Торопова Марина Леонидовна Использование модели wrf для детализации микроклиматических описаний Магистерская диссертация



страница1/4
Дата10.12.2016
Размер1.85 Mb.
Просмотров235
Скачиваний0
ТипДиссертация
  1   2   3   4
САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Торопова Марина Леонидовна




Использование модели WRF для детализации

микроклиматических описаний

Магистерская диссертация


«К ЗАЩИТЕ»

Научный руководитель:

д.г.н., проф. И. Н. Русин

_____________________

«____»____________2016

Заведующий кафедрой:

к.г.н., доц. Священников П.Н.

_____________________

«____»____________2016

Санкт-Петербург



2016

Содержание


Введение………………………………………………………………………………………

3

Глава 1. Модель WRF




1.1 Общие сведения о модели WRF ARW…………………………………………………

5

1.2 Современные исследования детализации метеорологических полей, в том числе при помощи семейства моделей WRF …………………………………………………….

7

1.3 Структура модели WRF ARW…………………………………………………………

8

1.4 Эксплуатация WRF ARW………………………………………………………………

11

Глава 2. Проведение тестовых экспериментов




2.1 Исследование избыточности даунскейлинга…………………………………………..

13

2.2 Исследование соотношения масштабов вложенных расчетных областей…………..

16

Глава 3. Исследование мезо- и микроклимата Санкт-Петербурга и Ленинградской области




3.1 Описание эксперимента………………………………………………………………….

19

3.2 Результаты расчета. Средние отклонения рассчитанных величин от данных наблюдений..............................................................................................................................

22

3.3 Результаты расчета. Суточный ход отклонений рассчитанных величин от данных наблюдений…………………………………………………………………………………..

24

3.4 Результаты расчета. Средние поля значений…………………………………………..

30

Выводы………………………………………………………………………………………..

31

Заключение…………………………………………………………………………………

33

Список источников………………………………………………………………………..

34

Приложения




Приложение А. Описание переменных файла namelist.wps……………………………….

37

Приложение Б. Сравнительные карты метеорологических элементов. Цветной заливкой показаны значения для расчетной области с разрешением 3 км, черными контурами — значения для области с разрешением 1 км………………………………

43

Приложение В. Отклонение результатов расчета от данных наблюдений на метеорологических станциях Ленинградской области (тестовый расчет, 16. июля 2015 г.)……………………………………………………………………………………………..

45

Приложение Г. Таблицы суточного ходя значений отклонения данные расчетов от данных наблюдений…………………………………………………………………………..

47

Приложение Д. Осредненные поля температуры, давления и влажности………………..

49








Введение
Климат Земли – сложная система, характеризующая «ансамбль состояний метеорологической составляющей системы атмосфера-океан-суша–криосфера, который она проходит за длительное время (не менее нескольких десятилетий)» (Дроздов и др.,1989). Отличительной чертой современного этапа развития климатологии и метеорологии является широкое использование численных данных и методов, опирающееся на наличие сложных вычислительных машин. Множество изучаемых процессов характеризуется разнообразием пространственных и временных масштабов. Изучение мезо- и микроклимата приводит к необходимости получения достаточно длинных рядов данных с высоким пространственным и временным разрешением.

Первым шагом на данном пути стала организация метеорологических наблюдений на сети гидрометеорологических станций. Однако сеть гидрометеорологических станций не является регулярной и характеризуется недостаточно высоким пространственным разрешением.

Следующим шагом стало использование численных моделей (как глобальных, так и региональных) для улучшения пространственного разрешения метеорологических данных. Одним из наиболее значимых событий стало создание баз данных реанализов, включающих достаточно длинные ряды данных как для атмосферы, так и для океана (Kalnay et al, 1996; NCAR, UCAR: Climate data guide; Reanalyses). Создание реанализа открыло целый ряд новых возможностей и перспектив перед исследователями.

Однако для изучения мезо- и микроклимата данные реанализа все еще обладают недостаточно высоким пространственным разрешением. В связи с этим в настоящее время развиты методы интерполяции (как динамической, так и статистической), базирующиеся на данных реанализа и натурных наблюдений и их использовании в мезоклиматических моделях (Богомолов и др., 2009; Bengtsson et al., 2007). Одной из таких моделей является Weather Research and Forecasting Model (WRF).

WRF представляет собой целое семейство численных моделей прогноза погоды, которые могут быть использованы как в оперативной практике, так и для самых разнообразных исследований. В данном исследовании используется модель Advanced Research WRF (ARW) версии 2.

