20世纪90年代以来，在全球海洋资料同化实验（GODAE）和GODAE Ocean View计划的组织推动下，多个国家的海洋业务预报机构开展广泛合作，逐步建立全球海洋数值预报系统（Dombrowsky et al，2009；Schiller et al，2011；Bell et al，2015；Brassington et al，2015），对多个变量和海洋特征提供实时预报服务，成为众多海洋产业的支撑。全球海洋数值预报是综合性应用科学，其发展不仅取决于先进的海洋数值模式，还与全球海洋观测资料获取和处理、高效的资料同化方案和高性能计算机技术的发展密切相关。全球海洋数值预报水平集中体现了国家的海洋综合实力，同时也是海洋预报能力的重要标志。

随着1997年GODAE计划的实施，在国际上提供技术支持，全球海洋预报实现业务化运行的背景下，越来越多的海洋预报系统在不同的国家发展起来。目前，各国海洋预报机构均发展并建立了各自的全球海洋预报业务系统。全球各国开发了多个覆盖全球海洋的预报系统，现有全球预报系统不断得到更新，以更好地满足用户的需求。欧洲大部分国家以及加拿大使用NEMO（Nucleus for European Modelling of the Ocean）模式作为预报系统的海洋模式。美国的预报系统采用HYCOM（Hybrid Coordinate Ocean Model）模式，澳大利亚和中国的系统采用MOM4（Modular Ocean Model）海洋模式。日本和ECCO都分别有自己的海洋模式——MRI.COM和MITgcm（MIT General Circulation Model）。这其中的5个系统包括海冰模块。包含或增加的复杂的海冰模块是相对于Dombrowsky等（2009）预报系统的一个变化。

各国的全球海洋预报系统（表1）中，5个预报系统是1/4°涡相容分辨率的（NMEFC，CONCEPTS，FOAM，GLOSEA，MERCATOR）。3个系统水平分辨率为1/12°的涡识别分辨率（MERCATOR-OCEAN，GOFS，RTOFS），这是在中纬度地区分辨中尺度涡所需的分辨率。两个系统具有较粗分辨率（MOVE/MRI.COM，ECMWF），Bluelink/OceanMAPS具有1°的粗分辨率，除了澳大利亚周围分辨率提高到1/10°。如表1所示，大多数预报系统采用z垂直坐标系，而只有3个采用混合坐标系（MOVE/MRI.COM，GOFS和RTOFS）。对于粗分辨率系统，z坐标系统模型中的垂直分层数小于50，其他系统的垂直层数为50或更多。z-垂直坐标分布在系统间有很大差异，第一层的深度范围从1～10 m不等。Met Office的FOAM和GloSea系统具有最高的z坐标分辨率，垂向分75层，表面为1 m。表1所列的全球海洋预报系统都有各自的数据同化方案。随着数据同化方案越来越复杂，同化的观测资料的数量和种类也更加丰富。各海洋预报系统同化的数据包括卫星海表面温度数据、卫星高度计沿轨数据、温盐垂直剖面和海冰观测资料。全球海洋预报系统的许多数据同化方案基于三维变分同化方法。麦卡托海洋中心的两个系统采用SAM2同化系统，基于具有3D-Var偏差校正的SEEK（奇异渐变扩展卡尔曼滤波）方法。澳大利亚的同化系统采用集合最优插值（OI）技术。ECMWF系统是唯一一个海洋-大气-海浪耦合系统。日本气象厅的MRI.COM预报系统是海洋-大气耦合系统。其它所有全球预报系统由数值天气预报系统（NWP）的海表面分析场和预报场强迫。大气强迫场的时间分辨率从CONCEPTS预报系统的1 h到FOAM系统的3～6 h不等。MOVE/MRI.COM预报系统大气强迫场的时间分辨率为1天。

 

表1 国内外全球业务化海洋预报系统

  

