International Conference on Environmental Observations, Modeling International Conference on Environmental Observations, Modeling and Information Systems (ENVIROMIS ENVIROMIS- -200 2008) 8) and Information Systems ( June, 28 28 – – July, July, 5 5, , 2008, 2008, Tomsk Tomsk, , Russia Russia June, Mesoscale Processes in the Climate System: Modeling and Parameterization V.N. Lykosov Lykosov V.N. 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 of the actual climate system?
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. 4
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. 5
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)
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 Ob: P and P-E annual means (1960-1989) 2 1,8 1,6 1,4 mm/day 1,2 P 1 P-E 0,8 0,6 0,4 0,2 0 ECHAM5/MPI-OM CNRM-CM3 GISS-AOM INM-CM3.0 MRI-CGCM2.3.2 UKMO-HadCM3 UKMO-HadGEM1 Serreze BCCR-BCM2.0 CCSM3 CGCM3.1(T47) CGCM3.1(T63) CSIRO-Mk3.0 GFDL-CM2.0 GFDL-CM2.1 IPSL-CM4 ECHO-G MIROC3.2(hires) PCM GISS-EH GISS-ER MIROC3.2(medres) mean-21 mean-19
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 А 1 В 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 В 1 (middle) and in 2081-2100 under scenario А 2 (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
Recommend
More recommend
