Nudging資料同化對北極海冰密集度預報的改進

趙杰臣，楊清華，李明，李群，李春花，田忠翔，張林

（1.中國海洋大學海洋與大氣學院，山東青島266100；2.國家海洋環境預報中心國家海洋局海洋災害預報技術研究重點實驗室，北京100081；3.中國極地研究中心，上海200136）

?

Nudging資料同化對北極海冰密集度預報的改進

趙杰臣1，2，楊清華2，李明2，李群3，李春花2，田忠翔2，張林2

（1.中國海洋大學海洋與大氣學院，山東青島266100；2.國家海洋環境預報中心國家海洋局海洋災害預報技術研究重點實驗室，北京100081；3.中國極地研究中心，上海200136）

摘要：北極夏季海冰的快速減少使得北極航道提前開通成為可能。為了給北極冰區船運活動提供及時可靠有效的海冰預報保障，急需提高海冰預報水平。本文基于麻省理工大學通用環流模式（MIT-gcm），使用牛頓松弛逼近（Nudging）資料同化方法將德國不萊梅大學的第二代先進微波輻射成像儀（A M SR2）海冰密集度資料同化到模式中，建立了北極海冰數值預報系統。設計試驗對比3種不同Nudging系數計算方案的改進效果，結果表明選擇合適參數后，不同方案均能顯著改進海冰密集度初始場。通過設計有無Nudging同化的兩組預報試驗，結合衛星遙感海冰密集度及中國第五次北極科學考察期間“雪龍”船的走航海冰密集度觀測數據，定量分析了Nudging同化方案對北極海冰密集度的24～120 h預報結果的改進效果。結果表明，Nudging同化對120 h內全北極海冰密集度的空間分布和移動單點目標的海冰密集度預報結果均有顯著改善；但在海冰變化很小的情況下，Nudging同化試驗的24～120 h預報結果均劣于慣性預報結果，說明基于Nudging同化的數值預報系統還需進一步提高預報技巧。

關鍵詞：北極海冰；密集度預報；Nudging；資料同化

1　引言

自1979年有連續海冰衛星觀測資料以來，北極海冰的范圍、厚度和多年冰的比例都在顯著減小［1—2］。特別是北半球夏季，北極海冰范圍減少的趨勢更為明顯，以9月為例，海冰范圍的減小速率在1979-1998年間為每年約3.2×104k m2，而在1999-2010年間急劇增加到每年約15.4×104k m2［3—4］。利用ICESat衛星資料反演得到的海冰厚度數據顯示，冬季北極海盆尺度上海冰厚度的減小速率在2003-2008年間達到每年0.17 m［5］。而融冰季節的時間長度1979-2007年間增加了20 d［6］。北極海冰的這些快速變化，特別是夏季海冰范圍、密集度、厚度的持續減小，加速了北極地區科學考察和商業航運的發展。為了更好地把握航運機會，控制風險，如何及時準確地為船舶提供北極海冰預報信息成為當前亟需解決的問題。

在此背景下，國家海洋環境預報中心近年來初步發展了北極海冰數值預報系統［7—8］。該系統基于MITgcm冰-海耦合模式，目前采用衛星觀測海冰密集度數據直接替代為數值預報的海冰密集度初始場的方法。這種初始化方法可以融合所有的衛星海冰密集度信息，較好地提高初始場的準確度，但也導致出現初始化后計算不穩定的問題［7］。因此，需要引入一種省時、高效、穩定的海冰密集度資料同化方法來同化衛星觀測的海冰密集度，進而改進海冰預報的密集度初始場。

國際上對于通過同化海冰密集度來改進冰-海耦合模式的預報水平已有較多研究，包括利用（局地）集合卡曼濾波方法、最優插值方法、Nudging方法等，將SS M/I、SS MIS和歐盟海洋海冰衛星應用中心（OSISA F）等衛星海冰密集度數據同化到H Y C O M、R O M S、MITgcm、Hadley氣候模式和南森中心T OP A Z等模式中［9—15］。前人的工作中，使用（局地）集合卡曼濾波方法時涉及到的程序較多，數據量較大，當模式在每一個時間步長上都進行大數據量的計算和交換時，就需要占用較多的計算資源或者消耗較長的計算時間；同化使用SS M/I和SS MIS等衛星數據時，因其較低的分辨率（25 k m）會造成某些區域的信息失真。考慮到天氣尺度的海冰預報系統不僅需要準確的預報結果，更注重快速及時的預報時效性，因此通過比較前人的同化方法，并結合預報中心實際計算資源，本文建立了基于Nudging同化方法和MIT-gcm冰-海耦合模式的北極海冰預報系統。選擇將分辨率更高（6.25 k m）的準實時衛星海冰密集度產品A M SR2同化到預報系統中，并通過設計對比試驗來驗證，Nudging同化對天氣尺度上北極海冰密集度預報的改進作用。

