Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений
Описана реализация усвоения данных методом 3DVAR в региональной модели атмосферной циркуляции на основе WRF. Показано, что усвоение данных наблюдений приводит к заметным изменениям полей приводного ветра, что особенно важно для анализа экстремальных погодных явлений, таких, как квазитропический цикл...
Saved in:
| Published in: | Екологічна безпека прибережної та шельфової зон та комплексне використання ресурсів шельфу |
|---|---|
| Date: | 2011 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Морський гідрофізичний інститут НАН України
2011
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/112450 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений / В.С. Барабанов // Екологічна безпека прибережної та шельфової зон та комплексне використання ресурсів шельфу: Зб. наук. пр. — Севастополь, 2011. — Вип. 24. — С. 136-141. — Бібліогр.: 3 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860095579443429376 |
|---|---|
| author | Барабанов, В.С. |
| author_facet | Барабанов, В.С. |
| citation_txt | Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений / В.С. Барабанов // Екологічна безпека прибережної та шельфової зон та комплексне використання ресурсів шельфу: Зб. наук. пр. — Севастополь, 2011. — Вип. 24. — С. 136-141. — Бібліогр.: 3 назв. — рос. |
| collection | DSpace DC |
| container_title | Екологічна безпека прибережної та шельфової зон та комплексне використання ресурсів шельфу |
| description | Описана реализация усвоения данных методом 3DVAR в региональной модели атмосферной циркуляции на основе WRF. Показано, что усвоение данных наблюдений приводит к заметным изменениям полей приводного ветра, что особенно важно для анализа экстремальных погодных явлений, таких, как квазитропический циклон над Черным морем в сентябре 2005 г.
|
| first_indexed | 2025-12-07T17:25:59Z |
| format | Article |
| fulltext |
136
УДК 5 5 1 .5 84
В .С . Барабанов
Морской гидрофизический институт НАН Украины, г.Севастополь
МОДЕЛИРОВАНИЕ АТМОФЕРНОЙ ЦИРКУЛЯЦИИ НАД ЧЕРНЫМ
МОРЕМ С УСВОЕНИЕМ ДАННЫХ НАБЛЮДЕНИЙ
Описана реализация усвоения данных методом 3DVAR в региональной модели
атмосферной циркуляции на основе WRF. Показано, что усвоение данных наблю-
дений приводит к заметным изменениям полей приводного ветра, что особенно
важно для анализа экстремальных погодных явлений, таких, как квазитропический
циклон над Черным морем в сентябре 2005 г.
КЛЮЧЕВЫЕ СЛОВА : Черное море, циркуляция, приводный ветер, математи-
ческое моделирование.
Введение. Мезомасштабные модели атмосферной циркуляции (MM5,
WRF и аналогичные) в настоящее время достаточно широко применяются в
научных и практических целях, обеспечивая повышение пространственного
разрешения прогнозных полей метеорологических параметров за счет де-
тального учета взаимодействия воздушных потоков с подстилающей по-
верхностью. Для исследования регионального климата эти модели обычно
применяются в режиме «даунскейлинга», когда входными данными служат
поля реанализа с невысоким пространственным разрешением (массивы
NCEP/NCAR Reanalysis, ECMWF ERA-40 или JRA-25). В моделях решается
полная система уравнений гидротермодинамики с начальными и граничны-
ми условиями, полученными аппроксимацией входных данных на более
детальную сетку, причем в течение месяца и более происходит только под-
качка граничных условий. В этом режиме во внутренней части расчетной
области модель не корректируется данными наблюдений и в некоторых
случаях может давать результаты, довольно сильно отличающиеся от
реальной погоды. В частности, ранее проводившиеся нами расчеты на
длительные сроки с использованием модели MM5 показали, что коэффи-
циент корреляции приповерхностного ветра с измерениями составляет око-
ло 80 % для зимы, но резко (до 40 – 60 %) падает в летний период, что связа-
но с развитием короткоживущих мелкомасштабных конвективных процес-
сов с характерной для них низкой предсказуемостью. Этот эффект не удает-
ся преодолеть простым уменьшением шага сетки или подбором параметри-
зационных схем. Режим даунскейлинга, достаточно хорошо зарекомендовав-
ший себя в климатических исследованиях, оказывается непригодным для
изучения отдельных мезомасштабных явлений.
