应用气象学报  2010, 21 (5): 558-569   PDF    
引用本文
刘向文, 李维京, 吴统文, 肖贤俊. GTS的温盐资料在BCC_GODAS中的同化结果分析[J]. 应用气象学报, 2010, 21(5): 558-569.
Liu Xiangwen, Li Weijing, Wu Tongwen, Xiao Xianjun. The Assimilation Results of Ocean Temperature and Salinity Data from GTS in BCC_GODAS 2.0[J]. Journal of Applied Meteorological Science, 2010, 21(5): 558-569  
GTS的温盐资料在BCC_GODAS中的同化结果分析
刘向文, 李维京, 吴统文, 肖贤俊     
国家气候中心中国气象局气候研究开放实验室, 北京 100081
2009-08-11 收到, 2010-07-02 收到修改稿.
资助项目: 国家重点基础研究发展计划项目 (2006CB403606)、财政部行业专项 (GYHY200706005) 及中国气象局“风云气象卫星遥感开发与应用"项目 (FiDAF-2-05) 共同资助    
摘要: 分析了从GTS（全球无线通讯系统）获得的2002—2007年海洋温盐观测资料在国家气候中心第2代全球海洋资料同化系统（BCC_GODAS 2.0）中的同化结果。与SODA (简易海洋同化数据) 资料的比较表明:GTS中的海洋温盐资料同化对模式温盐场的改进之处主要表现在混合层暖区的范围和中心强度、温跃层中温度槽脊的深度、温跃层附近的温度梯度以及盐度高、低值区的范围和中心强度等方面，同化后全球温盐场的均方根误差得到一定程度的降低。挑选位于不同海区的单点温盐廓线与ARGO (地转海洋学实时观测阵) 观测作了进一步比较，结果表明：大多数情况下，同化后温盐廓线的均方根误差得到明显降低，模拟的温盐垂向分布特征也更为准确。与TAO (热带大气海洋观测网) 资料的比较也同样表明:同化后的温盐场特征会得到一定程度改善。
关键词: GTS    BCC_GODAS    温度    盐度    剖面    廓线    
The Assimilation Results of Ocean Temperature and Salinity Data from GTS in BCC_GODAS 2.0
Liu Xiangwen, Li Weijing, Wu Tongwen, Xiao Xianjun     
Laboratory for Climate Studies, National Climate Center, China Meteorological Administration, Beijing 100081
Abstract: Ocean temperature and salinity observations data from GTS (Global Telecommunication System) are assimilated in second generation global ocean data assimilation system of Beijing Climate Center (BCC_GODAS 2.0) and the results are analyzed. First, the comparison with SODA (Simple Ocean Data Assimilation) reveals the vertical distribution features of root mean square error (RMSE) of global temperature and salinity in model and assimilation system. The analysis shows that, for the RMSE of temperature with assimilation, compared with the results without assimilation, it has a slight decline with a range of 0—0.3 ℃ in the sea surface layer, and an obvious descent with a range of 0.1—0.7 ℃ in depth from about 100 m to deep layer, but has no obvious variation in depth from the middle and lower mixed layer to about 100 m. For the RMSE of salinity after assimilation, it has a descent with a range of 0—0.2 psu in depth from ocean surface to deep layer. Second, further comparison is made for some vertical cross sections, including the zonal cross section along equator, the meridional cross section along 165°E in Pacific Ocean, the meridional cross section along 30°W in Atlantic Ocean, the longitudinal cross section along 90°E in Indian Ocean. The results show that, generally speaking, the GTS data assimilation improves the temperature and salinity simulation in many aspects including the extension and central intensity of warm sector in mixed layer, the depth of temperature ridge and trough in thermocline, the temperature gradient near thermocline, the extension and central intensity of high and low salinity sector, and so on. Moreover, the further comparison with some ARGO (Array for Real time Geostrophic Oceanography) observation indicates that, in most cases, the RMSE of temperature and salinity profiles has an obvious descent after assimilation, leading to more accurate vertical distribution features of temperature and salinity simulations. For selected single point profiles in different ocean areas in January, after assimilation, the RMSE of temperature and salinity decrease by 0.49 ℃ and 0.19 psu, respectively; for selected profiles in July, the descent of RMSE of temperature and salinity is 0.87 ℃ and 0.18 psu, respectively. The comparison with TAO (Tropical Atmosphere Ocean) data also shows that the assimilation can improve the temperature and salinity features to a certain extent. The BCC_GODAS 2.0 has superiority in some degree in ocean data assimilation, however, there is still some deficiency, and the assimilation effect is not very good in some areas or periods, which may be induced by lack of observations, uncertainties of the data, the imperfection of assimilation system, as well as the simulation capability of model, and so on.
Key words: GTS     BCC_GODAS     temperature     salinity     section     profile    
引言

