張春玲，李宏，許建平,2，王振峰

（1.國(guó)家海洋局第二海洋研究所，浙江杭州 310012；2.衛(wèi)星海洋環(huán)境動(dòng)力學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，浙江杭州 310012；3.中國(guó)海洋大學(xué)海洋環(huán)境學(xué)院，山東青島 266003；4.東海艦隊(duì)司令部海洋水文氣象中心，浙江寧波 312122）

1 引言

至少在Argo計(jì)劃出現(xiàn)以前，海洋鹽度觀(guān)測(cè)資料比較匱乏，海溫觀(guān)測(cè)資料相對(duì)豐富些；另一方面，在平均狀態(tài)下，由溫度引起的密度變化要遠(yuǎn)大于由鹽度引起的密度變化[1-2]，這使得人們?cè)谘芯恳话愫Ｑ蟓h(huán)流特征時(shí)，通常忽略鹽度的影響。所以早期的海洋資料同化主要考慮單個(gè)變量即海溫資料的同化問(wèn)題，而鹽度和流場(chǎng)在同化中保持不變，僅僅是通過(guò)動(dòng)力學(xué)模式來(lái)調(diào)整。

近些年來(lái)，人們研究發(fā)現(xiàn)鹽度變化對(duì)密度場(chǎng)和海洋環(huán)流的影響是不可忽略的,單變量(海溫)的數(shù)據(jù)同化有時(shí)會(huì)嚴(yán)重地惡化密度場(chǎng),導(dǎo)致模式計(jì)算的流場(chǎng)比沒(méi)有同化觀(guān)測(cè)資料時(shí)還要差[3]，所以有關(guān)鹽度的變化對(duì)全球海洋的影響成了人們非常關(guān)注的問(wèn)題。實(shí)際上，對(duì)于一致的模式動(dòng)力學(xué)來(lái)說(shuō)，溫度和鹽度應(yīng)該同時(shí)被監(jiān)測(cè)，尤其在西太平洋海域，這一點(diǎn)顯得更為重要[4]。鹽度垂直結(jié)構(gòu)對(duì)于西太平洋熱量再分布具有重大的影響，鹽度變化對(duì)海水層化的改變可以影響西太平洋地區(qū)上層海洋的熱量和動(dòng)量收支[5-6]；在太平洋暖池，由鹽度控制下的熱傳輸代表了影響此區(qū)域熱預(yù)算的一個(gè)重要過(guò)程；并且，近些年的研究表明，只修正溫度的單變量同化系統(tǒng)是有缺陷的，如，1996年美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心西太平洋赤道海區(qū)的業(yè)務(wù)化海洋分析結(jié)果中，海面動(dòng)力高度就有5—10 cm的誤差，這很可能是由于缺乏鹽度實(shí)測(cè)資料而忽略鹽度變化引起的[7]；Troccoli等[8]發(fā)現(xiàn)當(dāng)只同化溫度時(shí)，要得到一個(gè)好的溫度同化場(chǎng)就必須正常地調(diào)整鹽度廓線(xiàn)。這些研究都表明了在海洋資料同化中糾正鹽度的重要性。

為了彌補(bǔ)鹽度觀(guān)測(cè)資料的不足，解決同化中只有溫度沒(méi)有鹽度的問(wèn)題，需要把鹽度和溫度或海面高度關(guān)聯(lián)起來(lái)，比如可以引入溫、鹽度之間的約束關(guān)系。因此，許多學(xué)者針對(duì)一些目前被廣泛應(yīng)用的資料同化方法，例如最優(yōu)插值（OI）、集合卡爾曼濾波（EnKF）、集合最優(yōu)插值（EnOI）和三維變分（3D-VAR）等，提出了不同的溫、鹽度多變量調(diào)整方案，力求在同化過(guò)程中，能夠保證溫、鹽度場(chǎng)均能得到調(diào)整。

2 用于多變量分析的幾種主要的海洋資料同化方法

目前的資料同化方法根據(jù)其理論可分為兩類(lèi)，一類(lèi)是基于統(tǒng)計(jì)估計(jì)理論的，如最優(yōu)插值、卡爾曼濾波、集合卡爾曼濾波、集合最有插值等；另外一類(lèi)是基于變分方法的，如三維變分，強(qiáng)約束四維變分和弱約束四維變分等。這里簡(jiǎn)單回顧廣泛用于多變量分析的海洋資料同化方法的基本原理，主要包括：最優(yōu)插值、集合卡爾曼濾波、集合最優(yōu)插值及三維變分等四種。

2.1 最優(yōu)插值法(OI)

