Il Pan-Arctic Ice-Ocean Modeling and Assimilation System (PIOMAS) è un modello computerizzato che utilizza dati satellitari e osservazioni in situ per simulare le variazioni di spessore del ghiaccio marino e le proprietà dell’oceano artico. Il modello è stato sviluppato presso il Polar Science Center dell’Università di Washington e viene utilizzato per monitorare le variazioni a lungo termine del volume del ghiaccio marino artico. Utilizzando un sistema di assimilazione dei dati, il modello integra le informazioni provenienti da diverse fonti per migliorare la precisione delle previsioni. PIOMAS è utilizzato dagli scienziati per studiare il comportamento del ghiaccio marino e dell’oceano artico, nonché per valutare l’impatto del cambiamento climatico su questi ecosistemi. Il modello è anche utilizzato per studiare l’interazione tra il ghiaccio marino artico e il clima globale, compresa la sua capacità di riflettere la luce solare e di influire sulla temperatura della superficie terrestre.
Per questo progetto viene utilizzato il Pan-Arctic Ice-Ocean Modelling and Assimilation System (PIOMAS). PIOMAS è un modello parallelo accoppiato di oceano e ghiaccio marino (POIM, Zhang e Rothrock 2003) con capacità di assimilare dati di concentrazione e velocità del ghiaccio. È formulato in un sistema di coordinate ortogonali curvilinee generalizzate (GOCC) ed è progettato per funzionare su computer a singolo processore o in parallelo massivo.(Il sistema di coordinate ortogonali curvilinee generalizzate (GOCC, acronimo di Generalized Orthogonal Curvilinear Coordinates) è un sistema di coordinate matematiche utilizzato per descrivere la geometria di un dominio tridimensionale in modo più preciso ed efficiente rispetto alle coordinate cartesiane. A differenza delle coordinate cartesiane, che utilizzano tre assi ortogonali (x, y e z) per descrivere la posizione di un punto nello spazio, il sistema GOCC utilizza un set di tre funzioni matematiche che descrivono come i tre assi ortogonali variano in funzione della posizione. Queste funzioni matematiche sono definite in modo tale da rendere gli assi ortogonali tra loro e per descrivere la forma del dominio in cui si trova il punto di interesse. Il sistema GOCC è particolarmente utile per descrivere la geometria di domini complessi, come ad esempio la superficie della Terra o il corpo umano. Esso è ampiamente utilizzato in molte aree della fisica e dell’ingegneria, ad esempio per la simulazione numerica di fluidi, la meccanica strutturale, la progettazione di aerei e navi e la modellistica dei processi biologici.)
PIOMAS accoppia il Parallel Ocean Program (POP) ( Il Parallel Ocean Program (POP) è un modello numerico per la simulazione dell’oceano sviluppato presso il Los Alamos National Laboratory e il National Center for Atmospheric Research (NCAR) negli Stati Uniti.
Il modello utilizza un approccio basato sulla soluzione delle equazioni di Navier-Stokes, che descrivono il movimento degli oceani e il trasferimento di calore, salinità e altri parametri fisici. POP utilizza una griglia di calcolo parallelo, che consente di suddividere il dominio dell’oceano in piccole sezioni computazionali, ognuna delle quali può essere risolta simultaneamente.
POP viene utilizzato per simulare il clima dell’oceano globale, valutare il cambiamento climatico, studiare le correnti oceaniche, la circolazione termoalina, la variabilità oceanica e altri fenomeni dell’oceano. Il modello può essere accoppiato con altri modelli di clima globale, come il Community Earth System Model (CESM), per studiare l’interazione tra l’oceano e l’atmosfera e le conseguenze del cambiamento climatico sulla circolazione dell’oceano.) con un modello di ghiaccio marino Thickness and Enthalpy Distribution (TED) ( Thickness and Enthalpy Distribution (TED) è un modello numerico utilizzato per stimare lo spessore e l’entalpia (energia termica) del ghiaccio marino artico. Il modello è stato sviluppato dallo scienziato del clima canadese David Barber e dal suo team presso l’Università di Manitoba.
TED utilizza una combinazione di dati osservati e modelli numerici per stimare lo spessore del ghiaccio marino artico e la quantità di energia termica che esso contiene. Il modello si basa sulla premessa che la distribuzione di spessore e entalpia del ghiaccio marino influisce sulla sua risposta alle variazioni del clima.
TED fornisce informazioni utili per valutare lo stato e la dinamica del ghiaccio marino artico, nonché per prevedere le sue variazioni a breve e lungo termine. Ad esempio, TED può essere utilizzato per valutare la velocità con cui il ghiaccio marino artico si sta sciogliendo, la sua vulnerabilità alle variazioni del clima e l’impatto del suo scioglimento sulla circolazione oceanica e sul clima globale.) Il modello POP è stato sviluppato dal Los Alamos National Laboratory.
Il modello di ghiaccio marino TED (Thickness and Enthalpy Distribution) è un modello numerico utilizzato per stimare lo spessore e l’entalpia (cioè l’energia termica) del ghiaccio marino artico. Il modello TED utilizza una combinazione di dati osservati e modelli numerici per stimare lo spessore del ghiaccio marino artico e la quantità di energia termica che esso contiene. TED si basa sulla premessa che la distribuzione di spessore e entalpia del ghiaccio marino influisce sulla sua risposta alle variazioni del clima. TED fornisce informazioni utili per valutare lo stato e la dinamica del ghiaccio marino artico, nonché per prevedere le sue variazioni a breve e lungo termine. Ad esempio, TED può essere utilizzato per valutare la velocità con cui il ghiaccio marino artico si sta sciogliendo, la sua vulnerabilità alle variazioni del clima e l’impatto del suo scioglimento sulla circolazione oceanica e sul clima globale.
