Фокусирование волновой энергии вдоль побережья круглого острова Текст научной статьи по специальности «Науки о Земле и смежные экологические науки»

Секция 4 83

Влияние изменений климата на эмиссию метана на акватории Арктических морей

В. В. Малахова, Е. Н. Голубева

Институт вычислительной математики и математической геофизики СО РАН

Email: malax@sscc.ru

DOI: 10.24412/cl-35065-2022-1-01-12

На основе модели океан - лед SibCIOM [1] выполнены расчеты по моделированию состояния водных масс Северного Ледовитого океана и переноса растворенного метана для периода с 1970 по 2019 гг. Проведено исследование связи пространственно-временных эмиссий метана на акватории Арктических морей с происходящими изменениями океана и льда.

Показано, что моря Восточно-Сибирского шельфа вносят наибольший вклад в общую эмиссию метана в регионе. Пространственная изменчивость потока метана в атмосферу обусловлена, прежде всего, особенностями циркуляции морей и ледовыми условиями в регионе. В среднем только 7 % растворенного метана, поступившего из донных отложений, переносится в атмосферу. Большая часть его накапливается в водном слое, переносится течениями и окисляется под действием микробов. Более длительные периоды открытой воды и уменьшение компактности ледового покрова способствуют устойчивому росту эмиссии метана, начиная с 2004 г. [2]. Рассчитанный годовой поток метана из шельфовых морей Арктики составил менее 2 Тг в год.

Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (коды проектов 20-05-00241, 20-05-00536).

Список литературы

1. Golubeva E. N., Platov G. A. Numerical modeling of the Arctic Ocean Ice System Response To Variations In The Atmospheric Circulation from 1948 to 2007 // Izv Atmos Oceanic Phys. 2009. V. 45. P. 137-151.

2. Malakhova V., Golubeva, E. Model Study of the Effects of Climate Change on the Methane Emissions on the Arctic Shelves // Atmosphere. 2022. V. 13. P. 274. URL: https://doi.org/10.3390/atmos13020274.

Фокусирование волновой энергии вдоль побережья круглого острова

Ан. Г. Марчук, Е. Д. Москаленский

Институт вычислительной математики и математической геофизики СО РАН

Email: mag@omzg.sscc.ru

DOI: 10.24412/cl-35065-2022-1-01-13

Ввиду независимости скорости движения фронта волны цунами от ее параметров (длины и амплитуды) особенности кинематики волнового фронта цунами можно исследовать с помощью, например, двумерного уравнения эйконала. В частности, конфигурация фронта волны цунами, распространяющейся над неровным дном, может привести к концентрации волновой энергии в некоторых точках области из-за эффекта фокусировки. Фокусировку можно определить как одновременный приход разных сегментов волнового фронта в какую-либо точку. В работе представлена пространственная форма начального источника волн, которая вызывает концентрацию волновой энергии вдоль береговой линии круглого острова. Теоретические результаты подтверждены численным моделированием динамики волны цунами в рамках модели мелкой воды. В некоторых местах островной прибрежной зоны высота волны превышает в 4 раза соответствующие значения в случае прихода к острову плоской волны цунами.

84 Математические модели физики атмосферы, океана и окружающей среды

Иерархия алгоритмов обратного моделирования в системе Inverse Modeling Data Assimilation Framework

A. В. Пененко

Институт вычислительной математики и математической геофизики СО РАН

E-mail: aleks@ommgp.sscc.ru

DOI: 10.24412/cl-35065-2022-1-02-41

Задачи совместного использования математических моделей и данных наблюдений часто возникают в приложениях, связанных с моделированием качества воздуха. В зависимости от прикладных задачи, используемая математическая модель процессов может иметь различную сложность и уровень детализации. Решение задач обратного моделирования (в том числе обратных задач и задач усвоения данных) с использованием таких моделей может требовать существенных трудозатрат как в программистском, так и в вычислительном планах. В докладе обсуждаются алгоритмы обработки данных измерений различной точности и трудоемкости, реализованные в системе обратного моделирования IMDAF [1, 2].

Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 20-01-00560) и темы Госзадания 0251-2021-0003 ИВМиМГ СО РАН.

Список литературы

1. Penenko, A. Penenko, V., Tsvetova, E., Gochakov, A., Pyanova, E., Konopleva, V. Sensitivity Operator Framework for Analyzing Heterogeneous Air Quality Monitoring Systems // Atmosphere. Vol. 12, No 12. MDPI AG. P. 1697. DOI: 10.3390/atmos12121697.

2. Penenko, A., Penenko, V., Tsvetova, E., Gochakov, A., Pyanova, E., Konopleva, V. Sensitivity Operator-Based Approach to the Interpretation of Heterogeneous Air Quality Monitoring Data // Large-Scale Scientific Computing, Springer International Publishing. 2022. P. 164-171. DOI: 10.1007/978-3-030-97549-4_19.

Природоохранное прогнозирование: современный этап

B. В. Пененко

Институт вычислительной математики и математической геофизики СО РАН

Email: penenko@sscc.ru

DOI: 10.24412/cl-35065-2022-1-02-25

На основе сорокалетнего опыта участия в развитии теории и методов природоохранного прогнозирования и проектирования, обсуждаются вопросы истории, современного состояния и перспектив социально значимой области науки. Фактически в 70-е годы прошлого столетия мы находились у истоков создания методов математического моделирования природных процессов. Что касается вопросов текущего состояния, стоит заметить, что сегодняшний лозунг о технологическом суверенитете и устойчивом развитии страны не сходит с повестки дня на протяжении всего существования направления в ИВМиМГ СО РАН (ВЦ СО АН СССР), поскольку ведутся разработки собственных моделей для решения различных природоохранных задач [1-4]. Среди значимых разработок отметим концепцию природоохранного прогнозирования и проектирования, основанную на вариационном принципе, включающую решение прямых, сопряженных и обратных задач, и методы вариационного усвоения данных, которые широко применяются в различных учреждениях мира. В современных разработках особое внимание уделяется исследованию неопределенности и чувствительности в моделях и данных при решении прикладных задач [3-4]. Включение функций неопределенности дает возможность организации прямых, безытерационных методов для решения задач усвоения данных наблюдений по мере их поступления в систему прогнозирования.