海洋资料同化具有重要的科学意义和现实意义，各国对海洋同化系统的发展也一直比较重视｡诸多海洋同化系统的发展既为大洋实时预报和气候预测发挥了重要作用，也提供了大量的海洋环流再分析产品，有助于人们更准确地认识海洋环流的演变过程｡进入21世纪以来，现代社会对海洋同化的发展提出了更多需求，而观测手段的不断丰富和观测资料的迅速增加则为海洋同化的发展提供了锲机，这就要求海洋同化系统应当能够尽可能利用、融合各种海洋观测资料的有效信息，提供合理的、精确的全球海洋环流的时空结构信息｡

国家气候中心在“九五"攻关项目“我国短期气候预测业务系统研究"中，初步研制了一个印度洋、太平洋区域的海洋资料同化系统，之后将其扩展、改进并进行业务化，成为国家气候中心第1代全球海洋同化系统BCC_GODAS 1.0｡在BCC_GODAS 1.0中，海洋模式采用了中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室 (LASG) 的L30T63 OGCM 1.0，同化方案采用三维变分方案，同化资料主要包含GTS线路上的资料以及ARGO资料[1-3]｡鉴于使用资料的局限性，BCC_GODAS 1.0未将盐度资料纳入同化系统，也没有配备针对卫星资料的同化方案｡近些年来，在全球变暖背景下，我国的洪涝、干旱等气候灾害和极端天气、气候事件频繁发生[4-5]，这对我国气候预测工作提出了越来越严峻的挑战｡为了研发更为先进的气候预测模式系统以应对新形势下的业务需求；同时，为了更好地满足现代海洋同化发展需求，国家气候中心着手开发第2代海洋同化系统 (BCC_GODAS 2.0)｡新同化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｡同化系统采用三维变分方案[6-9]，系统的同化窗宽度为10d, 同化过程分为垂向同化和水平同化两个阶段，方案的设计上保留或增加了一些特色之处，如同化分析采用递归滤波方案[10-11]、目标函数构造引入温盐非线性关系[12-14]和海表温度弱约束项、使用有限记忆的准牛顿迭代法[15]以及共轭梯度法[16]寻求最优解、计算上实现模块并行化等｡目前，BCC_GODAS 2.0初步构建成功，其同化的资料主要包括卫星高度计资料、卫星反演的海表温度资料、GTS (全球无线通讯系统) 发报的海洋观测资料、ARGO资料等｡结合发展目标及目前业务需求，本文工作主要针对GTS发报的海洋温盐资料在同化系统中的应用情况加以考查｡

同化工作前，先针对GTS中的温盐资料采取严格的质量控制，判断资料的重复记录、观测层次顺序、观测水深、极端值、气候变率、温度层结、空间差异，这些控制步骤有效过滤了错误的或不可靠的观测信息｡经过质量控制后，温盐质料加入同化系统，有效改善了MOM4模式对全球海表温盐场特征的模拟，同化后大部分海区，尤其是热带海洋的海表温度、盐度均方根误差得到明显降低 (降幅通常在0.1～1.0之间)｡此外，同化明显改进了模式对Niño3，Niño4区海表温度演变特征的模拟｡本文在这些工作的基础上，就GTS的温盐资料同化对模式温盐场垂直结构的改进情况作了进一步比较分析｡

1 资料及试验介绍

用于同化试验的观测资料是GTS发报的2002年1月-2007年12月的海洋温盐观测资料，该资料来源于从GTS获得的海洋资料以及国内参与国际交换的海洋资料，原始数据文件采用国际标准电码格式编报，经国家气象信息中心解码后提供给客户使用，在使用前对资料作了严格的质量控制｡为了检验同化效果，本文使用了一些对比资料，包括:美国Mryland大学的SODA资料[17]｡该资料的水平分辨率为0.5°，垂直方向从5～5374 m分为40层，采用POP海洋模式，是同化了TAO锚定阵列、ARGO浮标、COADS海上船舶观测等资料的同化产品；2007年内的部分ARGO观测，资料下载自ftp://ftp.ifremer.fr/ifremer/argo/；2002年1月-2007年12月的部分TAO资料，资料下载自http://www.pmel.noaa.gov/tao/disdel/frames/main.html｡为了便于比较，将SODA资料水平双线性插值、垂直线性插值到MOM4模式格点上，ARGO资料垂直样条插值到模式格点上，而TAO资料保持了其本身的分辨率｡