2　模式和數據

本文所用的MITgcm冰-海耦合模式［16］是CheckPoint63k版本，海洋和海冰模式均采用Arakawa C網格，采用有限體積離散方法。海冰動力學使用黏-塑迭代算法［17］，海冰熱力學使用含雪蓋的“零層”方案［18］。本試驗中設置420×384個格點覆蓋全北極區域，網格局地正交，水平網格較均勻，平均間距18 k m，考慮了主要的北極海峽。開邊界取在大西洋和太平洋的55°N附近［19—20］，邊界條件采用月平均的ECC O2全球模擬結果，主要包括位溫、鹽度、流場等。海洋模式垂直分為50層，垂直分辨率為10～450 m不等，上層海洋分層更多。海冰和海洋模式采用相同的水平網格。地形數據采用美國國家地球物理數據中心（N G D C）的2′全球地貌數據E T O P O2。模式的積分時間步長為1 200 s。

MITgcm模式需要的大氣強迫場主要包括10 m風速、2 m氣溫和比濕、向下長波和短波輻射、降水等。本文使用的大氣強迫數據有兩種，控制試驗使用的是美國國家環境預報中心（N CEP）發布的時間間隔為6 h，水平分辨率為2.5°的再分析資料，預報試驗使用的是N CEP發布的時間間隔為6 h，水平分辨率為0.5°的全球預報系統（G FS）資料。

用于Nudging同化和預報結果對比的衛星數據是德國不萊梅大學提供的日平均A M SR2海冰密集度數據，該數據基于全球變化觀測任務衛星（G C O MW 1）上搭載的第二代先進微波輻射成像儀（A M SR2，頻率89 G Hz），采用ASI算法［21］，具有比SS M/I更高的空間分辨率（6.25 k m），同時在北半球夏季海冰表面有融池存在的情況下，A M SR2比SS M/I具有更高的準確度。另外本文利用2012年中國第五次北極科學考察期間（7月25-30日和8月28-31日，圖1）“雪龍”船的走航海冰密集度觀測數據作為獨立數據來驗證模式預報結果，走航觀測參考ASPeCt（Antarctic Sea ice Processes and Climate）的船基海冰觀測標準進行［22］，人工海冰密集度觀測方式是觀測員站在駕駛臺高處目測視線范圍1 k m內海冰覆蓋區域所占的比例。冰區航行時“雪龍”船船速大約18 k m/h，走航觀測為半小時一次，對走航觀測的數據進行三點平滑處理得到水平距離約18 k m范圍的平均走航觀測值。A M SR2產品空間分辨率為6.25 k m，取“雪龍”船位置處最接近的9個網格求平均值，得到約18 k m×18 k m范圍的平均海冰密集度值。模式的水平網格約為18 k m，這樣3種數據可以在相同的水平尺度上進行比較。

3　Nudging資料同化

Nudging同化方法的基本的原理是，數值模式讀入日平均的衛星觀測海冰密集度數據，然后線性插值到每一個時間步長上，在進行計算時，每一積分步長下的海冰密集度由以下公式進行同化：

Nudging系數G在以往的研究中有不同的取法，Lindsay和Zhang［10］將該系數表達為海冰密集度模擬值和觀測值之差的非線性函數（表1，Nadging-A），其中σm是模擬的海冰密集度標準偏差，σo是衛星觀測的海冰密集度標準偏差。W ang等［14］則引入海冰密集度模擬值和觀測值的標準偏差來估計該系數（表1，Nudging-B）。MITgcm模式CheckPoint63k版本中Nudging系數G由表1，Nudging-C公式計算得到。本文中τo取值為海冰熱力學積分的時間尺度與海冰密集度Nudging的時間尺度的比值，指數部分的作用是使得G在同化過程中隨著時間和空間不斷變化，以往的數值試驗表明，變化的Nudging系數通常比常值更有效［14］。本文選取表1中3種不同的Nudging方案分別進行一系列的敏感性試驗，確定各方案中經驗性參數的最佳取值，然后探討不同方案對海冰初始場同化結果的影響。

