海洋集合預報中BGM型初始擾動生成及發(fā)展特征分析?

劉敬一 過武宏 趙建昕

（海軍潛艇學院 青島 266100）

1 引言

目前模式的初值和模型本身存在誤差，加上海洋本身是一個高度非線性的混沌系統(tǒng)，其中各個物理量具有強烈的時空易變性［1］，這導致單一的確定性預報結果的誤差很大。針對確定性預報結果的不確定性問題，集合預報是一種有效的解決方法，它具體是通過一定的方法，獲得具有某種概率密度分布特征的初值集合，分別對集合中的初值進行積分，得到預報結果的集合，據(jù)此分析預報系統(tǒng)概率密度分布隨時間的發(fā)展演變情況。其中，每個初值均代表預報系統(tǒng)可能出現(xiàn)的真實情況。而初始擾動的生成作為集合預報中的一項重要技術，近年來得到廣泛關注［2］。國內外學者針對不同的預報問題發(fā)展了不同的方法，目前主要有蒙特卡洛法（MC）［3］、增長模繁殖法（BGM）［4］、奇異向量法（SVs）［5～6］、變分同化法［7］、集合轉換卡爾曼濾波法（ETKF）［8～10］以及條件非線性最優(yōu)擾動法（CNOP）［11～12］等。

但是目前針對海洋集合預報初始擾動生成的研究還很不深入。本文主要利用區(qū)域海洋數(shù)值預報模式ROMS，基于BGM方法得到數(shù)值預報的初值集合，并就此分析初始擾動的發(fā)展特征，為研究擾動發(fā)展機理，進一步改善海洋數(shù)值預報初值質量，提高預報精度提供參考。

2 初始擾動方法介紹

BGM方法最初由美國國家環(huán)境預報中心（NECP）提出并投入業(yè)務化使用［13］，其具有明確的動力學意義，計算代價較低，預報效果較好。本文利用BGM產(chǎn)生初始擾動的主要步驟為［14］

1）在數(shù)值模式的初始分析場上加減同一個具有一定振幅大小的隨機擾動，啟動繁殖循環(huán)。該隨機擾動由下式確定：

其中z代表模式的層數(shù)；是繁殖循環(huán)的初始擾動；ω是控制初始擾動的調整系數(shù)；E(z)是控制預報（沒有初始擾動的預報）各層結果的均方根誤差；RN是［-1，1］上的隨機數(shù)，N為區(qū)域格點總數(shù)；

2）對加減擾動的初始場做固定時間間隔（如6h）的數(shù)值積分；

3）用加擾動預報結果減去減擾動預報結果，取其差值的1/2，得

3ROMS模型配置與結果分析

3.1 模型配置

本文研究使用的區(qū)域海洋模式系統(tǒng)（Regional Ocean Modeling System，ROMS）是在近年的海洋科學研究中得到廣泛應用的三維斜壓環(huán)流模式，它采用了Boussinesq近似、流體靜力近似和海水不可壓縮近似，水平方向上采用正交曲線網(wǎng)格（Arakawa C），滿足質量守恒，具有較高精度；垂直方向上采用非等比例分層的S坐標系，能夠適當描述流場受地形的影響，對溫躍層和底邊界層等具有較高的解析度；

在本文研究中，ROMS的計算海區(qū)為東中國海（23.5°N～41.5°N，117°E～133°E），空間分辨率5km，計算網(wǎng)格點為372（經(jīng)向）*506*（緯向）*32（垂向），其中在表層及底層做了適當?shù)募用芴幚?。模式的湍流封閉模型采用GLS垂向混合模型，側邊界采用輻射邊界條件。模式所需的初始場及開邊界條件數(shù)據(jù)取自HYCOM的模式結果；上表面的強迫場數(shù)據(jù)來源于NECP的CFSR再分析資料；地形數(shù)據(jù)使用的是NOAA提供的ETOPO2資料。