同化试验分为两步，第1步是将同化系统的动力模式MOM4从2002年1月1日积分至2007年12月31日，不加入任何观测资料；第2步是将同化系统BCC_GODAS 2.0进行相同时段的积分，但过程中每10d加入1次海洋温盐资料｡在得到6年的模式和同化结果后，将其处理为月平均资料，然后进行比较分析｡

2 平均态比较

为了从整体上揭示来自GTS的温盐资料的同化效果，首先分析了模式及同化结果中全球温盐与SODA相比的均方根误差 (RMSE)｡图 1给出6年平均的1月、4月、7月、10月的全球温盐均方根误差的垂直廓线分布，分析发现:对温度而言，海洋表层的均方根误差在同化后有所降低，降幅约为0～0.3；混合层中下层到100 m深度附近，同化前后均方根误差没有明显变化；100 m深度以下到海洋深层，同化后均方根误差明显降低，降幅常介于0.1～0.7｡对盐度而言，同化后，从表层到深层的均方根误差都有一定程度降低，降幅为0～0.2｡

图 1. 2002—2007年6年平均的全球温度､盐度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) Fig 1. The profiles of 6-year averaged global temperature and salinity RMSE during 2002—2007 (solid line: assimilated by BCC_GODAS; dashed line:simulated by MOM4)

由图 1可知，GTS线路上的温盐资料同化对模拟效果改进明显，但其不足之处也显而易见｡可以发现，混合层中下层到100 m深度附近的温度均方根误差在同化前后没有明显变化，而同样深度的盐度均方根误差却在同化后明显减小，分析可知，造成这种差异的主要原因是温度、盐度资料在垂直方向的观测密集度有所差别｡MOM模式在海洋表层到200m深度范围内分布较为密集，每10m就有1个层次，而用于同化的观测资料却相对稀薄，因此其在内插到模式层次上时必然会引入误差，在观测稀薄、而变量本身垂直变化较大的地方，引入误差也越大｡统计6年资料的平均情况发现，观测资料向模式层次内插时，温度观测在混合层中下层到100 m深度间分布相对较少，通常是两个相隔40～50m距离的观测内插得到所需值，而对该范围的盐度观测而言，则通常是两个相隔10～20 m距离的观测内插得到所需值｡考虑到该深度范围内温度跃变显著，而其本身观测却相对稀薄，所以同化效果不够理想，而盐度因观测相对密集而有了较好的同化效果｡从整体情况来看，虽然资料本身的局限性以及质量控制方案的严格会导致观测在局部的稀薄，但不可否认的是在变量垂向跃变比较明显的地方，目前的内插方案会引入不少误差，这点需要进一步的改进｡

全球范围内温盐的均方根误差特征仅从整体上揭示了GTS中温盐资料对模拟结果的改进程度，无法对其局部空间特征给予详细刻画，为了进一步揭示同化后三维温盐场的模拟情况，分析了6年平均的1月、7月部分垂直剖面的特征｡所取的垂直剖面包括赤道 (纬向)、165°E (经向，位于太平洋地区)、90°E (经向，位于印度洋)、30°W (经向，位于大西洋)｡对比发现，同化后温盐场特征在1月和7月的改进情况是基本一致的，故而图 2到图 5仅给出了7月的情况｡

图 2. 2002—2007年7月温度 (单位:℃)､盐度 (单位:psu) 场沿赤道的深度-纬向剖面特征 Fig 2. The depth-zone cross section of temperature (unit:℃) and salinity (unit:psu) fields along equator in July during 2002—2007

图 3. 2002—2007年7月温度 (单位:℃)､盐度 (单位:psu) 场沿165°E的深度-经向剖面特征 Fig 3. The depth-meridian cross section of temperature (unit:℃) and salinity (unit:psu) fields along 165°E in July during 2002—2007