圖1　第五次中國北極科學考察期間“雪龍”船航跡圖［23］。本文將7月25-30日低緯區域的航線定義為第一航段，將8月26-31日高緯區域的航線定義為第二航段，藍色和綠色分別是是7月22日和8月24日衛星觀測到的海冰覆蓋區域Fig.1 The R/V Xuelong route during the 5th Chinese National Arctic Research Expedition（C HIN A R E）.The route along the low latitude during 25th to 30th July was named Route I and the route along the high latitude during 26th to 31th August was named Route II.The blue area showed the seaice extent on 22nd July and the green area showed the seaice extent on 24th August

表1　不同Nudging同化方案中系數G的計算方法Tab.1 The calculation formula of parameter G in different Nudging schemes

本試驗建立的基于的MITgcm模式和Nudging資料同化方法的北極海冰數值預報系統的運行流程包括兩部分：同化模塊和預報模塊。在同化模塊，MITgcm模式使用Nudging資料同化方法將A M SR2衛星海冰密集度數據同化到模擬結果中，得到預報部分需要的海冰密集度初始場，然后再進行24 h、72 h、120 h的海冰密集度預報（圖2）。

圖2　基于MITgcm模式和Nudging資料同化的北極海冰數值預報系統流程圖Fig.2 The flow chart of the operational sea ice forecasting system based on MITgcm model and Nudging assimilation

4　試驗設計

控制試驗中，MITgcm模式從初始狀態開始，使用1992年的N CEP再分析資料對模式進行10 a的循環強迫，使模擬的海冰和海洋狀態達到基本穩定，再以此模擬結果為初始場，以1992-2012年的N CEP再分析資料為大氣強迫場，從1992年1月1日積分到2012年12月31日。

預報試驗中分別設置兩組對比試驗，來比較Nudging同化對模式海冰密集度初始場的改進，如表2所示。為利用“雪龍”船走航觀測數據驗證預報結果，模式分別從2012年7月25日00時和8月26日00時刻起報，進行120 h的海冰密集度預報。以第一航段7月25日00時刻起報的情況為例，試驗I：無Nudging同化方案的預報試驗中，模式以控制試驗輸出的2012年7月23日的模擬結果作為初始場，以7 月24日G FS資料00時刻的數據驅動模式，得到的7 月24日的模擬結果再作為初始場，以7月24日的G FS資料中00～120 h時刻的預報數據作為大氣強迫場，驅動模式得到7月25-29日的海冰密集度預報結果。試驗Ⅱ：有Nudging同化方案的預報試驗中，同化的目的是得到更真實、更接近觀測的模式初始場。因此試驗中運行Nudging同化模塊，以控制試驗輸出的2012年7月23日的模擬結果作為初始場，以7月24日G FS資料中00時刻的大氣數據作為大氣強迫場，運行24 h，將7月24日的A M SR2海冰密集度數據同化到模式中，得到新的7月24日的模擬結果作為預報試驗中的初始場；然后再運行預報模塊，使用和無Nudging方案的預報試驗相同的大氣強迫場，得到7月25-29日的海冰密集度預報結果。而第二航段8月26日00時刻起報的試驗設置情況和第一航段一致。

為更好地比較Nudging同化對120 h內海冰密集度預報的改進，本文引入慣性預報來輔助評判改進效果。對于變化緩慢的事物，可以利用其初始場外推的方法進行短期預報，稱為慣性預報。本文利用7月25日和8月26日的海冰密集度初始場外推24～120 h，分別得到兩個時段的24～120 h慣性預報結果，并與Nudging同化的預報結果進行比較。

表2　預報試驗的設置情況Tab.2 The configurations of forecasting experiments with and without Nudging

5　結果分析

5.1Nudging資料同化對模式初始場的改進

在預報試驗中，Nudging同化的作用是優化MITgcm模式預報時的初始場，通過比較無Nudging試驗和有Nudging試驗，可得到Nudging同化對初始場的改進，而不同Nudging同化方案對模式初始場的優化效果也不同。圖3是不同試驗得到的2012年7 月25日的預報初始場。圖3a是無Nudging試驗得到2012年7月25日的海冰密集度初始場，與當天的A M SR2衛星海冰密集度數據（圖3b）比較，較好地反映了北極高緯中心區密集度高，低緯周邊區域密集度低的空間分布特征，但在85°N以北模擬的密集度為0.6～0.8，比觀測的0.8～1.0偏低。在波弗特海和巴倫支海部分邊緣區域觀測基本無冰，但模擬結果顯示有0.6～0.8海冰覆蓋；在東北航道的楚科奇海和東西伯利亞海觀測顯示有0.6～0.8海冰，但模擬結果只有0.2～0.4，明顯偏低；圖3c-e分別為采用了3種不同Nudging同化方案后得到的模式初始場，結果顯示Nudging同化對海冰密集度的空間分布有顯著改進，85°N以北高緯區域的海冰密集度模擬值明顯增加，范圍幾乎接近于觀測結果；海冰邊緣區的范圍和密集度也和觀測符合較好；特別是本文使用的Nudging-C方案模擬結果和觀測最為符合，且在波弗特海和巴倫支海的海冰邊緣仍然保留有0.2～0.4的低密集度區域，該Nudging方案是漸進式的優化模擬結果，這有助于模式自身其他要素的調整，也有助于計算的穩定性，更為合理。因此表1所列的3種不同Nudging同化方案對海冰密集度初始場的改進效果均比較顯著，但Nudging-C方案更合理。

