Анализ динамических и энергетических характеристик циркуляции вод у берегов Западного Крыма на основе ассимиляции данных наблюдений в численной модели динамики Черного моря

С. Г. Демышев, Н. А. Евстигнеева✉, Д. В. Алексеев, О. А. Дымова, Н. А. Миклашевская

Морской гидрофизический институт РАН, Севастополь, Россия

✉ e-mail: naevstigneeva@yandex.ru

Аннотация

Цель. Оценена эффективность процедуры усвоения данных наблюдений, использующей алгоритм фильтра Калмана, по сравнению с последовательным анализом гидрофизических полей, основанным на методе оптимальной интерполяции. Проведен анализ мезомасштабных особенностей прибрежной циркуляции у западного побережья Крыма и в районе города Севастополя.

Методы и результаты. На основе гидродинамической модели, адаптированной к условиям прибрежной зоны Черного моря с открытой границей, и данных наблюдений за температурой и соленостью в ходе гидрологической съемки 2007 г. рассчитаны динамические и энергетические характеристики прибрежной циркуляции Черного моря с высоким пространственным разрешением (~1,6 км по горизонтали и 30 горизонтов по вертикали). Реконструкция гидрофизических полей проведена на основе двух алгоритмов усвоения данных (последовательной оптимальной интерполяции и модифицированного фильтра Калмана). Изменение кинетической энергии обусловлено в основном ветровым воздействием, вертикальным трением и работой сил давления; изменение потенциальной энергии – адвекцией потенциальной энергии и горизонтальной турбулентной диффузией. Восстановлены следующие особенности циркуляции: антициклонический вихрь с радиусом около 15 км в Каламитском заливе в верхнем слое воды, антициклонический вихрь с радиусом около 15 км между 32,2° и 32,6° в. д. во всем слое воды, интенсивное течение вблизи Севастополя и вдоль западного берега Крыма, направленное на север и северо-запад, субмезомасштабные вихри различного знака вращения в верхнем слое.

Выводы. Показано, что учет неоднородности и неизотропности ошибок оценок полей температуры и солености относительно корреляционной функции приводит к качественным и количественным различиям в гидродинамических полях (усиление течений, смена направления течений, вихревые образования были выражены отчетливее). При этом среднеквадратические ошибки оценок термохалинных полей уменьшились. Формирование антициклонического вихря с радиусом около 15 км в Каламитском заливе могло быть связано со сдвиговой неустойчивостью течения. При обтекании течением береговой линии и неоднородностей рельефа дна образовались субмезомасштабные вихри с диаметрами менее 5 км.

Ключевые слова

Черное море, численное моделирование, высокое пространственное разрешение, ассимиляция данных наблюдений, мезомасштабные и субмезомасштабные вихри

Благодарности

Авторы выражают благодарность рецензентам за ценные замечания. Анализ мезомасштабных особенностей циркуляции, восстановленных с учетом данных гидрологической съемки 2007 г., выполнен при финансовой поддержке РФФИ и города Севастополя в рамках научного проекта № 18-45-920019. Продолжение работ по усовершенствованию процедуры ассимиляции на основе фильтра Калмана проведено в рамках государственного задания по теме № 0827-2019-0002.

Для цитирования

Анализ динамических и энергетических характеристик циркуляции вод у берегов Западного Крыма на основе ассимиляции данных наблюдений в численной модели динамики Черного моря / С. Г. Демышев [и др.] // Морской гидрофизический журнал. 2021. Т. 37, № 1. С. 23–40. EDN YVKKMK. doi:10.22449/0233-7584-2021-1-23-40

Demyshev, S.G., Evstigneeva, N.A., Alekseev, D.V., Dymova, O.A. and Miklashevskaya, N.A, 2021. Analysis of the Dynamic and Energy Characteristics of Water Circulation near the Western Crimea Coast and in the Sevastopol Region Based on the Observational Data Assimilation in the Numerical Model of the Black Sea Dynamics. Physical Oceanography, 28(1), pp. 20-36. doi:10.22449/1573-160X-2021-1-20-36

