ORAS6
ECMWF在海洋和海冰再分析系统的开发和生产方面有着悠久的历史。最初，这个系统是为了给季节性再预报提供初始条件而设计的，随着时间的推移，ECMWF海洋和海冰再分析的用户群不断扩大。该再分析系统支持气候监测、延长期和年代预测的初始化，以及最近的中期预测初始化。ECMWF的第五代海洋和海冰再分析系统ORAS5于2016年投入运行，它是OCEAN5的基础，后者自此为所有ECMWF耦合预测系统提供海洋和海冰的初始条件。
第六代海洋和海冰集合再分析系统ORAS6将带来一个重要的新增功能：为即将到来的ERA6大气再分析提供边界条件。
ORAS6 的主要更新点
海面温度（SST）同化
首次实现了SST的变分同化，结合ERA5逐小时的表面强迫数据，使得ORAS6可以精确表示SST的日循环。输出格式改进
ORAS6的输出可以通过ECMWF的MARS系统以常用的二进制GRIB2格式获取。海洋和海冰模型更新
采用了改进后的海洋和海冰模型，带来了显著的物理改进。增强观测数据使用
增加了海洋和海冰观测数据的使用。偏差修正方案更新
更新了偏差修正方案，使得数据同化更加准确。集合生成改进
改进了集合生成，增强了系统对不确定性的处理能力。
所有这些创新都是通过ECMWF八年多的额外研究和开发，以及与ECMWF成员国气象服务和研究机构的密切合作实现的。ORAS6作为ECMWF综合预报系统（IFS）Cycle 48r2的专用版本开发。预计完整的ORAS6数据可以追溯到1950年，并将在2024年底前完成。
系统更新与性能
在ORAS6中，海洋和海冰模型得到了更新，现在由逐小时的ERA5强迫数据驱动。开发了一种新的基于集群的变分数据同化系统，能够提供流依赖的背景误差方差和垂直相关尺度。其他更新包括对Level-4（L4）海面温度（SST）和Level-3（L3）海冰浓度数据的同化，改进的集合生成方法，以及偏差修正方案和高度计数据同化的更新。下图展示了ORAS6系统的示意图，突出了相对于ORAS5的主要系统改进。
海洋和海冰模型更新
海洋和海冰模型基于NEMOv4.0.6，其中包括一个新的多类别海冰模型SI3，具备预报盐度功能。这是海冰建模能力的一个重大进步。数据同化系统需要进行调整，以适应海冰中的新预报变量，以及多厚度类别冰层的表示概念。海洋模型本身也进行了改变，包括扩展了南极周围的网格边界，并修改了大气强迫在独立模型（即不与上层大气耦合的模型） 中的应用方式。海洋模型的分辨率保持不变，为0.25度，具有75个垂直层级。强迫数据来自ERA5，并以逐小时的方式施加，采用了一种计算通量的新公式，使之更接近于ECMWF的业务预报系统。得益于ERA5逐小时强迫数据以及切换到SST观测的直接同化，ORAS6能够表示出与漂流器数据重构的SST日循环非常接近的结果（见下图）。关于模型开发的更多细节可以在本期简报中的NEMOv4文章中找到。
SST与海洋EDA系统的数据同化
ORAS6中引入了对L4 SST数据的直接同化。SST数据同化的一个主要挑战在于，ORAS5使用的背景误差协方差公式未能优化处理非常密集的卫星SST观测和稀疏的海洋现场观测网络。为了解决这一问题，ORAS6采用了由ECMWF与成员国研究机构合作开发的集合数据同化（EDA）系统。
在 ORAS6 中，混合背景误差协方差矩阵是数据同化系统的重要组成部分，它在观测数据同化过程中，决定了对初始条件进行修正时的空间结构。这个协方差矩阵结合了几种不同的因素：新计算的季节性变化气候方差、水平相关长度尺度、基于流依赖的当日误差，最重要的还有通过集合方法估算的垂直长度尺度。这些因素使得同化系统能够更加精确地修正海洋和海冰的初始状态，特别是对于垂直方向的修正。这种垂直长度尺度的估算是通过一种创新的归一化算法实现的，对于实现有效的表面观测数据同化至关重要。
通过英国气象局(Met Office) 的 OSTIA L4 SST 产品同化，ORAS6 实现了时间一致性，并显著减少了 SST 偏差，特别是在墨西哥湾流区域，解决了 ORAS5 模型中暖水偏移的问题，使得 ORAS6 的表现明显优于 ORAS5。
使用 SI3 进行海冰数据同化
ORAS6 使用了新的多类别 SI3 海冰模型，并同化了 OSI SAF 的最新 L3 海冰浓度数据，，该数据基于三种卫星仪器的观测：特种传感器微波成像仪（SSM/I）、特种传感器微波成像仪/探测仪（SSMIS）、以及扫描多通道微波辐射计（SMMR）。为了同化 L3 海冰数据，开发了关于观测扰动的新方法以及基于不确定性信息考虑观测误差方差的方法，以提高数据同化的准确性和操作可靠性。与 ORAS5 相比，ORAS6 的海冰浓度表现有所改进，特别是在减少对外部数据误差的敏感性方面。然而，ORAS6 中海冰厚度的特性变化较大，某些北极地区可能存在偏薄的问题，尝试通过合并的海冰厚度数据来解决，但因数据不一致等原因未继续采用此方法。