圖3　2012年7月25日海冰密集度初始場Fig.3 The initial sea ice concentration field for 25th July，2012

對于8月26日00時刻起報的個例，N udging同化同樣發揮重要作用；無N uding情況下，模式在高緯區域模擬的海冰密集度偏低，海冰范圍偏小，N udging同化有效地改進了海冰在高緯區域的分布和密集度，其中N udging-C方案較另外兩方案更合理（圖略），在第二航段的預報試驗中依然采用N udging-C方案。本文的預報試驗中將采用N udging-C同化方案。

為進一步定量分析不同實驗方案對海冰密集度初始場的改進效果，本文以7月25日初始場為例計算了不同試驗方案得到的初始場與A M SR2衛星海冰密集度的偏差沿不同緯度的分布（圖4）。對于無Nudging同化方案的情況，在80°N以南區域，平均偏差小于-0.2，而均方根偏差位于0.3～0.4之間，這表明在此區域模擬的初始場與觀測場相比，偏大和偏小情況都存在，但偏小的情況多。而在80°N以北區域，平均偏差為-0.2～-0.3，均方根偏差為0.2～0.3，這表明在此區域以模擬的初始場以比觀測偏小的情況為主。3種同化方案得到的海冰密集度初始場與觀測的偏差和均方根偏差均明顯減小，說明Nudging同化使得模擬的初始場在各個緯度均更接近于觀測。同時Nudging-C方案的平均偏差和均方根誤差在各個緯度均小于其他兩種同化方案，特別是在80°N以北的高緯區域尤為明顯。

圖4　不同試驗方案得到的7月25日海冰密集度初始場與A M SR2數據的平均偏差（a）和均方根偏差（b）隨緯度的分布Fig.4 The average deviation（a）and root mean square error（b）calculated along latitudes for different Nudging experiments on 25th July

5.2Nudging同化對24～120 h預報結果的改進

為了評估Nudging同化對MITgcm模式預報能力的改進，設計兩組試驗，如表2所示。兩組對比試驗結果的差異均由模式中有無Nudging資料同化所引起，因此，分析兩組試驗結果就能得到Nudging同化對北極海冰數值預報系統的影響。

5.2.12012年7月25-29日

由于沒有Nudging資料同化，試驗I的海冰密集度初始場在波弗特海、東西伯利亞海、巴倫支海和阿蒙森海盆附近和觀測相比，存在較大誤差，這導致了120 h預報結果偏差偏大；而試驗Ⅱ在有Nudging同化的情況下，海冰密集度在上述區域的偏差減小，120 h內的全北極海冰密集度預報結果的平均偏差由試驗I 的-0.14減小至-0.03，均方根誤差由0.42減小到0.26（表3）。這組試驗表明，初始場準確對于天氣尺度預報的重要性，而Nudging同化則有效地改善了海冰密集度初始場，進而提高了120 h短期預報結果的準確性。

圖5　2012年7月25日00時刻起報的試驗I（a、b、c）和Ⅱ（d、e、f）對應的預報結果與A M SR2衛星觀測數據（g、h、i）的比較Fig.5 The results of forecasting experiments I（a，b，c）andⅡ（d，e，f）initialized at 00 h on 25th July，2012，compared with A M SR2 data（g，h，i）

5.2.22012年8月26-30日

無Nudging同化時，試驗I海冰密集度初始場在歐亞大陸扇區的海冰覆蓋范圍誤差較大，海冰密集度偏小，這同樣導致了120 h預報結果的較大偏差；而加入Nudging同化后，試驗Ⅱ的海冰密集度和范圍在上述區域的偏差得到顯著改善，全北極海冰密集度預報結果的平均偏差由試驗I的-0.15減小至0.03，均方根誤差由0.47減小到0.27（表3），120 h預報結果更為接近觀測。這組試驗進一步表明Nudging同化有助于改善海冰密集度初始場，進而改善24～120 h預報結果。

