中國近岸海域基礎預報單元海溫預報指導產品研制

王兆毅，李云，王旭

（國家海洋環境預報中心，北京100081）

1 引言

海水溫度是海洋環境的主要影響因子之一。一方面海水密度的變化主要受制于海溫的變化，海水溫度場影響著海洋動力場，另一方面，海溫對漁場的分布、魚汛期的確定等都有重要影響，因此海溫狀況對海洋漁業資源開發、海洋水聲工程建設、濱海旅游開發和海氣相互作用研究等有著十分重要的意義。我國的海溫預報研究工作始于20 世紀60年代初。1983年開始發布第一份海溫旬預報圖，主要覆蓋中國近海和西北太平洋海域。國際上從20 世紀80 年代開始采用海洋動力模式進行海洋三維溫鹽流預報，我國自1989年開始發布海表面溫度（Sea Surface Temperature，SST）數值預報。隨著高性能計算和數值預報技術的不斷發展，特別是1997年全球海洋數據同化實驗（Global Ocean Data Assimilation Experiment，GODAE）計劃的實施，通過國際間合作和技術支持，全球及區域數值模擬和數據同化系統得以逐步建立[1-2]，我國的海溫數值預報也得到了長足的發展。目前，多國海洋預報機構均建立和發展了各自的海洋預報業務系統。從2007 年開始，國家海洋環境預報中心（National Marine Environment Forecasting Center，NMEFC）基于普林斯頓海洋模式（Princeton Ocean Model，POM）開發并業務化發布中國近海三維溫鹽流數值預報[3]。2013 年基于區域海洋模式系統（Regional Ocean Modeling System，ROMS）開發了新一代中國近海三維溫鹽流數值預報系統[4-5]。針對沿海海域海溫的預報方法，很多學者已經基于單站的觀測開展了一系列的研究[6-10]，并對我國沿海海溫變化與氣候變化的相互關系展開討論[11-13]。預報釋用是連接數值預報和預報產品之間的一座橋梁，可以有效挖掘數值預報產品中的有用信息，顯著提高預報產品的精度，利用反向傳播（Back Propagation，BP）人工神經網絡方法開展的單站預報釋用實驗取得了不錯的效果[10]。隨著海洋經濟的發展需要，NMEFC相繼開展了中國近海主要城市、海水浴場和濱海旅游度假區等的日平均海溫預報[14]，這些預報產品主要基于近岸臺站海溫觀測數據，并利用經驗預報和統計預報方法等開展1～4 d的海溫預報[15]，其中1 d的日平均絕對誤差在0.3 ℃左右，一般最大不超過0.5 ℃，2 d以上的預報表現會稍差，總體均方根誤差約為0.6 ℃[10]。

隨著國民經濟的不斷發展，主要城市海溫預報已難以滿足實際需求，因此，在國家海洋預報主管部門的主導下，開展了中國近岸海洋預報指導產品的開發，并印發了《中國近岸海域基礎預報單元劃分》技術文件。該產品按照中國近海縣級海域的劃分將全國近岸海域劃分成213 個岸段，從而實現了縣級海洋預報全覆蓋（見圖1），海溫預報指導產品是其中一個重要的組成部分。由于傳統的經驗預報和統計預報已經很難滿足如此多的區域預報需求，因此將數值預報與預報釋用技術相集合是解決大量區域預報需求的有效途徑。NMEFC 研發的溫鹽流數值預報系統可以提供中國近海海域的三維溫鹽流數值預報，大面預報的均方根誤差可以達到0.8 ℃，尤其在受潮汐、地形、海陸作用影響的近岸海域，均方根誤差在1.0 ℃左右[4,10]，因此數值預報在近岸區域的結果與人工經驗預報之間存在較大差距，無法直接用來提供近岸的海溫預報。現有的人工經驗和統計預報方法可以滿足少數站點的精細化預報，但很難滿足像中國近岸海洋預報指導產品這種大量站點的預報需求。因此本文將實時海溫觀測與海溫數值預報相結合，采用偏差訂正的海溫預報釋用方法，研制了中國近岸海域基礎預報單元海溫預報指導產品，并于2018 年6 月起運用到中國近岸海溫預報指導產品的業務化預報當中。