Gandin[9]首次獨(dú)立地推出了多元OI方程組，并把它們應(yīng)用于在前蘇聯(lián)進(jìn)行的客觀(guān)分析。在OI方法中，分析場(chǎng)是背景場(chǎng)與由權(quán)重矩陣加權(quán)的修正量之和，采用最小二乘方法求得最佳線(xiàn)性無(wú)偏估計(jì)方程中的最優(yōu)權(quán)重矩陣。此方法的基本假設(shè)是,對(duì)于一個(gè)模型變量,在確定它的增量時(shí),只有幾個(gè)觀(guān)測(cè)值是重要的。因此，OI易于編碼，并且計(jì)算量相對(duì)較小，這是它的主要優(yōu)點(diǎn)。但基于這一假設(shè)，也使得OI分析結(jié)果并非全局最優(yōu)，分析在空間上不協(xié)調(diào)[10]，并且，OI所用協(xié)方差矩陣是固定的，不隨時(shí)間變化，這就限制了它不能將動(dòng)力模式和觀(guān)測(cè)信息很好地融合在一起；另外，OI是針對(duì)線(xiàn)性系統(tǒng)發(fā)展起來(lái)的，難以處理觀(guān)測(cè)算子非線(xiàn)性的情況；無(wú)法確保大小尺度分析的一致性。

2.2 集合卡爾曼濾波(EnKF)

1994年Evensen[11]在Kalman濾波方法[12]的基礎(chǔ)上，發(fā)展了基于蒙特卡羅算法的集合卡爾曼濾波方法。它結(jié)合了Kalman濾波和集合預(yù)報(bào)的優(yōu)點(diǎn),即用有限的集合樣本來(lái)估算誤差協(xié)方差矩陣的不確定性，這樣計(jì)算量明顯減小。在系統(tǒng)為線(xiàn)性，且樣本數(shù)量趨于無(wú)窮時(shí)，EnKF和KF是等價(jià)的[13]。由于其概念簡(jiǎn)單,不需要作線(xiàn)性假設(shè),不需要求解模式的切線(xiàn)性及其伴隨,適合于并行計(jì)算等優(yōu)點(diǎn),是一個(gè)目前比較流行的方法。但由于EnKF是通過(guò)選取有限的樣本來(lái)構(gòu)造背景場(chǎng)誤差協(xié)方差，這勢(shì)必使得樣本集合離散度不夠(樣本量有限)，產(chǎn)生樣本誤差問(wèn)題；在實(shí)際操作中，系統(tǒng)的非線(xiàn)性性，及通常利用擾動(dòng)觀(guān)測(cè)法獲取樣本初值，使得這種樣本誤差問(wèn)題更為明顯；另外，EnKF計(jì)算量依然很大。

2.3 集合最優(yōu)插值(EnOI))

Evensen[14-16]將集合思想吸收到最優(yōu)插值同化技術(shù)中，提出了集合最優(yōu)插值數(shù)據(jù)同化法：格點(diǎn)的分析值在一個(gè)固定的模式向量樣本集合(如長(zhǎng)時(shí)間序列的模式積分)空間內(nèi)進(jìn)行計(jì)算，模式統(tǒng)計(jì)誤差不隨時(shí)間變化，從而減少計(jì)算量。但在誤差計(jì)算時(shí)仍沿用EnKF集合預(yù)報(bào)的方式，以獲得較傳統(tǒng)OI方法更優(yōu)的分析值。EnOI能夠保持準(zhǔn)動(dòng)力一致性，避免假設(shè)均勻和各向同性等[17]，并且EnOI的計(jì)算量要比EnKF小得多。但由于模式誤差不隨模式積分時(shí)間改變，EnOI較EnKF得到一個(gè)次優(yōu)解。我國(guó)有學(xué)者[18-19]將此方法與其他同化方法進(jìn)行了對(duì)比同化試驗(yàn)，EnOI是一種嶄新的數(shù)據(jù)同化方法，近年來(lái)逐漸被國(guó)內(nèi)外學(xué)者廣泛研究應(yīng)用[20-22]。

2.4 三維變分(3D-VAR)

三維變分基于極大似然估計(jì)的理論基礎(chǔ)，通過(guò)求解一個(gè)目標(biāo)函數(shù)(也稱(chēng)代價(jià)函數(shù))的極小值(一般利用目標(biāo)函數(shù)的梯度求其極小值),產(chǎn)生一個(gè)分析時(shí)刻的綜合考慮背景場(chǎng)和觀(guān)測(cè)值的大氣或海洋真實(shí)狀態(tài)的最大似然估計(jì)，并且給出背景場(chǎng)和觀(guān)測(cè)場(chǎng)各自相應(yīng)的精度。3D-VAR進(jìn)行的是三維空間的全局分析,避免了分析不是全局最優(yōu)的問(wèn)題；也可以處理觀(guān)測(cè)算子是非線(xiàn)性的情況，這樣可以同化各種不同來(lái)源的觀(guān)測(cè)資料[23-24]。但此方法是在某一時(shí)刻進(jìn)行的分析,前一時(shí)刻的同化結(jié)果可作為后一時(shí)刻模式運(yùn)行的初始場(chǎng)。但在使用時(shí),無(wú)法用后面時(shí)刻的資料來(lái)訂正前面的結(jié)果,同化的解在時(shí)間上不連續(xù)。