В ряде случаев можно получить качественные результаты, применяя
короткий срок моделирования – до трех суток (на такой срок обычно рассчи-
тывается оперативный прогноз, поэтому соответствующий режим работы бу-
дем называть квазипрогностическим). Так, в работе [1] исследовалось фор-
мирование квазитропического циклона, т.е. мезомасштабного вихря, близкого
© В .С . Барабанов , 2011
137
по некоторым показателям к тропическому урагану, в юго-западной части
Черного моря в сентябре 2005 г. Основным исследовательским инстру-
ментом была модель MM5. Сравнение результатов расчета с наблюдениями
приводного ветра спутниковым скаттерометром QuikSCAT показало, что
квазипрогностический режим дает достаточно хорошие результаты. Однако,
было замечено, что в случае подстановки начальных данных за срок более
суток положение циклона предсказать не удается, что связано с необходи-
мостью наличия «затравки» в поле ветра в момент начала расчета. Очевид-
но, однако, что при необходимости исследования всех мезомасштабных яв-
лений в атмосфере региона за длительный срок нет возможности проводить
отдельное моделирование каждого явления.
Для обеспечения более надежного расчета в данном случае можно ис-
пользовать режим усвоения (ассимиляции) данных наблюдений, включая
спутниковые. Этот режим используется при построении полей реанализа.
Насколько нам известно, реанализ с усвоением данных на основе региональ-
ной модели для Черного моря пока не проводился. Поэтому целью данной
работы был запуск и предварительная настройка системы регионального
реанализа на основе модели WRF с подсистемой усвоения WRFDA.
Современные методы ассимиляции данных наблюдений. Будем
использовать общепринятые в литературе обозначения для полей первого
приближения xb, данных наблюдений yo, результатов анализа xa. Как
известно, усвоение данных состоит в оптимальной коррекции полученных в
результате работы прогностических моделей полей (xb) по данным наблю-
дений: xa = xb + K(yo – Hxb), где оператор H формирует на основе получен-
ного прогноза поле тех переменных и в тех координатных точках, которые
соответствуют данным наблюдений, после чего можно найти расхождение
прогностических данных с наблюдениями просто как yo – Hxb. Матрица K
задает весовые коэффициенты, с которыми вносятся поправки в поле xb.
Поскольку измерения и сами содержат ошибки, метод прямой подстановки,
при котором, очевидно, K = HT, в практических целях не используется.
Оптимальные значения весов соответствуют K = BHT(R + HBHT)-1, где B
и R – матрицы ошибок прогноза и наблюдений соответственно. Рассмотрим
подробнее задачу расчета B = <(xb – xt),(xb – xt)T>. Поскольку истинное
значение xt неизвестно, матрицу B приходится как-то оценивать по имею-
щимся данным. Например, можно считать, что xb – xt
примерно равняется
расхождению двух прогнозов на данный срок с разной заблаговремен-
ностью, или же, при ансамблевом прогнозе, отклонению от среднего по ан-
самблю. Оба эти метода часто используются в системах анализа и прогноза
погоды. В данной работе использовалась оценка B по парным прогнозам с
заблаговременностью 12 и 24 ч. Процедура расчета B таким способом пред-
полагает наличие большого количества прогнозов за разные сроки, которые
получаются в ходе работы прогностической системы на базе мезомасштаб-
ной модели.
Решение задачи ассимиляции непосредственно на основе расчета
матрицы K получило название метода оптимальной интерполяции. Лоренц
показал, что вместо этого расчета можно применять вариационный подход,
138
дающий тот же результат. Такой способ, получивший название 3D-Var,
реализован в системе WRFDA. Более совершенные методы, такие, например,
как 4D-Var, учитывают также изменение ошибок прогноза во времени,
оценивая их на каждом шаге, но они гораздо более требовательны к
вычислительным ресурсам и в данной работе не рассматриваются.
Модель и система усвоения. Основной моделью, использовавшейся
для воспроизведения мезомасштабных атмосферных циркуляций в данной
работе была модель WRF (ARW-WRF версии 3.1) [2]. По сравнению с ранее
применявшейся нами моделью MM5, модель содержит ряд усовершенство-
ваний: численные схемы изменены на более точные (С-сетка Аракавы и схе-
ма Рунге-Кутты), добавлены новые варианты параметризаций подсеточных
процессов, есть возможность учета влияния урбанизированных территорий,
данные выводятся в стандартизированных форматах NetСDF и GRIB2,
улучшен пользовательский интерфейс. В проводившихся тестах была
выбрана расчетная область (домен), включавшая западную и центральную
часть Черного моря и Крым, с шагом сетки по горизонтали 20 км и 28 неравно-
мерно расположенными уровней по вертикали. Моделировались погодные ус-
ловия с 20 по 30 сентября 2005 г. Выбор параметризаций подсеточных про-
цессов производился на основе рекомендаций, данных в документации модели,
включая: погранслой по модели университета Yongsei, схему Dudhia для корот-
коволновой радиации (с учетом облачности), схему Eta для длинноволновой ра-
диации, пятиуровневую модель почвы, учет гидрометеоров по схеме Class 3
и параметризацию кучевой конвекции Kain-Fritsch2.
