учет данных наблюдений для анализа динамических процессов

УЧЕТ ДАННЫХ НАБЛЮДЕНИЙ
ДЛЯ АНАЛИЗА ДИНАМИЧЕСКИХ ПРОЦЕССОВ
В ОКЕАНСКОЙ МОДЕЛИ ЦИРКУЛЯЦИИ
Г.М.Михайлов 1, К.П.Беляев2, 1 , А.Н.Сальников3,1, Н.П.Тучкова 1, И.Кирхнер 4
Федеральное государственное бюджетное учреждение науки
Вычислительный центр им. А. А. Дородницына РАН
2
Федеральное государственное бюджетное учреждение науки
Институт океанологии им. П.П. Ширшова РАН
3
Федеральное государственного образовательное учреждение высшего
профессионального образования "Московский государственный университет
имени М.В.Ломоносова", факультет ВМиК
4
Свободный университет Берлина, факультет Метеорологии
1
В
работе
рассматривается
вариант
адаптации
модели
MPIESM(ECHAM6/MPIOM/JSBACH/HAMOCC). Модель MPIESM [1, 2]
представляет собой расширенную версию совместной климатической модели
COSMOS (ECHAM5/MPIOM), разработанную в европейском научном
профессиональном сообществе климатических исследований и реализованную
в Немецком вычислительном центре климата DKRZ(http://www.dkrz.de/dkrz-en).
Весь комплекс MPIESM включает модель океана с учетом подмодели динамики
льда (MPI-OM), модель атмосферы (ECHAM6), модель земной биосферы
(JSBACH), блок биохимии океана (HAMOCC) и блок взаимодействия моделей
(OASIS3). MPIESM является совместной моделью, где все процессы
осуществляются в параллельном режиме при взаимодействии океанской,
атмосферной частей и модели поверхности земли посредством обмена
энергией, импульсов и других параметров. Процессы передачи энергии,
импульса, параметров воды и углекислого газа реализуются с помощью блока
взаимодействия моделей (OASIS3).Тестирование модели проводилось с учетом
рекомендаций из отчета МГЭИК (Межправительственная группа экспертов по
изменению климата) и учитывает моделирование углеродного цикла.
Результаты тестирования и исходные коды предоставляются научному
сообществу на лицензионной основе в исследовательских целях.
Для адаптации модели на вычислительном комплексе «Ломоносов» был
проведен анализ функциональности модели и параллельного взаимодействия
блоков модели. При компиляции были изменены ключи и настройки
библиотек, скрипты для запуска. Также были подготовлены исходные данные
для численных экспериментов piControl_r1i1p1-LR, historical_r1i1p1-LR,
amip_r1i1p1-LR, sstClim_r1i1p1-LR. Эти данные для сравнения и верификации
новых реализаций совместных моделей включают:
– историческое моделирование климата (с 1850 г. до 2005 г.);
281
– прогнозирование климата с различными сценариями (от 2100 г. до
2300 г.);
– прогноз климата на каждые десять лет;
– учет роли углеродного цикла для изменений климата;
– моделирование более отдаленного прошлого, например последнего
ледникового максимума или от 850 г. до 1850 г.
Для запуска модели были адаптированы коды для параллельной
платформы суперкомпьютера «Ломоносов»; использовалась гибридная
параллельная структура на основе MPI1 и OpenMP библиотек; реализовывались
новые версии скриптов для запуска всех блоков модели одновременно в
параллельном режиме; для верификации расчетов на новой платформе
последовательно реализуются этапы тестовых экспериментов. При отладке
модели на новой кластерной платформе для верификации было проведено
сравнение результатов вычислительных экспериментов с данными по изучению
изменения климата, предоставляемыми разработчиками модели MPIESM.
На рис. 1 показаны основные блоки модели MPIESM: блок ECHAM6 модель динамики атмосферы, блок MPIOM ‒ модель динамики океана,
включающая динамику льда, блок OASIS ‒ специальный интерфейс обмена
океан-земля-атмосфера и блок HAMOCC ‒ модель газообмена, включающая
динамику карбонных соединений, а также блок JSBACH ‒ модель стоков
крупнейших рек планеты.
Рис. 1. Структура и взаимосвязи модели MPIESM
В рамках проекта также разрабатывался новый метод усвоения данных
наблюдений, с применением теории диффузионных процессов и
стохастических дифференциальных уравнений [3, 4, 5]. Метод основан на
минимизации функционала следующего вида
L( K , φ=
) KQK ′ + [( I + KH ) L ]φ ,
где:
K – неизвестная и подлежащая определению матрица размерности r × n ,
282
(1)
ковариационная
матрица
наблюдений
размерности
n×n,
предполагается известной,
H − известная матрица размерности n × r , имеющая смысл проекционной
матрицы из пространства модели размерности r в пространство наблюдений
размерности n,
I – единичная матрица размерности r × r ,
Λ − оператор модели, имеющий размерность r × 1 ,
ϕ − вектор множителей Лагранжа, имеющий размерность 1× r .
Штрих вверху вектора или матрицы обозначает ее транспонирование.
Минимизация функционала (1) имеет физический смысл определения
минимума дисперсии или диффузии, задаваемой матрицей KQK ′ при условии
известного или определяемого из наблюдений вектора сноса ( I + KH )Λ .
Q–
Рис. 2. Карта дрифтеров АРГО в мировом океане
В проекте предусмотрена состыковка модели MPIESM и метода усвоения
данных, эксперименты с усвоением данных наблюдений со спутников (уровня
океана и поверхностной температуры воды), а также данных дрифтеров АРГО
(http://www.argo.net/), рис. 2, и анализ результатов данных экспериментов.
Кроме того, предусматривается сравнение авторских методов и моделей с
исследованиями других авторов.
Работа поддерживается РФФИ (проекты 14-07-00037, 14-05-00363).
283
ЛИТЕРАТУРА:
1.
H. Haak. Simulation of Low-Frequency Climate Variability in the North
Atlantic Ocean and the Arctic, Volume 1. Max Planck Institute for Meteorology,
2004.
2.
P. Wetzel, H. Haak, J. Jungclaus, E. Maier-Reimer. The Max-PlanckInstitute
Global
Ocean/Sea-Ice.
Model
http://www.mpimet.mpg.de/fileadmin/models/MPIOM/DRAFT_MPIOM_TECHNIC
AL_REPORT.pdf (Model MPI-OM. Technical report).
3.
К.П. Беляев, Н.П. Тучкова, И. Кирхнер. Метод коррекции
модельных расчетов по данным измерений, основанный на диффузионном
приближении, и его применения для анализа гидрофизических характеристик //
Математическое моделирование, 2009, т. 21, № 3, с. 53-68.
4.
К.П. Беляев, Н.П. Тучкова, У. Кубаш. Реакция совместной модели
"океан-лед-атмосфера" при усвоении данных наблюдений в тропической зоне
Тихого океана // Океанология, 2010, т. 50, № 3. С. 334-344.
5.
К.П. Беляев, Н.П. Тучкова. Предельные распределения для
характеристик при усвоении данных наблюдений в стационарном режиме //
Информатика и её применения, 2015, т. 3. Вып. 2. С. 19-24.
284