КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер 22-11-00053

НазваниеРазработка совместной глобальной модели динамики океана и атмосферы с усвоением океанографических данных наблюдений.

РуководительКулешов Андрей Александрович, Доктор физико-математических наук

Организация финансирования, регион Федеральное государственное учреждение "Федеральный исследовательский центр Институт прикладной математики им. М.В. Келдыша Российской академии наук", г Москва

Период выполнения при поддержке РНФ

2022 г. - 2024 г.

Конкурс№68 - Конкурс 2022 года «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами».

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах, 01-219 - Математическое моделирование в науках о Земле и проблемах окружающей среды

Ключевые словаДинамика океана и атмосферы, совместная модель, усвоение океанографических данных наблюдений.

Код ГРНТИ27.35.21

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Целью проекта является разработка, реализация и верификация на основе ретроспективных среднесрочных прогнозов глобальной совместной модели атмосферы, океана, морского льда и подстилающей поверхности с усвоением океанографических данных наблюдений. Создание совместной глобальной модели динамики океана и атмосферы с дополнительным блоком усвоения данных наблюдений это чрезвычайно актуальная и важная научная и практическая проблема. Совместные модели, объединяющие в себе численные модели атмосферы, Мирового океана, морского льда и подстилающей поверхности, являются традиционным методом исследования настоящего и прошлого климата Земли, а также инструментом для оценки предстоящих климатических изменений. С недавнего времени совместные модели получили широкое распространение в ведущих метеорологических центрах Всемирной метеорологической организации (ВМО) в качестве основного инструмента для долгосрочного прогноза погоды и аномалий климата на срок до четырех месяцев. По сравнению с океаном атмосфера Земли является гораздо более изученным объектом, главным образом, благодаря развитой наблюдательной сети. В то же время, в течение последних 10-15 лет отмечается резкий рост объема информации о состоянии океана вследствие внедрения качественно новых систем наблюдения (международные программы по спутниковой альтиметрии, буи Argo и др.), что, в свою очередь, привело к бурному развитию методов усвоения этой информации в численных моделях динамики океана и атмосферы. В течение последних лет был опубликован ряд работ, в которых указывалось на возможность статистически значимого улучшения точности среднесрочного прогноза погоды (до 10 дней) за счет перехода с численной модели атмосферы на ансамблевый подход и совместную модель атмосферы, океана и морского льда с усвоением атмосферных и океанографических данных наблюдений. Развитие вычислительной техники позволяет сейчас не только разрабатывать сложные многокомпонентые программные комплексы, но и применять их в задаче оперативного прогноза состояния атмосферы и океана с учетом ограничений на расчетное время для оперативного прогноза. Таким образом, разработка модели для воспроизведения циркуляции атмосферы, Мирового океана и динамики морского льда, дополненная системой усвоения данных океанографических наблюдений, является, безусловно, важной и актуальной задачей. В проекте предполагается рассмотреть и решить следующие основные задачи. Главной задачей проекта является разработка и реализация совместной модели атмосферы, Мирового океана, морского льда и подстилающей поверхности. В качестве атмосферного блока совместной модели будет использована глобальная гидродинамическая модель атмосферы ПЛАВ (полулагранжева модель), созданная под руководством М.А. Толстых с участием исполнителей проекта в Институте вычислительной математики имени Г.И. Марчука Российской академии наук (ИВМ РАН) и Гидрометеорологическом научно-исследовательском центре Российской Федерации (Гидрометцентр России). Модель ПЛАВ будет объединена с моделью Мирового океана NEMO (Nucleus for European Modelling of the Ocean), включающей модель морского льда SI3 и модуль усвоения данных наблюдений на основе предложенного авторами проекта нового более совершенного метода усвоения океанографической информации ‒ обобщенного фильтра Калмана GKF (Generalized Kalman filter), которая была инсталлирована ранее на высокопроизводительной вычислительной системе К-60 в Институте прикладной математики им. М.В. Келдыша Российской академии наук (ИПМ им. М.В. Келдыша РАН). Объединение моделей будет выполнено на платформе К-60 с помощью системы для совместного моделирования OASIS и библиотеки SCRIP, реализующей интерполяцию данных. В проекте также будет проведена модификация алгоритма и программного блока усвоения данных наблюдений GKF. Будет выполнена адаптация GKF к усвоению данных наблюдений, в том числе глубоководных наблюдений из архива данных с дрифтеров Argo, данных с судов и специальных экспедиций (в частности, экспедиций Института океанологии им. П.П. Ширшова Российской академии наук (ИО РАН)). На основе совместной модели ПЛАВ-NEMO-GKF будет проведено исследование качества воспроизведения динамики атмосферы, океана и морского льда на масштабах времени до одного года. Будет проведен анализ применимости совместной модели ПЛАВ-NEMO-GKF с усвоением океанографических данных наблюдений для целей среднесрочного детерминированного прогноза погоды, верификация всей модели на основе анализа ретроспективных данных. К фундаментальным задачам проекта при разработке совместной модели будут относиться анализ устойчивости решения совместной модели при усвоении данных наблюдений, определение условий выхода решения на стационарный режим при достаточно продолжительном времени интегрирования (климатический режим), оценка вероятности выхода характеристик модели за заданные границы на фиксированном интервале интегрирования. Основная научная новизна проекта состоит в том, чтобы создать в России новую, более совершенную совместную модель океан-атмосфера с усвоением океанографических данных наблюдений, с помощью которой можно будет воспроизводить и прогнозировать состояние атмосферы и океана и их взаимодействие на срок до двух недель. Совместная модель может быть применена в задаче ансамблевого среднесрочного прогноза погоды в Гидрометцентре России и в других центрах прогноза погоды.

