同化技术在渤海溢油应急预报系统中的应用

李燕，朱江，王辉，林彩燕

（1.国家海洋环境预报中心，北京 100081；2.国家海洋局海洋灾害预报技术研究重点实验室，北京 100081；3.中国科学院大气物理研究所，北京 100029；4.中国民用航空局空中交通管理局航空气象中心，北京 100122）

同化技术在渤海溢油应急预报系统中的应用

李燕1，2，朱江3，王辉1，2，林彩燕4

（1.国家海洋环境预报中心，北京 100081；2.国家海洋局海洋灾害预报技术研究重点实验室，北京 100081；3.中国科学院大气物理研究所，北京 100029；4.中国民用航空局空中交通管理局航空气象中心，北京 100122）

溢油应急预报对溢油事故现场处理具有重要指导意义。国内外已开展大量溢油数值预报技术研究，但由于各类误差的引入（尤其风和流数值预报误差的引入）以及模型本身的不完善等各种原因导致溢油数值预报无法满足日益提高的溢油预报精度需求。随着现场观测技术和监测水平的提高，如何充分利用实时观测数据提高业务化溢油应急预报精度，并满足应急预报迅速快捷的要求，成为目前业务化溢油应急预报的首要问题。国家海洋环境预报中心于2008年实现了渤海溢油业务化预报系统的建立和业务化应用，本文针对当前渤海溢油业务化应急预报中存在的现实问题，利用已有渤海海上5个石油平台从2010年1月至2011年2月的风场观测数据，初步开展最优插值方法（optimal interpolation assimilation method，OI）同化技术在国家海洋环境预报中心渤海溢油应急预报系统风场订正的应用研究。本文采用交错订正方法，确定了OI同化技术中相关尺度因子的选取，从而实现在这5个观测站地理分布情况下，OI同化技术应用中参数的最优化，之后在理想实验和实际案例的应用中，该同化方法明显提高渤海溢油预报精度。本文为如何进一步利用同化方法迅速快捷地实现溢油应急预报精度的提高提供了一定研究基础。

溢油；应急预报；最优插值同化方法；交错订正；相关尺度因子

1 引言

随着我国海洋运输、海上资源开发的快速发展，海上船舶和油气田溢油等海洋污染事件已成为影响我国海洋环境的重要因素。随着世界经济的发展，重大溢油事故频发风险日益增加。溢油事故的频繁发生，使海洋环境严重污染，造成海洋鱼类、鸟类、海藻和海洋哺乳动物的大量死亡。每次重大事故造成的直接经济损失达几百万至上千万元，异常重大事故甚至达上亿元，导致一些以养殖业为生的渔民破产，沿海旅游胜地（如北戴河等）受到溢油污染威胁。因此，研究溢油在海上的漂移扩散过程，预测其影响区域范围和最终归宿，对针对污染风险大、敏感资源重要的岸线布放围油栏和派遣飞机、船舶到达现场进行处理等应急工作起到重要指导作用；对及时有效地采取现场应急处置措施，减轻海上溢油造成环境和经济损失，保护海洋生态环境和海水水质及沿岸养殖业，实施可持续发展战略具有重要意义。同时也为预报、预测沿岸海域的灾害和防灾、减灾提供科学理论依据和研究方法，对海洋生态环境影响的评价，管理部门应急反应系统的制定等也具有重要实用价值。

