Природоохранное прогнозирование: современный этап Текст научной статьи по специальности «Математика»

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.

Секция 4

85

Это эффективно при использовании методов расщепления и декомпозиции практически для всех процессов и объектов при решении задач в системе Земли.

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

Список литературы

1. Пененко В. В. Методы численного моделирования атмосферных процессов Л: Гидрометеоиздат,1981.

2. Пененко В. В., Алоян А. Е. Модели и методы для задач охраны окружающей среды. Новосибирск: Наука, 1985.

3. Penenko V. V, Penenko A. V., Tsvetova E. A., Gochakov A. V. Methods for studying the sensitivity of air quality models and inverse problems of geophysical hydrothermodynamics // J. Applied Mechanics and Technical Physics. 2019. 60(2). P. 392-399.

4. Penenko A., Penenko V., Tsvetova E., Gochakov A., Pyanova E., Konopleva, V. Sensitivity operator framework for analyzing heterogeneous air quality monitoring systems // Atmosphere. 2021. N 12. 1697.

Использование мезомасштабного моделирования для построения параметризации вихревого переноса в арктических морях

Г. А. Платов

Институт вычислительной математики и математической геофизики СО РАН

Email: platov.g@gmail.com

DOI: 10.24412/cl-35065-2022-1-01-14

Результаты численного моделирования с помощью модели SibPOM серии окраинных морей России, включающей моря Баренцево, Карское, Восточносибирское, Чукотское и море Лаптевых используются для построения параметризации вихревого переноса в направлении перпендикулярном линии изобат. С помощью метода оценки чувствительности [1] анализируется зависимость вихревого переноса от ряда крупномасштабных параметров, включающего градиент плотности, скорость потока, глубину и наклон дна океана, стратификацию и географическую широту. Оценивается зависимость коэффициента горизонтальной диффузии и величины противоградиентного переноса плотности. Полученные зависимости используются в ходе крупно масштабного моделирования с помощью модели SibCIOM. Результаты анализируются с точки зрения эффективности полученной параметризации.

Работа выполнена в рамках программы "Горизонт 2020" по проекту CRiceS при финансовой поддержке Российской Федерации в лице Минобрнауки России, соглашение № 075-15-2021-947.

Список литературы

1. Sobol I. M. Sensitivity Estimates for Nonlinear Mathematical Models. Math. Modeling and Comput. Exp., 1993. V. 1, N 4. P. 407-414.

Применение методов усвоения данных для получения оценки потоков парниковых газов по спутниковым данным

М. В. Платонова1,2, Е. Г. Климова1,2

хФедеральный исследовательский центр информационных и вычислительных технологий

2Новосибирский государственный университет

Email: gymoznaya@gmail.com

DOI: 10.24412/cl-35065-2022-1-01-15

Поиск источников парниковых газов является актуальной задачей; для решения подобных задач принято использовать системы усвоения данных [1-2]. Для проведения численных экспериментов с реальными данными были взяты результаты расчетов по математической модели MOZART-4 и данные