Применение метода адаптивной статистики для реанализа полей Черного моря c ассимиляцией псевдоизмерений температуры и солености в модели

Г. К. Коротаев, В. В. Кныш✉, П. Н. Лишаев, С. Г. Демышев

Морской гидрофизический институт РАН, Севастополь, Россия

✉ e-mail: vaknysh@yandex.ru

Аннотация

Для ассимиляции псевдоизмерений термохалинных параметров в модели использовался метод адаптивной статистики, характерной чертой которого является согласование трехмерных дисперсий ошибок прогноза температуры и солености с циркуляцией вод бассейна. Трехмерные поля псевдоизмерений температуры и солености восстановлены в слое 100–500 м по данным альтиметрии и ограниченных измерений буев Argo. Апробация и валидация метода проводились посредством сопоставления воспроизведенных полей моря в реанализе за 2012 г. с измерениями Argo. Выявлено, что на горизонтах 100, 113 и 125 м дисперсии разностей (невязок) между псевдоизмерениями и модельными значениями температуры несколько больше модельной дисперсии, а на горизонтах слоя 150-500 м – меньше. Ежесуточное среднеквадратическое отклонение модельного уровня (относительно восстановленного по альтиметрии) меньше рассчитанного в прогнозе, а в период с марта по сентябрь меньше среднеквадратического отклонения, полученного с ассимиляцией псевдоизмерений по упрощенному методу. Разрешение мезомасштабных вихрей в полях течений более высокое при использовании метода адаптивной статистики.

Ключевые слова

адаптивная статистика, дисперсии ошибок прогноза, псевдоизмерения, валидация, дисперсии невязок

Для цитирования

Применение метода адаптивной статистики для реанализа полей Черного моря c ассимиляцией псевдоизмерений температуры и солености в модели / Г. К. Коротаев [и др.] // Морской гидрофизический журнал. 2018. Т. 34, No 1. С. 40–56. EDN YWNTRM. doi:10.22449/0233-7584-2018-1-40-56

Korotaev, G.K., Knysh, V.V., Lishaev, P.N. and Demyshev, S.G., 2018. Application of the Adaptive Statistics Method for Reanalysis of the Black Sea Fields Including Assimilation of the Temperature and Salinity Pseudo-Measurements in the Model. Physical Oceanography, 25(1), pp. 36-51. doi:10.22449/1573-160X-2018-1-36-51