系统名称 国家 海洋模式 水平分辨率 垂向层数 数据同化方案 大气强迫 海冰模式GOFS 美国 HYCOM 1/12° 32层 NCODA（3DVAR） 海军全球环境模式NAVGEM RTOFS 美国 HYCOM 1/12° 32层 NCODA（3DVAR） NCEP GFS 3小时HWRF Energy Loan ECMWF 欧洲 NEMO 3.0 1° 42层 NEMOVAR（3DVAR） ECMWF业务数值预报场PSY4 法国 NEMO 3.1 1/12° 50层 SAM2V1-3DVAR大尺度温度、盐度误差订正ECMWF 3小时分析场和预报场LIM2_EVP FOAM 英国 NEMO 3.2 1/4° 75层 NEMOVAR（3DVAR） Met Office 3小时数值天气预报CICE MOVE/MRI.COM 日本 MRI.COM v3.4 0.3-1° 50层 MOVE（3DVAR） JRA55-JCDAS 6小时 气候态月平均BlueLink 澳大利亚 MOM4 1°（1/10°） 47层 BODAS（ensenble OI） ACCESS-GAPS1 ERA-Interim CONCEPTS 加拿大 NEMO 3.1 1/4° 50层 SAM2-ice 3DVAR GEM逐小时 CICE CGOFS 中国 MOM4 1/4° 50层 3DVAR NCEP GFS 6小时

我国海洋环境预报工作始于20世纪60年代初，经过50多年的发展，在预报体系建设方面，基本形成了一个由观测、数据传输、分析、预报、产品制作与分发等环节组成的业务化预报系统。预报技术不断发展，预报模式逐步融入了更多的物理机制，预报水平不断地提高。“十一五”期间，国家海洋环境预报中心基于MOM4模式初步建立赤道太平洋上混合层海温7天数值预报系统，同时研发了三维变分同化系统和印度洋-太平洋集合最优插值同化系统。

进入21世纪，海洋在国家经济社会中的地位和作用日益凸显，我国将建设海洋强国上升为国家战略目标，并推进实施“21世纪海上丝绸之路”的战略构想。开发深远海资源、保护海洋生态环境、维护国家海洋权益等各个方面都需要更为细致准确的定点、定量全球海洋环境预报保障服务。面向海洋事业发展对我国全球预报服务提出的迫切需求，亟须加强全球大洋预报能力建设，建立和完善全球海洋环境预报系统。在“十二五”国家科技支撑计划项目的支持下，国家海洋环境预报中心开展全球海洋环境数值预报关键技术研究。作为其核心成果之一，研发并建立我国首个涡相容1/4°分辨率的全球海洋环流数值预报系统（张斌键，2013；Tonani et al，2015；王辉 等，2016），改进了底边界参数化和湍流闭合参数化，引进了波致混合参数化。该系统自2013年起业务化运行，利用海洋模式和资料同化，业务化预报全球深海大洋从海表到海底的温度、盐度、海流等物理特征和状态，大幅度提升我国全球大洋预报技术能力，标志着我国海洋预报保障能力从近海扩展到全球大洋，体现了我国海洋数值预报技术的发展和进步。本文将从全球海洋数值预报系统及其性能介绍、系统的应用及预报效果试验两方面作简要介绍。

1 主要成果及技术创新

同时，本文也分别计算了未来1天预报在不同海域的RMSE（图7）。全球海洋数值预报系统在热带太平洋和热带大西洋的RMSE最低，分别为0.32℃和0.37℃。这可能是因为系统同化了SST观测数据，而这两个海域的SST观测数据恰恰较为丰富。全球海洋数值预报系统在北太平洋（0.45℃）、北大西洋（0.49℃）和南大西洋（0.55℃）预报误差较大，就全球而言，预报系统的RMSE为0.47℃。

2.1 物理模式

Drifter的数据较为丰富，空间分布也较为均匀，选择Drifter观测的SST数据作为标准，对全球海洋数值预报系统SST预报结果进行评估。评估时段为2016年1月1日-6月30日。图5（d）显示了评估时段内，逐日的观测个数。就全球海洋而言，每天会新增约2万个SST观测记录。基于这些数据，可以对预报系统进行较为全面的评估。