Основной целью исследования является получение мезоклиматических карт для района Санкт-Петербурга и Ленинградской области c пространственным разрешением порядка 3 км, исследование основных особенностей мезоклимата и его воспроизведения моделью.

Задачами исследования являются:


  1. Освоение модели WRF ARW

  2. Выбор оптимальной конфигурации модели

  3. Проведение численных экспериментов

  4. Построение карт и анализ результатов.

Исследования были проведены с использованием вычислительных ресурсов Ресурсного Центра "Вычислительный центр СПбГУ" (http://cc.spbu.ru).

Глава 1. Модель WRF

1.1 Общие сведения о модели WRF ARW
Модель WRF является свободно распространяемой и открытой для общего пользования системой численного прогноза погоды. Она была создана в результате сотрудничества целого ряда организаций и исследователей, как-то:

NCAR MMM (National Center for Atmospheric Research, Mesoscale & Microscale Meteorology laboratory;

NOAA (National Oceanic and Atmospheric Administration)

NCEP (National Centers for Environmental Predictions)

FSL (Forecast System Laboratory)

AFWA (Air Force Weather Agency)

NRL (Naval Research Laboratory)

etc.


У модели WRF крайне обширное сообщество зарегистрированных пользователей и постоянно действующая техническая поддержка.

В самом общем виде модель WRF представляет собой динамическое ядро и набор параметризаций. У WRF два динамических ядра – NMM и ARW. Каждое из динамических ядер представляет собой отдельную вычислительную систему, требующую отдельной установки и настройки, однако в них много схожего.

Модель реализована в виде программного кода, написанного на различных языках программирования (в основном – на фортране) и устанавливаемого на ОС Linux. При необходимости, исследователем могут быть внесены изменения в исходный код. Модель допускает параллельные вычисления, значительно более быстрые по времени (Users guide for Advanced Research WRF (ARW) Modeling system version 2.2).

В WRF есть возможность использовать вложенные сетки, с некоторыми ограничениями. Вложение осуществляется в горизонтальной плоскости, в вертикальной плоскости области должны целиком и полностью соответствовать друг другу. Кроме того, соотношение масштабов областей должно выражаться целым числом (по умолчанию – 3). Существует возможность использования подвижных вложенных сеток.

Как уже было сказано выше, WRF – сложная вычислительная система, состоящая из двух динамических ядер и целого семейства модулей и дополнений к модели. Основные программные дополнения к WRF (The Weather Research & Forecasting Model):


  • WRF Chemistry (NCAR, UCAR: WRF-Chem)

  • (Advanced) Hurricane WRF (Christopher Davis et al., 2008)

  • Polar WRF (Polar Meteoropogy Group: The Polar WRF)

  • Urban WRF (Fei Chen et al., 2011)

  • Global WRF ARW (Yang Zhang et al., 2012)

Также для семейства WRF существует в открытом доступе целый ряд параметризаций физических процессов.

Для оперативного прогноза модель WRF (в США)используется совместно с данными GFS (Global Forecast System), которые задают начальные и граничные условия (National Weather Service, GFS home; NOAA: GFS).



1.2 Современные исследования детализации метеорологических полей, в том числе при помощи семейства моделей WRF
В рамках работы был выполнен краткий обзор современных исследований детализации метеорологических полей и исследованиям, выполненным при помощи моделей семейства WRF. Можно условно классифицировать выполненные работы по предмету исследования.

Общие вопросы численного моделирования и прогноза, методов даунскейлинга. Целый ряд исследований рассматривает теоретические основы принципов детализации метеорологических полей (Зарипов, 2010; Bengtsson et al., 2007; Wilby, 1997). В исследованиях подчеркивается необходимость получения данных с высоким разрешением.

Усвоение данных наблюдений при помощи системы WRF Data Assimilation. В исследованиях подчеркивается необходимость созданиях физически обоснованных рядов данных с достаточно высоким разрешением, полученных на основе данных наблюдений при помощи модели, содержащей основные физические закономерности (Богомолов и др., 2009; Тихомиров и др., 2009; Bengtsson, Shukla, 1988; Karan et al., 2010). Целый ряд работ обращается к различным методикам усвоения данных и их верификации, например работа (Смирнова, Рубинштейн, 2012).

Оценка ошибок различных имплементаций модели WRF. В ряде работ приводятся оценки ошибок базовой модели WRF (Чукин и др., 2011). Кроме того, многие исследования посвящены сравнению результатов вычислений, полученных при использовании различных имплементаций модели WRF (Coniglio et al., 2010; Karan et al., 2010; Venkata et al., 2011).

