李毅能 彭世球 周峰華 朱宇航 王東曉 亢振軍

摘要東印度洋天氣和風(fēng)暴潮實(shí)時(shí)預(yù)報(bào)系統(tǒng)（EPMEF_EIO）由區(qū)域大氣模式和區(qū)域風(fēng)暴潮模型組成，每天實(shí)時(shí)運(yùn)行4次.大氣初邊場(chǎng)來(lái)自美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（NCEP）的全球預(yù)測(cè)系統(tǒng)（GFS），通過(guò)區(qū)域嵌套得到印度洋-東印度洋-斯里蘭卡區(qū)域的3 d預(yù)報(bào)結(jié)果.大氣模式的10 m預(yù)報(bào)風(fēng)場(chǎng)驅(qū)動(dòng)風(fēng)暴潮模式，得到東印度洋-斯里蘭卡區(qū)域的潮汐和風(fēng)暴潮3 d預(yù)報(bào)結(jié)果.通過(guò)與中國(guó)科學(xué)院南海海洋研究所斯里蘭卡站氣象塔觀測(cè)數(shù)據(jù)、最優(yōu)臺(tái)風(fēng)路徑數(shù)據(jù)和科倫坡水位站數(shù)據(jù)對(duì)比，發(fā)現(xiàn)模式預(yù)報(bào)氣溫和相對(duì)濕度的日變化較觀測(cè)值偏小，氣溫總體RMSE為1.26 ℃，相關(guān)系數(shù)為0.8，相對(duì)濕度的總體RMSE為7.0%，相關(guān)系數(shù)為0.7；模式預(yù)報(bào)風(fēng)速以整體偏大為主，總體RMSE為2.3 m/s，相關(guān)系數(shù)為0.65；模式預(yù)報(bào)風(fēng)向能把握主要的變化趨勢(shì)，RMSE在20°～32°之間，相關(guān)系數(shù)約0.65；模式

24、48和72 h

路徑預(yù)報(bào)平均誤差分別為110.5、166.4和181.0 km.此外，模式水位預(yù)報(bào)的RMSE為0.035 m，占最大振幅約5%，與觀測(cè)的相關(guān)系數(shù)達(dá)到0.996.這說(shuō)明了模式可以用于預(yù)報(bào)潮汐和風(fēng)暴潮過(guò)程.

關(guān)鍵詞東印度洋；預(yù)報(bào)系統(tǒng)；大氣模式；風(fēng)暴潮模式；均方根誤差

中圖分類號(hào)P731

文獻(xiàn)標(biāo)志碼A

0 引言

印度洋是海洋災(zāi)害多發(fā)區(qū)，但沿岸國(guó)家的防災(zāi)能力相對(duì)較弱，部分港口區(qū)頻繁受到自然災(zāi)害的影響.如1991年4月29日，孟加拉灣國(guó)吉大港以北登陸的臺(tái)風(fēng)引發(fā)的風(fēng)暴潮席卷了孟加拉國(guó)沿海20多個(gè)島嶼，致使孟加拉國(guó)1/4的地區(qū)淪為汪洋，近1 000萬(wàn)人受災(zāi)，13.9萬(wàn)人失去生命，造成直接經(jīng)濟(jì)損失達(dá)30億美元.2008年5月2日，“納爾吉斯”（NARGIS）在緬甸的伊洛瓦底江口登陸，襲擊了伊洛瓦底省、勃固省和仰光省等人口稠密帶，造成人員死亡和失蹤超過(guò)14萬(wàn)人.

相對(duì)于太平洋和大西洋，針對(duì)印度洋的調(diào)查和研究相對(duì)較少，缺少相關(guān)海域的調(diào)查數(shù)據(jù)、基礎(chǔ)資料和研究結(jié)果.相對(duì)于歐美國(guó)家，我國(guó)對(duì)印度洋研究更少，從21世紀(jì)初才開(kāi)始有印度洋的科學(xué)調(diào)查.海洋環(huán)境信息的獲取和有效利用不僅關(guān)乎海上活動(dòng)的安全、海洋和海岸工程的設(shè)計(jì)和防護(hù)，也與國(guó)防建設(shè)密切相關(guān).快速發(fā)展的海洋活動(dòng)需要提供高時(shí)空分辨率和足夠精度的海洋環(huán)境信息預(yù)報(bào)產(chǎn)品以保障包括海上科考作業(yè)在內(nèi)的海上作業(yè)安全.目前我國(guó)海洋業(yè)務(wù)預(yù)報(bào)單位已經(jīng)基本掌握了我國(guó)近海海況的預(yù)報(bào)技術(shù)，但對(duì)印度洋海域以及相關(guān)海灣港口海域的海洋環(huán)境信息系統(tǒng)建設(shè)及預(yù)報(bào)能力還非常有限.“21世紀(jì)海上絲綢之路”建設(shè)，需要加強(qiáng)該海區(qū)海洋信息環(huán)境系統(tǒng)的建設(shè)，以提升對(duì)該海域海洋環(huán)境的認(rèn)識(shí)水平，方可為海上絲綢之路建設(shè)提供科學(xué)依據(jù)和輔助決策，并幫助海上絲綢之路的相關(guān)國(guó)家，提高海洋防災(zāi)減災(zāi)的能力.

