D Zupanski Belgrade Univ 2007

Asimilacija osmatranja CO2 koristeci
Lagranzeovski model transporta

Dusanka Zupanski
Cooperative Institute for Research in the Atmosphere
Colorado State University
Zupanski@cira.colostate.edu
(URL: http://www.cira.colostate.edu/projects/ensemble)
Predavanje na Institutu za Meteorologiju
Fizicki Fakultet
Univerzitet u Beogradu
25. Jun 2007, Beograd, Srbija
Saradnici: A.S. Denning, M. Uliasz, R. Lokupitiya, i M. Zupanski
Dusanka Zupanski, CIRA/CSU

Zupanski@CIRA.colostate.edu
Moja kratka biografija

Education:
B.S. 1981, University of Belgrade, Yugoslavia - Atmospheric Sciences
M.S. 1989, University of Belgrade, Yugoslavia - Atmospheric Sciences
Ph.D. 1994, University of Belgrade, Yugoslavia - Atmospheric Sciences
1994-1996, Postdoctoral, UCAR/NOAA/NCEP, Camp Springs, Maryland
Appointments:
2005-present
Research Scientist III, CIRA/CSU, Fort Collins, Colorado
2002-2005
Research Scientist II, CIRA/CSU, Fort Collins, Colorado
2001-2002
Associated Scientist, CIRA/CSU, Fort Collins, Colorado
1996-2001
Associated Scientist, UCAR/NCEP, Camp Springs, Maryland
1994-1996
Postdoctoral Fellow, UCAR/NCEP, Camp Springs, Maryland
1991-1994
Graduate Student Fellow, UCAR/NCEP, Camp Springs, Maryland
1988-1991
Researcher, Institute of Physics, Belgrade, Yugoslavia
1986-1988
Researcher, Hydro-meteorological Institute of the Republic of Serbia,
Belgrade, Yugoslavia
1983-1986
Teaching Assistant, Institute of Meteorology, Belgrade, Yugoslavia
Research Areas:
NCEP time:
-4d-var, model error estimation, assimilation of precipitation observations,
- Dynamical models: Eta model
CSU time (current time):
- Ensemble data assimilation, model error estimation, CO2 transport, information theory
- Dynamical models: RAMS, GEOS-5, SiB, LPDM, PCTM, WRF
Plan Predavanja
Zasto radimo ovo istrazivanje?
Kako to radimo?
Metod koji koristimo: Maximum Likelihood
Ensemble Filter (MLEF).
Rezultati eksperimenata:
- Mezo razmere koristeci LPDM model za
transport
- Globalne razmere koristeci PCTM model za
transport
- Kontinentalne razmere koristeci LPDM model
za transport
Zakljucci i buduci planovi
Zasto radimo ovo istrzivanje?

Osnovni cilj istrazivanja je da se odrede izvori i ponori ugljendioksida u Severnoj Americi.
Postoje tri osnovna izvora/ponora CO2-a:
- respiracija (izvor)
- sagorevanje fosilnih goriva (izvor)
- fotosinteza (ponor)
Izvori i ponori se definisu u formi flukseva CO2: Fluksevi respiracije,
fotosinteze i emisije od fosilnih goriva.
Asimilovanjem osmatranja o koncentracijama CO2, koristeci pri tome
neki model za transport flukseva, mozemo da odredimo odakle je CO2
dosao.
Istrazivanje je finasirano od strane NASA North American Carbon
Program-a (NACP).
Kako to radimo?
Integrisemo model atmosfere i biosfere (SiB-RAMS
model). Kao rezultat dobijamo prognoze meteoroloskih
polja (u,v,T,) i flukseva CO2-a.
Prognozirani fluksevi CO2-a i meteoroloska polja se

koriste kao forsirajuci clanovi u modelu za transport CO2
koncentracije (Lagrangian Particle Dispersion Model,
LPDM). Rezultat integracije LPDM-a je prognozirana
koncentracija CO2-a.
Koristimo asimilaciju podataka da minimiziramo razlike

izmedju prognoziranih i osmotrenih CO2 koncentracija.
Kao rezultat, dobijamo nove, korigovane flukseve CO2-a.
Metod asimilacije koji koristimo je ansambl filter
maksimalne verodostojnosti (Maximum Likelihood
Ensemble Filter, MLEF).
Maximum Likelihood Ensemble Filter (MLEF)