其中，A为背景误差方差，对应温度取2.0，盐度取0.15，Δx，Δy分别为两水平点在x和y方向上距离，Lx，Ly表示不相关尺度，对于温度Lx=450 km，Ly=650 km，对于盐度Lx=420 km，Ly=510 km，温度和盐度观测误差分别取为0.1和0.05。全球海洋预报系统将全球实时海温分析资料（RTGSST，下载地址ftp：//ftpprd.ncep.noaa.gov/pub/data/nccf/com/gfs/prod），法国空间局卫星海洋学资料中心（AVISO，下载地址ftp：//ftp.aviso.oceanobs.com）提供的卫星高度计资料以及Argo温盐剖面（下载地址 ftp：//ftp.ifremer.fr/ifremer/argo/dac/） 等观测资料同化到全球海洋模式中，实现对模式中温度和盐度场变化的调整，获得对过去海洋状态最精确的描述，以及预报的最优初始场。该同化系统扩展了数值预报中观测资料的使用范围，为提高模式的预报水平奠定了基础（Bell et al，2009；Le Traon et al，2015；Martin et al，2015）。

Li等[7]的一项纳入172例sICH患者的研究，6l例证实出现血肿增大的患者中，24例（39.3%）平扫CT图像存在“混杂征”。该研究显示，“混杂征”预测血肿增大的敏感性为39.3%，特异性为95.5%，阳性预测值为82.7%，阴性预测值为74.1%，并认为此征象是由于活动性出血所致。本研究显示，bsICH增大组患者中“混杂征”的阳性率为85.11%，bsICH不增大组患者中的阳性率为17%，回归分析进一步证实了“混杂征”是bsICH增大的危险因素。Ruili Li等[9]，研究发现“混杂征”对血肿增大的预测较“黑洞征”不仅有更高的敏感度和阴性预测值，而且有更高的准确度。

2.2 资料同化系统

全球海洋预报系统的资料同化系统，基于三维变分同化方案（Xiao et al，2008；肖贤俊等，2011；Wang et al，2012），其同化分析过程包括两步：第一步，垂向同化，即在沿着卫星高度计轨道的剖面上，同化高度计和SST观测资料。高度计观测垂向投影采用以下动力高度约束关系，即

如上所述，在重症哮喘合并呼吸衰竭的患者临床急诊抢救治疗中，如有发现进行常规治疗无法缓解患者临床症状时，就应该积极考虑对患者采取机械正压通气，从而进一步挽救患者生命。这样的抢救手段，临床治疗过程中应用效果较好，应用价值较高，提高患者生命质量同时也可以改善治疗后的效果，可以在临床广泛推广。

 

其中：ρ（T，S，p）为海水密度，ρ0（p）=ρ（0，35，p），Zm是参考深度，取为1 000 m。海表温度只在混合层中投影，根据混合层中温度沿深度相关性构建投影算子，在海表，观测SST与模式温度相关性为1，相关性按深度递减，在混合层底部相关性为0。SST和海表高度如果分别作为独立资料进入代价函数，需要定义各自的观测误差协方差矩阵。因此，我们用SST垂向投影得到的温度计算动力高度，作为一个约束项进入动力高度观测项。代价函数如下：

 

全球海洋预报系统的历史回报结果和试验性业务运行结果表明，该系统对全球海洋环境要素具有较好的预报能力。为了说明预报效果，将模式后报和预报结果与观测对比进行验证统计。首先，针对全球海表面温度（SST）在2013年3-7月期间的后报模拟误差进行定量评估分析（图3-4），对照AVHRR观测SST，模式的后报场与观测整体匹配较好，空间平均的均方根误差分别为0.580℃，平均偏差为-0.101℃。尤其是在大洋内区，全球海洋环流模式的海温预报效果具有较好的预报效果。

第二步水平同化，在模式水平层上利用3DVAR方法，通过对于每个模式水平层求下面代价函数的极小值，得到数值模式所需要的分析场，即

ESO：α1=0.5、α2=0.25、α3=0.125、δ=0.01、β11=60、β12=240、β13=890；

 