目前國(guó)內(nèi)外主要的大氣和海洋環(huán)境預(yù)報(bào)機(jī)構(gòu)都采用大氣數(shù)值模式來(lái)制作海面風(fēng)場(chǎng)數(shù)值預(yù)報(bào)產(chǎn)品.海面風(fēng)場(chǎng)數(shù)值預(yù)報(bào)提供的海面風(fēng)、大氣溫度、濕度、海氣界面通量等要素是海浪、海流等數(shù)值預(yù)報(bào)必不可少的邊界強(qiáng)迫條件.國(guó)際上主要采取全球-區(qū)域模式嵌套的方式來(lái)進(jìn)行高分辨率海面風(fēng)場(chǎng)數(shù)值預(yù)報(bào).美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心的大氣數(shù)值預(yù)報(bào)系統(tǒng)包括多個(gè)業(yè)務(wù)預(yù)報(bào)系統(tǒng)或模式，如全球預(yù)報(bào)系統(tǒng)（GFS）、高分辨窗口模式（HRW）、全球集合預(yù)報(bào)系統(tǒng)（GEFS）、 實(shí)時(shí)中尺度分析系統(tǒng)（RTMA）和颶風(fēng)天氣研究預(yù)報(bào)模式（HWRF）以及區(qū)域集合預(yù)報(bào)系統(tǒng)（SREF）等.歐洲中期天氣預(yù)報(bào)中心的數(shù)值天氣預(yù)報(bào)模式是世界上最先進(jìn)的全球業(yè)務(wù)化模式之一，提供的全球預(yù)報(bào)包括：T799模式10 d確定性預(yù)報(bào)、集合預(yù)報(bào)系統(tǒng)（EPS） 15 d的預(yù)報(bào)、每周一次的32 d的月預(yù)報(bào)、每天4次的3 d確定性預(yù)報(bào)（分辨率為25 km）.英國(guó)氣象中心的全球預(yù)報(bào)系統(tǒng)的水平分辨率為0.562 5°×0.375 0°（在中緯度約為40 km），格點(diǎn)數(shù)為640×481，垂直層數(shù)為50層，預(yù)報(bào)時(shí)效為144 h（6 d）.目前國(guó)際上常用的中小尺度大氣模式有美國(guó)的MM5、ARPS、RAMS、WRF等模式，德國(guó)的DM模式，英國(guó)的MESOSCL模式等.在印度洋區(qū)域印度國(guó)家氣象局利用WRF（The Weather Research and Forecasting）模式建立了區(qū)域天氣預(yù)報(bào)系統(tǒng)，提供印度附近區(qū)域27 km和9 km的3 d預(yù)報(bào)產(chǎn)品.

國(guó)外對(duì)風(fēng)暴潮的研究及預(yù)測(cè)始于20世紀(jì)50年代.美國(guó)海洋大氣管理局（NOAA）于70年代末開(kāi)發(fā)了風(fēng)暴潮業(yè)務(wù)預(yù)報(bào)模式：SLOSH （Sea，Lake，& Overland Surges from Hurricanes）模式.進(jìn)入21世紀(jì)后，隨著計(jì)算機(jī)技術(shù)的發(fā)展與社會(huì)經(jīng)濟(jì)發(fā)展的需求，風(fēng)暴潮數(shù)值預(yù)報(bào)模式朝三維的、高分辨率的、多個(gè)分量模式（海-氣-浪-潮）耦合的、包含更多復(fù)雜物理過(guò)程的趨勢(shì)發(fā)展.Peng 等[1-2]利用三維風(fēng)暴潮模式及其伴隨模式研究了四維變分資料同化方法在風(fēng)暴潮預(yù)報(bào)中的應(yīng)用，發(fā)現(xiàn)通過(guò)將水位及海表流場(chǎng)同化進(jìn)模式中去優(yōu)化模式初始場(chǎng)及風(fēng)應(yīng)力場(chǎng)，可顯著提高對(duì)風(fēng)暴潮的模擬精度.最近，Bunya等[3]和Dietrich等[4]將無(wú)結(jié)構(gòu)網(wǎng)格的三維近岸環(huán)流模式與河流、風(fēng)、浪、潮汐模型進(jìn)行耦合，發(fā)展成新一代的高分辨率（達(dá)50 m）風(fēng)暴潮預(yù)報(bào)系統(tǒng).