3 不同的溫、鹽度多變量調(diào)整方案

單純的溫度資料同化只能夠調(diào)整溫度場(chǎng)，而鹽度場(chǎng)得不到任何訂正,即便是溫、鹽度兩種觀(guān)測(cè)資料同時(shí)進(jìn)入同化系統(tǒng)中，獨(dú)立地訂正溫度場(chǎng)、鹽度場(chǎng)，而不考慮溫、鹽度之間的約束關(guān)系，也往往會(huì)帶來(lái)虛假信息。那么在缺乏鹽度直接觀(guān)測(cè)的情況下,如何來(lái)估計(jì)和調(diào)整鹽度場(chǎng)成為海洋學(xué)家們備受關(guān)注的問(wèn)題。目前，國(guó)內(nèi)外學(xué)者提出了一些能夠同時(shí)調(diào)整溫度和鹽度的方案，并將其應(yīng)用于上述海洋資料同化方法中。

3.1 基于溫-鹽（T-S）關(guān)系估計(jì)鹽度場(chǎng)

海水溫度和鹽度是反映海水物理性質(zhì)的兩個(gè)基本變量，某一地區(qū)的水團(tuán)特性通常對(duì)應(yīng)某種特定的溫鹽關(guān)系。Stommel[25]基于從氣候態(tài)數(shù)據(jù)集得到的溫度與鹽度之間的統(tǒng)計(jì)相關(guān)性，即溫-鹽（T-S）關(guān)系，首次提出了由溫度觀(guān)測(cè)來(lái)估計(jì)鹽度的思想。后來(lái)，許多學(xué)者[26-27]改進(jìn)了這種思想方法，以擴(kuò)展其應(yīng)用范圍。

這種方法的基本思想是，當(dāng)溫度分析場(chǎng)在單變量溫度資料同化中獲取后，通過(guò)局地T-S關(guān)系，計(jì)算出對(duì)應(yīng)的鹽度分析場(chǎng)，而當(dāng)有鹽度資料時(shí)，再同化鹽度資料，進(jìn)而修正T-S關(guān)系。此方案基于兩個(gè)基本假設(shè)：一是僅考慮海水的溫度和鹽度隨深度的變化關(guān)系，并且溫、鹽度垂直剖面數(shù)據(jù)的物理（或統(tǒng)計(jì)）相關(guān)性（T-S關(guān)系）在一定時(shí)間和區(qū)域內(nèi)是保持不變的，Troccoli等[28-29]的研究指出，在熱帶海域，這種T-S關(guān)系能夠保持2到4周;二是假定海洋混合層深度對(duì)溫度和鹽度來(lái)說(shuō)是一致的。第一個(gè)基本假設(shè)是該方法的核心。

構(gòu)造一種較好的T-S關(guān)系是此方法的關(guān)鍵問(wèn)題,Reynolds等[30]曾指出，如果我們能夠選取一種表現(xiàn)形式來(lái)有效刻畫(huà)海表鹽度觀(guān)測(cè)信息，那么我們可以借助這一信息來(lái)改善上層海洋500m的鹽度垂直剖面。最初有學(xué)者從氣候態(tài)溫、鹽度資料通過(guò)函數(shù)擬合來(lái)構(gòu)造T-S關(guān)系，但氣候態(tài)資料一般是長(zhǎng)時(shí)期的平均態(tài)資料，不能捕捉到季節(jié)變化特征，且不能充分構(gòu)建出密度場(chǎng)的變化特性[7]，通常情況下，這是一種可行但比較粗略的方法。因此，更為可靠的是利用時(shí)間和空間上更為連續(xù)的溫、鹽度場(chǎng)來(lái)構(gòu)造這一關(guān)系，Troccoli等[31]建議利用模式預(yù)報(bào)溫、鹽度場(chǎng)，而韓桂軍等則是利用就近的CTD溫、鹽度觀(guān)測(cè)資料。韓桂軍等[32]借鑒Troccoli的鹽度調(diào)整方案，利用多重網(wǎng)格三維變分海洋數(shù)據(jù)同化方法，開(kāi)發(fā)了中國(guó)近海及鄰近海域海面高度和三維溫鹽流的23年海洋再分析產(chǎn)品。