圖1 中國近岸海域基礎預報單元劃分示意圖

2 數據和方法

2.1 數值預報

本項研究工作采用的ROMS 模式是一種基于三維非線性斜壓原始方程的、具有自由表面的和沿地形跟隨坐標非線性斜壓模式。模式的計算區域范圍為99°～160°E，-5°～52°N（見圖2b）。模式水平分辨率為1/20°，在垂向采用沿地形的垂直伸展坐標系，共分為30 個σ層。模式地形數據基于全球海洋高精度水深圖（GEneral Bathymetric Chart of the Oceans，GEBCO）[16]的全球海洋資料并對中國近海進行了修正，最小水深取為10 m，最大水深7 000 m，并對地形進行適當平滑，以減小海底海山等對模式穩定性的影響。邊界的水位、溫度、鹽度以及流場數據都是由NMEFC 業務化運行的全球模式NEMO（Nucleus for European Modelling of the Ocean）的全球溫鹽流數值預報系統提供，并用氣候態月平均資料作為邊界備份，水位和海流疊加了由TPXO9[17]提供的14 個分 潮（M2、S2、N2、K2、K1、O1、P1、Q1、M4、MN4、MS4、2N2、Mf和Mm）的潮汐潮流調和常數。風場驅動由NMEFC 業務化運行的天氣研究預報模式（Weather Research and Forecasting Model，WRF）中的西北太平洋大氣數值預報提供[18]，并用美國全球預報系統（Global Forecasting System，GFS）的全球氣象數值預報數據作為備份，以此保障西北太平洋溫鹽流數值預報的穩定運行。數據同化方面，采用集合最優插值（Ensemble Optimal Interpolation，EnOI）方法[19]同化延軌海表面高度異常（along -Track Sea Level Anomaly，TSLA）觀測，同時利用三維變分（Three Dimensional VARiational，3DVAR）方法[20-21]同化實時地轉海洋學陣列（Array for Realtime Geostrophic Oceanography，ARGO）溫鹽廓線和衛星遙感SST觀測。

圖2 觀測站點和浮標分布（為站點，為浮標，小框內為中國近海地形示意圖）

2.2 觀測數據

預報觀測資料采用全國178 個海洋站和44 個近海浮標的SST 觀測資料，觀測站點和浮標位置如圖2所示。在對觀測資料進行篩選后（剔除缺測率＞10% 的站點），保留123 個海洋站觀測和34 個近海浮標觀測。對觀測數據進行質量控制，剔除異常觀測和日內海溫突變超過2 ℃的觀測，即該時次的海溫值超過其當日海溫平均值2 ℃時將其剔除。通過統計2018—2019年的逐小時觀測，并經人工質控發現，此類觀測均為異常觀測。另外，由于浮標和臺站觀測數據無法充分覆蓋到213 個預報點位，我們采用預報區域周圍1°×1°范圍內的就近觀測數據（見圖3），并利用海溫與緯度的遞減關系進行適度修正（修正系數為0.4 ℃/°），以此來制作213 個基礎預報單元的海溫實況觀測值。

2.3 訂正方法

偏差訂正方法在氣象預報中已經有較為廣泛的研究和應用[22]，海溫預報中基于BP人工神經網絡方法也開展了單站的預報釋用研究[13]。由于人工神經網絡方法隨著調訓時間的增長，預報的精度會更高，但需要長時間的連續觀測作為支撐，并且現有觀測無法完全覆蓋所有預報站位，因此為了簡化預報流程，本文選用了偏差訂正方法對預報產品進行訂正。該方法的預報精度雖然無法隨時間的增長而改善，但流程較為簡化，并可以快速有效地提高海溫預報的準確率。

圖3 觀測取樣示意圖（星號代表觀測站點，圓點代表預報點位）

本文使用的偏差訂正方法為平均法，該方法根據每個預報站點的預報訂正量分別對各站預報進行訂正。計算公式如下：

式中：為觀測海溫；為預報站點的預報海溫；k為站點序號；n為觀測時次。然后將預報訂正量疊加到預報場上：式中為訂正后的t時刻預報場；為訂正前的t時刻預報場；為預報訂正量。

2.4 預報業務流程

業務化預報流程如圖4所示。首先進行同化資料的收集，包括北京時間T-2～T-1 d 的臺站浮標觀測、Argo 浮標觀測和衛星遙感觀測數據等；然后進行數據同化，優化數值預報系統初始場，并運行數值預報系統，提供T-1 d 20 時起報的未來7 d 的海溫數值預報產品；再次收集T-1 d 20時—T d 08時的臺站和浮標海溫觀測資料，并利用數值預報結果計算預報訂正量；最后預報訂正量疊加到數值預報場上生成T d 08時起報的海溫預報指導產品并發布。