全球海洋预报系统于2013年3月起在国家海洋环境预报中心业务化试运行。业务化预报流程首先处理大气强迫场和输入数据，其次同化系统读入观测数据，在模式中同化全球实时观测资料，并将模式向前积分，得到海洋预报场，最后处理输出结果，用于展示和分发的海洋分析场和预报场（图1）。该系统每天运行1次，采用美国GFS提供的分辨率为0.5°的每6小时大气分析场和预报场作为驱动。全球海洋预报系统起报时间世界时00时，预报时效7天，全球海洋预报系统实现了全球海域范围预报业务全覆盖，通过多种方式实时提供和发布全球海温、盐度、海流等多要素的预报产品，以及温跃层、混合层等诊断分析产品（表2）。全球海洋预报系统的运行产品在实际业务中得到广泛应用，为印度洋亚丁湾海域我国海洋权益维护和远洋运输提供实时海洋环境保障，主要预报要素包括海温和海流（图2）航，为“雪龙”船脱困等预报保障工作提供服务，并成为我国全球海洋环境预报业务的重要参考依据。

 

综合能源系统是对能源的产生、输配、转换、存储、消费等环节进行有机协调与优化的能源产供销一体化系统。它将电力、燃气、供热/供冷、供氢等多种能源环节与交通、信息、医疗等社会基础支撑系统有机结合,通过该系统内多种能源之间的科学调度,实现能源的高效利用、满足用户多种能源的梯级利用、社会供能的安全可靠等目的。

2 业务化应用与检验

其中，T和S分别是一水平层上温度和盐度分析场，Tb，Sb分别是模式得到的一水平层上的温度和盐度背景场。ET，Es分别是该水平层上温度和盐度背景误差协方差，OT，Os分别是该水平层上温度和盐度观测误差协方差。H为双线性插值观测算子。背景误差协方差矩阵采用高斯型，形式如下：

战略柔性是企业技术创新的源泉，是企业高效利用资源的重要保障。通过增强战略柔性，提高资源柔性和协调柔性水平，增强中小企业自主创新能力，提高生产效率，先于竞争对手进入新市场。

  

图1 全球海洋数值预报系统预报流程

其中，T和S分别温度和盐度分析场，Tb，Sb分别是由模式得到的温度盐度背景场，BT，Bs分别是垂直方向上温盐背景误差协方差矩阵。hm是由模式得到的平均海表高度，h0是卫星高度计资料得到的海表高度异常，hc为卫星遥感海表温度投影计算得到的动力高度约束。Ts是观测海表温度。

 

表2 全球海洋数值预报系统预报产品列表

  

预报产品 预报时效 水平分辨率 垂向分辨率 时间分辨率 区域范围 存储格式温度盐度海流诊断分析产品 温跃层混合层预报要素168小时 1/4°×1/4° 50层（225 m以上10 m） 每日 全球 NetCDF

  

图2 亚丁湾护航海域

 

（a）温度，（b）海流预报

全球海洋预报系统由动力模式和同化系统两部分组成，其海洋动力数值模式采用美国地球流体动力学实验室开发的 MOM4（Griffies et al，2004）全球海洋环流模式，建立一系列业务化设置。模式水平分辨率为全球1/4°×1/4°，纬向和径向的水平网格数分别为1 440和716。模式垂向分为50层，其近表层垂向加密，在225 m以上分辨率为10 m，225 m以下的层次呈不等距分布，深度越深，间隔越大，最大水深取为5 500 m。模式采用OCCAM 0.2°地形，为了方便对北极点的处理，水平网格设计时采取三极点网格，可以有效消除北极奇点。模式中采用Sea Ice Simulator（SIS；Winton，2000）海冰模块，SIS海冰模块是考虑上层海冰的热容量和融解热守恒的热力模式，采用3层垂直结构和弹-粘-塑性（EVP）流变学本构关系。模式改进了水平粘性系数、海气交换通量等参数化方案，利用非Boussinesq近似方法（Greatbatch et al，2001），保证了运动学、动力学和物理上的质量守恒，中性示踪物采用Gent-McWilliams斜扩散（Gent et al，1990），垂直混合方案采用KPP（K-profile parameterization） 垂直混合方案（Large et al，1994），并引入非破碎波浪导致的垂向混合，将浪潮流耦合技术引进到全球MOM4模式中，考虑了潮汐强迫，改善垂直混合方案。模式考虑了全球径流的淡水输入。系统气候态模拟采用OMIP_NCAR气候态数据集中海平面气压，10 m温度、比湿、风速，降水，长波辐射，短波辐射，海冰初始场等强迫场，完成30年气候态稳定运行。在气候态模拟的基础上，采用NCEP每天1次的高频海表面强迫场，完成1990-2011年22年积分。将数值模拟结果与观测数据进行对比，对模式参数进行调整。全球海洋环流后报实验于2011年6月起采用美国全球数值天气预报计算模式系统（Global Forecast System，GFS）全球风场分析场强迫场进行后报实验。全球海洋预报系统于2013年3月采用GFS全球分辨率为0.5°的海表面风场和热力强迫的预报场进行业务化试运行。

