CC BY
37
2011
Известия ТИНРО
Том 166
УДК 551.46.072(265.54)
И.С. Олейников, Г.И. Юрасов, М.А. Ищенко*
Тихоокеанский океанологический институт им. В.И. Ильичева ДВО РАН, 690041, г. Владивосток, ул. Балтийская, 43
ОПЫТ ПРИМЕНЕНИЯ СИСТЕМЫ ЧИСЛЕННОГО МОДЕЛИРОВАНИЯ ROMS ДЛЯ ИССЛЕДОВАНИЯ ГИДРОДИНАМИЧЕСКИХ ПРОЦЕССОВ В ЗАЛИВЕ ПЕТРА ВЕЛИКОГО
На основании данных океанографических измерений произведена адаптация и оценены возможности системы численного моделирования ROMS при изучении течений в зал. Петра Великого Японского моря. Показано, что избранный подход может успешно использоваться в решении поставленной задачи. Рассчитанные детальные схемы течений предоставляют хорошие возможности для их практического использования при решении задач судоходства и рыбного промысла.
Ключевые слова: залив Петра Великого, численная модель, циркуляция, ROMS.
Oleynikov I.S., Yurasov G.I., Ishchenko M.A. ROMS experience for investigation the processes in Peter the Great Bay // Izv. TINRO. — 2011. — Vol. 166. — P. 275-282.
Circulation in Peter the Great Bay is modeled by ROMS modeling system with a regular grid 1/60 degree and 20 vertical layers. The data obtained from the larger climatic model of the North Pacific are used as the boundary and initial conditions. The data of observations by RV Pavel Gordienko and RV Hydrobiolog on October 2026, 2003 are assimilated. For this period, anticyclonic circulation is revealed in the center of the Bay and the Primorye Current dominates in its eastern and western parts.
Key words: Peter the Great Bay, numerical modeling, circulation, ROMS.
Введение
В настоящее время в России вопросам моделирования гидродинамических процессов в прибрежных районах не уделяется должного внимания, и поэтому эти важные в обеспечении потребностей человека области Мирового океана являются все еще мало изученными. В то же время за рубежом разрабатываются все новые и новые системные модели, к одной из наиболее перспективных мы обращаемся в данной работе.
Объектом наших исследований избран зал. Петра Великого, расположенный в северо-западной части Японского моря и являющийся областью наиболее развитого шельфа данного моря. Залив является зоной активного судоходства.
* Олейников Игорь Сергеевич, младший научный сотрудник, e-mail: ois@poi. dvo.ru; Юрасов Геннадий Иванович, кандидат географических наук, заведующий лабораторией, e-mail: [email protected]; Ищенко Максим Александрович, старший инженер, e-mail: [email protected].
Через расположенные здесь крупные порты (Владивосток и Находка) осуществляются активные транспортные морские перевозки в системе водных бассейнов тихоокеанского сектора Мирового океана. Вместе с тем залив является значимым рыбопромысловым объектом России. Успешность функционирования этих отраслей во многом зависит от качества знаний условий природной среды, на фоне которых происходит их деятельность, поэтому задача исследования гидродинамической составляющей во все времена является актуальной.
Предшествующие исследования течений залива, основанные на данных как инструментальных измерений скорости и направления течений, так и расчетов по заданному из наблюдений полю плотности морской воды и ветра с учетом других факторов не привели к существенным успехам. Прежде всего это связано с отсутствием сети регулярных наблюдений достаточного разрешения в исследуемом заливе и с невозможностью учета быстрой и нерегулярной изменчивости полей, определяющих структуру и динамику вод на мелководье по полям усредненных параметров, которые, как правило, имеются в открытом доступе. Еще одной важной причиной было отсутствие достаточно развитой численной модели, способной работать на регионах порядка залива.
Предыдущие исследования циркуляции зал. Петра Великого были преимущественно связаны с какими-либо экологическими, промысловыми или другими применениями полученной в процессе исследований модели циркуляции (например, Будаева и др., 2008). Наиболее полная численная модель системы течений залива была дана П.А. Файманом и В.И. Пономаревым (Fayman, Ponomarev, 2008), однако данная модель является диагностической, основанной на уравнениях А.С. Саркисяна (1977). Невозможность рассчитывать прогноз течений является весьма серьезным ограничением, не позволяющим использовать для наших целей диагностические модели. В представляемой работе нами была использована прогностическая система численного моделирования ROMS, способная рассчитывать мелкомасштабную циркуляцию в акватории порядка залива. Данная модель уже использовалась нами для моделирования циркуляции Японского моря (Oleynikov, Fischenko, 2010).