在此背景下，国内国外开展了大量海上溢油事故方面的研究，包括海上溢油风险评估、海上溢油对海洋环境的污染及清污方法研究、海上溢油对海洋动植物影响研究、海上溢油敏感资源预警研究等［1—4］。溢油模型预测溢油在海上输运及其归宿情况成为海上溢油事故研究中最为重要的研究内容之一，因为在海上溢油应急响应决策系统中，依据海上溢油模型预报漂移方向，从而采取保护敏感资源措施成为其决策的重要参考内容。该方面的研究已经相当的深入和细致，我国在“十一五”国家支撑计划中交通部和海洋局均有关于溢油漂移预测模型的研究专题，并取得了一定的成果，实现了三维溢油漂移数值预报模型的建立；国外在该方面的研究也有颇多专著文献发表，包括海浪对溢油扩散和运动的影响，湍流扩散中一些小尺度环流结构对溢油扩散的影响等［5—8］。虽然该方面的研究已经相当的深入，模型思路也基本一致，但是在实际应用中，由于重要的溢油漂移驱动要素风场、海流的预报误差等问题，溢油漂移数值预报精度仍然不能满足现在的业务需求，如何进一步提高溢油漂移预报模型的预报精度成为如今业务化溢油应急预报工作中最为急迫的问题。

随着现场观测技术和监测水平的提高，卫星技术的发展和处理该类事故的力量的增强，逐渐积累了海上油井平台处的风场观测资料。通常在事故发生后，应急部门将启用卫星、航空遥感以及船舶现场观测来监视溢油漂移情况和附近海流情况。可以预见，海上风、流以及现场事故观测数据将越来越多，那么如何利用这些观测资料来提高溢油输运扩散预报的准确度成为溢油数值预报模型研究的新方向，被提到日程上的新课题，也是在国家“十一五”科技攻关项目课题验收过程中，众多专家和溢油应急决策系统应用单位所关注的问题，同时也是专家们指出的溢油预报模型研究进一步深入的方向。

目前，溢油漂移预测模型均需数值预报风场和流场外部驱动，而渤海作为潮流为主的海域，在潮流计算误差较小的情况下，溢油漂移预测模型的主要误差来源为数值预报风场［9］。溢油作为突发事故，在发生后需要尽快及时地处理现场，因此要求溢油业务化预报系统任何时刻都能启动，并迅速给出预报结果，而风场和流场的业务化数值预报系统通常计算都较为耗时，因此为了节省计算时间，作为业务化溢油漂移预测系统采用每日定时发布的未来3天风流数值预报结果来驱动更为合理，但这同时也引出了新的问题。目前，在事故发生期间，1天之内经常会接收到不同时次的事故现场海面风和海流观测数据，但一般不适宜立刻利用这些数据开展同化，启动海面风场和海流预报系统进行重新计算，因为这样大大加重了计算负担，耗时且不能满足应急预报要求迅速快捷的特点。因此，在事故发生后如何利用获取到的现场海面风和流场的观测数据来优化风场和流场预报结果，然后再提供给溢油预报系统，从而提高预报准确度成为新的问题。如图1所示，如果预报风场和流场的时间是从T1至TN时刻，观测到海面溢油出现的时间是T2时刻，处理好卫星观测数据之后该信息到达开展溢油预报人员时是Tm时刻，那么在T1到Tm的时间内，海面定点观测站将有新的观测数据同步传输到接收单位，如果充分利用该观测数据优化已经计算好存在数据库中的未来3天的风和流的预报结果，尤其是风场预报结果，成为有效提高溢油预报精度的重要研究方向。本文要解决的问题就是：以渤海为示范海域，参考同化方法的思路，探讨如何充分利用过去从T1到Tm时刻的观测数据建立风场订正方法，从而改进已有的风、流数值预报场，同时满足快捷迅速的溢油应急预报需求。

图1 应急预报中新问题的提出示意图

2 溢油预报系统简介

海面油膜在重力、惯性力、黏性力和表面张力的作用下水平扩展，在海流和风的作用下产生水平的运动，在湍流、波浪、剪切力以及浮力作用下被扩散入水并同水混合，在风化作用（如蒸发、乳化和溶解以及同岸线间的相互作用）下发生物质的转变和物理化学性质的改变。上述关于溢油海洋环境行为和归宿的研究成果，是建立溢油预报模型的基础。本文所使用的模式为国家海洋环境预报中心开发，已投入业务化运行的海上溢油应急预报业务系统。该模型基于“油粒子”方法来模拟溢油在海洋环境中的时空行为，将输运扩散运动分为平流过程和扩散过程，水平方向上的平流考虑风和流的作用，扩散认为是FICK扩散，垂向运动考虑浮力、湍流和垂向海流的作用，同时还考虑垂向上海浪对“油粒子”入水的作用。李燕等利用渤海及黄海几起溢油案例对该预报系统开展了检验，并利用该系统对渤海溢油预报误差进行了分析，关于该模式的更详细的物理框架介绍、误差检验及误差来源分析可参见李燕等［9—12］。