3.2 ROMS數(shù)值模擬結果分析

為消除不同資料之間的誤差，獲得穩(wěn)定的初始場，以上述數(shù)據(jù)為初始、邊界以及強迫條件，對研究海區(qū)積分3個模式年。此時，根據(jù)動能和勢能隨時間的變化曲線可以發(fā)現(xiàn)，模式結果已經(jīng)基本穩(wěn)定。再以ROMS穩(wěn)定后的模式結果為初始條件，以HY?COM以及CFSR2006年1月的資料為邊界及強迫場條件，對計算海區(qū)進行數(shù)值模擬。

3.2.1 溫度場結果分析

圖1表示，這種配置下模式的表層溫度場預報結果（上）與同期AVHRR衛(wèi)星遙感數(shù)據(jù)結果（下）比較，發(fā)現(xiàn)兩者結果基本一致，驗證了模式結果的可靠性。

圖1 數(shù)值模式預報結果與同期AVHRR衛(wèi)星數(shù)據(jù)結果

3.2.2 流場結果分析

圖2表示，這種配置下模式的表層流場預報結果（上）與同期衛(wèi)星遙感資料結果（下）比較，發(fā)現(xiàn)模式基本預報出了區(qū)域內主要流場（如黑潮流系）以及其附近一些渦旋的特征，進一步驗證了模式結果的可靠性。這里的衛(wèi)星遙感資料指同期NOAA的OSCAR數(shù)據(jù)資料。

圖2 數(shù)值模式預報結果與同期OSCAR衛(wèi)星數(shù)據(jù)結果

4 擾動發(fā)展特征分析

4.1 試驗方案

BGM集合預報試驗方案的擾動初始模大小取模式24h溫度場預報的均方根誤差，空間上服從［-1，1］上的隨機分布，將該初始模作為擾動疊加到分析場上進行繁殖，繁殖周期6h，經(jīng)3天繁殖培養(yǎng)得BGM型的初始擾動，并作為一個集合預報初始擾動的成員，重復以上工作，得到一組成員數(shù)為16的初始擾動集合。最終將這16個成員的預報結果的等權平均作為BGM集合預報的預報結果。

4.2 擾動發(fā)展特征分析

試驗結果表明，未經(jīng)BGM培養(yǎng)的初始擾動在空間中無規(guī)則分布，這種擾動結構沒有明確的物理意義；經(jīng)BGM循環(huán)培養(yǎng)后（圖3），初始擾動分布發(fā)生明顯的變化，初始擾動在強斜壓海區(qū)（如黑潮流域）及開邊界處發(fā)展較快，而其他區(qū)域的初始擾動隨繁殖過程被系統(tǒng)耗散，結果反映出初始擾動的發(fā)展受背景流場的影響，具有一定的動力學意義。

為進一步分析BGM型初始擾動的發(fā)展特征，選取臺灣東北部初始擾動發(fā)展強弱不同的兩塊海區(qū)，其中擾動發(fā)展強區(qū)（25°N～27°N，121.5°E～123.5°E）、擾動發(fā)展弱區(qū)（29°N～31°N，123°E～125°E），檢驗初始擾動對預報結果影響的目標區(qū)位置為（27°N～29°N，125°E～127°E）。在模式穩(wěn)定運行的基礎上，以2006年1月1日HYCOM結果為基準初值，其他模式環(huán)境設置均相同，設計以下試驗，觀察各自對目標區(qū)（區(qū)域R3）未來14天溫度場的預報誤差發(fā)展：

1）初值中，沒有初始擾動；

2）初值中，在初始擾動發(fā)展強的區(qū)域（區(qū)域R1）疊加隨機擾動；

3）初值中，在初始擾動發(fā)展強的區(qū)域（區(qū)域R1）疊加BGM型擾動；

4）初值中，在初始擾動發(fā)展弱的區(qū)域（區(qū)域R2）疊加隨機擾動。

需要特別說明的是，以上三種試驗的隨機擾動來源于同一個擾動種子，即隨機擾動的模型及空間分布均一致，以此保證試驗變量的唯一性。

圖3 BGM培養(yǎng)后的表層溫度場初始擾動結構

分別將2、3、4試驗結果與試驗1結果比較得到預報誤差，從預報檢驗區(qū)（區(qū)域R3）內表層溫度場預報均方根誤差結果來看：隨預報時刻的增加，擾動發(fā)展強區(qū)（區(qū)域R1）初始擾動引起的預報均方根誤差增長較快，其中具有BGM形態(tài)的初始擾動在預報檢驗時刻（第14天）的均方根誤差是無空間形態(tài)的隨機擾動誤差的近三倍；而擾動發(fā)展弱區(qū)（區(qū)域R2）的初始擾動對預報檢驗區(qū)的溫度場預報精度影響甚小，預報時刻的均方根誤差僅為0.05°C。