Ожидаемые результаты
В процессе реализации проекта предполагается получить следующие основные результаты. • Будет построена совместная модель атмосферы, Мирового океана, морского льда и подстилающей поверхности, включающая глобальную модель атмосферы ПЛАВ и модель Мирового океана NEMO с подмоделью морского льда SI3 и модулем усвоения данных наблюдений GKF. Объединение моделей будет выполнено на платформе К-60 с помощью системы для совместного моделирования OASIS и библиотеки SCRIP, реализующей интерполяцию данных. • Будет проведена модификация алгоритма и программного блока усвоения данных наблюдений GKF. Будет выполнена адаптация GKF к усвоению данных наблюдений, в том числе глубоководных наблюдений из архива данных с дрифтеров Argo, данных с судов и специальных экспедиций (в частности, экспедиций ИО РАН). • Будет проведено исследование качества воспроизведения динамики атмосферы, океана и морского льда в совместной модели ПЛАВ-NEMO-GKF на масштабах времени в несколько месяцев в сравнении с данными реанализа ERA5 Европейского центра по среднесрочным прогнозам погоды. Совместная модель ПЛАВ-NEMO-GKF с усвоением океанографических данных на основе GKF также будет проверена на серии ретроспективных среднесрочных прогнозов погоды. • Будут определены условия и показана устойчивость решения совместной модели при усвоении данных наблюдений. Будут определены условия выхода решения на стационарный режим при достаточно продолжительном времени интегрирования (климатический режим). На основе вероятностного и статистического анализа будет дана оценка вероятности выхода характеристик модели за заданные границы на фиксированном интервале времени. Научная и общественная значимость результатов проекта. Научная значимость результатов проекта состоит в том, чтобы создать в России новую, более совершенную совместную модель океан-атмосфера с усвоением данных наблюдений. Эта модель будет в целом соответствовать существующим мировым аналогам, а в некоторых аспектах их превосходить. Модель будет ориентирована на практическое использование в Гидрометцентре России и в других центрах прогноза погоды для целей среднесрочного прогноза погоды.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Аннотация результатов, полученных в 2022 году
Модель глобальной атмосферы ПЛАВ и необходимые для ее работы библиотеки программ (XRD, NetCDF, HDF5 и др.) установлены на вычислительную систему К-60 ИПМ им. М.В. Келдыша РАН. На вычислительную систему К-60 также установлены необходимые для работы совместной модели программные пакеты OASIS3-MCT (включая SCRIP и PSMILE) и XIOS с поддержкой OASIS. На К-60 установлены и сконфигурированы модель океана NEMO и модель морского льда SI3, допускающие применение в рамках системы для совместного моделирования OASIS. Программный код этих моделей соответствует версии, используемой на К-60 в рамках работ исполнителей проекта над системой GKF. В модели ПЛАВ реализована возможность ее работы в рамках OASIS. Для этих целей был частично переработан и дополнен программный код ПЛАВ, реализован набор программ подготавливающий специальные файлы для OASIS и SCRIP с информацией о характеристиках расчетной области, расчетной сетке и об используемой в ПЛАВ маске суша-водная поверхность. С помощью OASIS реализована совместная модель, объединяющая глобальную модель атмосферы ПЛАВ, модель Мирового океана NEMO и модель морского льда SI3. Расчетная сетка ПЛАВ характеризуется горизонтальным разрешением 0.9 градуса по долготе, 0.72 градуса по широте и 96 уровнями по вертикали. Модели океана и морского льда используют одну и ту же триполярную сетку типа ORCA025 с горизонтальным разрешением 0.25 градуса и 75 уровнями