DOI

10.22449/0233-7584-2018-1-40-56

Список литературы

  1. Агошков В. И., Пармузин Е. И., Шутяев В. П. Ассимиляция данных наблюдений в задаче циркуляции Черного моря и анализ чувствительности ее решения // Изв. РАН. Физика атмосферы и океана. 2013. Т. 49, № 6. С. 643–654. doi:10.7868/S0002351513060023
  2. Gejadze I., Le Dimet F.-X., Shutyaev V. P. On analysis error covariances in variational data assimilation // SIAM J. Sci. Comput. 2008. Vol. 30, iss. 4. P. 1847–1874. doi:10.1137/07068744X
  3. Залесный В. Б., Ивченко В. О. Моделирование крупномасштабной циркуляции морей и океанов // Изв. РАН. Физика атмосферы и океана. 2015. Т. 51, № 3. С. 295–308. doi:10.7868/S0002351515030141
  4. Jazwinski A. H. Stochastic Processes and Filtering Theory. N.-Y. : Academic Press, 1970. 376 p.
  5. Sakava Y. Optimal filtering in linear distributed-parameter systems // Int. J. Contr. 1972. Vol. 16, iss. 1. P. 115–127. https://doi.org/10.1080/00207177208932247
  6. Беляев К. П., Танажура К. А. С., Тучкова Н. П. Сравнение методов усвоения данных буев «АРГО» в гидродинамической модели океана // Океанология. 2012. Т. 52, № 5. С. 643–653. URL: https://elibrary.ru/item.asp?id=17928237 (дата обращения: 21.08.2017).
  7. Kaurkin M. N., Ibrayev R. A., Belyaev K. P. Data assimilation in the ocean circulation model of high spatial resolution using the methods of parallel programming // Russian Meteorology and Hydrology. 2016. Vol. 41, iss. 7. P. 479–486. doi:10.3103/S1068373916070050
  8. Дорофеев В. Л., Сухих Л. И. Анализ изменчивости гидрофизических полей Черного моря в период 1993–2012 годов на основе результатов выполненного реанализа // Морской гидрофизический журнал. 2016. № 1. С. 33–48. doi:10.22449/0233-7584-2016-1-33-48
  9. Evensen G. The Ensemble Kalman Filter: theoretical formulation and practical implementation // Ocean Dyn. 2003. Vol. 53, iss. 4. P. 343–367. doi:10.1007/s10236-003-0036-9
  10. Counillon F., Bertino L. High-resolution ensemble forecasting for the Gulf of Mexico eddies and fronts // Ibid. 2009. Vol. 59, iss. 1. P. 83–95. doi:10.1007/s10236-008-0167-0
  11. Климова Е. Г. Модель для расчета ковариаций ошибок прогноза в алгоритме фильтра Калмана, основанная на полных уравнениях // Метеорология и гидрология. 2001. № 11. С. 11–21.
  12. Мизюк А. И. Особенности реализации алгоритма адаптивной статистики в σ-координатной модели в задаче восстановления гидрофизических полей Черного моря // Экологическая безопасность прибрежной и шельфовой зон и комплексное использование ресурсов шельфа. Севастополь : ЭКОСИ-Гидрофизика, 2009. Вып. 18. С. 180–192.
  13. Assimilation of climatic hydrological data in a Black-Sea model based on the algorithm of adaptive statistics of prognostic errors / V. V.Knysh [et al.] // Physical Oceanography. 2008. Vol. 18, iss. 1. P. 14–24. https://doi.org/10.1007/s11110-008-9006-6
  14. Мизюк А. И. Реанализ гидрофизических полей Черного моря на основе ассимиляции данных измерений температуры и солености в z-координатной модели // Морской гидрофизический журнал. 2014. № 3. С. 30–47. URL: http://мгфж.рф/index.php/repository?id=95 (дата обращения: 20.08.2017).
  15. Коротаев Г. К., Лишаев П. Н., Кныш В. В. Восстановление трехмерных полей солености и температуры Черного моря по данным спутниковых альтиметрических измерений // Исследование Земли из космоса. 2016. № 1–2. С. 199–212. doi:10.7868/S0205961416010073
  16. Восстановление синоптической изменчивости гидрофизических полей Черного моря на основе реанализа за 1980–1993 годы / П. Н. Лишаев [и др.] // Морской гидрофизический журнал. 2014. № 5. С. 49–68. URL: http://мгфж.рф/index.php/repository?id=83 (дата обращения: 20.08.2017).
  17. Pacanowsci R. C., Philander S. G. H. Parameterization of vertical mixing in numerical models of tropical oceans // J. Phys. Oceanogr. 1981. Vol. 11, no. 11. P. 1443–1451. https://doi.org/10.1175/1520-0485(1981)0111443:POVMIN2.0.CO;2
  18. The ERA-Interim archive. Version 1.0 / P. Berrisford [et al.]. Berkshir: ECMWF, 2009. 16 p. URL: https://www.ecmwf.int/sites/default/files/elibrary/2009/8173-era-interim-archive.pdf (дата обращения: 18.08.2017).
  19. Гандин Л. С., Каган Р. Л. Статистические методы интерпретации метеорологических данных. Л. : Гидрометеоиздат, 1976. 360 c.
  20. Pietrzak J. The use of TVD limiters for forward-in-time upstream-biased advection schemes in ocean modeling // Mon. Wea. Rev. 1998. Vol. 126, no. 3. P. 812–830. https://doi.org/10.1175/1520-0493(1998)1260812:TUOTLF2.0.CO;2
  21. Кауркин М. Н., Ибраев Р. А., Беляев К. П. Усвоение данных ARGO в модель динамики океана с высоким разрешением по методу ансамблевой оптимальной интерполяции (EnOI) // Океанология. 2016. Т. 56, № 6. С. 852–860. doi:10.7868/50030157416060058
  22. Иванов В. А., Белокопытов В. Н. Океанография Черного моря. Севастополь : ЭКОСИ-Гидрофизика, 2011. 212 с.
  23. Использование данных измерений с дрейфующих буев SVP-BTC и Argo для валидации результатов прогноза температуры воды в прибрежной области Черного моря / Ю. Б. Ратнер [и др.] // Морской гидрофизический журнал. 2014. № 5. С. 33–48.
  24. Реанализ сезонной и межгодовой изменчивости полей Черного моря за 1993–2012 гг. / Г. К. Коротаев [и др.] // Изв. РАН. Физика атмосферы и океана. 2016. Т. 52, № 4. P. 475–487. doi:10.7868/S0002351516040076
  25. AVISO+ – Satellite Altimetry Data: [сайт]. URL: http://www.aviso.oceanobs.com (дата обращения: 20.08.2017).

Скачать статью в PDF-формате