然而，T-S關(guān)系并不是一個(gè)很精確的假設(shè)，而且在海洋非等熵動(dòng)力過(guò)程存在的地方(比如混合層，河流入?？诘葏^(qū)域)，溫度和鹽度垂直剖面會(huì)變得高度不相關(guān)。此時(shí)，利用T-S關(guān)系根據(jù)溫度場(chǎng)來(lái)構(gòu)造鹽度場(chǎng)就不太可取，對(duì)海洋混合層而言，額外的海表鹽度觀(guān)測(cè)值的加入能夠彌補(bǔ)T-S約束在此時(shí)的不適用性。在這些特殊區(qū)域，對(duì)鹽度一般不作調(diào)整[7]。

3.2 利用耦合溫-鹽EOF方法構(gòu)造鹽度場(chǎng)

通過(guò)溫-鹽關(guān)系來(lái)調(diào)整鹽度場(chǎng)，雖然簡(jiǎn)單易行，但在某些海區(qū)T-S關(guān)系具有很大的不確定性。Maes[1]呼吁要關(guān)注T-S關(guān)系隨時(shí)間的變化，并建議用一種新的途徑來(lái)估計(jì)上層鹽度剖面數(shù)據(jù)：將以溫-鹽函數(shù)關(guān)系為基礎(chǔ)的經(jīng)驗(yàn)正交函數(shù)（Empirical Orthogonal Functions,EOFs）與海表鹽度及海表動(dòng)力高度數(shù)據(jù)相結(jié)合來(lái)估計(jì)溫鹽廓線(xiàn)。通過(guò)用原始的獨(dú)立數(shù)據(jù)集進(jìn)行誤差估計(jì)表明，與利用傳統(tǒng)的溫-鹽關(guān)系調(diào)整鹽度場(chǎng)的方法相比，該方法在一定程度上是成功的。此方法是通過(guò)把觀(guān)測(cè)到的海面變率、海表溫度和海表鹽度從諸多模態(tài)中分離出來(lái)實(shí)現(xiàn)的，充足的溫、鹽度觀(guān)測(cè)資料是這種方法的基礎(chǔ)。

在熱帶太平洋海域，海洋觀(guān)測(cè)資料較其他地區(qū)相對(duì)充足，Maes等[33]在此海區(qū)，使用歷史CTD資料，先將一段時(shí)期的溫、鹽度剖面資料按區(qū)域進(jìn)行劃分，在選取的每個(gè)小區(qū)域中，構(gòu)造耦合的溫-鹽EOF模態(tài)，并選取幾個(gè)主要的模態(tài)作為重新構(gòu)造溫、鹽度變化場(chǎng)的基函數(shù)，再現(xiàn)溫、鹽度變率，通過(guò)求權(quán)重函數(shù)最小值來(lái)確定系數(shù)，并在權(quán)重函數(shù)中加入鹽度約束項(xiàng)，以保證鹽度值在合理的范圍之內(nèi)；并通過(guò)增添高度計(jì)數(shù)據(jù)拓展了上述方法[29]；Fujii等[34]也用同樣的方法，借助于變分同化方法重構(gòu)了日本東部海域的溫、鹽度分布場(chǎng)；另外，Bellucci等[35]借鑒Maes提出的耦合溫-鹽EOF模態(tài)，并針對(duì)鹽度同化的困難,利用耦合溫-鹽來(lái)構(gòu)建背景場(chǎng)誤差協(xié)方差，同時(shí)考慮背景場(chǎng)協(xié)方差的時(shí)空結(jié)構(gòu)對(duì)鹽度的影響,發(fā)展了一個(gè)多變量降秩最優(yōu)插值同化系統(tǒng)。

利用耦合溫-鹽EOF方法來(lái)構(gòu)造鹽度場(chǎng)可以將不同的海洋觀(guān)測(cè)信息加入到權(quán)重函數(shù)中作為約束條件，從而提高精確度，并能根據(jù)我們重點(diǎn)關(guān)心的問(wèn)題來(lái)選擇對(duì)應(yīng)的EOF信號(hào)。但耦合溫-鹽EOF方法要求溫、鹽度剖面數(shù)據(jù)越多的時(shí)候，其反映的信號(hào)越全面真實(shí)，由于海洋觀(guān)測(cè)資料空間分布的不均勻，此方法難以推廣到全球海洋。

3.3 借助海面動(dòng)力高度訂正鹽度場(chǎng)