相对于观测数据，预报系统1天预报的逐日偏差约为±0.2℃（图5（a））。逐日偏差并非常数，而是依赖于预报的具体发布时间，在五月中旬由负偏差转为正偏差。由于正负相互抵消，平均偏差的量级相对较小，未来1天预报为-0.056℃（图6（a））。随着预报时效的延长，负平均偏差也更为显著。总体而言，平均偏差介于-0.056℃～-0.085℃之间。对于未来1天预报，逐日的均方根误差（RMSE）呈现了较强的变化特征，振幅可达0.1℃（图 5（b）），平均值约为0.62℃（图 6（b））。随着预报时效的延长，平均RMSE呈现了显著的增长趋势。相对于未来1天的预报，未来7天预报的RMSE增长了15%。

  

图3 全球海洋预报系统后报海表面温度相对于AVHRR观测的均方根误差分布

  

图4 全球海洋预报系统后报海表面温度相对于AVHRR观测的平均偏差分布

异常相关系数（Anomaly Correlation Coefficient，ACC）是相关系数的一种变形，衡量了去除某些信号（如季节循环）之后，两个时间序列的“相关”关系。众所周知，SST具有较强的季节循环，如果预报系统可以模拟出季节循环，就可以得到较高的相关系数。ACC通过扣掉季节循环，可以衡量预报系统是否有能力正确的反映其他因素导致的SST变化。对于未来1天预报而言，全球海洋数值预报系统的ACC处于0.8左右，但评估时段的后期呈现了下降的趋势（图5（c）），平均值为0.81（图6（c））。随着预报时效的延长，ACC也呈现了明显的下降趋势。相对于1天预报，未来7天预报的ACC下降了8%，为0.74。

  

图5 全球海洋预报系统未来1天SST预报结果

 

（a）逐日偏差，（b）RMSE，（c）ACC和（d）SST的逐日观测数目

技巧评分反映了相对于某一参考态（一般具有线性或者周期性特征），预报系统对异常量预报的准确程度，衡量了预报系统能否正确反映物理过程演变规律的能力。本文使用了延迟预报技巧（Persistence Skill Score，PSS）和气候态预报技巧（Climatological Skill Score，CSS） 两种指标（Ryan et al，2015）。二者的区别为前者选取前一天的预报结果作为参考态，而后者则选取气候态作为参考态。相对于参考态，当前预报结果的RMSE越小，则技巧越高。若当前预报结果的RMSE高于参考态，则技巧评分为负值。图6（d）-（e）分别显示了全球海洋数值预报系统1-7天SST预报结果的PSS和CSS。对于未来1天预报结果，PSS的评分为0.017，CSS的评分为0.409。随着预报时效的延长，PSS和CSS均呈现了下降的趋势。相对于1天预报，7天预报的PSS和CSS分别降低了46%和21%。

全球海洋预报系统代表国内业务数值预报系统发展的最新成果，该系统以Modular Ocean Model4（MOM4）海洋动力数值模式为基础，建立包括三维变分资料同化系统在内的全球多要素预报对象的模式系统，实现水平分辨率达到全球1/4°涡相容分辨率，在赤道区域可以分辨中尺度过程。全球海洋预报系统为国家海洋环境预报中心研发并建立的我国首个涵盖全球大洋的数值预报系统，成功解决了系统的动力过程、模式地形数据处理、外强迫处理、预报时效等关键科学问题，实现了从资料接收、同化、模式运行到产品可视化及发布的安全、高效、稳定业务化运行。该系统首次实现了全球范围海洋环流预报业务全覆盖，模式预测正逐步成为我国全球海洋预报业务的主要工具之一。该涡相容分辨率预报系统显著提高了全球海温、海流等海洋物理状态的预报能力，通过常规并快速地提供全球海洋的预报信息，使用户对此作出反应和决策，提供全球海洋环境预报保障和支持。