由圖4可見不同位置、不同形態(tài)上的初始擾動，對預報結果的影響差異很大，若提高在擾動發(fā)展強區(qū)中的初值質量，將有效改善預報效果。

圖4 預報檢驗區(qū)R3內表層溫度場預報均方根誤差

5 結語

本文基于BGM方法，結合ROMS海洋數(shù)值預報模式，研究了集合預報初始擾動的生成方法，給出了經(jīng)BGM繁殖培養(yǎng)的初始擾動場，其表現(xiàn)出明顯的時空特征，具有一定動力學意義。在此基礎上，分別選取擾動發(fā)展強、弱兩個區(qū)域做疊加不同形態(tài)初始擾動的對比試驗，通過觀測檢驗區(qū)內溫度場預報的均方根誤差大小發(fā)展情況，初步分析了初始擾動的發(fā)展特征，具有BGM型空間特征的初始擾動發(fā)展最強，在預報時刻對結果的影響遠大于隨機初始擾動的影響。

［1］王輝.海洋可預報性和集合預報研究綜述［J］.地球科展，2014，29（11）：1212-1225.

［2］陳靜，陳德輝，顏宏.集合數(shù)值預報發(fā)展與研究進展［J］.應用氣象學報，2002，13（4），497-507.

［3］Leith C S.Theoretical skill of Monte Carlo forecasts［J］.Mon.Wea.Rev，1974，102：409-418.

［4］Toth Z，Kalney E.Ensemble forecasting at NMC：The gen?eration of perturbations［J］.Bull.Amer.Meteor.Soc. ，1993，74：2317-2330.

［5］Molteni F，Buizza R，et al.The ECMWF ensemble predic?tion system：methodology and validation［J］.Quart.J.Roy.Meteor.Soc.，1996，122：73-119.

［6］鄭峰.集合預報初值擾動在天氣預報中的應用研究進展［J］.科技導報，2008（26）：90-95.

［7］龔建東，李維京，丑紀范.集合預報最優(yōu)初值形成的四維 變 分 同 化 方 法［J］.科 學 通 報 ，1999，44（10）：1113-1116.

［8］趙曉琳，朱國富，李澤椿.基于TIGGE資料識別適應性觀測敏感區(qū)的應用研究［J］.應用氣象學報，2010，21（4）：405-415.

［9］Petersen G N，S J Majumdar and A J Thorpe，The proper?ties of sensitivearea predictions based on the ensemble transform Kalmna filter（ETKF）［J］.Q.J.R.Meteor.Soc，2017（133）：697-710.

［10］馬旭林，薛紀善，陸維松.GRAPES全球集合預報的集合卡爾曼變換初始擾動方案初步研究［J］.氣象學報，2008，66（4）：526-536.

［11］穆穆，姜智娜.集合預報初始擾動產(chǎn)生的一個新方法：條件非線性最優(yōu)擾動［J］.科學通報，2007，52（12）：1457-1462.

［12］姜智娜，穆穆，王東海.基于條件非線性最優(yōu)擾動方法的集合預報試驗［J］.中國科學D輯：地球科學，2008，38（11）：1444-1451.

［13］Toth Z，Kalney E.Ensemble forecasting at NECP and the breed method［J］.Monthly Weather Review，1997（125）：3297-3319.

［14］關吉平，張立鳳，馬環(huán)宇.基于增長模繁殖法的初始分析誤差計算及集合預報試驗［J］.氣象科學，2009，29（3）：317-322.