Реанализ океана
Реанализ океана — это метод объединения исторических наблюдений за океаном с общей моделью океана (обычно вычислительной моделью ), основанной на исторических оценках приземных ветров, тепла и пресной воды, посредством ассимиляции данных алгоритма для восстановления исторических изменений в состоянии океана. океан.
Исторические наблюдения скудны и недостаточны для понимания истории океана и его циркуляции. Используя методы ассимиляции данных в сочетании с передовыми вычислительными моделями глобального океана, исследователи могут интерполировать исторические наблюдения во все точки океана. Этот процесс имеет аналог при построении атмосферного реанализа и тесно связан с оценкой состояния океана.
Текущие проекты
[ редактировать ]В последние годы был предпринят ряд усилий по применению ассимиляции данных для оценки физического состояния океана, включая температуру , соленость , течения и уровень моря . [1] Существует три альтернативных подхода к оценке состояния. Первый подход используется при анализе «без модели», при котором наблюдения за температурой или соленостью обновляют первое предположение, полученное на основе климатологических ежемесячных оценок.
Второй подход заключается в последовательном анализе усвоения данных, который продвигается во времени от предыдущего анализа с использованием численного моделирования изменения температуры и других переменных, полученных с помощью модели общей циркуляции океана . Моделирование дает первое предположение о состоянии океана в следующий момент анализа, при этом в это первое предположение вносятся поправки на основе наблюдений таких переменных, как температура, соленость или уровень моря.
Третий подход — это 4D-Var, который в описанной реализации использует начальные условия и поверхностное воздействие в качестве управляющих переменных, которые необходимо изменить, чтобы они соответствовали наблюдениям, а также численное представление уравнений движения посредством итеративного решения задачи. гигантская проблема оптимизации.
Методологии
[ редактировать ]Безмодельный подход
[ редактировать ]ISHII и LEVITUS начинают с первого предположения о климатологической ежемесячной температуре верхних слоев океана на основе климатологических данных, полученных NOAA Национальным центром океанографических данных . Инновации отображаются на уровнях анализа. ISHII использует альтернативный подход 3DVAR для создания объективного картографирования с меньшим масштабом декорреляции в средних широтах (300 км), который удлиняется в зональном направлении в 3 раза в экваториальных широтах. LEVITUS начинается аналогично ISHII, но использует технику Крессмана и Барнса с однородным масштабом 555 км, чтобы объективно отобразить изменение температуры на однородной сетке.
Последовательные подходы
[ редактировать ]Последовательные подходы можно разделить на те, которые используют оптимальную интерполяцию и ее более сложный аналог, фильтр Калмана , и те, которые используют 3D-Var. Среди упомянутых выше INGV и SODA используют версии оптимальной интерполяции. CERFACS, GODAS и GFDL используют 3DVar. «На сегодняшний день нам неизвестно ни о каких попытках использовать фильтр Калмана для повторного анализа океана за несколько десятилетий». [1] Четырехмерный фильтр Калмана с локальным ансамблевым преобразованием (4D-LETKF) был применен к (MOM2) Лаборатории геофизической гидродинамики (GFDL модульной модели океана ) для семилетнего повторного анализа океана с января 1997 по 2004 год. [2]
Вариационный (4D-Var) подход
[ редактировать ]Компания GECCO предприняла одну инновационную попытку применить 4D-Var к задаче десятилетней оценки океана. Этот подход сталкивается с огромными вычислительными проблемами, но дает некоторые интересные преимущества, включая удовлетворение некоторых законов сохранения и построение сопряженной модели океана.
См. также
[ редактировать ]Ссылки
[ редактировать ]- ↑ Перейти обратно: Перейти обратно: а б Картон, Дж. А. и А. Санторелли, 2008: Глобальное теплосодержание верхних слоев океана, как показано в девяти анализах, J. Clim., 21, 6015–6035.
- ^ Хант, Б.Р., Костелич Э.Дж., Шуниог, И. Эффективная ассимиляция данных для пространственно-временного хаоса: фильтр Калмана преобразования локального ансамбля. arXiv: Physics/0511236 v1, 28 ноября 2005 г. Датировано 24 мая 2006 г.