海面動(dòng)力高度也是海洋中一個(gè)很重要的變量，其能捕捉到海洋中固定參考層上的所有斜壓過(guò)程，這些斜壓過(guò)程與溫度、鹽度的變化有著密切聯(lián)系。因此，在海洋資料同化中，海面高度信息對(duì)鹽度場(chǎng)的訂正有著積極的意義。Vossepoel等[36-37]提出了一種基于海面動(dòng)力高度信息的鹽度調(diào)整方案，并將這一鹽度訂正方案融入到三維變分同化系統(tǒng)中，在常規(guī)三維變分代價(jià)函數(shù)的基礎(chǔ)上加入了與海面動(dòng)力高度相關(guān)的溫、鹽度訂正項(xiàng),以此來(lái)強(qiáng)迫海面動(dòng)力高度對(duì)溫、鹽度的一致性約束。該方案先利用溫度觀(guān)測(cè)資料和氣候態(tài)T-S關(guān)系獲取鹽度估計(jì)值，然后根據(jù)由溫、鹽度觀(guān)測(cè)值計(jì)算的動(dòng)力高度觀(guān)測(cè)值與由溫度觀(guān)測(cè)值和鹽度估計(jì)值計(jì)算的動(dòng)力高度估計(jì)值之差來(lái)計(jì)算鹽度訂正值。在此基礎(chǔ)上，閆長(zhǎng)香等[38]考慮了背景誤差協(xié)方差矩陣的垂向相關(guān)，利用海面動(dòng)力高度觀(guān)測(cè)數(shù)據(jù)來(lái)估計(jì)溫、鹽度垂向剖面。目前，海面動(dòng)力高度觀(guān)測(cè)資料較為豐富：繼20世紀(jì)90年代成功實(shí)施了Topex/Poseidon衛(wèi)星高度計(jì)觀(guān)測(cè)計(jì)劃后，Jason-1海面高度觀(guān)測(cè)衛(wèi)星（Jason-1 Mission）也在2001年12月發(fā)射升空,這個(gè)觀(guān)測(cè)系統(tǒng)可以提供幾乎全球覆蓋（范圍為66°N－66°S）、時(shí)間分辨率為10 d的海面高度觀(guān)測(cè)資料。因此利用這一方法來(lái)構(gòu)造溫、鹽度場(chǎng)，可以彌補(bǔ)某些區(qū)域資料的不足，也可作為訂正溫、鹽度資料的一個(gè)參考方法。

3.4 基于平衡約束的溫、鹽度多變量調(diào)整方案

平衡約束是另外一種可以訂正鹽度的方案。在有溫、鹽度兩個(gè)模式變量的最優(yōu)插值或三維變分同化方案中，背景場(chǎng)誤差協(xié)方差是一個(gè)至關(guān)重要的量，其決定了不同變量之間的空間分布信息。如果不考慮溫、鹽度之間的任何約束，那么背景誤差協(xié)方差矩陣就是一個(gè)塊對(duì)角矩陣，而實(shí)際海洋中溫鹽關(guān)系是存在的。Derber等[39]提出了一種線(xiàn)性平衡約束方案，假設(shè)溫度及鹽度的背景場(chǎng)與真實(shí)場(chǎng)的偏差之間存在線(xiàn)性約束關(guān)系，引入一個(gè)約束溫度和鹽度關(guān)系的線(xiàn)性平衡算子，從而保證溫、鹽度場(chǎng)之間具有相關(guān)性。此時(shí)，僅同化溫度或鹽度資料時(shí)，可以將溫度和鹽度間的信息相互傳遞，使得溫、鹽度場(chǎng)都能同時(shí)得到調(diào)整。在此基礎(chǔ)上，Ricci等[2]沿用Troccoli等[7]的方式，采用了一種代表局地背景場(chǎng)溫、鹽度約束關(guān)系的方案：假設(shè)在任何分析格點(diǎn)，鹽度可表示為一個(gè)背景場(chǎng)溫度的函數(shù),并且此函數(shù)是可微分的,鹽度擾動(dòng)量可以根據(jù)溫度擾動(dòng)量來(lái)計(jì)算。并鑒于溫-鹽關(guān)系在海洋混合層難以得到保持，引進(jìn)一個(gè)控制系數(shù)來(lái)控制不同垂直深度上的溫度和鹽度擾動(dòng)量之間的關(guān)系，使得在混合層等一些特殊區(qū)域，對(duì)鹽度不作調(diào)整。

線(xiàn)性約束方案的一個(gè)優(yōu)點(diǎn)是，單一的觀(guān)測(cè)資料進(jìn)入同化系統(tǒng)時(shí)能夠?qū)?、鹽度資料進(jìn)行同步調(diào)整。然而在海洋中，平衡約束可以是非線(xiàn)性的，甚至是強(qiáng)非線(xiàn)性的。

