CC BY
13Математические модели физики атмосферы, океана и окружающей среды
83
Список литературы
1. Saburin D. S., Elizarova T. G. Modelling the Azov Sea circulation and extreme surges in 2013-2014 using the regularized shallow water equations. // Russian J. of Numerical Analysis and Mathematical Modelling. 2018. V 33. № 3. P. 173-185
2. Сайт Общей батиметрической карты океанов (GEBCO). [Электрон. ресурс]. URL: https://download.gebco. net (дата обращения: 31.01.2020).
3. Belyaev K. P., Kuleshov A. A., Smirnov I. N., Tanajura C. A. S. Comparison of data assimilation methods into hydrodynamic models of ocean circulation // Mathematical Models and Computer Simulations. 2019. Vol. 11. №. 4. P. 564-574.
Оценка неопределенности динамики харатеристик метангидратов шельфа, связанная с неопределенностью реконструкций климата для ледниковых циклов плейстоцена
А. В. Елисеев1,2,3, В. В. Малахова4
1Московский государственный университет им. М. В. Ломоносова 2Институт физики атмосферы им. А. М. Обухова РАН 3Казанский (Приволжский) федеральный университет
4Институт вычислительной математики и математической геофизики СО РАН
Email: eliseev@ifaran.ru
DOI: 10.24411/9999-017A-2020-10139
Получены оценки чувствительности результатов численного моделирования термического состояния субаквальных многолетнемерзлых грунтов к неопределенности палеоклиматических реконструкций температуры воздуха и уровня океана с использованием модели теплофизических процессов в донных отложениях. Модель была дополнена сценариями изменения климата на арктическом шельфе за последние 400 тыс. лет, используя различные комбинации реконструкций температуры воздуха и уровня моря. Несмотря на заметные различия между используемыми наборами данных, коэффициент неопределенности отклика мощности многолетнемерзлого слоя составил менее 0,3 за исключением изолированных интервалов времени и/или наиболее глубоких областей шельфа.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (коды проектов 18-05-00087а, 18-05-60111-Арктика, 20-05-00241а).
Компьютерное моделирование венцов, глорий и белых радуг в атмосферной облачности и туманах
А. В. Заковряшин1,2, С. М. Пригарин1,2 Новосибирский государственный университет
2Институт вычислительной математики и математической геофизики СО РАН
Email: andrey. z.1993@mail.ru
DOI: 10.24411/9999-017A-2020-10140
Работа посвящена численному моделированию, исследованию и компьютерной визуализации оптических явлений, возникающих в облачной атмосфере. Изучаются условия возникновения венцов, глорий и белых радуг для различных типов облачности и туманов. Разработано программное обеспечение, которое позволяет вычислять индикатрисы рассеяния для произвольных спектров облачных капель на основе теории Ми [1]. Для быстрых вычислений индикатрис рассеяния используются специальные приемы интерполяции и численного интегрирования. Метод Монте-Карло применялся для расчетов с учетом многократного рассеяния излучения [2]. Программное обеспечение можно найти в сети Интернет [3].
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований в рамках научных проектов № 19-31-90104, 18-01-00609.
Список литературы
1. Борен К., Хафмен Д. Поглощение и рассеяние света малыми частицами. М.: Мир, 1986.
2. S. M. Prigarin, E. G. Kablukova, S. A. Rozhenko, A. V. Zakovryashin, "Monte Carlo simulation of halos, glories, coronas and multiple scattering of light," Proc. SPIE 10466, 23rd International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics, 104661K (30 November 2017).
84
Секция 5
3. S. M. Prigarin, D. E.Mironova, Q. Mu, S. A. Rozhenko, A. V. Zakovryashin. Computation of angular distributions for solar radiation scattered by clouds. Visualization of coronas, glories and rainbows. [Электрон. ресурс]. URL: http:// osmf.sscc.ru/~smp/Glory/Glory-Corona-Simulation.pdf (дата обращения: 15.01.2020).
Применение методов асимптотического анализа для решения некоторых обратных задач атмосферной диффузии примесей, возникающих при обработке экспериментальных данных спутников дистанционного зондирования Земли серии Ресурс-П
С. А. Захарова1, М. А. Давыдова2, Д. В. Лукъяненко1, Н. Ф. Еланский2, О. В. Постыляков2 1Московский государственный университет им. М. В. Ломоносова 2Институт физики атмосферы им. А. М. Обухова РАН Email: sa.zakharova@physics.msu.ru DOI: 10.24411/9999-017A-2020-10141
В работе рассматриваются особенности решения некоторых обратных задач атмосферной диффузии антропогенных примесей с использованием данных об интегральном накоплении по высоте тропосферного диоксида азота, полученных со спутников серии Ресурс-П. В одной из задач решается коэффициентная обратная задача восстановления параметров источника промышленных выбросов оксида азота в атмосферу. Используя восстановленные коэффициенты, удается оценить мощность выбросов источника оксида азота. В другой задаче восстанавливается зависимость скорости распада диоксида азота от времени. На основе полученных результатов удается построить прогноз распространения тропосферного диоксида азота в атмосфере, что является актуальной прикладной задачей [1]. Характерной особенностью обоих типов задач является возможность применения для их эффективного решения методов асимптотического анализа [2], которые позволяют существенно упростить процесс численного решения.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (коды проектов 18-29-10080, 18-01-00865).
Список литературы
1. Directive 2008/1/EC of the European Parliament and of the Council of 15 January 2008 concerning integrated pollution prevention and control.
2. Васильева А. Б., Бутузов В. Ф. Асимптотические методы в теории сингулярных возмущений. М.: Высшая школа, 1990.
Алгоритм усвоения данных, основанный на приближенном решении задачи оптимальной нелинейной фильтрации
Е. Г. Климова
Институт вычислительных технологий СО РАН
Email: klimova@ict.nsc.ru
DOI: 10.24411/9999-017A-2020-10144
В ансамблевом фильтре Калмана, популярном в настоящее время алгоритме усвоения данных, предполагается, что плотность распределения ошибок оценивания является функцией Гаусса, что не выполнено в общем случае нелинейной модели и нелинейного оператора наблюдений. Постановка задачи оптимальной фильтрации в общем случае основана на байесовском подходе. Одним из способов приближенного решения нелинейной задачи оптимальной фильтрации является представление плотности распределения в виде суммы функций Гаусса с заданными средними значениями и ковариационными матрицами. Тогда оптимальной оценкой будет взвешенная сумма оценок, полученный в фильтре Калмана для соответствующих параметров функций Гаусса в этой сумме.
В докладе рассматривается алгоритм реализации данного подхода, в котором используется разработанный ранее эффективный локальный ансамблевый алгоритм усвоения данных (ансамблевый пи-алгоритм). Приводятся результаты численных экспериментов по оценке свойств предложенного алгоритма на примере 1-мерной нелинейной модели.
