Цель. Предложен, реализован и опробован для Арктического региона сильно связный подход к усвоению доступных данных наблюдений в совместной модели циркуляции океана и морского льда.
Методы и результаты. В совместной модели ИВМИО (океан) и CICE 5.1 (лед) с разрешением 0,25° усвоение данных реализовано на платформе Compact Modeling Framework (CMF3.0) программного сервиса DAS (Data Assimilation System) на основе метода EnOI (Ensemble Optimal Interpolation). Применен подход сильно связного усвоения, при котором одновременно корректируются поля температуры воды, солености, уровня океана и концентрации льда с использованием данных наблюдений (профили Argo, спутниковая альтиметрия AVISO, концентрация льда OSI SAF). Для перераспределения интегральной сплоченности по категориям толщины льда разработан специальный интерфейс. Проведены численные эксперименты за 2020 г. с усвоением данных и без него. Показано, что усвоение данных в сильно связном режиме снижает среднюю погрешность воспроизведения площади льда с 27 до 7 % по сравнению с данными NSIDC. Среднеквадратичная ошибка температуры воды поверхностного слоя океана уменьшается до 0,8 °С, а концентрации льда в районе кромки – до 0,2. Модельные поля лучше соответствуют независимым данным OSTIA.
Выводы. Разработанный подход к сильно связному усвоению океанических и ледовых данных в совместной модели океан – лед обеспечивает существенное повышение точности прогноза состояния вод и ледового поля в Северном Ледовитом океане. Программная реализация может быть адаптирована для других моделей.
Purpose. The purpose of the study is to develop and implement a strongly coupled approach to assimilation of available observational data in a coupled ocean-sea ice circulation model, and to test it for the Arctic region.
Methods and Results. In the coupled INMIO (ocean) and CICE 5.1 (ice) model with the 0.25° resolution, the data were assimilated using the Compact Modeling Framework (CMF3.0) platform of the DAS (Data Assimilation System) software based on the EnOI (Ensemble Optimal Interpolation) method. A strongly coupled assimilation approach was applied. It implied simultaneous adjustment of the fields of water temperature, salinity, sea level, and ice concentration using the observational data (Argo profiles, AVISO satellite altimetry and OSI SAF ice concentration). A specialized interface was developed to redistribute the integrated ice concentration by the ice thickness categories. Numerical experiments with and without data assimilation were performed for 2020. It is shown that data assimilation through a strongly coupled regime reduces the average error in reproducing ice area from 27 to 7 % as compared to the NSIDC data. The standard error of ocean surface water temperature is reduced to 0.8 °C, and that of ice concentration in the edge area – to 0.2 °C. The model fields correspond better to the independent OSTIA data.
Conclusions. The developed approach to the strongly coupled assimilation of oceanic and ice data in the coupled ocean-ice model provides a significant increase in the accuracy of forecasting the condition both of waters and ice field in the Arctic Ocean. The software can be adapted to other models.