韓桂軍等[31]人的研究表明，一些溫-鹽關(guān)系具有高階多項(xiàng)式(如四階)的形式，并提出了一個(gè)把溫-鹽關(guān)系作為弱約束的3D-VAR同化方案，利用歷史CTD資料，通過(guò)多項(xiàng)式擬合來(lái)構(gòu)造局地溫-鹽關(guān)系，給出了包含溫、鹽度兩個(gè)分析變量的垂向一維代價(jià)函數(shù)，其最后一項(xiàng)包括非線(xiàn)性的溫鹽約束關(guān)系，并通過(guò)代價(jià)函數(shù)最小化同時(shí)求得溫度和鹽度的最優(yōu)分析場(chǎng)?；谌S變分中Derber[38]提出的線(xiàn)性平衡約束形式，朱江[23]針對(duì)那些作用于模式變量（而不是增量變量）上的約束，導(dǎo)出背景場(chǎng)很好的滿(mǎn)足平衡關(guān)系和背景場(chǎng)不必滿(mǎn)足平衡約束兩種情況下的非線(xiàn)性形式，提出了在三維變分同化中考慮非線(xiàn)性平衡約束的方案；并利用該方案，進(jìn)行了從海面動(dòng)力高度來(lái)估計(jì)溫、鹽度的資料同化數(shù)值試驗(yàn)。結(jié)果表明，采用了非線(xiàn)性平衡約束可以提高同化的質(zhì)量；如果背景場(chǎng)的平衡關(guān)系滿(mǎn)足不好的話(huà)，第二種形式將產(chǎn)生較第一種形式更好的結(jié)果。朱江等[40]介紹了新完成的一個(gè)海洋資料三維變分同化系統(tǒng)OVALS（Ocean Variational Analysis System）的設(shè)計(jì)方案，并利用熱帶太平洋的大洋環(huán)流模式進(jìn)行了實(shí)際海洋溫度、鹽度和衛(wèi)星高度計(jì)資料21a的同化實(shí)驗(yàn)，對(duì)此系統(tǒng)的性能進(jìn)行了檢驗(yàn)。結(jié)果表明，經(jīng)過(guò)同化后，溫度和鹽度場(chǎng)較非同化試驗(yàn)產(chǎn)生了顯著的改善。OVALS的設(shè)計(jì)方案考慮了背景誤差的垂向相關(guān)和非線(xiàn)性的溫-鹽關(guān)系，通過(guò)同化高度計(jì)資料來(lái)直接調(diào)整模式的溫度和鹽度場(chǎng)。就當(dāng)前的觀(guān)測(cè)系統(tǒng)而言，OVALS可以說(shuō)是一個(gè)比較全面的同化系統(tǒng)，可以對(duì)多種觀(guān)測(cè)資料進(jìn)行同化，并對(duì)多變量進(jìn)行分析。

4 小結(jié)與討論

隨著研究的加深，這些不同的鹽度調(diào)整方案將對(duì)大型海洋數(shù)值模式及同化系統(tǒng)的建立起到積極的推動(dòng)作用。但任何溫鹽約束調(diào)整方案都無(wú)法完全解決由單變量同化所帶來(lái)的一系列問(wèn)題，必須依靠直接同化溫度和鹽度觀(guān)測(cè)資料來(lái)解決這些問(wèn)題，特別是次表層鹽度觀(guān)測(cè)資料的同化，而鹽度觀(guān)測(cè)在時(shí)空分布上的嚴(yán)重不足是阻礙直接對(duì)其同化的一個(gè)重要因素。

2000年底正式啟動(dòng)國(guó)際Argo計(jì)劃，其觀(guān)測(cè)目標(biāo)是能取得世界大洋中精確度分別為±0.005℃和±0.01的海水溫度和鹽度資料[41]。由3000個(gè)自動(dòng)剖面觀(guān)測(cè)浮標(biāo)(簡(jiǎn)稱(chēng)Argo浮標(biāo))組成的全球Argo實(shí)時(shí)海洋觀(guān)測(cè)網(wǎng)也已于2007年10月末初步建成。截止到2010年12月底，國(guó)際Argo計(jì)劃在全球海洋0—2000m深度范圍內(nèi)累計(jì)獲得的溫、鹽度剖面已達(dá)70余萬(wàn)條，并正以每年10萬(wàn)條剖面以上的速度在增加。Argo剖面浮標(biāo)觀(guān)測(cè)資料以其水平分布廣，觀(guān)測(cè)深度深、層次密以及數(shù)據(jù)量大和測(cè)量精度高的優(yōu)勢(shì)，在很大程度上改善了海洋鹽度觀(guān)測(cè)資料匱乏的現(xiàn)狀。由2011年5月召開(kāi)的第六屆全國(guó)海洋資料同化研討會(huì)的情況來(lái)看，隨著Argo資料的逐漸積累，鹽度資料相對(duì)匱乏的問(wèn)題已經(jīng)得到改善，使直接進(jìn)行海洋溫鹽同步同化成為可能。