在風(fēng)暴潮的業(yè)務(wù)預(yù)報(bào)系統(tǒng)方面，我國(guó)于20世紀(jì)90年代引進(jìn)了美國(guó)的SLOSH模式，并在此基礎(chǔ)上加以改造以適合我國(guó)沿海地區(qū).中國(guó)國(guó)家海洋環(huán)境預(yù)報(bào)中心2003年開(kāi)始業(yè)務(wù)化運(yùn)行至今的臺(tái)風(fēng)風(fēng)暴潮數(shù)值預(yù)報(bào)模式（CTS模式）采用深度平均流方程組作為控制方程，模式空間分辨率為2′，預(yù)報(bào)相對(duì)誤差小于30%，預(yù)報(bào)保證率為70.4%.近年來(lái)我國(guó)在風(fēng)暴潮漫灘及近岸浪流耦合數(shù)值模式研究及開(kāi)發(fā)方面取得了可喜的進(jìn)展，建立了高分辨率的覆蓋中國(guó)沿海的業(yè)務(wù)化風(fēng)暴潮數(shù)值預(yù)報(bào)系統(tǒng)[5-6].近20年來(lái)，隨著波浪研究及波-流-潮之間非線性相互作用成為國(guó)際研究熱點(diǎn)，我國(guó)科研人員也在此領(lǐng)域展開(kāi)了研究[7-8].對(duì)于海盆尺度的風(fēng)暴潮數(shù)值研究，國(guó)內(nèi)科研人員也進(jìn)行了不少工作，如李杰等[9]對(duì)珠江口3個(gè)強(qiáng)臺(tái)風(fēng)風(fēng)暴潮進(jìn)行了數(shù)值研究和后報(bào)檢驗(yàn)；Peng等[10]建立了從南海到珠江口的風(fēng)暴潮和海浪多重嵌套數(shù)值預(yù)報(bào)系統(tǒng)；Prabhu等[11]利用包括珠江口水位資料在內(nèi)的多個(gè)南海水位觀測(cè)和四維變分同化系統(tǒng)，獲取了南海北部風(fēng)暴潮預(yù)報(bào)模式中“最優(yōu)”的初始場(chǎng)和風(fēng)應(yīng)力拖曳系數(shù)，進(jìn)而改善了對(duì)南海北部風(fēng)暴潮預(yù)報(bào)的精度.

2010年3到5月，中國(guó)科學(xué)院南海海洋研究所完成了歷時(shí)60多天的首次東印度洋科考航行.此后，針對(duì)科考航行和作業(yè)安全的需求，結(jié)合中國(guó)科學(xué)院中斯聯(lián)合科教中心和中國(guó)科學(xué)院南海海洋研究所斯里蘭卡站的建設(shè)，研究團(tuán)隊(duì)在原“南海海洋環(huán)境預(yù)報(bào)試驗(yàn)平臺(tái)”[10]的基礎(chǔ)上構(gòu)建了東印度洋天氣和風(fēng)暴潮預(yù)報(bào)系統(tǒng)，從2011年開(kāi)始試運(yùn)行，在穩(wěn)定運(yùn)行了近6年后，我們對(duì)該系統(tǒng)進(jìn)行了初步的評(píng)估.本文將著重介紹系統(tǒng)的基本情況和初步評(píng)估結(jié)果.