Материалы и методы
При решении вопроса о постановке начальных условий запуска для подобной модели и условий на границах расчетной области требуется получить большой объем данных либо из наблюдений, либо из численной модели, запущенной на более крупной области. Именно такую информацию могут предоставить нам климатические модели Японского моря и Тихого океана.
Поэтому для получения начальных условий для модели по зал. Петра Великого были использованы данные, полученные в ходе моделирования циркуляции в северной части Тихого океана (далее назовем эту область моделирования "большой регион"). Моделирование производилось на 4 года по климатическим данным из World Ocean Atlas 2005 (2006). На верхней открытой границе использовались данные NCEP_Reanalysis 2, предоставленные NOAA/OAR/ESRL PSD, Boulder, Colorado, США (http://www.esrl.noaa.gov/psd/). В качестве граничных условий для большого региона использовались данные о скоростях и направлениях течений на границе региона, рассчитанные из условий геострофического баланса с использованием набора утилит ROMS Tools (http://roms.mpl.ird.fr/). Расчет запускался с 1 августа первого модельного года. Модель считалась установившейся, когда колебания кинетической и потенциальной энергий модельной системы были малы по сравнению с начальными колебаниями при запуске модели. Установление произошло во втором модельном году, однако расчет был продолжен до четвертого модельного года, чтобы получить точно установившуюся климатическую модель. Таким образом, данные, взятые из результатов четвертого модельного года, можно считать климатическими модельными данными по
большому региону. В качестве начальных условий для модели по зал. Петра Великого из большого региона взяты: поле температуры в толще воды, поле солености, поля меридиональной и зональной компонент скорости течения.
Расчетные данные, взятые из модели по региону северной части Тихого океана, представлены на рис. 1.
Temperature @ surface Salinity @ surface
potential temperature Се] si из salinity
130°E 150°E 170°E 130°E 150°E 170°E
2 2 6 10 14 IS 22 26 32.6 33 33.4 33.S 34.2 34.6 35
Рис. 1. Карты температуры и солености в поверхностном слое, полученные с использованием климатической модели ROMS для северной части Тихого океана. Мгновенный снимок за 20 октября. Разгон модели осуществлялся с 1 августа
Fig. 1. SST and sea surface salinity obtained with ROMS climatic model of the North Pacific for October 20. Spinup of model was implemented from August 1
Для модели зал. Петра Великого было произведено два расчета за один и тот же период. Первый расчет производился по климатическим данным, взятым из большого региона без применения дополнительных источников данных. Второй расчет был произведен с использованием гидрологических данных о температуре и солености вод в заливе, измеренных в октябре 2003 г. Таким образом, можно считать расчет с использованием данных гидрологической съемки привязанным к времени съемки, т.е. к периоду с 21 по 26 октября 2003 г.
Для всех расчетов по зал. Петра Великого в качестве граничных условий на верхней открытой границе использовались данные NNRP2 — те же, что и для большого региона. Несмотря на достаточную разреженность данных анализа их
использование в качестве условий на верхней границе обусловлено прежде всего отсутствием других данных наблюдений по интересующему нас региону в более мелкой сетке.
В качестве базовой климатической модели для получения из нее начальных и граничных условий по температуре и солености нами была использована модель ROMS (Shchepetkin, McWilliams, 2005) для расчета климата северной части Тихого океана, включая Японское море. Данная модель настроена и запущена совместно со специалистами ДВНИГМИ (Oleynikov, Fischenko, 2010).
Модель ROMS разработана сотрудниками университета Рутгерса, США. В неё также встроен инструмент усвоения данных наблюдений в процессе расчета по методу 4D Variational assimilation (4DVAR). Данный инструмент предназначен для корректировки модельных расчетов, в случае если на момент модельного расчета имеются данные непосредственных наблюдений in situ или со спутника. В общем виде работу метода усвоения данных 4DVAR можно описать как несколько последовательных применений метода трехмерного вариационного усвоения данных (3DVAR) в те модельные моменты времени, в которых производились измерения. При этом данные для усвоения должны быть расположены достаточно близко друг к другу по времени, так как иначе значения некоторых переменных для шага коррекции будут определены неверно, и результат может получиться несогласованным с наблюдениями. Общая схема работы метода представлена на рис. 2.