(Zupanski 2005, MWR; Zupanski and Zupanski 2006, MWR)
1
1
T
-1
J [x xb ] Pf [x xb ] [H[M (x)] yobs ]T R1[H[M (x)] yobs ] min
2
2
yobs
- Vektor osmatranja dimenzije Nobs

(Osmatranja CO2 koncentracija sa TV tornjeva)
- Vector modela dimenzije Nstate >>Nens
[x=(F,R ), korekcije fluksevia CO2-a zbog fotosinteze i respiracije]
xn M n,n1 (xn1 )
yn H n (xn )
- Dinamicki prognosticki model (M=SiB-RAMS)
- Osmatracki operator (H=LPDM)
Minimizacijom funkcionala J odredjujemo greske flukseva F i R, koje se

koriste kao multiplikativni korektivni clanovi u jednacinama LPDM modela.
Sta dobijamo kao konacan rezultat?
Kao rezultat dobijamo popravljenu prognozu flukseva fotosinteze (F) i

respiracije (R), i njihovog neto doprinosa totalnom budzetu CO2-a.
Definisemo Neto Promenu Ekosistema (NPE) koristeci:
NPE(x, y,t) R (x, y)R(x, y,t) F (x, y)F(x, y,t)

Multiplicativni korektivni clanovi R i F odredjuju se u svakom
asimiliacionom ciklusu. Vrednosti za R i F dobijene iz prethodnog
asimilacionog ciklusa koriste se kao preliminarno polje za dati ciklus.

Sematski prikaz algoritma za asimilaciju CO2-a

Kovarijansa greske prognoze
Pf =cov(Fb,Rb)
(ansambl podprostor)
Osmatranja
[CO2]
Preliminarno polje
xb=(Fb,Rb)
ASIMILACIJA PODATAKA
Kovarijansa greske analize
Pa =cov(F,R)
(ansambl podprostor)
Optimalno resenje
x=(F,R)
Ansambl prognoze koristeci LPDM

Eksperimenti
Eksperiment 1: Mezo razmere, simulirana osmatranja CO2
Definisemo flukseve respiracije i fotosinteze kao istinite flukseve.
Koristimo istinite flukseve u LPDM modelu da simuliramo
osmatranja koncentracija CO2-a sa TV tornjeva u severnom Wisconsinu.
Asimilacijom simuliranih podataka pokusavamo da odredimo istinite
flukseve.
Domen modela je 600km x 600km i x=20km.
Nobs=1200, osmatracke greske su simulirane da bude izmedju 1ppm i
45 ppm (sto je slicno relanim osmatrackim greskama).
Nstate=1800 = 900 tacaka mreze x 2 promenljive (F i R)
Preliminarne vrednosti su definisane da budu F=R=0.75, u svim
tackama.
Preliminarne greske za F and R su definisane da budu = 0.2 u svim
tackama mreze.
Rezultati asimilacije tokom 70 dana pocev od 1. Juna 2004. su
prikazani.
Asimilacioni period je 7 dana.
Zupanski et al., 2007 (in print in JGR)

Eksperiment 1a: Poredjenje MLEF-a i KF-a

Kada je Nens=Nstate=1800, MLEF=KF (Kalman Filter).
Za linearan model (kao sto je LPDM) i Gaussove greske, KF daje teorijski
optimalno resenje.
Poredjenjem rezultata MLEF-a i KF-a mozemo da zakljucimo koliko se MLEF
resenje razlikuje od teorijski optimalnog resenja.
RMS Errors
DOF for signal

(ds)
0.3
WLEF_Cyc3
WLEF_Cyc7
Ring_Cyc3
Ring_Cyc7
0.28
0.26
55
WLEF_100ens
Ring_100ens
45
35
Ring_KF
ds
RMS
WLEF_KF
0.24
0.22
25
0.2
15
0.18
0.16
40
200
360
520
680
840
1000 1160 1320 1480 1640 1800
Ensemble Size
Najefektivnije koristenje ansambala kada je

broj ansambala manji ili jednak 100.
Data Assimilation Cycle
MLEF sa 100 ansambala proizvodi

ds kao u KF metodu.
Eksperiment 1b: Rezultati MLEF-a sa 100 ansambala (F i R)

