数据同化通过观测数据修正数值模拟结果，能更精准地重建与预测地球系统变化。北极地区观测数据稀缺，是全球海洋观测的荒漠之地，使得冰海耦合数值模拟存在显著误差。因此，研发冰海耦合同化方案，可充分融合观测数据与数值模型优势，提升北极海洋-海冰的预报精度及历史重建数据质量，为解析北极海冰变化特征与内在机制提供可靠的数据支撑，为阐明北极海洋系统演变及其气候和生态效应奠定重要的数据基础。

      冰海耦合同化的核心与难点，在于构建误差传播模型，进而量化误差源与模型模拟变量误差间的关联。冰海耦合模型的模拟误差主要来源于初值场、大气强迫场、边界场（区域模型场景下）、模型参数化方案及相关参数选择等方面。但受限于现有同化方案，国内外主流冰海耦合同化系统多聚焦于初值场优化，以此提升短期模拟精度。而如何借助海洋及海冰观测数据，减小大气强迫场、海冰参数及冰海耦合参数等带来的误差，仍是极区耦合同化领域悬而未决的关键科学难题。

图1. 四维变分同化系统示意图。本研究中控制变量C包括2012年1月1日模型初值场、逐日大气强迫场，海冰及冰海耦合参数（逐日）。系统详细信息参考Lyu et al. (2025).

      针对上述难题，中国极地研究中心（中国极地研究所）自然资源部极地科学重点实验室极地气-冰-海相互作用团队，基于MITgcm（c63）冰海耦合模型研发冰海耦合四维变分同化系统，实现模型参数与海洋-海冰变量的协同估计（图 1）。本研究通过构建该冰海耦合模型的切线模型，量化初值场、大气强迫场及时空变化的海洋-海冰耦合参数误差与海洋-海冰变量误差。通过同化卫星及现场观测数据，该系统可同步优化初值场、大气强迫场，以及时空变化的海洋-海冰模型参数，实现冰海耦合模型状态与参数联合估计（SPE）。该同化方案将“时间 - 空间”视为统一四维分析域，能利用观测数据的时空关联性，把不同时刻、不同区域、不同类型的观测数据进行全局最优整合，从而可以极大程度上避免北极相对离散观测数据的局部偏差影响整体模拟效果。

图2. 2012年10月12日至10月22日之间，(a)控制实验、(b)状态估计及(c)状态与参数联合估计（SPE）模拟的海冰密集度与卫星观测之差。（d）为虚线区域三组实验与卫星观测的平均海冰密集度，其中SPE与观测最为匹配。

      以2012年同化结果为实例，状态与参数联合估计（SPE）方案可显著提升海冰密集度的模拟精度。尤其在10月北极海洋表面开始重冻结的关键阶段，SPE会下调冰间水道闭合参数Ho（该参数定义了开阔水域重新冻结的最小冰厚），进而促进海冰生长，助力北极太平洋扇区实现季节性海冰的快速增长（图 2）。通过与锚系仰视声呐及海冰物质平衡浮标获取的海冰厚度观测数据进行对比验证，将优化后的模式参数融入耦合模型，同样能有效提升海冰厚度的模拟效果。考虑到北极海冰变薄背景下，海冰参数的最优组合可能发生本质上动态变化，基于伴随方法的SPE方案有望更精准地重建有卫星观测以来北极海洋与海冰的历史演变过程，为北极海冰与海洋变率相关研究提供坚实的数据支撑，为后续构建更为完善的北极冰-海耦合再分析数据系统奠定了重要的方法基础。

      本研究成果发表于国际权威地球系统模型研发期刊《Geoscientific Model Development》。论文第一作者为中国极地研究中心（中国极地研究所）吕国坤副研究员，通讯作者为雷瑞波研究员。崂山实验室、德国汉堡大学、中国科学院海洋研究所及国家海洋环境预报中心的多位研究人员共同参与了本研究。本研究得到了国家自然科学基金项目（42325604)、国家重点研发计划（2021YFC2803304）、上海优秀学术带头人（22XD1403600）等项目的支持。

全文链接：

Lyu, G., Mu, L., Koehl, A., Lei, R., Liang, X., and Liu, C.: Adjoint-based simultaneous state and parameter estimation in an Arctic Sea Ice-Ocean Model using MITgcm (c63m), Geosci. Model Dev., 18, 9451–9468, https://doi.org/10.5194/gmd-18-9451-2025, 2025.

来源：中国极地研究中心（中国极地研究所）