по вертикали. Конфигурация модели ПЛАВ соответствует ее оперативной версии для ансамблевого среднесрочного прогноза погоды, применяемой в Гидрометцентре России. В разработанной версии совместной модели ПЛАВ-NEMO-SI3 реализован расчет и обмен двумерными полями, между ее компонентами. В обмене участвуют 15 полей, из них 9 полей передаются из модели атмосферы ПЛАВ в модель океана и морского льда и 6 полей передаются обратно в модель ПЛАВ. Предварительный анализ точности интерполяции передаваемого из модели атмосферы в модель океана и обратно двумерного поля показал, что билинейная интерполяция заметно сглаживает решение, но не приводит к появлению аномалий решения, обусловленных, например, береговой линией. Относительная среднеквадратическая ошибка после применения к указанному полю 1680 интерполяций (14 дней интегрирования модели с максимальной частотой обменов) на основе билинейного алгоритма не превышает 0.3%. Метод на основе консервативной интерполяции показал накопление ошибки вблизи северного полюса расчетной сетки ПЛАВ и необходимости введения дополнительного сглаживания передаваемого поля на ближайшей к полюсу широте. Совместная модель ПЛАВ-NEMO-SI3 была отлажена и проверена на серии численных экспериментов с продолжительною интегрирования до 30 дней. Результаты экспериментов показали устойчивую работу совместной модели, отсутствие систематических крупномасштабных смещений основных метеорологических полей в атмосфере относительно реанализа ERA5, адекватную эволюцию характеристик морского льда и поверхности океана. Результаты предварительного исследование качества воспроизведения приземной температуры с заблаговременностью до 14 дней (предел гидродинамической предсказуемости) в сравнении с анализом Гидрометцентра России ожидаемо показал значимые расхождения, обусловленные, прежде всего, нелинейностью моделируемых процессов. В то же время, температура водной поверхности после 14 дней интегрирования отличается от анализа в пределах двух градусов и достигается, в основном, в регионах с интенсивным вихреобразованием, которым характерны большие градиенты решения. Полученный результат позволяет продолжить работы по отладке, настройке и совершенствованию совместной модели. Проведена модификация разработанного ранее авторами метода усвоения данных ‒ обобщенного фильтра Калмана (Generalized Kalman filtering (GKF)). Модификация метода заключается в новом определении его ключевых параметров, а именно параметров вектора сноса и диффузионной матрицы. Для определения этих параметров используется гистограммная техника. Численные эксперименты по моделированию динамики океана были проведены авторами с помощью модели NEMO на высокопроизводительной ЭВМ К-60 в Институте прикладной математики им. М.В. Келдыша РАН. Численные эксперименты проводились как без усвоения данных наблюдений (контрольный расчет), так и с усвоением данных по модифицированному методу GKF на временном интервале один месяц. В качестве данных наблюдений были использованы открытые данные подповерхностных и глубоководных наблюдений, полученные с дрифтеров проекта Argo. Были построены карты рассчитанного вектора сноса для температуры поверхности океана (ТПО) и на 100 метровой глубине по всему мировому океану. Изменения температуры, которые отражены в векторе сноса хорошо согласуются с наблюдениями. При анализе расчетных полей температуры на глубине 100 м величины разности полей с усвоением и без усвоения данных заметно меньше, чем в начальном периоде. Таким образом, показана применимость и устойчивость расчета с ежесуточным усвоением подповерхностных и глубоководных данных наблюдений по методу GKF на временном интервале один месяц.