Istinito F
F, Ciklus 7
QuickTime and a
TIFF (LZW) decompressor
are needed to see this picture.
Istinito R
QuickTime and a
R, Ciklus 7
QuickTime and a
F i R su bliski istinitim F i
R u oblastima blizu
osmatranja (TV tornjevi u
severnom Wisconsinu).
QuickTime and a
QuickTime and a

Eksperiment 1c: Rezultati MLEF-a sa 100 ansambala (F i R)

F*100, Ciklus 1
QuickTime and a
R*100, Ciklus 1
QuickTime and a
F*100, Ciklus 3
QuickTime and a
R*100, Ciklus 3
QuickTime and a
F*100, Ciklus 7
QuickTime and a
R*100, Ciklus 7
QuickTime and a
QuickTime and a
F i R opadaju sa porastom broja asimilacionih ciklusa: MLEF uci o

neizvesnosti F i R koristeci informaciju iz osmatranja.
Eksperimenti (nastavak)
Eksperiment 2: Globalne razmere, simulirana osmatranja CO2
Koristimo globalni Parameterized Chemical Transport Model (PCTM)
za transport CO2-a.
Odredjujemo multiplicativne korektivne clanove F (fotosinteza), R
(respiracija) i O (okean) koristeci simulirane podatke o koncentraciji
CO2-a.
Horizontalno razlaganje za F, R iO je 10x6.
Osmatracke greske su izmedju 1ppm i 40 ppm (slicno relanim
osmatrackim greskama).
Preliminarne vrednosti su F=R=O=1.0, u svim tackama.
Preliminarne greske su F =R=0.05 i O=0.02.
Asimilacioni period je 8 nedelja.
Rezultati asimilacije posle 5 asimilacionih ciklusa (40 nedelja) su
prikazani.

Observation Network
+ : flask
: aircraft profiles
O : continuous
Observation error:
flask/aircraft = 1 ppm
continuous
2 ppm daytime
~40 ppm nighttime
Pseudo observations are sampled at obs locations by running transport forward, after 3 year spin-up
Eksperiment 2a: Rezultati MLEF-a sa 200 ansambala, F

Istinito F
% razlika
F, Ciklus 5
% redukcija neizvesnosti
Redukcija neizvesnosti najveca u oblastima sa vise

osmatranja (Severna Amerika i Evropa).
Eksperiment 2b: Rezultati MLEF-a sa 200 ansambala, R

Istinito R
% razlika
R, Ciklus 5
Slicni rezultati kao za F.

Eksperiment 2c: Rezultati MLEF-a sa 200 ansambala, O

Istinito O
% razlika
O, Ciklus 5
Korekcije okeanskih flukseva (O) su manje slicne istinitim

korekcijama zbog toga sto koncentracije CO2 sadrze manje
informacija o okeanskim fluksevima.
Eksperimenti (nastavak)
Eksperiment 3: Kontinentalne razmere, realna osmatranja CO2
Koristimo LPDM model koji je forsiran meteoroloskim poljima i
fluksevima iz SiB-RAMS modela
Asimilujemo realna osmatranja koncentracija CO2-a sa 8 visokih
tornjeva u kontinentalnom delu U.S.A.
Odredjujemo multiplicativne korektivne clanove F i R.
Osmatracke greske su izmedju 2 ppm (dan) i 45 ppm (noc).
Preliminarne vrednosti su F=R=1.0, u svim tackama.
Preliminarne greske su F =R=0.2, u svim tackama.
Asimilacioni period je 10 dana.
Rezultati asimilacije posle 3 asimilaciona ciklusa (30 dana) su
prikazani.