圖6是全北極海冰面積的120 h預報結果和衛星觀測數據的比較。無N udging同化時，海冰的分布情況和觀測比較有較大差別（圖5，圖6）。海冰密集度大范圍的低估也導致24～120 h的預報海冰面積均偏低（圖7），而加入N udging同化后，預報結果的海冰分布和海冰密集度都得到很大改善，因此計算得到的海冰面積和A M SR2衛星觀測資料亦符合較好。

圖6　2012年8月26日00時刻起報的試驗I（a、b、c）和Ⅱ（d、e、f）對應的預報結果與A M SR2衛星觀測數據（g、h、i）的比較Fig.6 The results of forecasting experiments I（a，b，c）andⅡ（d，e，f）initialized at 00h on 26th August，2012，compared with A M SR2 data（g，h，i）

海冰的分布和密集度在短期天氣尺度上通常變化較小，因此慣性預報也有一定可行性。表3分別計算了基于7月25日00時刻和8月26日00時刻初始場的120 h慣性預報結果和A M SR2的平均偏差和均方根偏差。結果表明，7月25日的預報試驗中，無Nudging同化的試驗I劣于慣性預報，但有Nudging同化的試驗Ⅱ優于慣性預報；而8月26日的預報試驗中，有、無Nudging同化的試驗都劣于慣性預報。分析圖5、圖6中A M SR2海冰密集度在120 h內的變化可以發現，7月25-29日太平洋扇區的楚科奇海、東西伯利亞海區域的海冰密集度發生較顯著變化，因此考慮Nudging同化的預報結果優于慣性預報結果；而8月26-30日的A M SR2海冰密集度數據顯示，海冰外緣線收縮至80°N以北，海冰密集度沒有顯著變化，因此慣性預報的結果較好。

圖7　試驗I（a）和Ⅱ（b）得到的120 h海冰面積結果與衛星觀測結果的比較Fig.7 Comparisons between 120 h sea ice area forecasting results of the experiment I（a）andⅡ（b）with A M SR2 data

為進一步評估海冰密集度預報的準確性，本文利用2012年7月25-30日和8月26-31日期間中國第五次北極科學考察期間“雪龍”船走航觀測的海冰密集度和模式結果進行比較。

表3　試驗I和Ⅱ預報結果與A M SR2的比較Tab.3 Comparisons between forecasting results of experiment I andⅡand A M SR2 data

第一航段“雪龍”船沿北極東北航道經過楚科奇海、東西伯利亞海、拉普捷夫海和喀拉海，航線處于大陸邊緣和海冰邊緣區域（圖1）。預報試驗結果顯示，試驗Ⅱ中7月25日的Nudging同化對海冰密集度預報有顯著改進，密集度的平均偏差/均方根誤差從0.21/0.40提高到0.12/0.26（表4）；在無Nudging的試驗I中，7月25日模擬的航跡上的海冰密集度基本均為0，無海冰覆蓋，而走航觀測和A M SR2均顯示該段大部分區域海冰密集度為0.5以上。加入Nudging同化后，試驗Ⅱ的25日海冰密集度有較大改善，24 h、 48 h、72 h結果與走航觀測及A M SR2衛星資料均吻合較好。

圖8　第一航段“雪龍”船不同時間段所處的緯度（a）和2012年7月25日00時刻起報的試驗I和Ⅱ預報結果與“雪龍”船航線上走航觀測資料及衛星數據的比較（b）Fig.8 The latitude of R/V Xuelong during her Route I（a）and comparisons between forecasting results of experiment I andⅡinitialized at 00h on 25 July，2012 with ship-based observations and A M SR2 data（b）

表4　A M SR2、試驗I和Ⅱ與走航觀測結果的比較Tab.4 Comparisons between A M R2 data，experiment I andⅡ，with ship-based observations

第二航段由于北極海冰面積急劇減小，“雪龍”船沿高緯80°N以北航線由西向東航行，8月28日之前“雪龍”船航線處于海冰邊緣區域（圖1），28日開始“雪龍”船調整航線，直線向北進入密集冰區，至30日抵達本航次最北點87.6°N附近。

預報試驗結果顯示，試驗Ⅱ中的8月26日的Nudging同化對海冰密集度有很大改進，密集度的平均偏差/均方根誤差從0.38/0.55減小到-0.03/ 0.21（表4）；在無Nudging的試驗I中，8月26日模擬的航跡上的海冰密集度偏高，達0.8左右，而走航觀測和A M SR2均顯示該段大部分區域海冰密集度為0.2以上；加入Nudging同化后，試驗Ⅱ得到的26日海冰密集度預報結果有較大改善。初始場在海冰范圍上的較大偏差導致試驗I模擬的24～120 h海冰密集度基本為0，而在試驗Ⅱ的24～120 h預報結果與走航觀測和A M SR2衛星資料均符合較好，并且成功模擬出28-29日期間的低密集度水道區域（圖8）。這說明加入Nudging同化的MITgcm模式可較好地預報海冰密集度的空間分布，也提高了對移動單點的海冰密集度預報結果。但無Nudging同化的預報結果則與觀測結果偏差較大。