1 EPMEF-IO的建立

我們建立了針對(duì)東印度洋區(qū)域的天氣和風(fēng)暴潮實(shí)時(shí)預(yù)報(bào)系統(tǒng)（Experimental Platform of Marine Environment Forecasting for Eastern Indian Ocean，EPMEF-EIO）.其中大氣模式采用國(guó)際先進(jìn)的WRF模式[12-13]，以美國(guó)國(guó)家海洋與大氣管理局NOAA（The National Oceanic and Atmospheric Administration）每6 h發(fā)布的GFS（The Global Forecast System）全球1°×1°預(yù)報(bào)產(chǎn)品作為初始場(chǎng)和邊界場(chǎng)，采用三重嵌套網(wǎng)格技術(shù)實(shí)現(xiàn)“動(dòng)力降尺度”[14-15].其中大區(qū)域網(wǎng)格尺度為72 km，提供15 d的預(yù)報(bào)結(jié)果，中區(qū)域和小區(qū)域網(wǎng)格尺度分別為24 km和8 km（圖1a），提供78 h的預(yù)報(bào)結(jié)果；大氣模式采用的數(shù)值方案為the Ferrier 微物理方案[16]、the Kain-Fritsch 積云方案[17-18]、the YSU PBL 方案[19]、the Dudhia 短波[20] 和 RRTM 長(zhǎng)波[21] 輻射方案. 利用大氣中區(qū)域提供的10 m風(fēng)場(chǎng)和海面氣壓場(chǎng)驅(qū)動(dòng)海洋模式POM（Princeton Ocean Model）[22-23]，并用俄勒岡州立大學(xué)的潮汐模型（the Oregon State University Tidal Prediction Software，OTPS）提供邊界處的潮汐調(diào)和常數(shù)[24]，得到東印度洋區(qū)域（70～100°E，5°S～23°N，網(wǎng)格尺度為1/12°）和斯里蘭卡附近區(qū)域（77～83°E，3～11°N，網(wǎng)格尺度為1/36°）72 h的潮汐風(fēng)暴潮預(yù)報(bào)結(jié)果（圖1b）.同時(shí)，本平臺(tái)的創(chuàng)新之處為：在大氣模式中加入了“選尺度變分同化”（Scale-Selective Data Assimilation，SSDA）方法，有效提高了大尺度背景風(fēng)場(chǎng)的預(yù)報(bào)精度，進(jìn)而提高了臺(tái)風(fēng)路徑的預(yù)報(bào)精度[25]；

在海洋模式中加入基于POM的四維變分同化系統(tǒng)POM-4DVAR，通過(guò)將水位高度及海表流速同化進(jìn)海洋模式中，對(duì)模式初始場(chǎng)、邊界場(chǎng)和物理參數(shù)進(jìn)行優(yōu)化，有效提高了模式對(duì)風(fēng)暴潮增水的預(yù)報(bào)精度[11].該試驗(yàn)平臺(tái)每天進(jìn)行4次實(shí)時(shí)預(yù)報(bào)，實(shí)現(xiàn)了資料下載和處理、模式運(yùn)行及預(yù)報(bào)結(jié)果實(shí)時(shí)顯示的全自動(dòng)化（圖2）.該試驗(yàn)平臺(tái)的建成，實(shí)現(xiàn)了對(duì)東印度洋及斯里蘭卡附近區(qū)域大氣與海洋狀況實(shí)時(shí)短期（3 d）和中期（15 d）的預(yù)報(bào)和預(yù)測(cè).主要的模式結(jié)果將以網(wǎng)頁(yè)的形式在網(wǎng)上發(fā)布（圖3），并提供了斯里蘭卡3個(gè)主要站點(diǎn)（Colombo、Mirissa和University of Ruhuna）的預(yù)報(bào)結(jié)果，供相關(guān)人員查詢（圖4）.

2 預(yù)報(bào)系統(tǒng)的檢驗(yàn)

2.1 觀測(cè)數(shù)據(jù)

用于檢驗(yàn)預(yù)報(bào)系統(tǒng)的數(shù)據(jù)分為兩類：一類是站點(diǎn)觀測(cè)數(shù)據(jù)，包括中國(guó)科學(xué)院南海海洋研究所斯里蘭卡觀測(cè)站位于Ruhuna大學(xué)的氣象塔數(shù)據(jù)和斯里蘭卡國(guó)家水環(huán)境與研究局（National Aquatic and Research Authority，NARA）科倫坡水位站數(shù)據(jù)（具體地點(diǎn)見(jiàn)圖5）；另一類是美國(guó)聯(lián)合臺(tái)風(fēng)警報(bào)中心（Joint Typhoon Warning Center，JTWC）的最優(yōu)臺(tái)風(fēng)路徑數(shù)據(jù).其中，氣象塔數(shù)據(jù)是2017年4月10日到2018年1月31日每半小時(shí)一次的氣象觀測(cè)數(shù)據(jù)，主要對(duì)比相對(duì)濕度、氣溫、風(fēng)速和風(fēng)向；水位站數(shù)據(jù)是2016年5月1日到31日每分鐘一次的水位觀測(cè)數(shù)據(jù).