图 4. 同图 3, 但是针对90°E剖面 Fig 4. The same as in Fig. 3, but for the section along 90°E

图 5. 同图 3, 但是针对30°W剖面 Fig 5. The same as in Fig. 3, but for the section along 30°W

图 2给出模式和同化结果在赤道剖面与SODA的比较情况可以发现，温度场上MOM4模拟的赤道印度洋、西太平洋表面混合层的暖区范围较大，中心强度较高，而同化后这种情况得到一定程度的改善；混合层之下是温跃层，该层的深度通常以20℃等温线所处位置来衡量，MOM4模拟的印度洋、西太平洋的温跃层深度在同化后没有明显变化，模拟的大西洋温跃层深度偏低，同化后其有所抬高，而模拟的东太平洋温跃层深度在同化后与SODA的差异有所增加，表明赤道东太平洋冷水区的同化不够理想，导致这种情况的原因正是前面所分析的，该地区的温跃层深度较浅，而温度观测因分布稀薄而无法刻画温度的垂向变化特征；此外，MOM4中温跃层附近等温线分布相对稀疏，温度梯度较小，同化后等温线有所加密，温度梯度加强，其与SODA的差异减小｡盐度场上MOM4模式中赤道温跃层内存在高盐度区，其在印度洋、中西太平洋、大西洋的中心强度分别可达35.8psu, 36psu, 37psu, 这些高盐度区的范围较大，中心强度较强，而同化后其范围和强度都得到显著改善，其中尤以赤道太平洋改进最为明显｡

图 3比较了模式和同化结果在165°E剖面与SODA的差异｡温度场上MOM4模拟的热带西太平洋暖池的范围较大，中心强度较强，但同化后其范围和强度都有所减小；此外，模式能再现8°N附近的温度槽以及20°S，20°N附近的温度脊，但对20°S温度脊的位置模拟偏深，同化后该脊位置有所抬升，与SODA趋于接近｡盐度场上南半球热带到副热带太平洋、北半球20°N附近各存在一个盐度高值区，而赤道到20°N之间的北半球热带地区则是盐度低值区，MOM4模拟的盐度高值区中心强度偏大，同化后其强度降低，与SODA的差异减小；此外，模式模拟的南半球盐度高值区范围较大，中心位置较浅，而且在近赤道地区存在一个虚假的高值中心，同化后这些情况都得到明显改善｡

图 4给出模式和同化结果在90°E剖面与SO-DA的比较情况｡分析发现，温度场上，南半球20°S附近印度洋上有一温度脊，但在模式中其位置偏深，同化后该脊位置抬高，与SODA接近；印度洋表面混合层存在暖区，28℃线在1月覆盖了10°S～10°N的范围，而7月可从10°S一直扩展到20°N附近，但MOM4中该暖区的中心强度偏高，同化后有所降低；此外，从等温线的垂向分布可以看出，10°S以北的印度洋上，模式模拟的混合层厚度偏小，温跃层附近的温度梯度偏小，同化后这种情况得到明显改善，其分布特征与SODA趋于一致｡盐度场上，MOM4中，25°S附近从表层到温跃层存在一个自南向北倾斜的高盐度带，5°S～10°N间的温跃层内也存在一个范围较宽的高盐度区，同化后前者的强度降低，后者的范围缩小且强度降低，其与SODA的差异减小｡

图 5比较了模式和同化结果在30°W剖面与SODA的差异｡温度场上MOM4对表面混合层的模拟基本合理，但对温跃层的模拟不够理想，模式可以模拟出位于北半球热带大西洋的温度槽，以及位于20°S和20°N附近的两个温度脊，但刻画的槽、脊的位置都偏深，同化后这种情况有所改善，但与SO-DA相比仍有一定的差异｡盐度场上，南大西洋20°S、北大西洋20°N附近各存在一个盐度高值区，二者之间的热带大西洋地区则为盐度低值区，MOM4模拟的高盐度区的范围和中心强度偏大，低盐度区则范围偏窄，同化后这种情况得到一定程度的改善｡