3 风场订正方案设计

本文收集了位于渤海海域的5个海上石油平台气象观测站的观测数据，该数据相对较为连续，观测数据为海面10 m高风速风向，具体位置见图2，数据时间序列为2010年1月至2011年2月，中间时有中断。考虑到观测数据的特点，而且连续时间序列也并不很长，对集合同化方法而言，还缺乏合理给出背景场误差协方差矩阵的统计分析基础。因此本文对采用OI同化方法在溢油预报模拟中的应用作了初步探讨，尝试利用这5个平台的观测数据，采用OI同化方法对预报风场进行修订［13—19］。

最优插值方法是基于统计理论的一种分析方法，采用统计最小二乘法确定最优权重，将观测直接插值到背景场，获得最优插值结果，即获得的分析场是在方差最小的意义下背景场和观测场的一种线性组合。OI的分析方程为：

式中，xb为背景场（即模式预报结果），yo为观测场（即观测结果），通常我们设：

并将K称为增益矩阵，或者权重矩阵，其中R为观测误差协方差矩阵，该矩阵对角元素为观测误差协方差值，其他元素均为0，B为背景误差协方差矩阵，公式如下：

式中，σ2为静态背景误差协方差常数值，L为相关尺度因子，也是常数，Δx2、Δy2为背景场每个网格点同其他网格点距离矩阵，H为线性观测算子，xa为背景场经过OI同化技术订正后得到的分析场。考虑观测误差和预报误差情况，根据经验设R＝0.2，σ2＝4。因此需要解决的问题是，对于渤海海域只有5个气象观测站的情况下，L的取值为多少才能获得整个场误差的最小值。我们进行了相关尺度因子的最优选值试验研究，采用交错订正方法来确定L的取值。交错订正法就是分别轮流采用5个观测站中4个观测站的值来做同化得到分析场，再求该分析场同余下1个观测站观测结果的误差值。这样在L定值的情况下，会得到5个误差值，再将5个值求取平均，作为该L值下的分析场平均误差值（σ2c），然后对每个观测时刻都采用这种方法得到的σ2c进行平均，得到该L值下的分析场时间平均误差值。利用这5个气象站4个月的观测资料和国家海洋环境预报中心渤海业务化大气数值预报结果，采用交错订正法，分别对风速u和v分量，进行L从10 m至300 m的试验，试验结果见图3。图中X坐标为相关尺度因子L，Y坐标为平均误差σ2cm。可见综合考虑风速u和v分量的最小误差，在L取值为80 m时，整场通过OI同化方法后得到的分析风场同观测场误差最小。因此以下试验各参数取值为R＝0.2，σ2＝4，L＝80。

图2 渤海海域海上平台观测站位置图

4 风场订正理想试验结果分析

国家海洋环境预报中心基于WRF模型开发了渤海业务化大气数值预报系统，每天提供未来72 h预报风场及过去24 h内的后报风场结果，模式分辨率为6′，模式网格数为111×61，经纬度范围为（36°～42.1°N，116.5°～127.6°E）。

国家海洋环境预报中心基于POM模型开发了渤海业务化海流数值预报系统，每天提供未来72 h预报流场，模式分辨率为2.5′，模式网格数为121×97，经纬度范围为（37°～41°N，117.5°～122.5°E）。