2.2 大氣預(yù)報(bào)檢驗(yàn)評(píng)估

將大氣第三重區(qū)域輸出結(jié)果與中國(guó)科學(xué)院南海海洋研究所斯里蘭卡站的氣象塔觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比，檢驗(yàn)評(píng)估EPMEF_IO天氣預(yù)報(bào)的精度.圖6給出了氣溫、相對(duì)濕度、風(fēng)速和風(fēng)向分別在0～24、25～48和49～72 h預(yù)報(bào)與觀測(cè)的對(duì)比.從氣溫看，模式結(jié)果在低氣溫段偏高，高氣溫段則偏低，說(shuō)明模式氣溫的日變化較觀測(cè)值偏小；24、48和72 h的RMSE分別為1.26、1.26和1.28 ℃；與觀測(cè)值的相關(guān)系數(shù)變化不大，分別為0.8、0.8和0.79；總體RMSE為

1.26 ℃，相關(guān)系數(shù)約為0.8.相對(duì)濕度的誤差情況和氣溫類似，模式相對(duì)濕度的日變化較觀測(cè)值偏??；總體RMSE為7.0%，相關(guān)系數(shù)約為0.7，其中24、48和72 h的RMSE分別為6.97%、6.98%和7.18%，相關(guān)系數(shù)分別為0.65、0.67和0.64.模式預(yù)報(bào)風(fēng)速偏大居多，總體RMSE在2.3 m/s，相關(guān)系數(shù)在0.65左右，其中24、48和72 h的RMSE分別為2.26、2.27和2.32 m/s，相關(guān)系數(shù)分別為0.68、0.64和0.61.模式預(yù)報(bào)風(fēng)向總體能把握主要的變化趨勢(shì)，24、48和72 h的RMSE分別為20.0°、23.2°和31.8°，相關(guān)系數(shù)分東印度洋地區(qū)每年也會(huì)有一定數(shù)量的臺(tái)風(fēng)甚至強(qiáng)臺(tái)風(fēng)發(fā)生，對(duì)當(dāng)?shù)匮匕秶?guó)家的人民生命財(cái)產(chǎn)安全構(gòu)成危險(xiǎn).我們也評(píng)估了2016—2017年期間幾個(gè)主要臺(tái)風(fēng)過(guò)程期間模式對(duì)臺(tái)風(fēng)路徑的預(yù)報(bào)精度情況.主要的臺(tái)風(fēng)過(guò)程包括2016年的ROANU、TWO、KYANT、NADA和VARDAH，以及2017年的MAARUTHA和MORA.模式的臺(tái)風(fēng)中心提取采用the Read/Interpolate/Plot （RIP4）程序，該程序考慮了上層大氣和海表面的動(dòng)力條件，包括最小中心氣壓、最大10 m風(fēng)速、650～850 hPa之間的最大渦度和海表到700 hPa之間的氣溫等.表1給出了模式臺(tái)風(fēng)路徑誤差情況.2016—2017年在東印度洋7個(gè)主要臺(tái)風(fēng)過(guò)程模式路徑預(yù)報(bào)平均誤差在24、48和72 h分別為110.5、166.4和181.0 km.48和72 h誤差明顯優(yōu)于印度氣象局（India Meteorological Department，IMD）2016年時(shí)的預(yù)報(bào)技巧 （路徑誤差為96.1、185.1 和291.7 km，數(shù)據(jù)來(lái)源http：∥www.rsmcnewdelhi.imd.gov.in）.

在7個(gè)臺(tái)風(fēng)過(guò)程中，24 h預(yù)報(bào)誤差最小為MORA（79.0 km），最大為MAARUTHA（177.5 km）；48 h預(yù)報(bào)誤差最小為MORA（111.0 km），最大為KYANT（223.0 km）；72 h預(yù)報(bào)誤差

最小為ROANU（136.5 km），最大為KYANT（248.3 km）.圖7給出了幾個(gè)預(yù)報(bào)個(gè)例的路徑誤差情況.從圖7中可以看出模式能很好地模擬臺(tái)風(fēng)移動(dòng)變化情況，總體的誤差較小.特別是72 h預(yù)報(bào)也基本能保持較好的預(yù)報(bào)技巧，路徑預(yù)報(bào)誤差與24和48 h相比沒(méi)有明顯增大，基本保持同一水平.

2.3 水位預(yù)報(bào)檢驗(yàn)評(píng)估

由于臺(tái)風(fēng)期間的觀測(cè)數(shù)據(jù)缺乏，我們采用2016年5月科倫坡水位站觀測(cè)數(shù)據(jù)用于模式預(yù)報(bào)水位的檢驗(yàn).圖8給出一個(gè)月的水位對(duì)比結(jié)果.從結(jié)果看，水位的總體RMSE為0.035 m，占最大振幅約5%，與觀測(cè)的相關(guān)系數(shù)達(dá)到0.996.這說(shuō)明了模式能較好地預(yù)報(bào)水位的變化過(guò)程，特別是近岸的潮汐過(guò)程.風(fēng)暴潮的過(guò)程主要是由風(fēng)場(chǎng)誤差決定的，而考慮潮汐的作用后，潮汐的模擬誤差也對(duì)預(yù)報(bào)誤差產(chǎn)生影響.從水位的預(yù)報(bào)誤差看，模式有能力同時(shí)預(yù)報(bào)潮汐和風(fēng)暴潮過(guò)程.