这些剖面的比较结果表明，GTS中的温盐资料同化对温度场的改进之处主要体现在混合层暖区的范围和中心强度、温跃层中温度槽脊的深度、以及温跃层附近的温度梯度，对盐度场的改进主要体现在高、低值区的范围和中心强度上｡虽然同化后温盐的整体分布特征更加合理，但其与SODA相比仍有一定差异，而在局部区域这种差别可能尤为明显，这一方面是因为同化资料的资料量、可靠性以及处理方案有所局限，另一方面是因为模式对部分海区的温盐分布特征的刻画能力有所不足；当然，SODA是套模拟效果较好的同化资料，其与实际观测本来存在一些差异，这可能也是个需要考虑的因素｡

3 与ARGO廓线的比较

上述工作对2002-2007年的模式和同化结果的平均态作了比较，由于分析针对局部时段的全球温盐分布特征，因此选用了SODA资料作为比较对象｡为了更加可靠地揭示GTS中的温盐资料同化对模式模拟效果的改进情况，下面选取ARGO实测资料作了进一步比较分析｡ARGO资料在近些年的观测逐渐增多，但在部分时段部分区域其分布仍然不够密集，因此其无法较为合理地插值到模式三维空间，鉴于这种情况，本章工作主要挑选2007年1月和7月内的一些单点温度、盐度廓线进行分析｡

选取的单点包括:位于热带西太平洋的10°N，150°E和10°S，180°E，位于热带东太平洋的10°N，120°W和10°S，90°W，位于热带印度洋的10°S，90°E，位于热带大西洋的10°N，20°W，位于副热带太平洋的30°N，170°W和30°S，140°W｡比较分析时，模式和同化结果中选取最接近单点位置的模式点的月平均温盐廓线，ARGO资料中选取同月内与单点位置相距3°以内所有观测的平均廓线｡本文的同化资料来自于GTS线路，其与ARGO资料的来源不同，但考虑到近些年里部分ARGO资料可通过GTS线路分发给用户，因此这里有必要对所用资料的独立性加以检查｡针对上面所选单点，与每个单点位置相距3°以内的ARGO观测都用作比较资料，其提供了单点位置上0～1000m深度范围内的三维温盐观测信息；对比同化所使用的温盐资料，如果仅考虑观测位置的相同 (二者的经度差、纬度差小于0.001°)，所用ARGO资料中有20%左右的信息在同化数据中出现，再考虑由两套资料时效性、质量控制方案不同引起的数值差异时，重复信息略有减少 (约减少1%)｡因此，所使用ARGO资料虽不完全独立，但大部分观测信息在同化资料中没有利用｡

图 6以位于热带东、西太平洋、热带印度洋、热带大西洋的4个单点为例，针对2007年1月和7月，给出模式及同化结果的温盐廓线与同期ARGO的比较情况｡从各单点的温度、盐度廓线可以看出，同化对100～400m深度间的温度廓线改进最为明显，而盐度廓线在同化后从表层到深层的分布特征都得到明显改善｡当然，个别情况下同化效果不够理想，比如10°N，150°E的1月温度廓线在200m深度附近刻画的不好，10°S，90°E的1月盐度廓线在表层刻画的不好，但总体来说，同化后的温度、盐度廓线通常与ARGO廓线更加接近，其反映的温盐垂向变化特征也更为合理｡

图 6. 2007年1月和7月的模式 (MOM4)､同化结果 (BCC_GODAS) 及ARGO温盐廓线的比较 Fig 6. The comparison of temperature and salinity profiles among model results (MOM4), assimilation results (BCC_GODAS), and ARGO observations in January and July of 2007

表 1进一步给出所选单点温盐廓线相对于AR-GO廓线的均方根误差｡分析发现，针对所选廓线，除极个别情况下同化后的均方根误差会略有增加 (包括10°N，150°E的1月温度廓线、10°S，90°E和10°N，120°W的1月盐度廓线)，绝大多数情况下同化后的均方根误差会有一定程度的降低，其中温度的均方根误差降幅最多可达1.61℃，盐度的均方根误差降幅最多可达0.48psu｡统计所有廓线在同化前后的均方根误差平均降幅可知，1月，温度、盐度廓线的均方根误差平均降幅分别为0.49 ℃和0.19psu；7月，温度、盐度廓线的均方根误差平均降幅分别为0.87 ℃和0.18psu｡

表 1 模式和同化结果中部分温盐廓线的均方根误差 Table 1 The RMSE of some temperature and salinity profiles in model and assimilation results