其次，系统性地检验全球海洋预报系统对海流的预测效果。相对于Argo轨迹提取的表层流矢量对模拟和预报误差进行定量评估。国际Argo监测网自2007年建成以来，每年提供超过10万条温盐廓线和海面轨迹资料，是目前最主要的海流现场观测资料来源之一（刘首华等，2016；张春玲等，2014；张春玲等，2015）。针对Argo浮标在海面的漂流轨迹，提出基于Kalman滤波方法的最优化分析方法（Xie et al，2008a）。利用全球Argo资料中心收集到所有Argo浮标在海面的漂流轨迹，经过严格的质量控制过程，对Argo浮标在海面的漂流轨迹定位点序列进行最优分析，估计出相应的表层流矢量，有效减小了利用Argo浮标在海面的漂流轨迹所推断出表层流的估计误差，是检验和评估海洋环流模式对海流模拟和预报的最直接和有效的手段之一（Xie et al，2008a；Xie et al，2008b；Xie et al，2009）。总体统计 2013 年 3-7月期间南北纬45°和南北纬65°之间表层流的流速大小和海流方向的预报误差。图8表示全球海洋预报系统，对海洋环流的流速和流向给出了很好的预报，由于同化最优化分析场使得表层流表现出较小的误差，流速大小预报误差1-7天内几乎处于相同水平。由于海洋观测资料，资料同化处理过程、大气强迫场以及模式本身存在误差，可能导致流速预报2-5天的流速预报误差小于1天的流速预报误差。但在流速方向预报误差则可发现较明显随预报时间延长而缓慢增加的趋势。

  

图6 全球海洋预报系统未来1～7天SST预报结果

 

（a） 偏差， （b） RMSE， （c） ACC， （d） PSS 和 （e） CSS（其中实心原点表示平均值，粗竖线的上下两端分别代表25和75百分位数，细竖线的上下两端分别代表5和95百分位数）

  

图7 全球海洋预报系统未来1天SST预报结果在不同海域的RMSE

3 未来发展方向

全球海洋数值预报系统是我国构建的首个覆盖全球大洋的海洋预报系统。该系统经过试验性业务运行和历史回报试验检验，表明全球海洋预报系统的预报效果良好，业务化运行产品在全球海域范围得到广泛应用，在海洋环境预报保障工作中发挥重要作用，为我国全球海洋预报业务水平的提升打下了基础，并对全球海洋预报的持续发展有重要意义。

该研究分析了兵团农机发展现状与发展趋势，根据统计数据分析，兵团农业机械化需求还有较大的空间。以犁具生产技术为例，分析了兵团犁具应用情况、兵团犁具技术研究情况、兵团犁具生产企业现状，兵团当前存在农机生产企业管理水平低，产品品质低端，科研投入不足，产品低水平仿制严重，市场竞争恶化，人才欠缺、流失严重，新技术、新产品转化推广程度低等一系列问题，这些问题凸显了兵团农机行业改革的必要性与紧迫性。建议从企业管理水平、开发力度、 机具适应性、质量监督、培训推广、产品售后等方面着手解 决，进行资源整合去低端产能，从而提高产品品质与经济 效益。

目前我国全球及水平分辨率的海洋预报系统不足以精确预报赤道以外地区的中尺度过程（Bell et al，2015），需要采用涡分辨率的全球业务化海洋学系统以及较高的垂向分辨率，以很好的表现中尺度变化过程。国际上业务化全球海洋预报系统的模式分辨率采用1/10°或更高分辨率，解决了分辨中尺度过程的问题。计算能力是模式水平和垂向分辨率的限制因素，需要最新的高性能计算能力。我国海洋预报机构正持续加大高性能计算的投入，加速全球高分辨率预报系统的发展。

