В. С. Кочергин^*, С. В. Кочергин

Морской гидрофизический институт РАН, Севастополь, Россия

^* e-mail: vskocher@gmail.com

Аннотация

Целью работы является построение полей хлорофилла а путем вариационной ассимиляции доступной спутниковой информации за несколько суток в модели переноса. Такая информация является наиболее оперативной, но чаще всего имеет в своей структуре пропуски, иногда существенные, вследствие рассеивающего эффекта облачности, бликов и т. д. Поэтому получение достоверных полей с учетом имеющейся информации для акватории Черного моря является важной и актуальной задачей. При численной реализации модели переноса и вариационного метода ассимиляции данных измерений использовались результаты расчетов по динамической модели МГИ для Черного моря. При численной реализации вариационного алгоритма ассимиляции применяются итерационные градиентные методы, а решение сопряженной задачи используется для построения градиента функционала качества в пространстве параметров. В результате проведенных расчетов получено поле концентрации хлорофилла а, согласованное с данными измерений, почти для всей акватории Черного моря. В работе реализован вариационный алгоритм усвоения спутниковой информации, который позволил получить поле концентрации хлорофилла а для акватории Черного моря с учетом неполного покрытия данными наблюдений. Процедура может быть использована для определения полей концентрации различных взвешенных веществ в море по данным, распределенным по времени и пространству.

Ключевые слова

концентрация хлорофилла а, вариационный алгоритм, сопряженная задача, ассимиляция данных измерений, Черное море, пространственно-временная интерполяция

Благодарности

Работа выполнена в рамках государственного задания по теме FNNN-2021-0005 «Комплексные междисциплинарные исследования океанологических процессов, определяющих функционирование и эволюцию экосистем прибрежных зон Черного и Азовского морей» (шифр «Прибрежные исследования»).

Для цитирования

Кочергин В. С., Кочергин С. В. Вариационная идентификация начального поля концентрации хлорофилла а в модели переноса по данным дистанционного зондирования // Экологическая безопасность прибрежной и шельфовой зон моря. 2023. № 2. С. 61–70. EDN UHOSMC.

Kochergin, V.S. and Kochergin, S.V., 2023. Variational Identification of the Initial Field of Chlorophyll A Concentration in the Transport Model according to Remote Sensing Data. Ecological Safety of Coastal and Shelf Zones of Sea, (2), pp. 61–70.

Список литературы

1. Демышев С. Г. Численная модель оперативного прогноза течений в Черном море // Известия Российской академии наук. Физика атмосферы и океана. 2012. Т. 48, № 1. С. 137–149. EDN OOWHLL.
2. Marchuk G. I., Penenko V. V. Application of optimization methods to the problem of mathematical simulation of atmospheric processes and environment // Modelling and Optimization of Complex Systems / Ed. G. I. Marchuk. Berlin : Springer, 1979. P. 240–252. https://doi.org/10.1007/BFb0004167
3. Семенов Е. В., Мортиков Е. В. Задачи оперативного усвоения данных для окраинных морей // Известия Российской академии наук. Физика атмосферы и океана. 2012. Т. 48, № 1. С. 86–99. EDN OOWHKH.
4. Задачи численного моделирования гидродинамики океана с вариационной ассимиляцией данных наблюдений / В. Б. Залесный [и др.] // Известия Российской академии наук. Физика атмосферы и океана. 2016. Т. 52, № 4. С. 488–500. EDN WHWCJR. doi:10.7868/S0002351516040131
5. Shutyaev V. P., Le Dimet F.-X., Parmuzin E. Sensitivity analysis with respect to observations in variational data assimilation for parameter estimation // Nonlinear Processes in Geophysics. 2018. Vol. 25, iss. 2. P. 429–439. https://doi.org/10.5194/npg-25-429-2018
6. Кочергин В. С., Кочергин С. В., Станичный С. В. Вариационная ассимиляция спутниковых данных поверхностной концентрации взвешенного вещества в Азовском море // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17, № 2. С. 40–48. EDN GADTAK. doi:10.21046/2070-7401-2020-17-2-40-48
7. Определение местоположения начального поля концентрации возможного источника загрязнения в акватории Черного моря у Гераклейского полуострова на основе метода сопряженных уравнений / С. Г. Демышев [и др.] // Морской гидрофизический журнал. 2020. Т. 36, № 2. С. 226–237. doi:10.22449/0233-7584-2020-2-226-237
8. Шутяев В. П. Методы усвоения данных наблюдений в задачах физики атмосферы и океана // Известия Российской академии наук. Физика атмосферы и океана. 2019. Т. 55, № 1. С. 17–34. EDN QTAWJS. doi:10.31857/S0002-351555117-34
9. Harten A. On a class of high resolution total-variation-stable finite-difference schemes // SIAM Journal on Numerical Analysis. 1984. Vol. 21, iss. 1. P. 1–23. https://doi.org/10.1137/0721001
10. Демышев С. Г., Дымова О. А. Численный анализ мезомасштабных особенностей циркуляции в прибрежной зоне Черного моря // Известия Российской академии наук. Физика атмосферы и океана. 2013. Т. 49, № 6. С. 655–663. EDN RFWNFH. doi:10.7868/S0002351513060035
11. The regional weather forecasting system SKIRON: An overview / G. Kallos [et al.] // Proceedings of the symposium on regional weather prediction on parallel computer environments. Athens, Greece : University of Athens, 1997. Vol. 15. P. 109–123.
12. Arakawa A., Lamb V. R. A potential enstrophy and energy conserving sheme for the shallow water equations // Monthly Weather Review. 1981. Vol. 109, iss. 1. P. 18–36. https://doi.org/10.1175/1520-0493(1981)109%3C0018:APEAEC%3E2.0.CO;2
13. Эволюция поля концентрации цезия-137 в Черном море после прохождения чернобыльского облака / С. Г. Демышев [и др.] // Метеорология и гидрология. 2001. № 10. С. 49–61.
14. Оперативная система диагноза и прогноза гидрофизических характеристик Черного моря / Г. К. Коротаев [и др.] // Известия Российской академии наук. Физика атмосферы и океана. 2016. Т. 52, № 5. С. 609 –617. EDN WORWIV. doi:10.7868/S0002351516050072

Текст статьи

Русскоязычная версия (PDF)

Англоязычная версия (PDF)