Воспроизведение моделью данных высокого разрешения. Исследуются различные способы получения данных высокого разрешения – вертикального (Zhang e al., 2013) и горизонтального. Например, в работе (Aligo et al., 2009) указано, что при прогнозе ливней увеличение вертикального разрешения привело к возникновению ошибок, в то время как при увеличении разрешения выше изотермы 0⁰С результаты удовлетворительные. В ряде работ, например (Schwartz, 2014; Trier, 2011), увеличение горизонтального пространственного разрешения до 1-километровой сетки дало хорошие результаты. В то же время при получении данных высокого разрешения подчеркивается необходимость наличия данных рельефа, обладающих также более высоким пространственным разрешением (Zhang e al., 2013).

Исследование атмосферных процессов (в том числе опасных явлений). Ряд работ посвящен воспроизведению при помощи модели различных атмосферных процессов, особое внимание уделяется ураганам, ливням и другим конвективным явлениям. (Тихомиров и др., 2009; Aligo et al., 2009; Davis et al., 2008; 12, Coniglio et al., 2013; Hsiao et al., 2012; Karan et al., 2010; Schwartz, 2014; Trier et al., 2011) Качество воспроизведения моделью основных закономерностей оценивается как хорошее, в ряде работ подчеркивается необходимость дополнительного усвоения данных. Активно исследуются воспроизведения метеорологических величин при использовании различных граничных условий и параметризаций, в том числе для пограничного слоя. (Старченко, 2005; Coniglio et al., 2010; Hsiao et al., 2012; Schwartz., 2014) Исследуются также некоторые аспекты антропогенного влияния. (Fei Chen et al., 2011)

Суммируя вышеизложенное, модель WRF позволяет решить задачу получения физически обоснованных полей метеорологических элементов высокого пространственного разрешения. Дополнительных исследований, применительно к конкретному региону, требуют используемые параметризации физических процессов.




1.3 Структура модели WRF ARW
Модель WRF ARW состоит из нескольких кластеров, общая схема взаимодействия которых приведена на Рисунке 1.

Рисунок 1. Общая схема взаимодействия элементов модели WRF версии 3.
Первая часть программного блока – WRF Preprocуssing System (WPS) – занимается предварительной обработкой (подготовкой), приведением данных к нужному формату. WPS состоит из трех блоков:

  • Geogrid – происходит определение размеров рабочих областей, интерполяция географических и статических данных в узлы сетки.

  • Ungrib – происходит извлечение метеорологических данных из формата GRIB (GRIB2)

  • Metgrid – происходит интерполяция извлеченных Ungrib’ом метеорологических полей в заданную Geogrid’ом сетку.

Модель позволяет проводить расчеты как с реальными данными – за что отвечает блок Real – так и с «идеальными» случаями (блок Ideal). Блок Real инициализирует начальные данные, производит вертикальную интерполяцию, «заготавливает» граничные условия для материнской сетки на срок прогноза.

После использования Real, может быть подключен блок WRF Data Assimilation (WRFDA). WRFDA – это блок трехмерного вариационного усвоения данных наблюдений (для обычных, спутниковых и радиолокационных наблюдений).

Далее следует собственно динамическое ядро модели - ARW, осуществляющее все вычисления и подключающее указанные на входе необходимые параметры, как-то параметризации.

После успешного выполнения программы динамического ядра формируются выходные файлы, которые могут быть визуализированы при помощи различных средств, в настоящем исследовании используется программа ARWpost (GrADS) (Users guide for Advanced Research WRF (ARW) Modeling system version 2.2).




1.4 Эксплуатация WRF ARW
Программный код модели является свободным и устанавливается на ОС Linux. Непосредственно после установки модель может использоваться. В настоящем исследовании используется блок Real (прогноз ведется по реальным данным). В качестве исходных данных планируется использовать данные реанализа.

Первым этапом запуска расчетов является подготовка файла, содержащего основные параметры расчета – параметры сетки, времени, параметризаций. Подготавливаются два соответствующих друг другу файлы – namelist.wps и namelist.input. Необходимые параметры могут рассчитываться пользователем самостоятельно, или же используется одна из вспомогательных программ – в настоящем исследовании используется WRF Domain Wizard. Удобство использования такой вспомогательной программы заключается в том, что она имеет удобный графический интерфейс и позволяет видеть задаваемые области расчета, в то время как расчет параметров сетки производится программой самостоятельно.

Среди задаваемых параметров – количество вложенных областей, размеры сетки, время расчета, картографическая проекция, соотношение масштабов вложенных областей, путь к вспомогательным файлам с параметрами (Vtables) и другие. Файл namelist.wps содержит описание параметров сетки, исходных и выходных данных; он состоит из четырех разделов, где описываются параметры для соответствующего расчетного блока:


  • Share (общие параметры для всех блоков)

  • Geogrid

  • Ungrib

  • Metgrid

Описание переменных файла namelist.wps и его примерный вид содержатся в Приложениях А и Б соответственно.