  

图8 全球海洋预报系统后报和预报的表层流场流向和流速的均方根误差随时间的变化

全球海洋预报系统的构建取得较大进展，但仍需在业务应用中不断的改进和完善（Schiller et al，2015）。随着高性能计算能力的提高，需采用更高水平分辨率（1/12°）的海洋模式，更好地模拟海洋锋、中尺度涡、沿岸流等海洋中小尺度过程 （Smedstad et al，2003；Bernard et al，2006；Drévillon et al，2008；Ferry et al，2010；Storkey et al，2010；宋军等，2016a；宋军等，2016b）；改进全球海洋模式海气交换通量、海洋水平和垂向混合等关键物理过程参数化方案，设置更接近实际的海洋模式；与大气模式进行耦合，建立全球模式与区域模式的双向嵌套；改进数据同化技术（Smedstad et al，2003；Oke et al，2008），利用各种海洋水文常规、非常规现场观测资料和卫星遥感数据（Legler et al，2015），优化海洋环流预报初始化系统，提高预报准确率和预报时效（Gehlen et al，2015）。以满足国家海洋经济和海洋安全需求为引导，把全球海洋预报系统建设成国际先进数值预报系统，为实现我国海洋经济的可持续发展和海洋权益的维护等提供有力支撑。

终于，风影找到了一个折衷的办法，在家与寺院之间，在靠近那片他们曾经相约过的林子的山道边，建一个茶楼。那是一个美好的回忆，一个深切的怀念，介于红尘与佛门之间，处在入世与出世的交界处，他处在这条分界线上，将内心的纠结用一种叫茶的东西化解了，一切归于平和。这地方原有一个凉亭，有一对好心的老人在给行人提供茶水，还有一片参天的古木，青石板铺就的古老的石阶，曲径通幽，诗意盎然。这里有一个颇为好听的名字，叫东泉岭。

参考文献

Bell M J,Lefèbvre M,Le Traon P-Y,et al,2009.GODAE:The Global O-cean Data Assimilation Experiment.Oceanography,22:14-21.

Bell M J,Schiller A,Le Traon P-Y,et al,2015.An introduction to GODAE OceanView.Journal of Operational Oceanography,8:s2-s11.

Bernard B,Madec G,Penduff T,et al,2006.Impact of partial steps and momentum advection schemes in a global ocean circulation model at eddy permitting resolution.Ocean dynamics,56:543-567.

Brassington G B,Martin M J,Tolman H L,et al,2015.Progress and challenges in short-to medium-range coupled prediction.Journal of Operational Oceanography,8:s239-s258.

Dombrowsky E,Bertino L,Brassington G B,et al,2009.GODAE Systems in Operation.Oceanography,22:80-95.

Drévillon M,Bourdallé-Badie R,Derval C,et al,2008.The GODAE/Mercator-Ocean global ocean forecasting system:results,applications and prospects.Journal of Operational Oceanography,1:51-57.

Ferry N,Parent L,Garric G,et al,2010.Mercator Global Eddy Permitting Ocean Reanalysis GLORYS1V1:Description and Results.Mercator Ocean Quarterly Newsleter,36:15-27.

Gehlen M,Barciela R,Bertino L,et al,2015.Building the capacity for forecasting marine biogeochemistry and ecosystems:recent advances and future developments.Journal of Operational Oceanography,8:s168-s187.

Gent P R,McWilliams J C,1990.Isopycnal mixing in ocean circulation models.Journal of Physical Oceanography,20:150-155.

Greatbatch R J,Lu Y,Cai Y,2001.Relaxing the Boussinesq approximation in ocean circulation models.Journal of Atmospheric and O-ceanic Technology,18:1911-1923.

Griffies S M,Harrison M J,Pacanowski R C,et al,2004.A Technical Guide to MOM4.Princeton,USA:NOAA/Geophysical Fluid Dynamics Laboratory,337.

Large W G,McWilliams J C,Doney S C,1994.Oceanic vertical mixing:A review and a model with a nonlocal boundary layer parameterization.Reviews of Geophysics,32:363-403.