Eksperiment 3a: Srednji fluksevi NPE za Jun 2004

9
1500
6
1000
Originalni SiB-RAMS
fluksevi NPE
(nekorigovani).
3
500
0
0
-3
-500
-6
-1000
-9
-1500
-12
-2500
-2000
-1500
-1000
-500
500
1000
1500
2000
2500
9
1500
6
1000
3
Korigovani fluksevi
NPE (koristeci
MLEF).
500
0
0
-3
-500
-6
-1000
-9
-1500
-12
-2500
-2000
-1500
-1000
-500
500
1000
1500
2000
2500

Eksperiment 3b: Neizvesnost izracunatih flukseva (NPE)

2
1500
1000
Standardna devijacija
gresaka izracunatih
flukseva NPE (NPE).
1.5
500
0
1
-500
-1000
0.5
-1500
-2500
-2000
-1500
-1000
-500
500
1000
1500
2000
2500
0
1.25
1500
1
1000
Redukcija
neizvesnosti
(NPEprelim - NPE )
500
0.75
0
0.5
-500
0.25
-1000
0
-1500
-2500
-2000
-1500
-1000
-500
500
1000
1500
2000
2500
-0.25
Slicno kao i u eksperiemntima sa simuliranim

podacima, redukcija neizvesnosti je najveca u
oblastima gde postoje osmatranja.
Dusanka Zupanski,
CIRA/CSU
Zakljucci i buduci rad

Rezultati pokazuju dobro ponasanje MLEF-a u
poredjenju sa KF metodom.
Eksperiemti sa simuliranim podacima pokazuju
da MLEF moze da proizvede realisticne korekcije
flukseva CO2 za procese razlicitih razmera (mezo i
globalnih).
Preliminarni rezultati sa realnim podacima,
ukazuju na slicno ponasanje MLEF-a, sto je veoma
ohrabrujuce.
Dalje istrazivanje se planira u saradnji sa
Institutom za Meteorologiju na Beogradskom
Univerzitetu.

D Zupanski Belgrade Univ 2007

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

D Zupanski Belgrade Univ 2007

Uploaded by

Copyright:

Available Formats

Asimilacija osmatranja CO2 koristeci

Lagranzeovski model transporta

Saradnici: A.S. Denning, M. Uliasz, R. Lokupitiya, i M. Zupanski

Dusanka Zupanski, CIRA/CSU

Moja kratka biografija

Zasto radimo ovo istrzivanje?

Prognozirani fluksevi CO2-a i meteoroloska polja se

Koristimo asimilaciju podataka da minimiziramo razlike

Maximum Likelihood Ensemble Filter (MLEF)

- Vektor osmatranja dimenzije Nobs

- Dinamicki prognosticki model (M=SiB-RAMS)

- Osmatracki operator (H=LPDM)

Minimizacijom funkcionala J odredjujemo greske flukseva F i R, koje se

Sta dobijamo kao konacan rezultat?

Kao rezultat dobijamo popravljenu prognozu flukseva fotosinteze (F) i

NPE(x, y,t) R (x, y)R(x, y,t) F (x, y)F(x, y,t)

Dusanka Zupanski, CIRA/CSU

Sematski prikaz algoritma za asimilaciju CO2-a

Ansambl prognoze koristeci LPDM

Dusanka Zupanski, CIRA/CSU

Dusanka Zupanski, CIRA/CSU

Eksperiment 1a: Poredjenje MLEF-a i KF-a

DOF for signal

1000 1160 1320 1480 1640 1800

Najefektivnije koristenje ansambala kada je

Data Assimilation Cycle

MLEF sa 100 ansambala proizvodi

Eksperiment 1b: Rezultati MLEF-a sa 100 ansambala (F i R)

Dusanka Zupanski, CIRA/CSU

Eksperiment 1c: Rezultati MLEF-a sa 100 ansambala (F i R)

F i R opadaju sa porastom broja asimilacionih ciklusa: MLEF uci o

Dusanka Zupanski, CIRA/CSU

Eksperiment 2a: Rezultati MLEF-a sa 200 ansambala, F

Redukcija neizvesnosti najveca u oblastima sa vise

Eksperiment 2b: Rezultati MLEF-a sa 200 ansambala, R

Slicni rezultati kao za F.

Eksperiment 2c: Rezultati MLEF-a sa 200 ansambala, O

Korekcije okeanskih flukseva (O) su manje slicne istinitim

Dusanka Zupanski, CIRA/CSU

Eksperiment 3a: Srednji fluksevi NPE za Jun 2004

Dusanka Zupanski, CIRA/CSU

Eksperiment 3b: Neizvesnost izracunatih flukseva (NPE)

Slicno kao i u eksperiemntima sa simuliranim

Zakljucci i buduci rad

You might also like