Mesoscale Processes in the Climate System: Modeling and - - PowerPoint PPT Presentation

International Conference on Environmental Observations, Modeling International Conference on Environmental Observations, Modeling and Information Systems ( and Information Systems (ENVIROMIS ENVIROMIS-

• 200

2008) 8) June, June, 28 28 – – July, July, 5 5, , 2008, 2008, Tomsk Tomsk, , Russia Russia

Mesoscale Processes in the Climate System: Modeling and Parameterization

V.N. V.N. Lykosov Lykosov Institute for Numerical Mathematics, RAS M.V. Lomonosov Moscow State University E-mail: lykossov@inm.ras.ru lykossov@inm.ras.ru

Climate System (T. Slingo, 2002)

Objectives of climate modeling

• To reproduce both “climatology” (seasonal and monthly means)

and statistics of variability: intra-seasonal (monsoon cycle, characteristics of storm-tracks, etc.) and climatic (dominated modes of inter-annual variability such as El-Nino phenomenon or Arctic Oscillation)

• To estimate climate change due to anthropogenic activity
• To reproduce with high degree of details regional climate:

features of hydrological cycle, extreme events, impact of global climate change on regional climate, environment and socio- economic relationships

• Fundamental

question (V.P. Dymnikov): what climatic parameters and in what accuracy must by reproduced by a mathematical model of the climate system to make its sensitivity to small perturbations of external forcing close to the sensitivity

• f the actual climate system?

4

John von Neumann (1903 – 1957)

J.G. Charney, R. Fjortoft, J. von Neuman. "Numerical integration of the barotropic equation", 1950, Tellus, 2, 237-254.

John von Neumann had recognized weather prediction as a prime candidate for application of electronic

• computers. In early

1948 he invited Jule Charney to head the meteorology group in his Electronic Computer Project.

5

Joseph Smagorinsky (1924 – 2005)

“General circulation experiments with the primitive equations. 1. Basic experiment", 1963, Mon. Wea. Rev., 91, 98-164.

• Smagorinsky's key insight

was that the increasing power of computers would allow one to move toward the simulation of the Earth's climate.

• Smagorinsky guided the

development of the first model of atmospheric general circulation taking into account basic nonadiabatic factors.

МОДЕЛИРОВАНИЕ ОБЩЕЙ ЦИРКУЛЯЦИИ АТМОСФЕРЫ И ОКЕАНА В ВЦ СОАН СССР И ИВМ РАН

1973 г.: Решение Отделения океанологии, физики атмосферы и географии АН СССР о разработке математических моделей климата, основанных на моделях общей циркуляции атмосферы и океана. Новые идеи: использование законов сохранения и методов расщепления, реализация на параллельных вычислительных системах (тогда уже!). 1974 г.: Создание в ВЦ СОАН СССР лаборатории общей циркуляции атмосферы и океана (зав. лаб. В.П. Дымников). 1980 г.: Организация Г.И. Марчуком в Москве Отдела (с 1991 г. – Институт) вычислительной математики АН СССР и кафедры моделирования физических процессов в МФТИ. Г.И. Марчук, В.П. Дымников, В.Б. Залесный, В.Н. Лыкосов, В.Я. Галин. "Математическое моделирование общей циркуляции атмосферы и океана". - Л., Гидрометеоиздат, 1984, 320 с.

Дальнейшее развитие моделей циркуляции атмосферы и океана было направлено на создание на их основе глобальной климатической модели. Были разработаны новые версии этих моделей, обладающие высоким пространственным разрешением и адаптированных к новым параллельным вычислительным системам. 2002 г.: модель климатической системы, построенная на основе объединения моделей общей циркуляции атмосферы и океана без использования процедуры коррекции потоков на поверхности океана, использована в исследованиях по чувствительности климата к изменениям в содержании парниковых газов. 2005 г.: В.П. Дымников, В.Н. Лыкосов, Е.М. Володин, В.Я. Галин, А.В. Глазунов, А.С. Грицун, Н.А. Дианский, М.А. Толстых, А.И. Чавро. Моделирование климата и его изменений. – Сб. «Современные проблемы вычислительной математики и математического моделирования», т. 2, М.: Наука.

В настоящее время процесс создания глобальных климатических моделей происходит повсеместно. Этот “параллелизм” необходим для контроля воспроизводимости получаемых с их помощью результатов (международные программы AMIP - Atmospheric Model Intercomparison Project и CMIP - Coupled Model

Intercomparison Project).