Рис. 2. Принцип усвоения данных 4DVAR (Fisher, Courtier, 1995)
Fig. 2. Principles of the 4DVAR data assimilation (Fisher, Courtier, 1995)
Для правильной работы 4DVAR необходимы данные о солености и температуре воды, сделанные по ходу судна, и информация о течениях на тех же горизонтах. В качестве граничных условий для зал. Петра Великого взяты результаты экспериментов с моделированием годового хода климатических параметров по всему Японскому морю. Данные судовых наблюдений используются для повышения точности расчета модели, поскольку на процессах масштаба залива граничные и начальные условия невозможно измерить одновременно с необходимой точностью.
Система численного моделирования ROMS предоставляет комплекс методик, разработанных для усвоения данных, полученных из оперативных наблюдений или из других моделей, включая методики ассимиляции трехмерных данных 3DVAR (Fisher, Courtier, 1995; Bouttier, Courtier, 2002). Методики ассимиляции с учетом времени также можно разделить по условиям оптимизации на Strong constraint 4DVAR (S4DVAR), Weak 4DVAR (W4DVAR) и методики инверсного моделирования 4DPSAS.
Самая известная в настоящее время система моделирования с ассимиляцией данных на базе ROMS — это IAS (Intra-Americas Sea model). Она ассимили-
рует «попутные» данные с круизных и научных судов в морях Карибского бассейна и использует их для уточнения прогнозов. Описание модели можно найти на сайте: http://www.myroms.org/applications/ias/.
Нами при моделировании в зал. Петра Великого за основу системы ассимиляции данных был взят IS4DVAR (Incremental, Strong constraint, 4DVAR), тот же алгоритм, что и в IAS. Из показателей, измеренных в октябре 2003 г. в 59-м рейсе НИС «Павел Гордиенко» и «Гидробиолог» (рис. 3), были взяты данные о солености и температуре воды, полученные при помощи CTD-измерений, выполненных на 178 станциях в зал. Петра Великого и в прилегающих к нему районах Японского моря, а также измеренные на этих станциях скорости и направления течений.
111 .Г 111.1* IUI' (Si.!1 пи-
Рис. 3. Карта станций 59-го рейса НИС «Павел Гордиенко» и «Гидробиолог»
Fig. 3. Scheme of observations (RV Pavel Gordienko and RV Hydrobiolog, October 20-26, 2003)
Взятые таким образом данные стандартных измерений являются достаточно близкими по времени, для того чтобы усваивать их при помощи алгоритма 4DVAR, но в то же время их нельзя рассматривать как данные моментальной съемки, поскольку рейс длился с 21 по 26 октября, т.е. 6 сут.
Общий принцип работы всех алгоритмов типа 4DVAR состоит в следующем. Пусть имеется ряд наблюденных параметров в некоторых точках рассчитываемого моделью региона — xa, в количестве от 1 до N, выполненных за время t от 1 до M. Считается, что наблюдения имеются не для всех отсчетов по времени и не для всех пространственных координат. Тогда для тех временных шагов, для которых такие наблюдения имеются, можно сделать не один шаг вперед (шаг прогноза), а два, уточнив полученный результат на шаге анализа. Такая возможность появляется, потому что у нас имеется не только прогнозное значение на это время в точке с этими координатами, но и измеренное.
Для расчетов в нашем случае была использована сетка Аракавы «С» на базе 20 S уровней с параметрами Vstretching = 1, gs = 8, gb = 0,3, HS = 0,01. Горизонтальное разрешение сетки — 1/60 град. В качестве батиметрии была использована карта глубин, составленная в ТОИ ДВО РАН А.Ю. Лазарюком.
Результаты и их обсуждение
Результаты моделирования по зал. Петра Великого в целом отражают реальную картину явлений, происходящих в этот период в модельном регионе. Некоторые недочеты вызваны использованием малого количества вертикальных уровней. S-координата в сочетании с сеткой Аракавы «С» при резком увеличении глубины приводит к перепаду толщины верхнего слоя, при переходе на глубину с шельфа с 0,17 м на шельфе до 115,50 м в глубокой части залива (20 слоев). Для коррекции такого перепада можно увеличить количество слоев в несколько раз, однако подобное увеличение приводит к неприемлемому замедлению расчета модели.
Результаты моделирования поля циркуляции в поверхностном слое представлены на рис. 4. Для сравнения на рис. 5 показан результат моделирования поля циркуляции в том же регионе только с использованием климатических данных для октября без ассимиляции данных судовых наблюдений. На рис. 6 представлено поле температуры, полученное с учетом данных судовых наблюдений.
