CC BY
874
Секция 4
2. Рубцов С.Е., Павлова А.В., Родионов П.Р. К клеточно-автоматным моделям на триангуляционных сетках // Экологический вестн. науч. центров Черноморского экономического сотрудничества. 2018, № 2. С. 5-11
Методы усвоения данных для моделей адвекции - диффузии - реакции
А. В. Пененко
Институт вычислительной математики и математической геофизики СО РАН Новосибирский государственный университет Email: [email protected] DOI: 10.24411/9999-017A-2019-10151
Задачу усвоения данных для моделей адвекции - диффузии - реакции будем рассматривать как последовательность связанных обратных задач с увеличивающимися наборами данных измерений, которые поступают в процессе работы алгоритма. Требуется оценить функцию состояния модели. Усвоение данных осуществляется за счет поиска функции неопределенности, имеющих смысл источников примесей. Изучаются алгоритмы, в которых последовательные обратные задачи формулируется на отдельных временных шагах численной схемы, а также на последовательных временных интервалах. В первом случае для процессов переноса используются алгоритмы с квазинезависимым усвоением данных на отдельных стадиях схемы расщепления [1,2], а во втором для решения обратных задач применяются алгоритмы на основе ансамблей решений сопряженных уравнений [3]. Производится сравнение результатов решения в режиме усвоения и с "финальным" набором данных. Алгоритмы применяются в сценарии усвоения данных мониторинга в городских условиях.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 17-01-00137) в части применения к городским сценариям и Российского научного фонда (код проекта 17-7110184) в части алгоритмов для работы с данными типа изображений на основе операторов чувствительности.
Список литературы
1. Пененко А., Пененко В., Цветова Е. Последовательные алгоритмы усвоения данных в моделях мониторинга качества атмосферы на базе вариационного принципа со слабыми ограничениями // Сиб. журн. вычисл. ма-тем., 2016. Т. 19, С. 401-418.
2. Пененко А., Мукатова Ж., Пененко В., Гочаков А., Антохин, П. Численное исследование прямого вариационного алгоритма усвоения данных в городских условиях // Оптика атмосферы и океана. 2018. Т. 31, С. 456-462.
3. Penenko, A. V Algorithms for the inverse modelling of transport and transformation of atmospheric pollutants // IOP Conference Series: Earth and Environmental Science, IOP Publishing. 2018. V. 211, P. 012052
Применение параметризаций обратного перераспределения энергии в модели океана NEMO на примере конфигурации Double Gyre
П. А. Пережогин
Институт вычислительной математики им. Г. И. Марчука РАН Email: [email protected] DOI: 10.24411/9999-017A-2019-10152
В данной работе исследуется применение параметризаций обратного перераспределения энергии (kinetic energy backscatter, KEB, [1], [2]) для того, чтобы усилить мезомасштабную динамику в модели океана NEMO, на примере конфигурации Double Gyre [3]. Выбранная нами модель является "вихредо-пускающей" (1/4 градуса), т.е. мезомасштабная динамика слабо разрешается на сетке. Параметризации KEB моделируют воздействие неразрешаемых на расчетной сетке вихрей. Нами были исследованы два типа KEB параметризаций: стохастическая и модель отрицательной вязкости. Для того чтобы оценить качество KEB параметризаций, мы сравниваем вихредопускающие модели с моделью более высокого разрешения (1/9 градуса). Применение параметризаций позволяет приблизить вихревой поток тепла, среднюю по времени ТПО и термохалинную функцию тока к соответствующим характеристикам модели высокого разрешения.
Работа выполнена при частичной поддержке Российского научного фонда (грант № 17-17-01210, разработка моделей подсеточной турбулентности) и Российского фонда фундаментальных исследований (проект 18-0560184, расчеты с идеализированной моделью океана и анализ результатов).
Математическое моделирование в задачах физики атмосферы, океана, климата
75
Список литературы
1. Jansen M. F., Held I. M. Parameterizing subgrid-scale eddy effects using energetically consistent backscatter // Ocean Modelling. 2014. Т. 80, С. 36-48.
2. Jansen M. F., Held I. M., Adcroft A., Hallberg R. Energy budget-based backscatter in an eddy permitting primitive equation model // Ocean Modelling. 2015. Т. 94, С. 15-26.
3. Lévy M., Klein P., Tréguier A. M., Iovino D., Madec G., Masson S., Takahashi K. Modifications of gyre circulation by sub-mesoscale physics // Ocean Modelling. 2010. Т. 34, №. 1-2, С. 1-15.
Численное моделирование и параметризация процесса каскадинга на шельфе Арктики
Г. А. Платов, Е. Н. Голубева
Институт вычислительной математики и математической геофизики СО РАН
Email: [email protected]
DOI: 10.24411/9999-017A-2019-10153
Численное описание мезомасштабных процессов на шельфе арктических морей имеет важное значение для понимания процессов формирования водных масс Северного Ледовитого океана и северной Атлантики. Для этого создана серия моделей окраинных морей с подробным пространственным описанием, вложенных в крупномасштабную модель океана и льда SibCIOM. Особое место в исследовании отводилось описанию процесса каскадинга - движению плотных водных масс, формирующихся на мелководных участках шельфа, вдоль наклонного дна шельфа в сторону открытого океана. Наиболее ярко процесс проявляет себя в районе западного побережья Новой Земли в море Баренца и в районе трога Св. Анны в Карском море. Анализируются дополнительные потоки тепла, соли, компонент импульса и вихревой энергии, связанные с каскадингом в этих районах.
Сценарии моделирования распространения выбросов от промышленно-энергетических объектов Байкальского региона
Э. А. Пьянова1, В. В. Пененко1, Л. М. Фалейчик2
1Институт вычислительной математики и математической геофизики СО РАН 2Институт природных ресурсов, экологии и криологии СО РАН Email: [email protected] DOI: 10.24411/9999-017A-2019-10154
Озеро Байкал и его акватория, как неотъемлемая часть Всемирного природного наследия, охраняются государством: здесь запрещены многие виды деятельности, способные негативно воздействовать на экосистему озера. Тем не менее, загрязняющие вещества поступают в озеро: как по руслам водотоков, так и с атмосферным переносом выбросов от промышленных и энергетических объектов, расположенных на достаточном удалении от береговой линии. При преобладающем западном переносе воздушных масс основным антропогенным источником загрязнений атмосферы над Байкалом выступает Иркутско-Черемховский промышленный узел. Кроме того, вдоль побережья озера расположено значительное количество котельных, чьи выбросы также могут достигать акватории Байкала. На основе математического сценарного моделирования проводятся оценки влияния различных метеорологических ситуаций на перенос и рассеивание загрязнений от источников Иркутско-Черемховского промышленного комплекса и котельных вдоль побережья Байкала. Представлены результаты модельных расчетов, выполненных по летним сценариям на расчетных сетках различного масштаба.
Работа в части развития базовых математических моделей выполняется в рамках темы № 0315-2019-0004 государственного задания ИВМиМГ СО РАН, а проведение исследований для Байкальского региона - при поддержке РФФИ, проект № 17-29-05044. Совершенствование технологии геоинформационного сопровождения исследования - в рамках темы № 0386-2017-0008 госзадания ИПРЭК СО РАН.