Near-the surface winter air temperature: simulated by the INM model (top) and observed (bottom)

Ob: P and P-E annual means (1960-1989)

0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 Serreze BCCR-BCM2.0 CCSM3 CGCM3.1(T47) CGCM3.1(T63) CNRM-CM3 CSIRO-Mk3.0 ECHAM5/MPI-OM ECHO-G GFDL-CM2.0 GFDL-CM2.1 GISS-AOM GISS-EH GISS-ER INM-CM3.0 IPSL-CM4 MIROC3.2(hires) MIROC3.2(medres) MRI-CGCM2.3.2 PCM UKMO-HadCM3 UKMO-HadGEM1 mean-21 mean-19 mm/day P P-E

Kattsov, V.M., J.E. Walsh, W.L. Chapman, V.A. Govorkova, T.V. Pavlova, and

• X. Zhang, 2007: Simulation and projection of arctic freshwater budget

components by the IPCC AR4 global climate models. J.Hydrometeor. , v. 8, p. 571-589

Possible changes in near-the-surface winter air temperature to end of XXI century (averaged for 2081-2100) in comparison with observations for end of XX century (averaged for 1981-2000) based on results of the INM climate model (scenario A1B)

Changes in length of vegetation period, days (top) and in number of frosty days (bottom) in 2081-2100 under scenario А1В with respect to 1981-2000 as follows from INM climate model experiments

Spatial distribution of continuous (violet) and sporadic (blue) permafrost as follows from INM climate model experiments: in 1981-2000 (top), 2081-2100 under scenario В1 (middle) and in 2081-2100 under scenario А2 (bottom).

Regional scale modeling and assessment

• Atmospheric modeling, e.g. using global climate model

with improved spatial resolution in the region under consideration and non-hydrostatic mesoscale models: parameterization of mesoscale variability

• Catchment modeling, e.g. constructing models of river

dynamics: parameterization of hydrological cycle

• Vegetation modeling, e.g. models of vegetation dynamics:

parameterization of biogeochemical and hydrological cycles

• Soil (including permafrost) modeling, e.g. models of snow

and frozen ground mechanics: parameterization of hydrological and biogeochemical cycles

• Coupled regional models
• Air and water quality modeling
• Statistical and dynamic downscaling (e.g. regional

projections of global climate change patterns)

Mesoscale processes

• Weather systems smaller than synoptic scale systems

(~ 1000 and more km) but larger than microscale (< 1 km) and storm-scale (~ 1 km) cumulus systems.

• Horizontal dimensions: from about 2 km to several

hundred kilometers.

• Examples of mesoscale weather systems: sea and lake

breezes, squall lines, katabatic flows, mesoscale convective complexes.

• Vertical velocity equals or exceeds horizontal

velocities in mesoscale meteorological systems due to nonhydrostatic processes.

Subclasses

Mesoscale processes are divided into 3 subclasses (Orlanski, 1975):

• Meso-gamma 2-20 km, deals with phenomena like

thunderstorm convection, complex terrain flows (at the edge to microscale), precipitation bands

• Meso-beta 20-200 km deals with phenomena like sea

breezes, lake effect snow storms, polar cyclones

• Meso-alpha 200-2000 km fronts, deals with phenomena

like squall lines, mesoscale convective systems (MCS, a large cluster of storms), tropical cyclones at the edge of synoptic scale

БЭСМ-6 Среднее быстродействие - до 1 млн. одноадресных команд/с Длина слова - 48 двоичных разрядов и два контрольных разряда Рабочая частота - 10 МГц , оперативная память – 32768 слов

Earth System Model

• R. Loft. The Challenges of ESM Modeling at the Petascale

Revolutionary Perspective: from climate models to Earth System Models

World Modelling Summit for Climate Prediction

ECMWF, Reading, May 6 – 9, 2008 http://www.ecmwf.int/publications/ cms/get/ecmwfnews/1213113497 484

• 1. Overview: societal drivers; current status of weather

and climate modeling; strategies for seamless prediction; crucial hypotheses

• 2. Strategies for next-generation modelling systems:

balance between resolution and complexity; balance between multi-model and unified modeling framework; issues of parameterizing unresolved scales and regional models

• 3. Prospects for current high-end computer systems and

implications for model code design

• 4. Strategies for model evaluation, modelling

experiments, and initialization for prediction of the coupled ocean-land-atmosphere climate system

• 5. Strategies for revolutionizing climate prediction:

enhancing human and computing resources; requirements and possible organizational frameworks

Modeling and Parameterization of Air – Land Interaction

Глобальное потепление/Измен ения климата

Влажность почвы Температура Фотосинтез Дыхание растений Частота пожаров Атмосферный углекислый газ Запасенный углерод растений Азот и его соединения Бактериальное разложение в почве Почвенная респирация Углерод почвы

Углерод экосистемы

Carbon Cycle in Terrestial Ecosystems (Lashof et al., 1997)