但由于Argo資料空間分布不均勻，而且缺少表層（0 m層）觀(guān)測(cè)，一般海洋模式用戶(hù)在直接使用時(shí)存在較大困難，從而使得豐富的Argo溫、鹽度觀(guān)測(cè)資料不能充分發(fā)揮其優(yōu)勢(shì)。而2005年正式開(kāi)始實(shí)施的高分辨率海面溫度計(jì)劃（high-resolution sea surface temperature Pilot Project,簡(jiǎn)稱(chēng)GHRSST-PP），針對(duì)業(yè)務(wù)化海洋學(xué)和氣候研究與預(yù)測(cè)，可提供全球覆蓋的高時(shí)空分辨率的海面溫度觀(guān)測(cè)資料,其空間分辨率為10 km（部分地區(qū)可以達(dá)到2 km）,時(shí)間分辨率可達(dá)到6 h[42]。縱觀(guān)其余如衛(wèi)星遙感資料的應(yīng)用過(guò)程，其獲得普遍使用主要是解決了網(wǎng)格化和等時(shí)間間隔數(shù)據(jù)集的制作問(wèn)題，從而便于模式引用。因此，將Argo資料與衛(wèi)星遙感SST數(shù)據(jù)融合，盡快推出適用于海洋模式的Argo數(shù)據(jù)產(chǎn)品或網(wǎng)格數(shù)據(jù)集，是進(jìn)一步擴(kuò)大和推進(jìn)Argo數(shù)據(jù)應(yīng)用的重中之重。

[1]Maes C.A note on the vertical scales of temperature and salinity and their signature in dynamic height in the western Pacific Ocean:Implications for data assimilation[J].J.Geophys.Res,1999,104:15575-15585.

[2]Ricci S A,Weaver J,Vialard,Rogel P.Incorporating State dependent temperature salinity constraints in the background error covariance of variational ocean data assimilation.Mon[J].Wea.Rev.2005,133:317-338.

[3]Cooper N S.The effect of salinity in tropical ocean models[J].J.Phys.Oceanogr,1988,18:1333-1347.

[4]Woodgate R A.Can we assimilate temperature data alone into a full equation of state model[J].Ocean Model,1997,114:4-5.

[5]Vialard J,Delecluse P.An OGCM study for the TOGA Decade.Part I:Role of salinity in the physics of the western Pacific fresh pool[J].J Phys.Oceanogr,1998a,28:1071-1088.

[6]Vialard J,Delecluse P.An OGCM study for the TOGA decade.Part II:Barrier layer formation and variability[J].J.Phys.Oceanogr,1998b,28:1089-1106.

[7]Troccoli A,Coauthors.Salinity adjustments in the presence of temperature data assimilation[J].Mon.Wea.Rev,2002,130:89-102.

[8]Ji M,Reynolds R W,Behringer D.Use of TOPEX/Poseidon sea level data for ocean analysis and ENSO prediction:Some early results[J].J Clim 2000,13:216-231.

[9]Gandin L S.Objective analysis of meteorological fields[M].Gidromet:Leningrad,1963.1-242.

[10]Kalnay E.Atmospheric Modeling,Data Assimilation and Predictability[M].Cambridge:Cambridge University Press,2003.1-343.

[11]Evensen G.Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics[J].J Geophys Res,1994,99:10143-10162.

[12]Kalman R E,Bucy R.New results in linear filtering and predication theory[J].Journal of Basic Engineering,1961,83:95-108.

[13]Houtekamer P L,Mitchell H L.Ensemble Kalman filtering[J].Meteorol.Soc,2005,131:3269-3289.

[14]Evensen G.The Ensemble Kalman Filter:theoretical formulation and practical implementation[J].Ocean Dyn.,2003,53:343-367.

[15]Oke P,Brassington G B,et al.The bluelink ocean data assimilation system(BODAS)[J].Ocean Model,2008,21:46-70.

[16]Counillon F,Bertino L.Ensemble Optimal Interpolation:multivariate properties in the Gulf of Mexico.Tellus-A,2009,61:296-308.

[17]Oke P,Brassington G B,et al.Ocean data assimilation:a case for ensemble optimal interpolation[J].Australian Meteorological and Oceanographic Journal,2010,59:67-76.

[18]Fu W,Zhu J,Yan C.A comparison between 3DVAR and EnOI techniques for satellite altimetry data assimilation[J].Ocean Model,2009,26:206-16.

[19]Wan L,Bertino L,Zhu J.Assimilating Altimetry Data into a HYCOM Model of the Pacific:Ensemble Optimal Interpolation versus Ensemble Kalman Filter[J].Journal of Atmospheric and Oceanic Technology,2010,27:753-765.