3 討論和結(jié)論

本文在原“南海海洋環(huán)境數(shù)值預(yù)報(bào)試驗(yàn)平臺(tái)”（EPMEF）的基礎(chǔ)上構(gòu)建了東印度洋區(qū)域的天氣與風(fēng)暴潮實(shí)時(shí)預(yù)報(bào)系統(tǒng)（EPMEF_EIO），并對(duì)該平臺(tái)進(jìn)

行了初步的評(píng)估.該平臺(tái)由區(qū)域大氣預(yù)報(bào)模式WRF和基于POM模式的區(qū)域風(fēng)暴潮模式組成.利用美國(guó)NCEP的全球預(yù)報(bào)系統(tǒng)GFS資料作為大氣模式初邊場(chǎng)，并通過(guò)三重嵌套實(shí)現(xiàn)“動(dòng)力降尺度”，獲取斯里蘭卡附近最高8 km的78 h天氣預(yù)報(bào)結(jié)果，而天氣預(yù)報(bào)的10 m風(fēng)場(chǎng)和海表面氣壓場(chǎng)又為風(fēng)暴潮模式提供了主要的驅(qū)動(dòng)場(chǎng).過(guò)去2年每天進(jìn)行4次預(yù)報(bào)并實(shí)現(xiàn)了穩(wěn)定的運(yùn)行，證明了該系統(tǒng)的穩(wěn)定性.通過(guò)和中國(guó)科學(xué)院南海海洋研究所斯里蘭卡站氣象塔觀測(cè)數(shù)據(jù)的對(duì)比，發(fā)現(xiàn)模式預(yù)報(bào)氣溫和相對(duì)濕度的日變化較觀測(cè)值偏小；氣溫總體RMSE在1.26 ℃，相關(guān)系數(shù)在0.8左右；相對(duì)濕度的總體RMSE在7.0%，相關(guān)系數(shù)在0.7左右.模式預(yù)報(bào)風(fēng)速的整體偏大居多，總體RMSE在2.3 m/s，相關(guān)系數(shù)在0.65左右；模式預(yù)報(bào)風(fēng)向總體能把握主要的變化趨勢(shì)，總體RMSE在20°～32°之間，相關(guān)系數(shù)約0.65左右.而對(duì)于臺(tái)風(fēng)路徑的預(yù)報(bào)，模式路徑預(yù)報(bào)平均誤差在24、48和72 h分別為110.5、166.4和181.0 km.48和72 h誤差明顯優(yōu)于印度氣象局 （IMD） 2016年時(shí)的預(yù)報(bào)技巧（185.1和291.7 km）.此外，通過(guò)水位站的對(duì)比檢驗(yàn)，模式水位預(yù)報(bào)的總體RMSE為0.035 m，占最大振幅約5%，與觀測(cè)的相關(guān)系數(shù)達(dá)到0.996.這說(shuō)明了模式有能力同時(shí)預(yù)報(bào)潮汐和風(fēng)暴潮過(guò)程.

EPMEF_EIO主要用于檢驗(yàn)新預(yù)報(bào)技術(shù)和方法，不僅可以為東印度洋附近國(guó)家特別是斯里蘭卡相關(guān)海洋和氣象預(yù)報(bào)機(jī)構(gòu)的預(yù)報(bào)員在其日常業(yè)務(wù)預(yù)測(cè)中提供有價(jià)值的參考資料，而且可以為該區(qū)域熱帶氣旋預(yù)報(bào)能力的提高提供一些實(shí)際線索或提示.此外，它還通過(guò)提供大氣和海洋環(huán)境預(yù)報(bào)（尤其是TC路徑預(yù)報(bào)）以及相對(duì)較高的準(zhǔn)確性來(lái)為該海洋地區(qū)進(jìn)行的一些重要的社會(huì)活動(dòng)和科學(xué)海洋調(diào)查提供保障.

然而，EPMEF_EIO正在不斷發(fā)展和完善之中.未來(lái)，海氣耦合系統(tǒng)將取代目前的單向耦合版本，而大氣和海洋區(qū)域模式將采用更高的網(wǎng)格分辨率.此外，大氣和溫鹽流資料同化系統(tǒng)將被納入EPMEF_EIO，特別是將高效簡(jiǎn)化版的選尺度變分同化技術(shù)（SSDA）方案引入到系統(tǒng)中，必將進(jìn)一步提高系統(tǒng)的運(yùn)行效率，同時(shí)，海浪預(yù)報(bào)也將加入到EPMEF_EIO中.另一方面，與目前少數(shù)有限的觀測(cè)結(jié)果相比，系統(tǒng)對(duì)水位的預(yù)報(bào)似乎比較理想，但總體評(píng)估尚未完成.在收集更多數(shù)據(jù)后，我們將對(duì)系統(tǒng)進(jìn)行更全面的評(píng)估對(duì)比.