Публикации

1. Беляев К.П., Кулешов А.А., Реснянский Ю.Д., Смирнов И.Н., Фадеев Р.Ю. Численные эксперименты с моделью динамики океана NEMO и усвоением данных наблюдений с дрифтеров Argo. Математическое моделирование., - (год публикации - 2023)

2. Беляев К.П., Кулешов А.А., Смирнов И.Н. Численное моделирование динамики океана по модели NEMO с усвоением данных наблюдений по методу обобщенной калмановской фильтрации. Вестник Московского университета. Серия 15. Вычислительная математика и кибернетика., № 3, стр. 3-9. (год публикации - 2022) https://doi.org/10.3103/S0278641922030025

Аннотация результатов, полученных в 2023 году
Разработана усовершенствованная версия совместной модели. Помимо настройки ее модельных компонентов, в нее была внедрена усовершенствованная версия ПЛАВ 072L96. Для модели атмосферы ПЛАВ был предложен и реализован усовершенствованный алгоритм параметризованного описания изменчивости скорости ветра подсеточного масштаба и ее роли в методологии расчёта потоков турбулентного перемешивания в пограничном слое атмосферы. Предложенное усовершенствование вместе с уточнением ряда микрофизических параметров позволили уменьшить систематические ошибки воспроизведения осредненных характеристик атмосферной циркуляции по модели ПЛАВ. Для усовершенствованной версии совместной модели были определены ее оптимальные параллельные конфигурации, в которых модель масштабируется по практически линейному закону. Вычислительная эффективность конфигурации на чуть более 4000 процессорных ядер в сравнении с ее минимально возможной параллельной конфигурацией (около 200 процессорных ядер) достигает 85-90%. В оптимальных конфигурациях модель NEMO считает чуть быстрее модели ПЛАВ, которая, в свою очередь, проводит около 10% расчетного времени в ожидании данных от NEMO. Увеличение объема пересылаемых между моделями ПЛАВ и NEMO данных приводит к несущественному росту вычислительной стоимости совместной модели. Совместная модель в оптимальных конфигурациях демонстрирует устойчивую работу во всех исследуемых конфигурациях, отличающихся периодичностью обмена данными (каждый шаг модели ПЛАВ по времени, каждый второй и третий шаг ПЛАВ по времени) и характера передаваемых данных (мгновенные величины и осредненные за время между обменами). Отличия численного решения от реанализа CFSR и реанализа ERA5 в исследуемых конфигурациях относительно не велико и составляет величину, не превышающую 10% (оценивалась суммарная среднеквадратическая интегральная ошибка осредненных по календарным месяцам полям в свободной атмосфере и на поверхности Земли). Показано наличие заметной ошибки в описании поля солнечного излучения на поверхности Земли и необходимость дальнейшей настройки совместной модели. Проведено исследование устойчивости совместной модели к возмущениям, вызванным усвоением данных наблюдений. Результаты расчетов показывают, что для температуры воды при начальном отклонении менее 2 градусов Цельсия поведение модельного решения с усвоением данных остается относительно стабильным и лежит в заданном интервале возмущений. При отклонении от начального состояния более 4 градусов стабильность нарушается, и возможная ошибка через 14 дней интегрирования растет и может достигнуть 7 градусов. Возмущение появляется при усвоении данных, которое связано с ошибкой моделирования и сильном отклонении наблюдаемых и вычисленных значений.

Публикации

1. Беляев К.П., Кулешов А.А., Смирнов И.Н., Тучкова Н.П. Several properties of the model solution after data assimilation into the NEMO ocean circulation model. Lobachevskii Journal of Mathematics., Vol. 44. No. 6. pp. 2251–2256. (год публикации - 2023) https://doi.org/10.1134/S1995080223060100

2. Фадеев Р.Ю. Роль изменчивости скорости ветра подсеточного масштаба в задаче долгосрочного прогноза аномалий погоды. Гидрометеорологические исследования и прогнозы., № 2. С. 35-54. (год публикации - 2023) https://doi.org/10.37162/2618-9631-2023-2-35-54

3. Фадеев Р.Ю. The Parallel performance of SLNE Atmosphere-Ocean-Sea Ice coupled model. Supercomputing Frontiers and Innovations Journal., - (год публикации - 2023)

4. Фадеев Р.Ю., Беляев К.П., Кулешов А.А., Реснянский Ю.Д., Смирнов И.Н., Струков Б.C., Зеленько А.А. Численные эксперименты с совместной моделью атмосфера-океан ПЛАВ‒NEMO. Математическое моделирование., - (год публикации - 2024)