上的预报结果进行了检验评估，结果发现未来3 d 的预报日平均绝对误差分别达到了0.17 ℃、0.30 ℃和0.38 ℃，预报准确度良好，可以为我国近海的海温提供较为准确的预报指导产品。针对部分站点预报精度不高的问题，后续将利用人工智能订正方法对有观测的站点开展释用订正应用，同时与偏差订正释用方法进行比较，进一步提高县级海域海温预报的准确率。