集合生成的更新
ORAS6 对集合生成进行了重要更新，以提高对海洋状态不确定性的采样能力。新开发的集合生成方案引入了 SST 和 L3 海冰浓度的扰动，并考虑了结构误差和分析误差。ORAS6 使用 ERA5 和 JRA-55 的月平均输出数据计算风应力，并对 SST、蒸发减降水 (EMP)、太阳辐射等进行扰动处理。这些更新使得海-气通量和现场观测扰动更精确，从而使集合方差更加可靠，提升了 SST 同化的表现。下图显示，ORAS6 的 SST 集合扩展比 ORAS5 更大，整体性能显著提升。
其他海洋数据同化系统的更新
ORAS6 对海面高度（SSH）同化进行了重要改进，引入了来自多卫星数据统一与高度计组合系统（DUACS） 的重处理海平面异常（SLA）数据，增加了来自更多卫星的数据并改进了时间一致性。ORAS6 还同化了高纬度和靠近大陆海岸的 SLA 数据，这些区域的数据在 ORAS5 中并未被考虑，得益于新 SLA 产品中区域偏差的减少，这些改进使得 SSH 的表现显著提升。为了进一步减轻平均动力地形（MDT）中的偏差，ORAS6 采用了两步法，并在 MDT 估算时消除了 SSH 的趋势误差。这些改进确保了 ORAS6 在高度计同化中的精度和可靠性，相较于 ORAS5，整体表现更加优异。
ORAS6 中的模型偏差修正方案包含先验偏差和在线偏差，以应对不同空间和时间尺度的偏差。与 ORAS5 相比，ORAS6 通过多步方法估计先验偏差，增加了空间滤波器和垂直元素，并引入新的解析函数来改进偏差控制。还新增了淡水预算调整方法，按正负 EMP 区域分配全球水量调整，以更好地与其他新元素（如海洋 EDA 和 SST 同化）协同工作。
ORAS6 预测性能
为了评估中期预报在预测SST方面的表现，ECMWF使用了来自美国国家海洋和大气管理局 (NOAA) 全球漂流器计划的质量控制数据集（https://www.aoml.noaa.gov/phod/gdp/）。
下图显示了 ORAS6 原型系统与 ORAS5 业务系统在一年时间内的全球均方根误差 (RMSE) 变化。新系统几乎在所有地区都减少了 SST 的误差，尤其是在边界流区域和南大洋中改善更为显著。
对具有 9 公里（中期集合分辨率）大气分辨率的业务预报系统副本的测试结果表明，这种改进在长达第 9 天的预报中仍然得以维持（见下图）。比较不同预报提前时间的系统表现显示，新系统第 3 天的 SST 预测误差与旧海洋分析系统相当。
结论
总的来说，ORAS6 的设计和开发遵循以下标准：
保持其现有应用所需的气候质量 改善海洋表面的表现，以满足中期预报和即将到来的耦合大气再分析的需求 使用最新的科学发展和建模工具，使得业务系统及其用户能够从多年的研究中受益 便于外部和内部用户的数据访问，以及长期数据管理
ORAS6 将涵盖从 1950 年到现在的时期。为了方便及时生产并考虑到全球海洋观测系统的不断变化，ORAS6 正在通过分开的并行流来生产，这些流通过连续的前期分析相连接，以确保气候的连续性。预计整个 ORAS6 数据集将在 2024 年底前完成，并且数据将在此之后不久为外部用户提供。ORAS6 的 SST 和海冰将作为 ERA6 的下边界条件，这得益于 SST 的改进，特别是在西部边界流和日循环表示方面的改进。ORAS6 还将用于初始化即将到来的季节性预测系统 SEAS6 的再预测，并将构成 2025 年实施的 Cycle 50r1 预测初始化的基础。
从长期来看，未来几代的海洋再分析将以更高的空间分辨率进行，可能采用 4D-Var 方法，以进一步改善 SST 和其他表面观测的同化。这将理想地使气候数据记录更加平滑和一致。ECMWF还计划致力于更多观测同化，例如海冰厚度和海冰上的积雪信息，这些观测已被证明在不同时间尺度上对预测具有重要价值。
Reference
ECMWF’s next ensemble reanalysis system for ocean and sea ice: ORAS6
往期回顾
Python | MJO | 位相图 Python | 半球间经度转换 Python | 大气科学 | 偏相关 Python | 气象绘图 | 台风降水 Python | 解决 cmaps 库报错的问题 Python | 批量下载 NCEP2 再分析数据 Python | 北大西洋涛动 | NAO 指数 | EOF
