An ensemble optimal interpolation (EnOI) data assimilation system for a high‐resolution (0.1° horizontal) version of the Community Earth System Model Version 2 (CESM2) ocean component is presented. For this purpose, a new version of the Data Assimilation Research Testbed (DART Manhattan) that enables large‐state data assimilation by distributing state vector information across multiple processors at high resolution is used. The EnOI scheme uses a static (but seasonally varying) 84‐member ensemble of precomputed perturbations to approximate samples from the forecast error covariance and utilizes a single model integration to estimate the forecast mean. Satellite altimetry and sea surface temperature observations along with in situ temperature and salinity observations are assimilated. This new data assimilation framework is then used to produce a global high‐resolution retrospective analysis for the 2005–2016 period. Not surprisingly, the assimilation is shown to generally improve the time‐mean ocean state estimate relative to an identically forced ocean model simulation where no observations are ingested. However, diminished improvements are found in undersampled regions. Lack of adequate salinity observations in the upper ocean actually results in deterioration of salinity there. The EnOI scheme is found to provide a practical and cost‐effective alternative to the use of an ensemble of forecasts.

中文翻译：

---

带有DART的基于EnOI的数据同化系统，用于CESM2海洋组件的高分辨率版本

提出了一种适用于社区地球系统模型版本2（CESM2）海洋组件的高分辨率（水平0.1°）版本的整体最优插值（EnOI）数据同化系统。为此，使用了新版本的数据同化研究测试平台（DART Manhattan），该新版本可通过以高分辨率在多个处理器之间分布状态向量信息来实现大状态数据同化。EnOI方案使用预先计算的摄动的静态（但随季节变化）的84个成员合奏从预测误差协方差近似样本，并利用单个模型积分来估计预测均值。将卫星测高和海面温度观测以及原位温度和盐度观测同化。然后，使用这一新的数据同化框架来生成2005-2016年期间的全球高分辨率回顾性分析。毫不奇怪，相对于没有观测到观测值的同等强迫海洋模型模拟，这种同化通常可以改善时均海洋状态估计。但是，在采样不足的地区发现改进程度有所降低。在上层海洋缺乏足够的盐度观测结果实际上导致那里盐度的下降。人们发现，EnOI计划可以提供实用且具有成本效益的替代方案来使用整体预测。相对于没有观测到观测值的同等强迫海洋模型模拟，这种同化通常可以改善时均海洋状态估计。但是，在欠采样区域中发现改进程度有所降低。在上层海洋缺乏足够的盐度观测结果实际上导致那里盐度的下降。人们发现，EnOI计划可以提供一种实用且具有成本效益的替代方案，以代替使用整体预测方法。相对于没有观测到观测值的同等强迫海洋模型模拟，这种同化通常可以改善时均海洋状态估计。但是，在采样不足的地区发现改进程度有所降低。在上层海洋缺乏足够的盐度观测结果实际上导致那里盐度的下降。人们发现，EnOI计划可以提供实用且具有成本效益的替代方案来使用整体预测。