Rapp. Comm. int. Mer Médit., 37,2004

99

Introduction

Free surface, sigma coordinate ocean models are being used for a

variety of applications, ranging from small-scale process studies and

coastal and estuarine modelling and prediction to basin-scale ocean

circulation and climate change modelling. It is important to evaluate

the sensitivity of the model and enhance its predictive capability as to

help users choose the best parameters for their particular applications.

This study uses independent information collected from satellite

platforms to improve and spatially verify the forecasting accuracy of

small-scale predicted oceanic fields. 

Method 

The ocean model is the P

rinceton O

cean M

odel (POM) with a

domain starting from 15.8

o

E and 33.24

o

N with 82 grid points in the

east-west direction, and 61 grid points in the north-south direction.

The grid spacing in degrees is 0.042

o

with 24 sigma levels. The model

bathymetry used is the US Navy Digital Bathymetric Base. The lateral

boundary conditions were from MODB MED4. Sets of daily, 3-hourly

surface fields were generated from a high-resolution atmospheric

model working over the same domain and horizontal resolution and

used to force the ocean model at the surface. SST was derived from

the Tropical Microwave Imager at a nominal resolution of 0.25

o

and

re-interpolated over the model’s domain grid.

A hind-cast forecasting sequence was started with zero velocity on

1

st

July 1999 and continued in forecasting mode for an additional 20

days. No forcing of the surface boundary conditions was performed.

The 3-D oceanic fields were dynamically adjusted to a constant SST

field derived by the TMI on the 22

nd

of July 1999 at approximately

00UT. The actual model forecasts started on July 22

nd

at 1200 hrs

with daily atmospheric forcing and consecutively every integration

day until the 5

th

of August. The model was initialised using remotely-

sensed SST. This information was propagated down to the vertical

model prognostic fields. Two data assimilation (DA) experiments

were performed to assess the effectiveness on the accuracy of the

forecasted SST: 

1. varying the nudging period during which the model fields are

dynamically nudged towards the SST observations. Three scales were

tested: 06, 12 and 24 hours.

2. including a second forcing, nudging coefficient, to nudge the

model fields towards the SST observations. Four coefficients were

tested 5x10

-3

, 5x10

-4

, 5x10

-5

and 5x10

-6

for each of three nudging

periods.

Results and discussion

The first data assimilation scheme leads to the most accurate

predictions of the SST. The best nudging period is 24 hours, giving a

mean bias over the entire 15-day model integration of only –0.05

o

C

against remotely sensed data. It is interesting to note that Horton et.

al., applied a similar DA scheme for their ocean forecasting system

that assimilated AVHRR MCSST [1]. The new SST values were

assimilated by the model using a nudging period of only 4 hrs. 

The inclusion of an additional coefficient in the equation leads to

strong nudging towards the initial observations. The optimal nudging

coefficient is found to be 5x10

-4

for 06 hours, giving a mean bias of

–0.08

o

C. 

Despite the small period of evaluation, some general remarks can

be made. What is evident from this study is that an active data

assimilation scheme tends to dampen the ?uctuating bias tendency.

The temporal ?uctuation in the bias trend is caused by the model’s

attempt to equilibrate the model dynamics towards the prognostic SST

values. However, its resilience or degree of damping is seen to be

dependent on the two factors that regulate the extent of this

?uctuation:

the relaxation time and nudging coefficient K

q

. 

This treatment leads the model to show a better performance than

other ocean forecasting systems used in the region. Nittis et. al.,for

example, obtained a bias of 0.1 to 0.8

o

C when their 24-hour POM-

forecasted SST was compared to collocated in situbuoy

measurements [2].

High-resolution sea surface thermal signature observed by AVHRR

confirmed the ability of the improved ocean model to predict sub-

basin surface circulation. The small-scale SST pattern is shown to be

set by a balance of atmospheric (provided by the high resolution,

atmospheric model) and oceanic processes (provided by the high

resolution POM), including wind-driven mixing, atmospheric heating

and cooling, and horizontal and vertical advection in the ocean.

Predicted ocean fronts are found to be collocated with atmospheric

convergences as predicted by the atmospheric momentum stress over

the geographical area. The AVHRR sensor reveals filaments and jets

near these fronts.

The use of one-way atmosphere-ocean coupling offers distinct

advantages over current basin-wide forecasting systems. Recent

studies in the Mediterranean utilise bulk formulae to compute the

surface boundary conditions of the ocean models [3]. Atmospheric

variables, such as wind field, air temperature and relative humidity are

derived from coarse, monthly averages of 12-hour NCEP analyses for

the period 1980-1988. 

Fig. 1. Bias trends of 24-hr predicted SST using a varying nudging peri-

od (lower text in graph). 

References

1-Horton, C., M. Clifford, J. Schmitz, and L. Kantha, 1997. A real-time

oceanographic nowcast/forecast system for the Mediterranean Sea. J.

Geophys. Res., 102, 25: 123-25,156.

2-Nittis K., Zervakis V., Perivoliotis L., Papadopoulos A. and Chronis G.,

2001. Operational Monitoring and Forecasting in the Agean Sea: System

Limitations and Forecasting Skill Evaluation. Marine Pollution Bulletin,

Vol. 43, Nos 7-12: 154-163.

3-Lascaratos, A. and K. Nittis, 1998. A high-resolution three-

dimensional numerical study of intermediate water formation in the

Levantine Sea. J. Geophys. Res.,103 (C9): 18497-18511.

t

q

el

mod

?

?

IMPROVING THE PREDICTION OF AN OCEAN MODEL USING NOVEL REMOTE SENSING DATA

Charles Galdies

International Ocean Institute, University of Malta, Msida, Malta

Abstract

Novel satellite SST is assimilated into a high-resolution primitive-equation ocean model to improve the simulation of surface ocean

processes linked to the air-sea interactions at sub-mesoscale level. A high-resolution ocean model over the Ionian basin is used to provide

short-range forecasts of the ocean state. The model is initialised using high-resolution air-sea ?uxes generated by a high-resolution

atmospheric model. An assimilation scheme using SST derived from the Tropical Microwave Imager is optimised to improve the ocean

forecasting skill. Validation is performed over a 15-day model integration window. 

Keywords : Tropical Microwave Imager, Newtonian nudging, Sea surface temperature, Princeton Ocean Model