+

• +/-

+ + + +/- + +

• +
• +/-

+ + +

• +

+ +

Глобальное потепление/ Изменения климата

Атмосферный метан Потребление метана Продукция метана Температура почвы Влажность почвы Изменения ландшафта

Methane Cycle (Lashof et al., 1997)

• 1. Vegetation and Topography
• 2. Hydrology
• 3. Permafrost degradation (5 – 65 Mт CH4 /yr, Hogan, 1993)
• 4. Frozen Ground Mechanics (thermocarsts)

+ +/- + + + + + +

• +

PROBLEMS

• Mechanical and thermal properties of

snow cover and ground

• Vegetation, e.g. root system, as a

regulator of evaporation

• River flow and associated processes
• Equations closure
• Coefficients
• Initial conditions (data assimilation)
• ……..

Hydrological heterogeneity Hydrological heterogeneity -

• ne of basic elements of the land heterogeneity
• ne of basic elements of the land heterogeneity

1) 1) To account specifics of heat exchange with water objects To account specifics of heat exchange with water objects in atmospheric models in atmospheric models 2) 2) To estimate changes in hydrological systems due to global To estimate changes in hydrological systems due to global warming and their impact on climate warming and their impact on climate Development and implementation in atmospheric models of Development and implementation in atmospheric models of improved version of computing land surface hydrological improved version of computing land surface hydrological processes processes One of important components is One of important components is a lake model a lake model

Latent heat flux above Great Canadian lakes (Long et al., 2007)

Lake effects on weather and climate

Mesoscale features

• breezes

(e.g. high pollution events)

• convective snowfalls (e.g.

Great American Lakes)

• mesocyclons (e.g. “Baikal

cyclon”)

Local seasonal effects

• lakes are sinks of energy

in summer and sources

• f energy in autumn
• snowfall effects

Global effects

not found - ?

Lake dynamics Lake dynamics

(Thorp, 1985), (Simon, 1997) (Thorp, 1985), (Simon, 1997)

General 1D lake General 1D lake model scheme model scheme

Snow Ice

Water Soil (sediments)

U H,LE Es Ea S

Verification of the surface temperature from Lake model Verification of the surface temperature from Lake model

Kossenblatter lake, Germany, June, 1998 Tiksi lake, Siberia, July, 2002 Monte-Novo lake, Portugal, 1999 - 2002

• 48 -24

24 48 72 96 120 144 168 192 216 240 264 288 312 336 19 20 21 22 23 24 25 26

Данные наблюдений модель FLAKE модель LAKE Температура, С Время, ч

Mesoscale atmospheric model (Miranda, 1991, Stepanenko et al., 2006)

2 * * * * * * * * 2 * * * * * * * * * * * * * * * *

' ' , ' ' , ' ' , '

u v v r w s

up u p vup up p p fvp p D t x y x x vp uvp v p vp p p fup p D t x y y y wp uwp vwp wp S p p g q p D t x y p σ φ φ σ σ σ σ φ φ σ σ σ σ φ θ σ σ θ θ ∂ ∂ ∂ ∂ ∂ ∂ ∂ + + + = − + + + ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ + + + = − + − + ∂ ∂ ∂ ∂ ∂ ∂ ∂   ∂ ∂ ∂ ∂ ∂ + + + = − + − +   ∂ ∂ ∂ ∂ ∂   ∂ & & % % % & %

( ) ( ) ( )

* * * * * * * * * * * * * * * * * * * * * *

' ' ' , 0, ,

v

s v rad k v p v v v v q c c c c L

u p v p p S wp p F t x y L p p C E p D c p p up vp p t x y q p uq p vq p q p p E C p D t x y q p uq p vq p q p p C A C t x y

θ

θ θ θ σθ σ σ σ σ σ σ σ σ ∂ ∂ ∂ ∂ + + + = − + + ∂ ∂ ∂ ∂ ∂   + − +     ∂ ∂ ∂ ∂ + + + = ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ + + + = − + ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ + + + = − − + ∂ ∂ ∂ ∂ & % & & &

( )

* * * * * * *

, .

c r

q r r r r r r L q

p D q p uq p vq p q p V q p A C E g p D t x y σ ρ σ σ ∂ ∂ ∂ ∂ ∂ + + + = + − − + ∂ ∂ ∂ ∂ ∂ &

• 10

10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 20 40 60 80 100 20 40 60 80 100 120

West Siberia, 54.5-58.6° N, 63.1-66.6 ° E, topography and inland waters, grid resolution 3.7 km