图3 相关尺度因子和分析场时间平均误差关系图

本试验将国家海洋环境预报中心提供的2009年9月15日14时至2009年9月15日19时每小时一次共6个时刻的后报风场插值到海流预报系统网格上，并假设插值结果为真实场，然后利用该真实场在5个平台位置的插值加入小于0.05的随机偏差扰动作为这5个平台位置的观测值，利用国家海洋环境预报中心提供的对应时刻的渤海业务化大气数值预报结果插值到海流预报系统网格上作为预报场（背景场），采用前面介绍的OI同化方法及参数设置求得对应时刻订正场（分析场）。图4为2009年9月15日14时u分量背景场减去真实场的误差和分析场减去真实场的误差对比图，可以看到分析场在某些区域的误差明显比背景场误差小。图5为各时刻分析场和预报场空间平均绝对误差曲线图，可以看到，无论是u分量还是v分量，分析风场每个时刻的空间平均绝对误差都小于预报风场的，总的来看，6个时刻分析风场的平均绝对误差小于预报风场的。

图4 预报场和订正场同真实场的u分量误差对比分析图

通过分析，可见OI方法对预报风场有优化作用，那么对溢油漂移轨迹预测的作用如何呢？本文采取了以下3个对比试验来进行分析。试验1采用国家海洋环境预报中心提供的2009年9月15日14时至2009年9月16日02时每小时一次的后报风场（真实风场），海流采用国家海洋环境预报中心业务化渤海海流预报系统的2009年9月15日14时至2009年9月16日02时每10分钟一次的海流预报数据，油源设置为渤海海面以（39.01°N，118.87°E）为中心位置，5 m半径范围内释放100个“油粒子”，利用国家海洋环境预报中心溢油预报系统的溢油输运扩散模式开展12 h的模拟。试验2在前面6 h采用通过以上方法获得的分析风场，后面6 h采用预报风场，其他设置和试验1相同，开展12 h模拟。试验3采用预报风场，其他设置和试验1相同，开展12 h模拟。最后得到“油粒子”（油膜）平均位置漂移轨迹对比图（图6）。上述3个试验，在采用相同的海流强迫数据的情况下，试验1可以认为是溢油漂移轨迹的真实轨迹，试验2则是采用OI方法利用观测资料进行订正后获得的漂移轨迹分析预测值，试验3则是预报值。可以看到，虽然只前面6 h的风场采用分析风场，但由于减小了第6小时时刻溢油的平均位置误差，从而减小了到达12 h后的位置误差。图7进一步给出了试验2和试验3相对于试验1每小时的距离误差和角度误差。距离误差指相同时刻预测油膜中心位置同真实油膜中心位置之间的距离，角度误差是指预测油膜中心位置从0时刻至当前时刻两个位置形成的矢量，同真实轨迹的0时刻至当前时刻两个位置形成的矢量之间的夹角。可以看到12 h里，每个时刻分析预测值距离误差都小于预报值距离误差，分析预测值最大距离误差为2.3 km，预报值最大距离误差为3.2 km；至于角度误差，在前11 h都是分析预测值角度误差小于预报值，最大值为对应第2小时时刻的2°，而预报值前11 h的最大角度误差为对应第3小时时刻的12.6°，但在第12小时时刻，分析预测值角度误差稍大于了预报值角度误差。结合图6和图7，总体来看，分析预测结果明显优于预报结果。可见，风场的订正能有效地提高溢油漂移轨迹预报准确度。