4 与TAO资料的比较

TAO锚定阵列可以准实时观测热带太平洋次表层的温盐流信息，有助于把握热带太平洋环流在多种时间尺度上的变化特征｡本文为了进一步揭示GTS中的温盐资料同化对模式模拟效果的改进情况，选取了2002年1月-2007年12月的部分TAO观测进行比较｡所取的温度观测点为2°N，156°E和0°，170°W及5°N，140°W，所取的盐度观测点为8°N，137°E和5°S，156°E｡比较前，将模式和同化结果水平双线性插值、垂直线性插值到所选TAO观测点的分辨率上｡针对所使用TAO资料中的观测信息，考察其独立性，分析发现，所使用的TAO观测仅在极个别月份里与同化资料的信息重复，而在大多数情况下是独立的｡

图 7给出了模式及同化结果与TAO观测的差值的深度-时间剖面特征，从图 7可以发现:2002年1月-2007年12月，在观测点2°N，156°E上，相比同化前的模式结果，同化后温度垂直廓线与TAO观测的差异在大部分时间和空间范围内都是减小的，其中尤以100～200 m深度范围内的改进情况最为显著，该范围内同化后的温度场经常降低1℃或2℃以上，与TAO观测值更加接近；在观测点0°，170°W，100m以上和250m以下的范围内，同化对温度场的特征在部分时段稍有改进，而部分时段则未见改善，在100～250m深度范围内，虽然同化对温度场有一定程度改进，但同化结果与TAO观测值仍有1℃左右的差异；在观测点5°N，140°W上，300m以下的温度场与TAO观测的差异在同化后降低0.5℃左右，而100～300 m范围内，虽然局部时段上同化后温度场的模拟有所改善，但大部分时段上同化效果不够理想，同化结果与TAO观测的差异仍然较大；在观测点8°N，137°E上，大部分时间内，同化后的盐度场特征从表层到深层都有所改善，与TAO观测值的差异常可降低0.1psu或0.2psu左右；在观测点5°S，156°E上，虽然大部分时间内同化后盐度场的垂直分布特征得到有效改善，但必须注意的是2002年同化效果较差，该时段的盐度场与TAO观测的差异在同化后进一步扩大，应是由观测较少、资料进入时的代表性误差较大等原因导致的｡

图 7. 2002年1月—2007年12月的模式及同化结果的温度场 (单位:℃)､盐度场 (单位:psu) 与TAO资料的比较 Fig 7. The comparison of temperature (unit:℃) and salinity (unit:psu) fields among MOM4, BCC_GODAS and TAO from January 2002 to December 2007

从这些位置的总体情况来看，虽然有时候可能会因为观测资料缺乏、观测质量不好，或者模式物理过程的局限性等原因而导致同化效果不够理想，但更多情况下同化后的温盐场特征会在表面混合层、温跃层、深层得到不同程度的改善，这或为BCC今后的业务同化系统如何能更好、更合理地使用GTS线路上的海洋资料提供一定参考｡

5 结论与讨论

本文将GTS中温盐观测资料在国家气候中心第2代海洋同化系统 (BCC_GODAS 2.0) 的同化结果与SODA，ARGO及TAO资料作了比较分析，得到如下结果:

1) 分析了模式及同化结果中全球温盐与SO-DA相比的均方根误差｡同化后，温度均方根误差在海洋表层的降幅介于0～0.3℃，在混合层中下层到100m深度附近没有明显变化，在100m深度到海洋深层的降幅常介于0.1～0.7℃；盐度的均方根误差从表层到深层都有一定程度的降低，降幅介于0～0.2psu｡

2) 选取太平洋、印度洋、大西洋的一些剖面与SODA进行了比较，结果表明:一般情况下，模式模拟的海洋高盐度区和混合层暖区的范围偏大、中心强度偏强，温跃层附近的温度梯度偏小，温跃层中温度槽脊的位置偏深，同化后这种情况得到了有效的改善｡

3) 与部分ARGO观测的比较表明:同化后的温盐廓线通常与ARGO廓线更加接近，反映的温盐垂向分布特征也更为准确｡针对所选廓线，1月温度、盐度廓线在同化前后的均方根误差平均降幅分别为0.49 ℃，0.19psu；7月温度、盐度廓线在同化前后的均方根误差平均降幅分别为0.87 ℃，0.18psu｡