[20]Bertino L,Lisaeter K A.The TOPAZ monitoring and prediction system for the Atlantic and Arctic Oceans[J].Operat.Oceanogr,2008,2:15-18.

[21]Xie J,Zhu J.Ensemble optimal interpolation schemes for assimilating Argo profiles into a hybrid coordinate ocean model[J].Ocean Model,2010,33:283-298.

[22]Yan Changxiang,Zhu Jiang,Xie Jiping.An ocean reanalysis system for the joining area of Asia and Indian-Pacific ocean[J].Atmospheric and Oceanic Science Letters,2010,3(2):81-86

[23]朱江,閆長(zhǎng)香.三維變分資料同化中的非線(xiàn)性平衡約束[J].中國(guó)科學(xué)D輯:地球科學(xué),2005,35(12):1187-1192.

[24]高山,王凡,李明.中尺度渦的高度計(jì)資料同化模擬[J].中國(guó)科學(xué)D輯:地球科學(xué),2007,37(12):1669-1678.

[25]Stommel H M.Note on the use of T-S correlation for dynamic height anomaly computation[J].J Mar Res,1947,6:85-92.

[26]Flierl G R.Correcting expendable bathythermograph(XBT)data for salinity effects to compute dynamic heights in Gulf Stream rings[J].Deep-Sea Res I,1978,25:129-134.

[27]Kessler W S,Taft B A.Dynamic heights and zonal geostrophic transports in the central tropical Pacific during 1979-84[J].J.Phys.Oceanogr,1987,17:97-122.

[28]Emery W J,Dewar L J.Mean temperature-salinity,salinity-depth,and temperature-depth curves in the North Atlantic and North Pacific[J].Progress in Oceanography,1982,16:219-305.

[29]Maes C,Behringer D.Using Satellite-derived Sea Level and Temperature Profiles for Determining the Salinity Variability:A NewApproach[J].J.Geophys Res,2000b,105:8537-8547.

[30]Reynolds R W,Ji M,Leetmaa A.Use of salinity to improve ocean modeling[J].Phys Chem Earth,1998,23:545-555.

[31]Han G,Zhu J,Zhou G.Salinity estimation using the T-S relation in the context of variational data assimilation[J].J Geophys Res,2004,109,C03018,doi:10.1029/2003 JC 001781.

[32]韓桂軍,李威,張學(xué)峰,等.中國(guó)近海及鄰近海域海洋再分析技術(shù)報(bào)告[R].天津:國(guó)家海洋信息中心,2009,1-6.

[33]Maes C,Behringer D,Reynolds R W.Retrospective analysis ofthe salinity variability in the western Tropical Pacific Ocean using an indirect minimization approach[J].J.Atmos Ocean Technol,2000a,17:512—524.

[34]Fujii Y,Kamachi M.A reconstruction of observed profiles in the Sea East of Japan using vertical coupled temperature-salinity EOF modes[J].J Oceanogr,2003,59:173-186.

[35]Bellucci A,Masina S,DiPietro P,Navarra A.Using temperature-salinity relations in a global ocean implementation of a multivariate data assimilation scheme[J].Mon.Weather Rev.2007,135:3785-3807.

[36]Vossepoel F,Reynolds R W,Miller L.The use of sea level observations to estimate salinity variability in the tropical Pacific[J].J AtmosOceanicTechnol,1999,16:1400-1414.

[37]Vossepoel F,Behringer D.Impact of sea level assimilation on salinity variability in the western equatorial Pacific[J].J Phys Oceanogr,2000,30:1706-1721.

[38]Yan Changxiang,Jiang Zhu,Rongfeng Li,Guangqing Zhou.Roles of vertical correlations of background error and T-S relations in estimation of temperature and salinity profiles from sea surface dynamic height[J].J.Geophys.Res.,2004,109,C08010,doi:10.1029/2003JC002224.

[39]Derber J,Bouttier F.A reformulation of the background error covariance in ECMWF global data assimilation[J].Tellus,1999,51:195-221.

[40]朱江,周廣慶,閆長(zhǎng)香,等.一個(gè)三維變分海洋資料同化系統(tǒng)的設(shè)計(jì)和初步應(yīng)用[J].中國(guó)科學(xué)D輯:地球科學(xué),2007,37(2):261-271.

[41]許建平,劉增宏.中國(guó)Argo大洋觀(guān)測(cè)網(wǎng)試驗(yàn)[M].北京:氣象出版社,2007:4-5.

[42]GHRSST Porject Office.The GHRSST-PP Development and Im-plementation Plan[R].UK:Met Office,2003.1-6.