Abstract The ensemble four-dimensional variational (En4DVar) data assimilation (DA) system introduced in Part I (Pasmans and Kurapov, 2019) is tested in the coastal waters offshore Oregon and Washington, U.S. West coast, during the spring and summer of 2011. The background error covariance B is derived from the forecast ensemble. Satellite sea-surface temperature (SST), sea-surface height (SSH), and daily-averaged radial surface currents from high-frequency radars (HFRs) are assimilated. The performance of the En4DVar system is compared with a “traditional” 4DVAR system using a static B . It is found that the presence of the Columbia River plume has a profound impact on the ensemble B . Near the plume front the SST-SSS covariance can be up to a factor 20 larger in magnitude than in the static B . This introduces large spatial and temporal variability in the ensemble B . The En4DVar system is more successful than the 4DVAR with the static B preserving the temperature-salinity properties when compared to glider data. The En4DVar system also produces more accurate forecasts and analyses for temperature in the subsurface below 30 m at a buoy location on the continental shelf. In comparisons with other surface and subsurface observations En4DVar shows consistent, albeit not significant, improvement over traditional 4DVAR. Large surface temperature-salinity covariances in combination with the episodic occurrence of large-scale errors in the SST observations lead to erroneous freshening in the centre of the model domain. Adding constraints on the surface salinity corrections based on the prior model reduces this effect.

中文翻译：

---

沿海海洋环流模型中的集合 4DVAR (En4DVar) 数据同化。第二部分：在美国俄勒冈-华盛顿离岸实施

摘要 第一部分（Pasmans and Kurapov, 2019）介绍的集合四维变分（En4DVar）数据同化（DA）系统于2011年春夏在俄勒冈州和美国西海岸华盛顿近海沿岸水域进行了测试。背景误差协方差 B 来自预测集合。卫星海面温度 (SST)、海面高度 (SSH) 和来自高频雷达 (HFR) 的日平均径向表面电流被同化。En4DVar 系统的性能与使用静态 B 的“传统”4DVAR 系统进行比较。发现哥伦比亚河羽流的存在对集合 B 产生了深远的影响。在羽流前沿附近，SST-SSS 协方差的幅度可以比静态 B 大 20 倍。这在集合 B 中引入了大的空间和时间可变性。En4DVar 系统比 4DVAR 更成功，与滑翔机数据相比，静态 B 保留了温度-盐度特性。En4DVar 系统还可以对大陆架浮标位置 30 m 以下的地下温度进行更准确的预测和分析。与其他地表和地下观测结果相比，En4DVar 与传统 4DVAR 相比，虽然不显着，但表现出一致的改进。大的表面温度-盐度协方差与 SST 观测中大尺度误差的偶发性发生相结合，导致模型域中心出现错误的清新。在基于先验模型的表面盐度校正上添加约束会减少这种影响。En4DVar 系统比 4DVAR 更成功，与滑翔机数据相比，静态 B 保留了温度-盐度特性。En4DVar 系统还可以对大陆架浮标位置 30 m 以下的地下温度进行更准确的预测和分析。与其他地表和地下观测结果相比，En4DVar 与传统 4DVAR 相比，虽然不显着，但表现出一致的改进。大的表面温度-盐度协方差与 SST 观测中大尺度误差的偶发性发生相结合，导致模型域中心出现错误的清新。在基于先验模型的表面盐度校正上添加约束会减少这种影响。En4DVar 系统比 4DVAR 更成功，与滑翔机数据相比，静态 B 保留了温度-盐度特性。En4DVar 系统还可以对大陆架浮标位置 30 m 以下的地下温度进行更准确的预测和分析。与其他地表和地下观测结果相比，En4DVar 与传统 4DVAR 相比，虽然不显着，但表现出一致的改进。大的表面温度-盐度协方差与 SST 观测中大规模误差的偶发性发生相结合，导致模型域中心出现错误的清新。在基于先验模型的表面盐度校正上添加约束会减少这种影响。