圖9　第二航段“雪龍”船不同時間段所處的緯度（a）和2012年8月26日00時刻起報的試驗I和Ⅱ預報結果與“雪龍”船航線上走航觀測資料及衛星數據的比較（b）Fig.9 The latitude of R/V Xuelong during her RouteⅡ（a）and comparisons between forecasting results of experiment I andⅡinitialized at 00h on 26 August，2012 with ship-based observations and A M SR2 data（b）

6　結論和討論

本文預報試驗表明，Nudging資料同化方法簡單、實用、節省計算資源且時效性高，在預報中心IB M刀片機系統上使用32個CP U可以在2 h內完成整個預報系統120 h的計算，并通過網站公布相關預報結果。而通過本文設計的敏感性試驗發現，選擇合適的參數，不同的Nudging公式均可以獲得較理想的同化效果，顯著優化預報試驗的海冰密集度初始場，使其更接近于衛星觀測數據。本文選取的3種不同Nudging同化方案的對比試驗表明，MITgcm模式自帶的Nudging-C方案在合適的調整相關參數后得到最好的海冰密集度初始場；與觀測相比，其在低緯低海冰密集度區域和高緯高海冰密集度區域的平均偏差和均方根偏差均最小，因此Nudging-C方案應該更適合應用于目前的海冰數值預報系統。Nudging同化的改進不僅體現在海冰密集度的初始場上，在24～120 h的預報試驗中，海冰面積、密集度和空間分布的預報結果均得到顯著改善，這說明預報初始場的改進有效的提高了短期預報的效果，因此對觀測數據的同化在短期海冰密集度的預報上有非常重要的作用。而通過和“雪龍”船走航觀測海冰密集度比較可知，針對某一移動目標物的單點（小區域）的預報準確度也在有Nudging同化的試驗中得到顯著提高。全北極空間分布和雪龍船單點數據對比結果，都表明Nudging資料同化顯著減小了預報誤差。針對海冰在短時間內變化較小的特點，本文也引入慣性預報來輔助評判同化方案的改善效果，結果表明：在8月26-30日海冰變化極小的情況下，24～120 h慣性預報優于有Nudging同化的試驗Ⅱ，而在7月25-29日太平洋扇區海冰發生顯著變化的情況下，24～120 h慣性預報劣于試驗Ⅱ。這表明，基于Nudging同化的預報系統還需要進一步優化改進，以提高其在海冰變化較小情況下的預報技巧。

現階段，準確的海冰分布和密集度預報對于我國北極科學考察和商業航行均具有重要的現實意義。對于“雪龍”船航行來說，提前獲知3～5 d后的北極大范圍海冰分布有助于其規劃航線。以圖1中的去程穿越東北航道為例，雪龍船的目的是穿過順利穿過東北航道到達冰島，因此通過衛星遙感手段獲得當天的北極的海冰信息后，結合3～5 d的全北極海冰外緣線變化趨勢，“雪龍”船可以根據其航次目的，選擇盡可能靠近海冰邊緣又可以避開密集海冰區的航線，這樣既可以節省路程，少量的浮冰也可以減少涌浪對船的晃動。以“雪龍”船回程嘗試抵達北極點為例，3 ～5 d的海冰密集度預報信息可以幫助雪龍船提前獲知較低密集度區域，從而選取合適的路線向北航行，圖1中8月28日沿125°E附近的北進路線即為“雪龍”船根據海冰預報信息選擇的位于密集冰區的冰間水道，“雪龍”船沿此水道順利航行至87°N附近。對于抗冰能力很低的商業船只，準確的海冰預報更為重要。2013年8-9月中遠集團“永盛”輪從國內出發通過北極東北航道到達歐洲，意味著我國的北極商業航行已經拉開序幕。以“永盛”輪為例，為了船舶安全其必須在遠離浮冰區的清水區航行，因此海冰外緣線的準確預報至關重要。利用3～5 d的海冰密集度預報信息提前獲知海冰范圍，規劃大致的航行方向，保證船舶盡量在遠離浮冰的清水區航行。由此可見，不同類型的船舶對海冰預報信息的利用角度不同，但準確的預報結果是共同期待的。本試驗中結合Nudging同化和MITgcm冰-海耦合模式的北極海冰預報系統，可以提供北極夏季東北航道和高緯度航道的準確海冰分布和密集度預報，幫助北極航行船舶找到最佳的航行路線，提高航行的安全性。