130°30'Е 13ГЕ 131°30'Е 132°Е 132°30'Е 133°Е 43°20'Л —]-1-1-тс—-Ч-п—!-1-
130°30'Е 13ГЕ 13Г30'Е 132°E 133o30'E 133"Е
0.02 0.06 0.1 0.14 0.18 0.22 Рис. 4. Результат работы модели ROMS на климатических данных для октября по зал. Петра Великого с усвоением данных судовых наблюдений
Fig. 4. Results of the ROMS modeling on the base of climate data for October, with assimilation of the ship observations data for Peter the Great Bay
Можно отметить, что вышеописанный метод усвоения данных наблюдений 4DVAR в модель значительно увеличивает корреляцию реальных данных и результатов модельных расчетов. Основными недостатками данного подхода являются: значительное увеличение времени расчета, даже на высокопроизводительных системах, и необходимость постоянного пополнения базы данных свежими наблюдениями, так как без внесения новых данных модель постепенно возвращается к климатическому моделированию.
Рассматривая полученные в работе схемы течений, можно отметить, что они существенно отличаются от всех предложенных ранее своей детальностью. Вместе с тем представленные на рис. 4 и 5 схемы горизонтальной циркуляции
0.04 0.12 0,2 0.2В 0.36 Рис. 5. Результат работы модели ROMS на климатических данных по зал. Петра Великого без усвоения данных судовых наблюдений
Fig. 5. Results of the ROMS modeling on the base of climate data for October, without assimilation of the ship observations data for Peter the Great Bay
0 2 4 6 В 10 12 14 16 18 Рис. 6. Поле температуры, полученное в результате работы модели ROMS с усвоением данных наблюдений в зал. Петра Великого
Fig. 6. SST field modeled by ROMS with assimilation of the ship observations data for Peter the Great Bay
вод в зал. Петра Великого не противоречат существующим представлениям о течениях в этом районе Японского моря, например, тем, что приведены в Лоции по Японскому морю (1972) и используются в практике мореплавания и рыбного промысла. На схеме, представленной на рис. 4, отчетливо выделяется Приморское течение в виде потока вод повышенных скоростей в области свала глубин и другие течения, обычно выделяемые на акватории залива. На предложенной схеме также отчетливо отмечается циклоническая циркуляция в Амурском заливе и антициклоническая в Уссурийском. Более детальные результаты будут предложены при дальнейших исследованиях циркуляции вод в заливе с использованием модельной системы ROMS.
Заключение
Оценивая перспективы использования расчетов течений, выполненных в рамках модели ROMS в настоящей работе, следует отметить, что они являются перспективными при исследовании состояния прибрежных районов дальневосточных морей, что показано на примере расчетов как климатических, так мгновенных течений вод зал. Петра Великого.
Работа выполнена при поддержке РФФИ (проекты 11-05-98610-р_вос-ток_а, 11-05-98550-р_восток_а).
Список литературы
Будаева В.Д., Зуенко Ю.И., Макаров В.Г. Сезонная перестройка бароклинной циркуляции вод на шельфе залива Петра Великого по результатам численных расчетов // Мат-лы 14-й конф. по промысловой океанологии и промысловому прогнозированию. — Калининград, 2008. — С. 44-46.
Лоция Японского моря. Часть I. — Л. : ГУНИО, 1972. — 287 с.
Саркисян А.С. Численный анализ и прогноз морских течений : монография. — Л. : Гидрометеоиздат, 1977. — 183 с.
Bouttier F., Courtier P. Data assimilation concepts and methods. — ECMWF, 2002. — 59 p.
Fayman P.A., Ponomarev V.I. Diagnostic simulation of sea currents in the Peter the Great Bay based on FERHRI oceanographic surveys // Physical Oceanography. — 2008. — Vol. 4. — P. 56-64.
Fisher M., Courtier P. Estimating the covariance matrices of analysis and forecast error in variational data assimilation. — ECMWF Tech. Memo, 1995. — 220 p.
Oleynikov I.S., Fischenko V.K. Integration ROMS in OIAS (Oceanological information-analytical system) of Pacific Oceanological Institute of FEBRAS // Abstracts of 2010 ROMS/TOMS User Workshop. — Honolulu, 2010. — P. 29.
Shchepetkin A.F., McWilliams J.C. The Regional Ocean Modeling System (ROMS): a split-explicit, free-surface, topography-following coordinates ocean model // Ocean Modelling. — 2005. — Vol. 9, is. 4. — P. 347-404.
World Ocean Atlas 2005 / S. Levitus, R.A. Locarnini, A.V. Mishonov et al. (eds). — NOAA Atlas, U.S. Gov. Printing Office, Washington, 2006. — 182 p.
Поступила в редакцию 24.05.11 г.
