[00147312]南海区域海洋模式中海气界面动量交换与海洋内部混合参数化方案及最优初始化研究

一、季风影响下南海及印度洋表层流的欧拉和拉格朗日特征 利用多年历史海表漂流浮标的观测数据,采用新的Gauss-Markov（GM）分解法,本研究团队分别计算了南海季风和印度季风影响下的南海和印度洋海盆表层流的欧拉和拉格朗日统计特征,阐明了南海及印度洋区域水平扩散系数受西边界流或赤道急流的影响而呈现各向异性的变化规律,较为全面的揭示了季风影响下南海和印度洋表层环流与涡旋运动的空间分布及季节变化规律,为未来建立适合南海及印度洋区域的海-气相互作用物理过程参数化方案打下基础。该研究成果分别发表于Journal of Physical Oceanography（2013,2014ab）中,其中有关南海表层流特征的研究成果被评阅人认为“为南海区域表层流的研究提供了全新视角”。 二、全球海表水平扩散系数的计算 本研究团队首先收集了全球Argo浮标观测数据和NOAA的海表浮标观测数据。利用这些拉格朗日观测数据以及Lumpkin等（2002）的计算方法,计算了全球的水平扩散系数。并经验证表明,由海表漂流浮标计算得到的扩散系数空间分布与前人的计算结果基本一致,证明计算结果是可信的。 无论是Argo浮标观测还是海表漂流浮标观测,其数目都相对有限,并且时空分布不够均匀。一个比较理想的解决办法就是在海流再分析数据中利用平流扩散方程模拟拉格朗日漂流浮标的观测。在硬件条件允许的情况下,可以得到足够高的观测采样,并且时空分布都比较均匀。根据这一想法,我们利用OSCAR再分析海流数据模拟了拉格朗日观测资料,并且用于计算拉格朗日扩散系数。针对数值模式中常常使用的扩散参数化方案,我们也计算了Smagorinsky粘性系数,并将两者的空间分布模态进行了比较,两者的空间分布比较相似,但在赤道地区差异比较明显。并且在量级大小上也相差较大。这说明要在数值模式中利用计算得到的拉格朗日扩散系数还需要进行转化。 三.CNOP方法在长江中下游暴雨模拟中的应用研究 为了提高长江中下游地区高影响天气的数值预报,本研究团队利用条件非线性最优扰动（CNOP）方法,对一个长江中下游地区冬季降水个例（高影响天气事件）进行目标观测研究,并通过观测系统模拟试验（OSSE）检验了该方法确定敏感区的有效性和可行性。根据目标观测的思想,我们将在选定的敏感区内用“大气真值”来修正初始场,研究初始场修正后验证区内预报误差的改变情况。试验结果表明,CNOP方法可以有效地识别对应于高影响天气事件的敏感区。通过对敏感区进行初始场修正后,可明显改善验证区内24h累积降水预报误差和总能量预报误差。进一步分析发现,通过改善敏感区内的初始场信息（如初始场的水汽通量场和低层冷空气活动等）,使得数值模式不仅能更真实刻画该天气系统的初始结构,而且还能更好的模拟出该天气系统随时间的演变特征,因而减少了验证区内对该天气系统的预报误差。这一结果表明可以把CNOP方法应用于长江中下游地区高影响天气事件的目标观测研究或实践中。 四、南海西边界流区域目标观测模拟试验 利用POM及其共轭伴随模式结合条件非线性最优扰动方法（CNOP）建立南海区域目标观测模拟系统。本研究团队将南海区域目标观测模拟系统应用于南海越南东岸的西边界流区的30天预报中,首先我们发现对于西边界流区（目标区）30天的预报,初始扰动的影响是十分显著的。随着模式积分初始扰动并没有逐渐消失反而有增大的趋势。对目标区影响最大的敏感区位于目标区的东南面。我们还进行了理想孪生试验,定义了162个观测点,分别布置在得出的敏感区以及其他观测方案中,发现在CNOP敏感区布置观测在15天以后明显优于其他观测方案。该成果可以寻找合适的观测布点方案以提高预报的精度,具有很强的实用价值和应用前景研究成果已被Journal of eophysical Research-oceans接收,并已在网上发表。