同時也要指出的是，目前的北極海冰預報系統還不能完全滿足需求，如較低的18 k m水平分辨率，不能獲取足夠精細的單點目標的海冰信息；僅考慮了海冰密集度的資料同化無法準確的預報海冰厚度等重要信息等。目前，除海冰密集度外，我們也能獲取準實時的海表面溫度（如AV H R R，網址http：//noaasis.noaa.gov/N O A ASIS/ml/avhrr.html），海冰漂移產品（如OSISA F，http：//w w w.osi-saf.org），和冰厚產品（如S M OS，http：//icdc.zmaw.de和Cryosat-2，http：//w w w.cpom.ucl.ac.uk/csopr/seaice.html）。今后的工作中，我們將嘗試把上述海洋-海冰要素同化進MITgcm模式中，并將水平分辨率提高到4 k m，以進一步增強數值預報能力。

致謝：感謝中國第五次北極科學考察隊走航海冰觀測隊員辛勤細致的工作及“雪龍”船全體隊員對海冰觀測工作的支持。

參考文獻：

［1］Stocker T F，Qin D，Plattner G K.Climate Change 2013：The Physical Science Basis.Contribution of W orking Group I to the Fifth Assessment Report of the Intergovern mental Panel on Climate Change［M］.Cambridge：Cambridge U niversity Press，2013.

［2］Shu Q，Song Z Y，Qiao F L.Assessment of sea ice simulations in the C MIP5 models［J］.The Cryosphere，2015（9）：399-409.

［3］Cavalieri D J and Parkinson C L.Arctic sea ice variability and trends，1979-2010［J］.The Cryosphere，2012，6（4）：881-889.

［4］Stroeve J C，Serreze M C，H olland M M，et al.The Arctic's rapidly shrinking seaice cover：a research synthesis［J］.Climatic Change，2012，110 （3/4）：1005-1027.

［5］K wok R，Cunningham G F，W ensnahan M，et al.Thinning and volu me loss of the Arctic Ocean sea ice cover：2003-2008［J］.Journal of Geophysical Research，2009，114（C7）：C07005.

［6］M arkus T，Stroeve J C and Miller J.Recent changesin Arctic seaice melt onset，freezeup，and melt season length［J］.Journal of Geophysical Research，2009，114（C12）：C12024.

［7］楊清華，劉驥平，張占海，等.北極海冰數值預報的初步研究——基于海冰-海洋耦合模式MITgcm的模擬試驗［J］.大氣科學，2011，35（3）：473-482.Yang Qinghua，Liu Jiping，Zhang Zhanhai，et al.A preliminary study of the Arctic sea ice nu mericalforecasting：Coupled sea ice-ocean modeling experiments based on MITgcm［J］.Chinese Journal of Atmospheric Science，2011，35（3）：473-482.

［8］楊清華，李春花，邢建勇，等.2010年夏季北極海冰數值預報試驗［J］.極地研究，2012，24（1）：87-94.Yang Qinghua，Li Chunhua，Xing Jianyong，et al.Arctic sea ice forecasting experimentsin the su m mer of 2010［J］.Chinese Journal of Polar Research，2012，24（1）：87-94.

［9］Lis?ter K，Rosanova J，Evensen G.Assimilation ofice concentration in a coupled ice-ocean model，using the Ensemble Kalman filter［J］.Ocean Dynamics，2003，53（4）：368-388.

［10］Lindsay R W，Zhang J.Assimilation ofice concentration in an ice-ocean model［J］.Journal of Atmospheric and Oceanic Technology，2006，23 （5）：742-749.

［11］Stark J D，Ridley J，M artin M，et al.Seaice concentration and motion assimilation in a seaice-ocean model［J］.Journal of Geophysical Research，2008，113（C5）：C05S91.

［12］Bertino L，Lis?ter K A.The T O P A Z monitoring and prediction system for the Atlantic and Arctic Oceans［J］.Journal of Operational Oceanogra-phy，2008，1（2）：15-18.

［13］Li Qun，Zhang Zhanhai，W u H uiding.Ice concentration assimilation in a regionalice-ocean coupled model and its application in seaice forecasting ［J］.Advances in Polar Science，2013，24（4）：258-264.

［14］W ang K，Debernard J，Sperrevik A K et al.A combined optimalinterpolation and nudging scheme to assimilate OSISA F seaice concentration into R O M S［J］.Annals of Glaciology，2013，64：8-12.