Файл namelist.input кроме параметров сетки содержит переключатели физических параметризаций и корректируется вручную. Примерный вид файла содержится в Приложении В.

После внесения необходимых изменений в файлы namelist последовательно выполняются следующие программы:


  • geogrid.exe

  • ungrib.exe

  • metgrid.exe

  • real.exe

  • wrf.exe

На Рисунке 2 изображена соответствующая схема.

Рисунок 2. Схема взаимодействия элементов системы предварительной обработки данных (WPS WRF)

После успешного завершения выполнения последней программы возможен запуск вспомогательных программ для визуализации результатов расчета:


  • ARWpost

  • GRaDs

В рамках освоения модели были проведены тестовые расчеты, результат одного из которых представлен в приложении. Расчет проводится для Ленинградской области и Санкт-Петербурга, для 01.09.2005 с 00:00 до 12:00. В качестве исходных данных использовались данные реанализа NCEP/NCAR. В Приложениях Б и В приведены исходные файлы namelis.wps и namelist.input соответственно, а в Приложении Г приведены визуализированные в программе GrADS результаты расчета – приземное давление (гПА), температура и температура точки росы в градусах Цельсия для высоты 2 метра.
Глава 2. Проведение тестовых экспериментов

2.1 Исследование избыточности даунскейлинга
При проведении климатических исследований ставится задача использования оптимальной конфигурации модели и отсеивания избыточных вычислений. Поскольку одной из главных особенностей модели является использование методики динамического даунскейлинга при помощи вложенных расчетных областей необходимо выбрать оптимальную их конфигурацию и по возможности сократить время расчета. Для оценки конфигурации модели проводился тестовый расчет - «квазипрогноз» на 24 часа с 00:00:00 05.07.2005 по 00:00:00 06.07.2005. Расчет проводился для 4-х последовательно вложенных друг в друга областей с пространственным разрешением 27 км, 9 км, 3 км и 1 км соответственно (обозначим их как d-27km, d-9km, d-3km и d-1km). Разрешение данных рельефа для областей с наилучшим разрешением составило 30 секунд. Рассматривались поля давления на уровне моря, температуры точки росы и относительной влажности — для расчетных областей с разрешением 3 км и 1 км. Для этих же областей было проведено сравнение с данными наблюдений на 5-ти станциях Санкт-Петербурга и Ленинградской области. Все поля данных и данные в точке, извлеченные из сетки получены при помощи программ ARWpost и пакета GrADs.

Для расчетов, приведенный в главе 2 использовались данные, описываемые ниже. Данные предоставлены NCEP (National Centers for Environmental Prediction) и находятся в свободном доступе. Использовался массив ds083.2 — FNL(Final) оперативные данные глобального анализа с пространственным разрешением 1ºх1º, подготавливаемые каждые 6 часов. Данные являются продуктом Глобальной системы усвоения данных (Global Data Assimilation System, GDAS), которая непрерывно собирает данные из многочисленных источников для различных анализов. Данные подготовлены при помощи той же глобальной модели, что используется при подготовке данных GFS (Global Forecast System), но их подготовка начинается на 1 час позже данных GFS. Такая задержка вызвана дополнительным сбором данных. GFS же используется прежде всего для нужд оперативного прогноза и в процессе инициализации использует данные FNL за предыдущие 6 часов.

Данные анализа доступны для уровня земной поверхности, а также для 26 обязательных (и дополнительных) изобарических уровней от 1000 до 10 гПа, в пограничном слое атмосферы и на некоторых сигма-уровнях, на высоте тропопаузы и некоторых других. Доступные данные включают в себя давление, давление на уровне моря, геопотенциальную высоту, температуру, температуру поверхности океана, значения параметров в почвенном слое, ледяной покров, относительную влажность, широтную и меридиональную составляющие скорости ветра, вертикальные токи, вихрь скорости и озоновый слой.

Данные, содержащие в архиве, непрерывно пополняются до даты, близкой к текущей.

Результаты расчетов показали, что данные для области с разрешением 3 км и области с разрешением 1 км практически идентичны (или различаются незначительно). По этой причине данные в точке сравнивались только для области с разрешением 3 км. Для сравнения были выбраны следующие станции:

Санкт-Петербург, 26063;

Белогорка, 26069;

Кингисепп, 26059;

Волосово, 26067;

Озерки, 22897.