图5 各时刻分析场和预报场空间平均绝对误差曲线图

图6 “油粒子”平均位置漂移轨迹对比图

图7 分析预测轨迹和预报轨迹逐时距离误差和角度误差图

5 实际案例应用

以2009年的一次案例为例。卫星于2009年9月15日22时发现油源，16日早4时前后处理完卫星遥感图片获取溢油信息，之后16日中午得到16日10时的卫星遥感图片。以15日22时卫星遥感图片中溢油位置作为初始油源进行模拟预报，我们做了3个试验进行对比。试验1采用预报风场，海流采用国家海洋环境预报中心业务化渤海海流预报系统的预报产品，利用溢油输运扩散模式开展12 h的模拟；试验2采用国家海洋环境预报中心提供的后报风场，海流采用国家海洋环境预报中心业务化渤海海流预报系统的预报产品，利用溢油输运扩散模式开展12 h的模拟；试验3中，在16日早4时获取遥感图片中溢油信息的同时也获得5个海上石油平台在15日22时至16日4时的风速观测资料，利用该观测资料，以预报风场为背景场，采用前面提到的同化方法来获得溢油事件前6 h的订正风场提供给溢油模型，后面6 h仍采用预报风场，海流采用国家海洋环境预报中心业务化渤海海流预报系统的预报产品，利用溢油输运扩散模式开展12 h的模拟。模拟结果同实测对比见图8，图中黑色线包围区域为溢油初始位置，浅紫色线包围区域为12 h后卫星观测到的溢油位置，可以看到，试验3获得的模拟预测位置最为接近卫星观测到的浅紫色线包围区域。3种试验方案同观测值的误差分析结果见表1，试验1距离误差和角度误差都最大，其次是试验2，试验3无论是距离误差还是角度误差都是最小，且距离误差和角度误差相对试验1和试验2有明显减小。可见利用观测数据，采用同化方法对风场进行订正后再驱动溢油模型，确实能提高溢油漂移轨迹预报精度。

图8 实例中试验结果对比图

表1 距离误差和角度误差分析表

6 小结

本文虽然只采用了最为简单的OI方法应用到溢油业务化应急预报的风场订正中，但提高预报精度效果却很明显，为如何进一步利用同化方法提高溢油应急预报精度的研究提供了一定基础，对如何提高溢油预报精度作了探索性工作。随着观测水平、技术的提高和越来越多观测资料的获取，如何将这些资料通过合理的方法（比如同化技术）来提高我们当前的溢油业务化预报水平，将是业务化预报工作中的一项重要且具有现实意义的研究。

参考文献：

［1］Qiao Bin.Oil spill model development and application of emergency response system［J］.Journal of Environmental Sciences，2001，13（2）：252-256.

［2］刘晓东，卢磊.长江感潮河段码头油污染事故风险影响预测［J］.环境科学与技术，2007，30（5）：57-62.

［3］赵冬至，张存智，徐恒振.海洋溢油灾害应急响应技术研究［M］.北京：海洋出版社，2006.

［4］肖景坤.船舶溢油风险评价模式与应用研究［D］.大连：大连海事大学，2001.

［5］Reed M，Johansenφ，Brandvik P J，et al.Oil spill modeling towards the close of the 20th century：overview of the state of the art［J］.Spill Science＆Technology Bulletin，1999，5（1）：3-16.

［6］Eric D’Asaro.Simple suggestions for including vertical physics in oil spill models［J］.Spill Science＆Technology Bulletin，2000，6（3／4）：209-211.

［7］Tkalich P，Chan Eng Soon.Vertical mixing of oil droplets by breaking waves［J］.Marine Pollution Bulletin，2002，44：1219-1229.

［8］Henrik R.Probable effects of Langmuir circulation observed on oil slicks in the field［J］.Spill Science and Technology Bulletin，2000，6（3／4）：263 -271.

［9］Li Yan，Zhu Jiang，Wang Hui，et al.Error source analysis of oil spill transport modeling：A case study［J］.Acta Oceanologica Sinica，2013，32（10）：41-47.

［10］李燕，刘钦政，张存智.海上溢油应急预报业务系统介绍［J］.海洋预报，2010，27（6）：65-71.

［11］Li Yan，Zhu Jiang，Wang Hui.The impact of different vertical diffusion schemes in a three-dimensional oil spill model in the Bohai Sea［J］.Adv Atmos Sci，2013，30（6）：1569-1586.

［12］李燕，刘钦政，张存智，等.溢油应急预报业务系统研制（2006BAC03B04-01）［R］.北京：国家海洋环境预报中心，2012.

［13］Evensen G.Inverse methods and data assimilation in nonlinear ocean models［J］.Physical D，1994，77：108-129.

［14］Evensen G.Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics［J］.JGeophys Res，1994，99（C5）：10143-10162.