參考文獻(xiàn)

References

[1] Peng S Q，Xie L，Pietrafesa L J.Correcting the errors in the initial conditions and wind stress in storm surge simulation using an adjoint optimal technique[J].Ocean Modelling，2007，18（3）：175-193

[2] Peng S Q，Xie L.Effect of determining initial conditions by four-dimensional variational data assimilation on storm surge forecasting[J].Ocean Modeling，2006，14（1）：1-18

[3] Bunya S，Dietrich J C，Westerink J J，et al.A high-resolution coupled riverine flow，tide，wind，wind wave，and storm surge model for Southern Louisiana and Mississippi.Part Ⅰ：model development and validation[J].Monthly Weather Review，2010，138（2）：345-377

[4] Dietrich J C，Bunya S，Westerink J J，et al.A high-resolution coupled riverine flow，tide，wind，wind wave，and storm surge model for Southern Louisiana and Mississippi.Part Ⅱ：synoptic description and analysis of hurricanes Katrina and Rita[J].Monthly Weather Review，2010，138（2）：345-377

[5] 董劍希，付翔，吳瑋，等.中國(guó)海高分辨率業(yè)務(wù)化風(fēng)暴潮模式的業(yè)務(wù)化預(yù)報(bào)檢驗(yàn)[J].海洋預(yù)報(bào)，2008，25（2）：11-17

DONG Jianxi，F(xiàn)U Xiang，WU Wei，et al.Operational forecast and test of the high nesolution numerical storm surge forecast model for China Sea[J].Marine Forecasts，2008，25（2）：11-17

[6] 李永平，于潤(rùn)玲，鄭運(yùn)霞.一個(gè)中國(guó)沿岸臺(tái)風(fēng)風(fēng)暴潮數(shù)值預(yù)報(bào)系統(tǒng)的建立與應(yīng)用[J].氣象學(xué)報(bào)，2009，67（5）：884-891

LI Yongping，YU Runling，ZHENG Yunxia.A numerical forecast for typhoon storm surge over China coast[J].Acta Meteorologica Sinca，2009，67（5）：884-891

[7] 周旭波，孫文心.長(zhǎng)江口以外海域風(fēng)暴潮與天文潮的非線性相互作用[J].青島海洋大學(xué)學(xué)報(bào)（自然科學(xué)版），2000，30（2）：201-206

ZHOU Xubo，SUN Wenxin.The non-linear interaction between storm surges and astronomical tides in the sea area off River Changjiangs mouth[J].Journal of Ocean University of Qingdao （Natural Sciences），2000，30（2）：201-206

[8] 姜兆敏，王如云，黃金城.風(fēng)暴潮與天文潮非線性相互作用的理論分析[J].河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，32（4）：447-450

JIANG Zhaomin，WANG Ruyun，HUANG Jincheng.Nonlinear interaction between storm surges and astronomical tides[J].Journal of Hohai University （Natural Sciences），2004，32（4）：447-450

[9] 李杰，于福江，李洋，等.珠江口地區(qū)臺(tái)風(fēng)風(fēng)暴潮的數(shù)值模擬試驗(yàn)[J].海洋預(yù)報(bào)，2009，26（2）：1-6

LI Jie，YU Fujiang，LI Yang，et al.Numerical simulation of typhoon storm surge in Zhujiang River estuary[J].Marine Forecasts，2009，26（2）：1-6

[10] Peng S Q，Li Y N，Gu X Q，et al.A real-time regional forecasting system established for the South China Sea and its performance in the track forecasts of tropical cyclones during 2011-13[J].Weather & Forecasting，2015，30（2）：150123122225003

[11] Prabhu S，Lee M J，Hu W Y，et al.On improving storm surge forecasting using an adjoint optimal technique[J].Ocean Modelling，2013，72（12）：185-197

[12] Michalakes J，Dudhia J，Gill D，et al.Design of a next-generation regional weather research and forecast model[C]∥Proceedings of Theghth Ecmwf Workshop on the Use of Parallel Processors in Meteorology European Centre for Medium Range Weather Forecasts，1998，1：269-276

[13] Skamarock W C，Klemp J B，Dudhia J，et al.A description of the advanced research WRF version 3[R].NCAR Technical Note，2008：NCAR/TN 468+STR