Ниже приведена Таблица 1, в которой содержатся средние, минимальные и максимальные отклонения рассматриваемых величин для 5-ти метеорологических станций.

Таблица 1. Отклонения расчетных данных от данных наблюдений.



Метеорологический элемент

Среднее значение

Минимальное значение

Максимальное значение

Давление на уровне моря, гПа

-1,5

-3,7

0,4

Относительная влажность на высоте 2 м, %

-11

-53

31

Температура точки росы на высоте 2 м, ºС

0,7

-3,1

7,7

Согласно таблице 1 средние отклонения можно счесть приемлемыми, но отдельные значения сильно превышают допустимые отклонения. Наибольшие по модулю отклонения давления зафиксированы на станции Белогорка, влажности — Волосово, точки росы — Санкт-Петербург. Такие отклонения могут быть связаны как с ошибками расчета, так и с не вполне удачно подобранными параметризациями, конфигурацией доменов.

В Приложении содержатся карты для доменов с разрешением 3 и 1 км, цветом показаны поля элементов для 3 км, черным контуром — для 1 км. Довольно очевидно, что поля практически совпадают, хотя можно отметить, что поля для области с разрешением 1 км более «несглаженные».



2.2 Исследование соотношения масштабов вложенных расчетных областей

Настоящее исследование нацелено на изучение конфигурации расчетных областей. Основные параметры, требующие внимания — размер области (охват территории и число точек расчетной сетки), пространственный шаг расчетной сетки, расположение вложенной области относительно материнской и отношение масштаба материнской расчетной области к вложенной. По умолчанию соотношение масштабов материнской и вложенной областей равняется 3. Однако при получении полей высокого пространственного разрешения такое соотношение масштабов требует введения дополнительных расчетных областей и, как следствие, увеличения расчетного времени. Достаточно привлекательно выглядит идея увеличения соотношения масштабов расчетных областей с целью уменьшения их числа, однако предварительно требуется исследовать влияние такой конфигурации на получаемый результат.

С целью выявления влияния соотношения расчетных областей на результат численного моделирования была проведена серия экспериментов. Эксперименты проводились для одного дня — 16 июля 2015 года. Расчеты проводились для территории Ленинградской области, валидация результатов осуществлялась по данным наземных метеорологических наблюдений. В ходе экспериментов проводились расчеты при помощи модели WRF с применением различных конфигураций расчетных областей (различных методик). Подробное описание методик приведено в Таблице 2. Существенное отличие в размерах областей связано с тем, что для обеспечения устойчивости численного решения вложенная расчетная область должна составлять лишь малую часть родительской области и располагаться вдали от ее границ на расстоянии, зависящем от шага сетки.

Таблица 2. Методики даунскейлинга, использованные при проведении численного исследования соотношений пространственного разрешения вложенных областей






Расчетная область

Методика 1

Методика 2

Методика 3

Методика 4

Пространственное разрешение, км

1

80

50

45

20

2

20

25

15

10

3

5

5

5

5

Размеры областей (число точек по координатным осям)

1

50х50

50х50

170х170

170х170

2

60х60

46х46

102х102

106х106

3

76х56

60х60

81х72

82х78

Общее число расчетных точек

1

2500

2500

28900

28900

2

3600

2116

10404

11236

3

5832

3600

5832

6396

Валидация результатов эксперимента проводилась по 3-м метеорологическим показателям — температура воздуха на высоте 2 м, давление на уровне моря и относительная влажность. Были использованы данные наблюдения следующих метеорологических станций:

Лодейное поле

Вознесенье

Сосново


Озерки

Новая Ладога

Винницы

Санкт-Петербург



Белогорка

Шлиссельбург

Любань

Тихвин


Ефимовский

В таблице 3 приведены средние отклонения результатов расчета от значения метеорологического элемента по данным наземных наблюдений.

Таблица 3. Средние отклонения результатов расчета от значения метеорологического элемента по данным наземных наблюдений

Проведенный эксперимент показал отличие результатов при использовании различных конфигураций расчетных областей. Наилучший результат соответствует методике 1 и соотношению масштабов расчетных областей 4 к 1. Достаточно большие ошибки в значении температуры на высоте 2 м могут быть связаны с неудачным выбором параметризаций (использовались значения по умолчанию), а также с отсутствием «разгоночного периода» («spin-up period”, “cold start”), который для используемой модели составляет порядка 12 часов.





Поделитесь с Вашими друзьями:
  1   2   3   4


База данных защищена авторским правом ©nethash.ru 2017
обратиться к администрации

войти | регистрация
    Главная страница


загрузить материал