总而言之，BCC_GODAS 2.0在海洋同化模拟方面展示出一定的优越性，而GTS发报的温盐观测资料的加入能够有效改善温度、盐度场的同化效果，从而有利于获得更为准确、合理的海洋环流的时空特征｡需要指出的是，虽然同化系统对温度、盐度场特征的模拟相比动力模式改进了许多，但仍然存在一些不足，例如温盐资料在赤道东太平洋冷水区的同化效果不好，同化后的温盐场与SODA，ARGO及TAO相比仍有不少差异｡除了模式本身刻画能力不足的因素外，GTS中温盐观测的资料量、可靠性以及同化方案的完善程度都是制约同化效果的重要因素，而伴随着资料质量控制方案和同化方案的不断改进、卫星高度计和ARGO等相对密集的观测资料的加入、各种资料协调同化技术的发展，上述不足可能得到逐步克服，这也是以后工作的重点｡

参考文献
[1] 刘益民, 李维京, 张培群. 国家气候中心全球海洋资料四维同化系统及其在热带太平洋的初步化结果分析. 海洋学报, 2005, 27, (1): 27–35.
[2] Liu Yimin, Zhang Renhe, Yin Yonghong, et al, The applica-tion of ARGO data to the global ocean data assimilation oper-ational system of NCC. Acta Meteorologica Sinica, 2005, 29, (3): 355–365.
[3] 张人禾, 殷永红, 李清泉, 等. 利用ARGO 资料改进ENSO和我国夏季降水气候预测. 应用气象学报, 2006, 17, (5): 538–547.
[4] 张莉, 丁一汇. 全球海气耦合模式对我国极端强降水模拟检验. 应用气象学报, 2008, 19, (6): 760–769.
[5] 杨萍, 刘伟东, 王启光, 等. 近40年我国极端温度变化趋势和季节特征. 应用气象学报, 2010, 21, (1): 29–36.
[6] Zhu J, Zhou G Q, Yan C X, et al, A three-dimen sional vari-ational ocean data assimilation system:Scheme and prelimi-nary results. Science in China(SeriesD), 2006, 49, (12): 1212–1222.
[7] Xiao Xianjun, Wang Dongxiao, Yan Changxiang, et al, E-valuation of a 3DVAR system for the South China Sea. Pro-gressin Natural Science, 2008, 18, (5): 547–554. DOI:10.1016/j.pnsc.2007.12.007
[8] 朱江, 周广庆, 闫长香, 等. 一个三维变分海洋资料同化系统的设计和初步应用. 中国科学(D 辑), 2007, 37, (2): 261–271.
[9] 肖贤俊, 王东晓, 闫长香, 等. 南海三维变分海洋同化模式及其验证. 自然科学进展, 2007, 17, (3): 353–361.
[10] Hayden C M, Purser R J, Three-dimensional Recursive Filter Objective Analysis of Meteorologcial Fields ∥ Preprint, Eighth Conf on Numerical Weather Prediction. Baltimore, MD, Amer Meteor Soc, 1988: 185–190.
[11] Hayden C M, Purser R J, Recursive filter objective analysis of meteorological field: Applicationto NESDIS operational processing. J Appl Meteor, 1995, 34: 3–15. DOI:10.1175/1520-0450-34.1.3
[12] Troccoli A, Haines K, Use of temperature-salinity relation in a data assimilation context. J Atmos Oceanic Technol, 1999, 16, (12): 2011–2025. DOI:10.1175/1520-0426(1999)016<2011:UOTTSR>2.0.CO;2
[13] Yan C, Zhu J, Li R, et al, Roles of vertical correlations of background error and T-Srelations in estimation of tempera-ture and salinity profiles from sea surface dynamic height. J Geophys Res, 2004, 109: C08010. DOI:10.1029/2003JC002224.
[14] Zhu J, Yan C X, Nonlinear balance constraints in 3DVAR data assimilation. Science in China(SeriesD), 2006, 49, (3): 331–336. DOI:10.1007/s11430-006-0331-7
[15] Nocedal J, Updating quasi-Newton matrices with limited storage. Math Comput, 1980, 35: 773–782. DOI:10.1090/S0025-5718-1980-0572855-7
[16] Fujii Y, Kamachi M, Nonlinear preconditioned descentmeth-ods without inversion of a first-guess covariational analyses. Tellus (Series A), 2003, 55: 522–543.
[17] Carton J, Giese B, Simple Ocean Data Assimilation (SODA)reanalysis effort. CLIVER Workshop on Ocean Reanalysis, 2004.