带物理约束的超浮冰参数化方法及其在海冰浮块不确定性量化中的应用
数值分析
2022-03-09 v3 数值分析
动力系统
计算物理
数据分析、统计与概率
摘要
离散元方法(DEM)为描述海冰动力学提供了一种新的建模途径。它利用基于粒子的方法，在拉格朗日坐标下刻画每个海冰浮块(floe)沿其轨迹的物理量。应用 DEM 模型的一个主要挑战是当浮块数量变大时计算代价沉重。本文开发了一种高效的拉格朗日参数化算法，旨在降低 DEM 模型模拟的计算成本，同时保留海冰的关键特征。新的参数化利用少量人工冰浮块（称为超浮冰(superfloes)）来有效近似数量可观的浮块，其中参数化方案满足若干重要的物理约束。这些物理约束保证了超浮冰参数化系统具有与完整系统相似的短期动力学行为。这些约束还使得超浮冰参数化系统能够准确量化完整系统的长程不确定性，尤其是非高斯统计特征。此外，超浮冰参数化促进了一种系统性的噪声膨胀(noise inflation)策略，显著推进了基于集合的数据同化算法，用于恢复海冰下方未观测的海洋场。这种新的噪声膨胀方法避免了诸多传统算法中的临时调参，且计算上极为高效。基于具有多尺度特征的理想化 DEM 模型的数值实验说明了超浮冰参数化在量化不确定性和同化海冰及相应海洋场方面的成功。
引用
@article{arxiv.2105.13569,
title = {Superfloe Parameterization with Physics Constraints for Uncertainty Quantification of Sea Ice Floes},
author = {Nan Chen and Quanling Deng and Samuel N. Stechmann},
journal= {arXiv preprint arXiv:2105.13569},
year = {2022}
}