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

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 проекта 22-11-00053

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

Руководитель Кулешов 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

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 слова Динамика 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.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. 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)
10.3103/S0278641922030025

2. 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., Т. 35. № 3. С. 93-105 (год публикации - 2023)
10.20948/mm-2023-03-06

3. 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)
10.1134/S1995080223060100

4. 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)
10.37162/2618-9631-2023-2-35-54

5. Фадеев Р.Ю. The Parallel performance of SLNE Atmosphere-Ocean-Sea Ice coupled model. Supercomputing Frontiers and Innovations Journal., Vol. 10. No. 3. pp. 36-60. (год публикации - 2023)
10.14529/jsfi230305

6. 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., Т. 36. № 4. С. 116-132. (год публикации - 2024)
10.20948/mm-2024-04-08

7. Беляев К.П., Кулешов А.А., Смирнов И.Н., Тучкова Н.П. Statistical distribution of characteristics of the model solution after data assimilation. Lobachevskii Journal of Mathematics., Vol. 45. No. 5. pp. 2328–2334. (год публикации - 2024)
10.1134/S1995080224602455

8. Фадеев Р.Ю. Evaluation of 2010 heatwave prediction skill by SLNE coupled model. Russian Journal of Numerical Analysis and Mathematical Modelling, Vol. 39. No. 4. pp. 199–208. (год публикации - 2024)
10.1515/rnam-2024-0019

9. Фадеев Р.Ю., Степаненко В.М. Numerical aspects and implementation of LAKE scheme into a global atmospheric model SLAV. Lobachevskii Journal of Mathematics., Vol. 45. No. 5. pp. 2248–2261. (год публикации - 2024)
10.1134/S1995080224602601

Публикации

Аннотация результатов, полученных в 2024 году
Создана усовершенствованная версия совместной модели SLNE, которая является объединением моделей атмосферы ПЛАВ, модели океана NEMO и модели морского льда SI3. Для проведения исследований и расчета опытных прогнозов по совместной модели был разработан специализированный программный комплекс, реализующий следующие возможности: автоматизированное конфигурирование каждого компонента совместной модели; компиляция и сборка каждого компонента совместной модели; подготовка необходимых для предстоящих расчетов файлов с начальными и граничными условиями; последовательное выполнение расчетов по совместной модели; обработка и представление результатов моделирования. Разработанный программный комплекс был применен для расчета ансамблевых прогнозов по совместной модели. Совместная модель SLNE продемонстрировала повышенную в сравнении с ПЛАВ072L96 точность прогноза сильных аномалий погоды, таких как волны тепла 2010 и 2018 гг. В частности, ошибки предсказаний аномалий приземной температуры и геопотенциала на высоте 500 гПа над европейской территорией России на пятую и шестую недели прогноза по усовершенствованной версии совместной модели заметно меньше чем в ПЛАВ072L96. Полученный результат означает, в том числе, более точное описание географического положения и интенсивности антициклона над европейской территорией России, который являлся одной из ключевых причин высоких среднесуточных температур в июле 2010 года. Отметим, что ошибки рассчитывались по отношению к реанализу ERA5. Результаты сравнения точности ансамблевых среднесрочных прогнозов по SLNE и ПЛАВ072L96 показали, что совместной модели характерны увеличенные (до 5-7%) ошибки прогноза большинства метеоэлементов. Знак и величина изменения ошибок имеет схожий характер для прогнозов в зимний и летний сезоны. Исследование точности среднесрочного прогноза по совместной модели в зависимости от размера ансамбля показало схожую для большинства метеовеличин зависимость: ошибка прогноза уменьшается с ростом числа участников. Для оценки точности прогнозирования погоды по SLNE в сравнении с ПЛАВ (с 40 участниками ансамбля) оказалось достаточным использовать для расчетов по совместной модели около 15 участников ансамбля. Были проведены расчеты динамики океана по модели NEMO c усвоением данных наблюдений проекта Argo и без усвоения данных. Также было проведено сравнение расчетных полей уровня океана и температуры поверхности океана (ТПО) по совместной модели ПЛАВ-NEMO с данными наблюдений за из архива AVISO. Результаты расчетов ТПО в обоих случаях правильно отражают крупномасштабные термические особенности океана. Модель воспроизводит уровень океана корректно как с усвоением данных, так и без усвоения. Разность полей уровня океана показывает, что усвоение данных наблюдений уровня океана особенно заметно в северных и южных широтах, где открытый лед и где совместная модель с атмосфера-океан не может полностью его воспроизвести. Основные различия при усвоении данных Argo проявляются в подповерхностных водах. Поля температуры воды, рассчитанные без усвоения и с усвоением данных очень похожи и правильно описывают крупномасштабную структуру термического поля океана, а их разность везде меньше 1.5°С и в основном прослеживается в области струйных течений Атлантики и Тихого океана (Гольфстрим, Куросио, Антарктическое циркумполярное течение), что отражает усиление градиентов температуры при усвоении данных. Было проведено исследование устойчивости совместной модели к возмущениям, вызванным усвоением данных наблюдений. В процессе численного решения строились поля расчетных характеристик модели до и после усвоения на каждые сутки. Вычислялись поля собственных векторов и собственных чисел матриц ковариации, которые отражают энергию этих полей. В процессе работы были построены карты собственных векторов, оценена их изменчивость в пространстве и времени и сделаны энергетические оценки вклада этих полей (собственных векторов) в общую изменчивость изучаемых характеристик модели (температуры, солености, поля скорости и других). На основе этих матриц строились эллипсы рассеивания, по которым находилось распределение ошибки, из которого получаются критерии устойчивости расчетных характеристик модели по отношению к возмущениям. В ходе работ по проекту также рассчитывались вероятностные распределения полей характеристик модели (температура воды и др.), задаваемые параболическим уравнением Фоккера-Планка-Колмогорова (ФПК). В качестве примеров были проведены расчеты для потоков тепла в модели ПЛАВ-NЕМО-GKF, которые сравнивались с данными наблюдений из архива ERA5 за 1979-2019 гг. Для решения уравнения ФПК была применена неявная разностная схема второго порядка аппроксимации со сглаженными коэффициентами. При ее численной реализации был использован известный алгоритм прогонки. Результаты расчетов показывают, что для температуры воды при отклонении скорректированного при усвоении данных поля от наблюдаемого менее 2 градусов Цельсия поведение модельного решения остается относительно стабильным. При отклонении более 4 градусов стабильность нарушается, и возможная ошибка через 14 дней расчета растет и может достигнуть 7 градусов.

Публикации

Возможность практического использования результатов
Результаты работ по проекту имеют потенциал для внедрения в оперативную практику Гидрометцентра России в качестве метода субсезонного прогноза аномалий погоды.