[14] Lo C F，Yang Z L，Pielke R A Sr.Assessment of three dynamical climate downscaling methods using the Weather Research and Forecasting （WRF） model[J].J Geophys Res，2008，113（D9）：D09112

[15] Zhang Y X，Dulière V，Mote P W，et al.Evaluation of WRF and HadRM mesoscale climate simulations over the U.S.Pacific Northwest[J].Journal of Climate，2009，22（20）：5511-5526

[16] Ferrier B S，Lin V Y，Black F，et al.Implementation of a new grid-scale cloud and precipitation scheme in the NCEP Eta model[C]∥19th Conference on Weather Analysis and Forecasting/15th Conference on Numerical Weather Prediction，2002

[17] Kain J S.A one-dimensional entraining/detraining plume model and its application in convective parameterization[J].Journal of Atmospheric Sciences，1990，47（23）：2784-2802

[18] Kain J S，F(xiàn)ritsch J M.Convective parameterization for mesoscale models：the Kain-Fritsch scheme[M]∥Emanuel K A，Raymond D J.The representation of cumulus convection in numerical models.American Meteorological Society，1993：165-170

[19] Hong S Y，Noh Y，Dudhia J.A new vertical diffusion package with an explicit treatment of entrainment processes[J].Monthly Weather Review，2006，134（9）：2318-2341

[20] Dudhia J.Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J].Journal of Atmospheric Sciences，1989，46（20）：3077-3107

[21] Mlawer E J，Taubman S J，Brown P D，et al.Radiative transfer for inhomogeneous atmosphere：RRTM，a validated correlated-k model for the longwave[J].J Geophys Res，1997，102（14）：16663-16682

[22] Heaps N S.A description of a three-dimensional coastal ocean circulation model[M]∥Heaps N S.Three-dimensional coastal ocean models.Washington D C：American Geophysical Union，2013：1-16

[23] Mellor G L.Users guide for a three-dimensional，primitive equation，numerical ocean model[J].Program Atmos Ocean Sci Princeton Univ，2003，17（1）：1

[24] Egbert G D，Bennett A F，F(xiàn)oreman M G G.TOPEX/POSEIDON tides estimated using a global inverse model[J].J Geophys Res，1994，99（C12）：24821-24852

[25] Peng S Q，Xie L，Liu B，et al.Application of scale-selective data assimilation to regional climate modeling and prediction[J].Monthly Weather Review，2010，138（4）：1307-1318

Abstract A real-time regional forecasting system for the Eastern Indian Ocean （EIO），called the Experimental Platform of Marine Environment Forecasting for EIO （EPMEF_EIO），is introduced in this paper.EPMEF_EIO consists of a regional atmosphere model and a regional storm surge model，and performs a real-time run four times a day.Output from the Global Forecast System （GFS） from the National Centers for Environmental Prediction （NCEP） is used as the initial and boundary conditions of two nested domains of the atmosphere model，which can exert a constraint on the development of small- and meso-scale atmospheric perturbations through dynamical downscaling.Then the system outputs the 3 day forecast of 72 km，24 km，8 km for Indian Ocean-EIO-Sri Lanka.The forecasted winds at 10 m height from the atmosphere model are used to drive the storm surge model，obtaining the 1/12°-1/36° results for EIO-Sri Lanka.By comparing observation data from the Sri Lanka Station Meteorological Tower of the South China Sea Institute of Oceanology，Chinese Academy of Sciences，TC best track data，and data from the Colombo tide gauge station，it is found that the daily variations of the model forecasted temperature and relative humidity are smaller than the observations；the overall root mean square error （RMSE） of the air temperature is 1.26 ℃，and the coefficient is 0.8；the overall RMSE of relative humidity is 7.0，and the correlation coefficient is 0.7.The model forecasted wind speed is mostly larger than the observation，with an overall RMSE of 2.3 m/s and a correlation coefficient of 0.65.The forecasted wind direction of the model can grasp the main trend of variation，with an overall RMSE of between 20°-32° and a correlation coefficient of about 0.65.The average error of model track forecast is 110.5 km，166.4 km，and 181.0 km at 24 hour，48 hour，and 72 hour，respectively.In addition，the overall RMSE of the model water level forecast is 0.035 m，accounting for about 5% of the maximum amplitude，and the correlation coefficient with the observation reaches 0.996.This shows that the model has the ability to simultaneously forecast tidal and storm surge processes.EPMEF_EIO，established primarily for research purposes with the potential to be implemented into operations，provides valuable information to the operational forecasters of local marine/meteorological agencies or international TC forecast centers.

Key words Eastern Indian Ocean；forecasting system；atmosphere model；storm surge model；root mean square error（RMSE）