Описание системы усвоения данных содержится в работе [3]. Схема
работы этой системы приведена на рис. 1, в ней использованы стандартные
обозначения для полей первого приближения, анализа, наблюдений и
матрицы ошибок. Цикл расчетов с усвоением включает коррекцию как
начальных данных по всему домену, так и граничных условий. Сама
коррекция производится вариационным методом. Матрица ошибок была
рассчитана нами предварительно по данным за месячный срок.
Рис . 1 . Схема работы системы в режиме усвоения данных.
Источником данных для усвоения является массив ds337.0, доступный
по адресу http://dss.ucar.edu/datasets/ds337.0. Этот массив включает данные
измерений, выполняемых на метеостанциях, получаемых с помощью зон-
дов, буев, судовых и авиационных измерительных систем, а также данные
Коррекция
граничных
условий
Усвоение
(WRFDA)
Прогноз
(WRF)
Оценка
ошибок
Обработка
наблюдений
139
спутниковых наблюдений за погодой с 1997 г. по настоящее время.
Основным преимуществом данного массива по сравнению с другими
источниками данных является единый стандартный формат PrepBUFR, ис-
пользование которого предусмотрено в системе усвоения WRFDA. На рис. 2
показано расположение в Черноморском регионе точек, в которых были
доступны для использования данные в исследуемый промежуток времени.
Рис . 2 . Схема расположения точек с данными наблюдений в
расчетной области в массиве ds337.0.
Информация о поле ветра над Черным морем была получена со спут-
ника QuikSCAT, функционировавшего в 1999 – 2009 гг. На суше имеющиеся
данные по всем метеорологическим параметрам получены с метеостанций,
включенных в международную систему обмена метеоинформацией. Напри-
мер, для Крыма это станции Симферополя (код 339 240), Черноморского
(код 339 240) и Керчи (код 339 830).
Результаты. На рис. 3 представлены карты приповерхностного ветра за
24 сентября, 18:00 UTC. В трехчасовое временное окно для этого срока
попадали не только данные прибрежных метеостанций, но и спутниковые
наблюдения. В результате, как видно из сравнения поля первого приближения
с полем анализа, проводилась заметная коррекция данных в Крыму, в северо-
западной части домена, а также непосредственно над морем. Не очень большие
по величине (менее 3 м/с) изменения в поле ветра (см. рис. 3, б), привели к
смещению центра циклона.
Изменились и другие поля метеорологических параметров. Например, на
рис. 4 представлена разность поля первого приближения и поля анализа для
температуры на уровне 2 м над поверхностью.
При постоянной работе системы в режиме усвоения данных (см. рис. 1)
происходит модификация не только начальных, но и граничных условий; в
результате имеется непрерывный ряд данных (в нашем случае с дискрет-
ностью 1 ч). В случае квазитропического циклона можно, например, просле-
дить во времени, как происходит изменение его формы и перемещается центр.
Применение в системах прогноза. Системы ассимиляции данных в
настоящее время используются не только в реанализах, но и в прогнос-
тических расчетах. Поскольку для получения качественного краткосрочного
140
Рис . 4 . Разностное поле температуры (°С) на
высоте 2 м над поверхностью.
прогноза необходимо использовать как можно более точные начальные
данные, система коррекции этих данных, полученных из глобальных моде-
лей, может улучшить прогноз на более мелкой сетке мезомасштабной мо-
дели. Следует, однако, отметить рост требований к вычислительным ресур-
сам при таком режиме работы. Описанная выше схема работы предполагает
двукратное проведение моделирования, общее время расчета увеличивается
более чем вдвое, так как определенное время требуется и для проведения
Рис . 3 . Поле ветра на высоте 10 м:
а – первое приближение; б – анализ;
в – разностное поле. Масштаб скорости
ветра в м/с указан стрелкой в правом
верхнем углу каждого изображения.