［15］Yang Q H，Losa N S，Losch M，et al.Assimilating su m mer seaice concentration into a coupled ice-ocean model using a localized SEIK filter［J］.Annals of Glaciology，2014，56（69）：38-44.

［16］M arshall J，Adcroft A，Hill C，et al.A finite-volu me，incompressible Navier Stokes model for studies of the ocean on parallel computers［J］.Journal of Geophysical Research，1997，102（C3）：5753-5766.

［17］Zhang Jinlun，Hibler III W D.On an efficient nu merical method for modeling sea ice dynamics［J］.Journal of Geophysical Research，1997，102 （C4）：8691-8702.

［18］Zhang J，Hibler W D，Steele III M，et al.Arctic ice-ocean modeling with and without climate restoring［J］.Journal of Physical Oceanography，1998，28（2）：191-217.

［19］Losch M，M enemenlis D，Campin J M，et al.On theformulation of seaice models.Part 1：Effects of different solverimplementations and parameterizations［J］.Ocean M odelling，2010，33（1）：129-144.

［20］Nguyen A T，M enemenlis D，K wok R.Arctic ice-ocean simulation with optimized model parameters：Approach and assessment［J］.Journal of Geophysical Research，2011，116：C04025.

［21］Spreen G，Kaleschke L，Heygster G.Sea ice remote sensing using A M SR-E 89 G Hz channels［J］.Journal of Geophysical Research，2008，113：C02S03.

［22］W orby A，Ian A，Vito D.Technique for making ship-based observations of antarctic sea ice thickness and characteristics［S］.H obart：Australia Antarctic Division，1999.

［23］馬德毅.中國第五次北極科學考察報告［M］.北京：海洋出版社，2013.M a Deyi.The Fifth Chinese National Arctic Expedition Team Report［M］.Beijing：China Ocean Press，2013.

趙杰臣，楊清華，李明，等.Nudging資料同化對北極海冰密集度預報的改進［J］.海洋學報，2016，38（5）：70-82，doi：10.3969/j.issn.0253-4193.2016.05.007

Zhao Jiechen，Yang Qinghua，Li Ming，et al.Improving Arctic seaice concentration forecasts with a Nudging data assimilation method ［J］.Haiyang Xuebao，2016，38（5）：70-82，doi：10.3969/j.issn.0253-4193.2016.05.007

Improving Arctic sea ice concentration forecasts with a Nudging data assimilation method

Zhao Jiechen1，2，Yang Qinghua2，Li Ming2，Li Qun3，Li Chunhua2，Tian Zhongxiang2，Zhang Lin2
（1.Collegeof Oceanic and Atmospheric Sciences，Ocean University of China，Qingdao 266100，China；2.Key Laboratory of Research on Marine Hazards Forecasting of State Oceanic Administration，National Marine Environmental Forecasting Center，Beijing 100081，China；3.Polar Research Institute of China，Shanghai 200136，China）

Abstract：The rapid decrease of Arctic seaicein su m mer makes shipping in the Arctic possible.The accurate seaice forecasts are urgently required to well service the Arctic shipping activities.A nu merical Arctic forecasting system was built based on MIT generalcirculation model（MITgcm）ice-ocean coupled modeland the Nudging data assimilation method was applied into this model and assimilate the Advanced Microwave Scanning Radiometer 2 （A M SR2）sea ice concentration data.Three different kinds of Nudging assimilation schemes were firstly accessed and the results showed that all three nudging schemes can largely improve the initial sea ice concentration fields.For comparison，two forecasting experiments with and without Nudging assimilation but with the same forcing were designed to evaluate the role of nudging data assimilation.By comparing with the assimilated satellite-derived data and the ship-based insitu sea ice concentration observations，it was shown that the nudging assimilation significantly improved the 24-120 h sea ice concentration forecasts.The results showed thatimprovements occurred not only in the whole Arctic sea ice concentration forecasts，but also in the single point forecasts.The persistence forecasts performed better in 24-120 h forecast than Nudging experiments when sea ice chance little in August.

Key words：Arctic sea ice；concentration forecast；Nudging；data assimilation

作者簡介：趙杰臣（1984—），男，山東省乳山市人，博士研究生，主要從事極地海冰觀測和預報研究。E-mail：zhaojc＠n mefc.gov.cn

基金項目：國家極地考察專項（C HIN A R E-03-01）；國家自然科學基金（41376188，41206184，41406218）；海洋公益性行業科研專項（201205007）。

收稿日期：2015-07-14；

修訂日期：2015-10-25。

中圖分類號：P731.32

文獻標志碼：A

文章編號：0253-4193（2016）05-0070-13