In this study we have introduced a

In this study we have introduced a data- assimilation
system that assimilates sea ice variables in the Ice￾POM model with the aim to improve the ocean
conditions. All three experiments improved the sea
ice extent forecast. The assimilation also indirectly
improved the non-assimilated parameters.
Assimilating sea ice variables improved the ocean
conditions as expected. It was evident from the
changes in the ocean temperature. Ocean temperature
rose in areas where the model only forecast had over
predicted the sea ice concentration. Out of the three
variables that were assimilated sea ice concentration
assimilation produced results that were more inline
with the observations.

結果 (中文) 1:

在本研究中我们已经介绍了数据同化同化冰 POM 模型，目的是改善海洋海洋冰变量的系统条件。所有的三个实验改进海海冰预报。同化也间接地改进的非同化的参数。同化海冰变量改进海洋预期的条件。很明显从海洋温度的变化。海洋温度玫瑰地区只预测的模型了预测海冰密集度。三个被同化的海冰密集度的变量同化产生了更多的内联的结果与观测。

結果 (中文) 2:

在这项研究中，我们引入了一个数据-同化
的同化海冰变量，目的冰??? POM模式，提高海洋系统
的条件。所有这三个实验提高了海
海冰范围的预测。同化也间接
提高了非同化参数。
同化海冰变量改善海洋
环境预期。很明显来自
于海洋的温度变化。海洋温度
上升，其中模型仅仅预测已超过区域
预测海冰浓度。走出三
是被同化海冰密集度变量
同化产生的更内嵌结果
与观测。

結果 (中文) 3:

在这项研究中，我们已经介绍了一个数据同化系统同化海冰变量与目标的冰￾POM模型改进海洋条件.所有这三个实验都改进了海洋冰度预测。同化也间接改进了非同化参数。海冰变量提高海洋吸收条件如预期。这是显而易见的海洋温度的变化。海洋温度仅在模型预测的领域增加了海冰浓度预测。走出三同化海冰浓度的变量同化产生的结果，更内联与观察。