а
в
б
141
собственно усвоения. Из литературы известно, что более совершенная
методика усвоения 4D-Var требует еще больших вычислительных затрат. В
этой связи особое значение приобретает возможность эффективного распа-
раллеливания вычислительных процессов и использование кластерных
систем. В настоящее время модель WRF и подсистема WRFDA установлены
на кластере МГИ НАН Украины. На рис. 5 приведены зависимости отно-
сительного времени тестового расчета для модели WRF в зависимости от числа
процессорных ядер, задействованных на кластере. При полной загрузке
кластера используется 64 ядра. Как видно из рис. 5, в текущей конфигурации
системы прогноза не наблюдается заметного повышения скорости вычислений
(сокращения времени расчетов) при увеличении числа ядер выше 32.
Рис . 5 . Относительное время тестового расчета моделью WRF
для разного числа процессоров на кластере МГИ НАН Украины.
Заключение. Осуществлен запуск и предварительная настройка, вклю-
чающая расчет матрицы ошибок, системы усвоения данных WRFDA. Опро-
бована на примере квазитропического циклона в сентябре 2005 г. совместная
работа мезомасштабной модели WRF и WRFDA с использованием массива
данных наблюдений ds337.0. Было показано, что в результате работы системы
усвоения данных методом 3DVAR результаты расчетов заметно корректи-
руются.
CПИСОК ЛИТЕРАТУРЫ
1. Яровая Д.А., Ефимов В.В и др. Квазитропический циклон над Черным морем:
наблюдение и численное моделирование // Морской гидрофизический журнал.
– 2008. – № 3. – C. 41-55.
2. Skamarock W.C., Klemp J.B. et al. A description of the Advanced Research WRF
Version 3 / NCAR Technical Note. Mesoscale and Microscale Meteorology Division,
National Center of Atmospheric Research. – 2008. – 113 p.
3. Barker D.M., Huang W., Guo Y.-R., Xiao Q.N. A Three-Dimensional (3DVAR) Data
Assimilation System For Use With MM5: Implementation and Initial Results.// Mon.
Wea. Rev. – 2004. – 132. – P. 897-914.
Материал по ступил в редакцию 3 0 .11 .2 01 0 г.
После доработки 1 5 .0 5 .2 011 г.
9
8
7
6
5
4
3
2
1
0
В
р
е
м
я
с
ч
е
т
а
, о
т
н
о
с
и
т.
е
д
.
0 10 20 30 40 50 60 70
Число ядер
|
| id | nasplib_isofts_kiev_ua-123456789-112450 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1726-9903 |
| language | Russian |
| last_indexed | 2025-12-07T17:25:59Z |
| publishDate | 2011 |
| publisher | Морський гідрофізичний інститут НАН України |
| record_format | dspace |
| spelling | Барабанов, В.С. 2017-01-21T19:34:19Z 2017-01-21T19:34:19Z 2011 Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений / В.С. Барабанов // Екологічна безпека прибережної та шельфової зон та комплексне використання ресурсів шельфу: Зб. наук. пр. — Севастополь, 2011. — Вип. 24. — С. 136-141. — Бібліогр.: 3 назв. — рос. 1726-9903 https://nasplib.isofts.kiev.ua/handle/123456789/112450 551.584 Описана реализация усвоения данных методом 3DVAR в региональной модели атмосферной циркуляции на основе WRF. Показано, что усвоение данных наблюдений приводит к заметным изменениям полей приводного ветра, что особенно важно для анализа экстремальных погодных явлений, таких, как квазитропический циклон над Черным морем в сентябре 2005 г. ru Морський гідрофізичний інститут НАН України Екологічна безпека прибережної та шельфової зон та комплексне використання ресурсів шельфу Атмосферные процессы в Азово-Черноморском бассейне Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений Article published earlier |
| spellingShingle | Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений Барабанов, В.С. Атмосферные процессы в Азово-Черноморском бассейне |
| title | Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений |
| title_full | Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений |
| title_fullStr | Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений |
| title_full_unstemmed | Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений |
| title_short | Моделирование атмоферной циркуляции над Черным морем с усвоением данных наблюдений |
| title_sort | моделирование атмоферной циркуляции над черным морем с усвоением данных наблюдений |
| topic | Атмосферные процессы в Азово-Черноморском бассейне |
| topic_facet | Атмосферные процессы в Азово-Черноморском бассейне |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/112450 |
| work_keys_str_mv | AT barabanovvs modelirovanieatmofernoicirkulâciinadčernymmoremsusvoeniemdannyhnablûdenii |