［15］Evensen G.Advanced data assimilation for strongly nonlinear dynamics［J］.Mon Weather Rev，1997，125：1342-1354.

［16］Evensen G，Van Leeuwen P J.An Ensemble Kalman Smoother for nonlinear dynamics［J］.Mon Weather Rev，2000，128：1852-1867.

［17］Evensen G.The Ensemble Kalman Filter：Theoretical formulation and practical implementation［J］.Ocean Dynamics，2003，53：343-367.

［18］Evensen G.Sampling strategies and square root analysis schemes for the En KF［J］.Ocean Dynamics，2004，54：539-560.

［19］Houtekamer P L，Mitchell H L.Data assimilation using an Ensemble Kalman Filter Technique［J］.Mon Weather Rev，1998，126：796-811.

［20］Houtekamer P L，Mitchell H L，et al.Atmospheric data assimilation with an Ensemble Kalman Filter：Results with real observation［J］.Mon Weather Rev，2005，133：604-620.

The assimilation technology application in the oil spill emergency forecasting system of the Bohai Sea

Li Yan1，2，Zhu Jiang3，Wang Hui1，2，Lin Caiyan4

（1．National Marine Environmental Forecasting Center，Beijing 100081，China；2．Key Laboratory of Research on Marine Hazards Forecasting，National Marine Environmental Forecasting Center，Beijing 100081，China；3．Instituteof Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China；4．Air Traffic Management Bureau，Civil Aviation Administration of China，Beijing 100122，China．）

The trajectory numerical forecasting of oil spill is very important to the accident handling of oil spill. Many researchers did a lot of work on oil spill forecasting technology.However，the success of each model depends on the model structure and schemes，the accuracy of input data（such as wind，current，oil sourceinformation）and the interpretation of results.Input data，especially wind data and current data，are subjected to many error sources.Now，the accuration of oil spill numerical forecasting still can't reach the level we need.With the developing of observation technology and capability，it becomes a major question that how to use these real-time observa-tion data to improve the accuration of oil spill numerical forecasting in order to meet the requirements of emergency forecast.The oil spill operational numerical forecasting system of the Bohai Sea was established on 2008 by National Marine Environmental Forecasting Center（NMEFC）.In the paper，in order to resolve these real troubles in the oil spill operational numerical forecasting system of the Bohai Sea，the OI assimilation technology is applied in the oil spill emergency forecasting system of the Bohai Sea by using the observation data of wind field of five oil platforms from January 2010 to February 2011 in the Bohai Sea.The relevant scale factor，which is a very important factor in OIassimilation method，is determined by cross-correct method.Then the optimal value of parameter in OI assimilation technology is determined in the case of the five observation stations such this distribution.After that，the technology is applied in an ideal case and a real case，the results both approve that the applying of the OI assimilation technology improve the accuration of oil spill numerical forecasting results.This work provide a simple method to improve the accuration of oil spill numerical forecasting results，and it also meet the requirements of the oil spill emergency prediction in term of convenience and quickness.

oil spill；emergency forecasting；optimal interpolation assimilation method；OI；cross-correct；relevant scale factor

P76

A

0253-4193（2014）03-0113-08

2013-06-01；

2013-11-18。

国家自然科学基金（41206106）；海洋公益性行业科研专项经费项目（201305031）。

李燕（1976—），女，四川省自贡市人，博士，主要从事溢油数值模拟预报研究。E-mail：liy＠nmefc.gov.cn

李燕，朱江，王辉，等.同化技术在渤海溢油应急预报系统中的应用［J］.海洋学报，2014，36（3）：113—120，

10.3969／j.issn. 0253-4193.2014.03.012

Li Yan，Zhu Jiang，Wang Hui，et al.The assimilation technology application in the oil spill emergency forecasting system of the Bohai Sea［J］.Acta Oceanologica Sinica（in Chinese），2014，36（3）：113—120，doi：10.3969／j.issn.0253-4193.2014.03.012