Wind velocity Wind velocity

• 150
• 100
• 50

50 100 150

X, км

• 150
• 100
• 50

50 100 150

Y, км 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 |U|, м/с

• 150
• 100
• 50

50 100 150

• 150
• 100
• 50

50 100 150 291.8 292 292.2 292.4 292.6 292.8 293 293.2 293.4 293.6 293.8 294 294.2 294.4 294.6 294.8 295 295.2 295.4 295.6 295.8 296 296.2 296.4 296.6 296.8

Surface temperature

Верификация Верификация мозаичного мозаичного метода метода агрегирования агрегирования

( )

sw a Tw p w

u C c H θ θ ρ − − = ~

( )

sw a Ew w

q q u C E − − = ρ ~

E E H H ~ , ~ ⇔ ⇔

Агрегирование Агрегирование в в ячейке ячейке МОЦА МОЦА: : мозаичный мозаичный метод метод ( (Avissar Avissar and and Pielke Pielke, 1989) , 1989) Прямое Прямое осреднение осреднение турбулентных турбулентных потоков потоков по по мезомасштабной мезомасштабной области области ( (« «истина истина» »): ):

Область Область мезомасштабной мезомасштабной модели модели = = Ячейка Ячейка МОЦА МОЦА

( )

s a T p

u С c H θ θ ρ − − =

( )

s a E

q q u C E − − = ρ

Задача:

( )

sso a Tso p so

u C c H θ θ ρ − − = ~

( )

sso a Eso so

q q u C E − − = ρ ~

w w so w w w so w

E E E H H H ~ ~ ) 1 ( ~ , ~ ~ ) 1 ( ~ α α α α + − = + − =

• 1. Потоки над типом «водоем»:
• 2. Потоки над типом «суша»:
• 3. Агрегирование потоков

∫∫ ∫∫

− −

= =

S S

Eds S E Hds S H ' , '

1 1

• 1. Потоки вычисляются в

каждой точке области

• 2. Осреднение потоков по

мезомасштабной области 1° 1°

суша суша вода вода

50 100 150 200 20 40 60 80 100 120

Относительная ошибка, % Средний поток явного тепла, Вт/м**2

• в большинстве случаев мозаичный метод занижает абсолютные значения

средних потоков;

• относительная ошибка расчета

турбулентных потоков мозаичным методом зависит от абсолютной величины этих потоков;

• при значениях потоков

более 15 Вт/м2 ошибка мозаичный метода составляет не более 10%;

• мозаичный метод адекватно

воспроизводит порядок величины ночных средних потоков;

• ошибка мозаичного метода существенно нелинейно зависит от

характеристик подстилающей поверхности и метеорологических условий. Вывод: Необходимо разрабатывать (стохастические) параметризации подсеточных процессов

Результаты Результаты верификации верификации мозаичного мозаичного метода метода

Пример стохастической параметризации: TOPMODEL для русловых потоков, см., например, Крупчатников, 2007).

Пыльная буря (Стартфорд, Техас, США, 30-е годы ХХ века)

Снежные бури

Буря мглою небо кроет, Вихри снежные крутя; То, как зверь, она завоет, То заплачет, как дитя, То по кровле обветшалой Вдруг соломой зашумит, То, как путник запоздалый, К нам в окошко застучит.

А. Пушкин, «Зимний вечер» (1825) == А. Саврасов «Зимняя ночь» (1869)

Snow drift

The storm wind covers the sky Whirling the fleecy snow drifts, Now it howls like a wolf, Now it is crying, like a lost child, Now rustling the decayed thatch On our tumbledown roof, Now, like a delayed traveler, Knocking on our window pane. А. Pushkin, «Winter evening» (1825) == А. Savrasov «Winter night» (1869)

Blowing dust and snow

(Barenblatt and Golitsyn, 1974, Wamser and Lykossov, 1995)

.

( )

* 3 * 2 2 *

ln ( / ) ( / ) ' ' ' ' : / 1 8 : /

h m C s

u u h z h L u L B C w C C w K z S to k e s w g d C h a m b a r la in z u g κ κ σ ν γ = − Ψ = − − ∂ = − ∂ = = r

Simple model of katabatic flow with suspended snow particles (Idea: Kodama et al., 1985)

( )sin ( ) , ( )sin ( ) , ( )sin ( )sin Pr , , (Ri ), c . S

g g g g s C s

u u f v v t z z v v f u u t z z S u u v v t z z gC gC C C C w t z z z w λϑ α ν λϑ β ν ϑ ϑ ν α β ν ν ν ∂ ∂ ∂ = + − + ∂ ∂ ∂ ∂ ∂ ∂ = − − + ∂ ∂ ∂ ∂ ∂ ∂   + − + − =   ∂ ∂ − − ∂ ∂ ∂ ∂ − = ∂ ∂ ∂ = > ∂ ∂

THANK YOU

FOR YOUR ATTENTION!