Le Traon P Y,Antoine D,Bentamy A,et al,2015.Use of satellite observations for operational oceanography:recent achievements and future prospects.Journal of Operational Oceanography,8:s12-s27.

Legler D M,Freeland H J,Lumpkin R,et al,2015.The current status of the real-time in situ Global Ocean Observing System for operational oceanography.Journal of Operational Oceanography,8:s189-s200.

Martin M J,Balmaseda M,Bertino L,et al,2015.Status and future of data assimilation in operational oceanography.Journal of Operational O-ceanography,8:s28-s48.

Oke P R,Brassington G B,Griffin D A,et al,2008.The Bluelink ocean data assimilation system(BODAS).Ocean Modelling,21:46-70.

Ryan A G,Regnier C,Divakaran P,SpindlerT,et al,2015.GODAE O-ceanView Class 4 forecast verification framework:global ocean inter-comparison,Journal of Operational Oceanography,8:sup1,s98-s111.

Schiller A,Bell M,Brassington G,et al,2015.Synthesis of new scientific challenges for GODAE OceanView.Journal of Operational O-ceanography,8:s259-s271.

Schiller A,Brassington G B,2011.Operational oceanography in the 21st century.Netherland:Springer.

Smedstad O M,Hurlburt H E,Metzger E J,et al,2003.An operational Eddy resolving 1/16°global ocean nowcast/forecast system.Journal of Marine Systems,40-41:341-361.

Storkey D,Blockley E W,Furner R,et al,2010.Forecasting the ocean state using NEMO:The new FOAM system.Journal of Operational Oceanography,3(1):3-15.

Tonani M,Balmaseda M,Bertino L,et al,2015.Status and future of global and regional ocean prediction systems.Journal of Operational O-ceanography,8:s201-s220.

Wang D X,Qin Y H,Xiao X J,et al,2012.Preliminary results of a new global ocean reanalysis.Chinese Science Bulletin,57:3509-3517.

Winton M,2000.A reformulated three-layer sea ice model.Journal of Atmospheric and Oceanic Technology,17(4):525–531.

Xiao X J,Wang D X,Yan C X,et al,2008.Evaluation of a 3dVAR system for the South China Sea.Progress in Natural Science,18:547-554.

Xie J,Zhu J,Li Y,2008b.Assessment and inter-comparison of five highresolution sea surface temperature products in the shelf and coastal seas around China.Continental Shelf Research,28:1286-1293.

Xie J,Zhu J,2008a.Estimation of the Surface and Mid-Depth Currents from Argo floats in Pacific and Error Analysis.Journal Marine Systems,73:61-75.

XieJ,Zhu J,2009.A dataset of global ocean surface currents for 1999-2007 derived from Argo float trajectories:A comparison with Surface Drifter and TAO measurements.Atmospheric and Oceanic Sciene Letters,2:97-102.

刘首华,陈满春,董明媚,等,2016.一种实用海洋浮标数据异常值质控方法.海洋通报,35(3):264-270.

宋军,姚志刚,郭俊如,等,2016b.基于潮汐逆模型技术对渤黄海正压M2分潮开边界条件的优化研究：II.潮汐特征、潮汐动力学及潮余流,35(5):545-553.

宋军,姚志刚,郭俊如,等,2016a.基于潮汐逆模型技术对渤黄海正压M2分潮开边界条件的优化研究:I.模式的建立与验证.海洋通报，35(4):396-405.

王辉,万莉颖,秦英豪,等,2016.中国全球业务化海洋学预报系统的发展和应用.地球科学进展,31:1090-1104.

肖贤俊,何娜,张祖强,等,2011.卫星遥感海表温度资料和高度计资料的变分同化.热带海洋学报,30:1-8.

张斌键,2013.全球业务化海洋学预报系统正式运行.中国海洋报,10-18.

张春玲，许建平,2014.基于Argo观测的太平洋温、盐度分布与变化(1):温度.海洋通报，33(6):647-658.

张春玲,许建平,2015.基于Argo观测的太平洋温、盐度分布与变化(2):盐度.海洋通报,34(1):21-31.