圖4 業務化預報流程圖

3 預報效果檢驗

3.1 檢驗評估方法

海溫檢驗通常選用平均絕對誤差進行評估和檢驗，計算公式分別為：

絕對誤差：

式中：F為預報值；O為實況值；N為檢驗預報時效內的時次數或某個區域內的站點數。

為了更加直觀的展現預報效果，會將預報產品的絕對誤差轉化為準確度。利用觀測與預報之間的絕對誤差計算海溫預報產品準確度S，具體計算方法如下：

3.2 檢驗評估結果

本文利用實況觀測對2018年7月1日—2019年9 月1 日的中國近岸海域基礎預報單元海溫預報指導產品的3 d 預報結果進行檢驗。圖5 給出了預報海域的3 d 預報準確度和絕對誤差情況，各預報站的0～24 h 預報準確度及絕對誤差比較穩定，準確度基本在95 以上，平均絕對誤差小于0.2 ℃；24～48 h 各預報站點之間的差異開始有所增大，平均絕對誤差最大差異可以達到0.4 ℃，但絕大部分預報海域的平均絕對誤差小于0.4 ℃；48～72 h 的預報準確度進一步下降，各預報站的預報平均絕對誤差基本在0.6 ℃以內。

表1給出了所有站點的3 d預報平均絕對誤差，其中0～24 h 的平均絕對誤差為0.17 ℃，平均預報準確度為96.6；24～48 h的平均絕對誤差0.30 ℃，平均預報準確度為94.0；48～72 h 的平均絕對誤差0.38 ℃，平均預報準確度為92.3。

從所有預報站點的3 d 預報準確度（見圖6a）及絕對誤差（見圖6b）隨時間的變化情況來看，0～24 h的預報準確度基本在95% 以上，2018 年12 月7 日時出現了最小預報準確度91.4%；24～48 h 的預報準確度雖然降低，但也基本都在92% 以上，平均絕對誤差則小于0.4℃，不同日期之間會有所差異；48～72 h 的預報準確度進一步降低，最大預報準確度可以達到96.2%，最小預報準確度為89.2%，預報的平均絕對誤差在0.4 ℃左右。

圖5 人各預報站3 d預報檢驗評估分布圖

圖6 3 d預報檢驗評估隨時間的變化圖

表1 預報絕對平均誤差

圖7 給出了各預報站3 d 預報絕對誤差的分布情況。從0～24 h 預報絕對誤差的分布結果來看（見圖7a），各預報站的平均絕對誤差基本一致，除了舟山外海和廈門海域之外，這兩個站的預報精度還有較大的提升空間；從24～48 h 預報絕對誤差的分布結果來看（見圖7b），各預報站的平均絕對誤差差異開始增大，其中山東半島、蘇浙沿海、瓊州半島海域的平均絕對誤差相對較小；從48～72 h預報絕對誤差的分布結果來看（見圖7c），各預報站的平均絕對誤差進一步增大，萊州灣西北部、舟山外海以及海南島東南海域的預報絕對誤差相對較大。

圖7 各預報站3 d預報絕對誤差分布圖（單位：℃）

4 結論與展望

海水溫度作為海洋環境的主要影響因子之一，其預報的準確性對海洋漁業資源開發、海洋水聲工程建設、濱海旅游開發等沿海海洋活動有著十分重要的意義。本文基于海溫數值預報系統和偏差訂正釋用方法，開發了中國近岸海域基礎預報單元海溫預報指導產品。該指導產品自2018 年6 月對外發布以來，運行穩定可靠。通過對發布以來1 a以上的預報結果進行了檢驗評估，結果發現未來3 d 的預報日平均絕對誤差分別達到了0.17 ℃、0.30 ℃和0.38 ℃，預報準確度良好，可以為我國近海的海溫提供較為準確的預報指導產品。針對部分站點預報精度不高的問題，后續將利用人工智能訂正方法對有觀測的站點開展釋用訂正應用，同時與偏差訂正釋用方法進行比較，進一步提高縣級海域海溫預報的準確率。