DOI

10.22449/0233-7584-2021-1-23-40

Список литературы

  1. Тимченко И. Е. Прогнозирование гидрофизических процессов на основе фильтров Калмана // Морские гидрофизические исследования. Севастополь : МГИ НАНУ, 1973. № 2(61). С. 105-118.
  2. Тимченко И. Е. Динамико-стохастические модели состояния океана Киев : Наукова думка, 1981. 191 с.
  3. Комплексное использование измерений на гидрофизических полигонах океана в четырехмерном анализе / В. В. Кныш [и др.] // Доклады АН СССР. 1980. Т. 252, № 4. C. 832–836.
  4. Кныш В. В. Многоэлементный четырехмерный анализ основных гидрофизических полей океана // Известия АН СССР. ФАО. 1982. Т. 18, № 4. С. 391–398.
  5. Sakawa Y. Optimal filtering in linear distributed-parameter systems // International Journal of Control. 1972. Vol. 16, iss. 1. P. 115–127. https://doi.org/10.1080/00207177208932247
  6. Демышев С. Г., Коротаев Г. К. Численные эксперименты по четырехмерному усвоению данных наблюдений в Черном море в июне 1984 г. на основе численной энергосбалансированной модели // Морской гидрофизический журнал. 1992. № 3. С. 2133.
  7. Assimilation of hydrological observation data for calculating currents in seas and oceans / V. V. Knysh [et al.] // Izvestiya, Atmospheric and Oceanic Physics. 2012. Vol. 48, iss. 1. P. 57–73. doi:10.1134/S0001433812010057
  8. Assimilation of sea surface height anomalies into HYCOM with an Optimal Interpolation Scheme over the Atlantic Ocean METAREAV / C. A. S. Tanajura [et al.] // Revista Brasileira de Geofı́sica, 2013. Vol. 31, no. 2. P. 257–270. http://dx.doi.org/10.22564/rbgf.v31i2.293
  9. Belyaev K. P., Tanajura C. A. S., Tuchkova N. P. Comparison of methods for ARGO drifters data assimilation into a hydrodynamical model of the ocean // Oceanology. 2012. Vol. 52, iss. 5. P. 593–603. doi:10.1134/S0001437012050025
  10. Agoshkov V. I., Parmuzin E. I., Shutyaev V. P. Observational data assimilation in the problem of Black Sea circulation and sensitivity analysis of its solution // Izvestiya, Atmospheric and Oceanic Physics. 2013. Vol. 49, iss. 6, P. 592–602. doi:10.1134/S0001433813060029
  11. Феоктистов А. С., Нежевенко Е. С. Оперативное прогнозирование пространственно распределенных динамических процессов на поверхности земли на основе усвоения данных // Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2015. Т. 13, № 2. С. 103–115. URL: https://lib.nsu.ru/xmlui/handle/nsu/10116 (дата обращения: 23.11.2020).
  12. Система усвоения океанографических данных и ретроспективный анализ гидрофизических полей Мирового океана / A. A. Зеленько [и др.] // Известия РАН. Физика атмосферы и океана. 2016. Т. 52, № 4. С. 501–513. doi:10.7868/S0002351516040143
  13. Numerical modeling of ocean hydrodynamics with variational assimilation of observational data / V. B. Zalesny [et al.] // Izvestiya, Atmospheric and Oceanic Physics. 2016. Vol. 52, iss 4. P. 431–442. https://doi.org/10.1134/S0001433816040137
  14. Dorofeev V. L., Sukhikh L. I. Study of long-term variability of Black Sea dynamics on the basis of circulation model assimilation of remote measurements // Izvestiya, Atmospheric and Oceanic Physics. 2017. Vol. 53, iss 2. P. 224–232. https://doi.org/10.1134/S0001433817020025
  15. Kaurkin M. N., Ibrayev R. A., Belyaev K. P. Assimilation of the AVISO altimetry data into the ocean dynamics model with a high spatial resolution using Ensemble Optimal Interpolation (EnOI) // Izvestiya, Atmospheric and Oceanic Physics. 2018. Vol. 54, iss. 1. P. 56–64. https://doi.org/10.1134/S0001433818010073
  16. Агошков В. И., Залесный В. Б., Шелопут Т. О. Вариационная ассимиляция данных в задачах моделирования гидрофизических полей в открытых акваториях // Известия РАН. Физика атмосферы и океана. 2020. T. 56, № 3. С. 293–308. doi:10.31857/S0002351520030025
  17. Demyshev S. G. A numerical model of online forecasting Black Sea currents // Izvestiya, Atmospheric and Oceanic Physics. 2012. Vol. 48, iss. 1. P. 120–132. doi:10.1134/S0001433812010021
  18. Pacanowski R. C., Philander S. G. H. Parameterization of vertical mixing in numerical models of tropical oceans // Journal of Physical Oceanography. 1981. Vol. 11, iss. 11. P. 1443–1451. https://doi.org/10.1175/1520-0485(1981)0111443:POVMIN2.0.CO;2
  19. Информационные потоки в системе оперативного мониторинга гидрофизических полей Черного моря и автоматизация процессов их обработки / Ю. Б. Ратнер [и др.] // Системы контроля окружающей среды. 2005. Вып. 8. С. 140–149.
  20. The ALADIN project: Mesoscale modelling seen as a basic tool for weather forecasting and atmospheric research // World Meteorological Organization Bulletin. 1997. Vol. 46, no. 4. P. 317–324. URL: http://www.umr-cnrm.fr/aladin/IMG/pdf/ALADIN_PROJECT-pdf_-_Adobe_Acrobat_Professional.pdf (date of access: 23.11.2020).
  21. Банк океанологических данных МГИ НАНУ: содержание и структура баз данных, система управления базами данных / А. М. Суворов [и др.] // Системы контроля окружающей среды. 2003. Вып. 1(5). С. 130–137.
  22. Harten A. High resolution schemes for hyperbolic conservation laws // Journal of Computational Physics. 1983. Vol. 49, № 3. P. 357–393. https://doi.org/10.1016/0021-9991(83)90136-5
  23. Демышев С. Г. Энергетика климатической циркуляции Черного моря. Ч. I. Дискретные уравнения скорости изменения кинетической и потенциальной энергий // Метеорология и гидрология. 2004. № 9. С. 65–80.
  24. Демышев С. Г. Энергетика климатической циркуляции Черного моря. Ч. II. Численный анализ климатической энергетики // Метеорология и гидрология. 2004. № 10. С. 74–86.
  25. Evstigneeva N., Demyshev S. Analysis of circulation near the coast of Western Crimea and in the region of Sevastopol with assimilation of temperature and salinity observations // IOP Conference Series: Earth and Environmental Sciences. 2019. Vol. 386. 012047. doi:10.1088/1755-1315/386/1/012047

Скачать статью в PDF-формате