Il modello TED è stato sviluppato dallo scienziato del clima canadese David Barber e dal suo team presso l’Università di Manitoba. (Zhang and Rothrock, 2001). Il sistema prevede 12 categorie a scala di sottogriglia per lo spessore del ghiaccio, l’entalpia del ghiaccio e la neve. Questo modello TED multicategoriale è costituito da sette componenti principali: una reologia del ghiaccio viscoso-plastica a goccia di Zhang e Rothrock (2005) che determina la relazione tra lo stress interno del ghiaccio e la sua deformazione (Hibler 1979), una funzione di ridistribuzione meccanica che determina l’ondulazione del ghiaccio (Thorndike et al. 1975; Rothrock, 1975; Hibler, 1980), un’equazione della quantità di moto che determina il movimento del ghiaccio, un’equazione del calore che determina la crescita/decadimento del ghiaccio e la temperatura del ghiaccio, un’equazione di distribuzione dello spessore del ghiaccio che conserva la massa del ghiaccio (Thorndike et al, 1975; Hibler, 1980), un’equazione di distribuzione dell’entalpia del ghiaccio che conserva l’energia termica del ghiaccio (Zhang and Rothrock, 2001) e un’equazione di distribuzione dello spessore della neve che conserva la massa del ghiaccio (Flato e Hibler, 1995).
L’equazione del momento del ghiaccio è risolta utilizzando il modello di dinamica del ghiaccio di Zhang and Hibler’s (1997), che utilizza una tecnica di rilassamento a linee successive con un risolutore a matrice tridiagonale, che si è rivelato particolarmente utile per il calcolo parallelo(Zhang and Rothrock, 2003) . L’equazione del calore viene risolta per ogni categoria di spessore del ghiaccio utilizzando un modello termodinamico a tre strati modificato (Winton, 2000). L’ultimo PIOMAS è in grado di simulare distribuzioni di dimensioni dei banchi di ghiaccio marino a 12 categorie su scala di sottogriglia (Zhang et al., 2015, 2016) e distribuzioni di laghetti di fusione (Zhang et al., 2018). La configurazione della griglia a differenza finita di PIOMAS è mostrata di seguito.
La griglia del modello è una griglia GOCC allungata con il polo nord spostato verso la Groenlandia. Questo fa sì che il modello abbia la sua massima risoluzione nel Mare di Groenlandia, nella Baia di Baffin e nell’arcipelago canadese orientale.
Una griglia GOCC (Generalized Orthogonal Curvilinear Coordinates grid) è una griglia di calcolo utilizzata in modelli numerici che utilizzano il sistema di coordinate ortogonali curvilinee generalizzate (GOCC). A differenza delle griglie di calcolo cartesiane, in cui i punti di calcolo sono disposti lungo assi ortogonali (x, y, z), una griglia GOCC può avere punti di calcolo disposti lungo curve irregolari che seguono la geometria del dominio del problema. In una griglia GOCC, i punti di calcolo sono distribuiti in modo più efficiente e preciso rispetto a una griglia cartesiana, in modo da ottenere una rappresentazione più accurata del problema. Le griglie GOCC vengono utilizzate in molti modelli numerici, come ad esempio i modelli di fluidodinamica computazionale e di dinamica molecolare, poiché consentono di descrivere in modo preciso e efficiente la geometria tridimensionale dei sistemi fisici. Tuttavia, l’utilizzo di griglie GOCC richiede un maggiore sforzo di calcolo rispetto alle griglie cartesiane, in quanto richiedono una maggiore complessità matematica per il calcolo dei gradienti e delle derivate delle variabili del modello.
Ciò consente al modello di avere un collegamento ragionevolmente buono tra l’Oceano Artico e l’Oceano Atlantico attraverso il Mare di Groenlandia-Islanda-Norvegia (GIN) e il Mare del Labrador. La risoluzione orizzontale media è di 22 km per i mari Artico, di Barents e GIN (Groenlandia-Islanda-Norvegia) e la baia di Baffin. Il modello è unidirezionalmente annidato in un global POIM (GIOMAS) ( il Global Ocean-Sea Ice Modeling System (GIOMAS). Si tratta di un modello numerico utilizzato per simulare la circolazione dell’oceano globale e la dinamica del ghiaccio marino. Il modello è stato sviluppato presso il Centro per il clima e la dinamica dell’Università di New South Wales, in Australia, e si basa sulla soluzione delle equazioni del moto di Navier-Stokes per l’oceano e sulla descrizione termodinamica del ghiaccio marino. GIOMAS integra dati osservati e simulati per creare una rappresentazione globale dell’oceano e del ghiaccio marino che può essere utilizzata per valutare il cambiamento climatico, studiare i processi oceanici e le interazioni tra oceano e atmosfera. Inoltre, il modello può essere utilizzato per prevedere le variazioni dell’oceano e del ghiaccio marino a breve e lungo termine. GIOMAS è stato utilizzato in molti studi scientifici per valutare l’impatto del cambiamento climatico sulla circolazione oceanica, la dinamica del ghiaccio marino, la salinità e la temperatura dell’oceano, la distribuzione degli organismi marini e altri fenomeni dell’oceano.) Ma cosa vuol dire che il modello è unidirezionalmente annidato in un global POIM (GIOMAS) ?
(Il termine “unidirezionalmente annidato” si riferisce alla gerarchia di modelli che viene utilizzata nel sistema Global Ocean-Sea Ice Modeling System (GIOMAS) per simulare la circolazione dell’oceano e la dinamica del ghiaccio marino. In particolare, il modello GIOMAS utilizza una serie di modelli annidati, che si sovrappongono l’uno all’altro e che differiscono per la risoluzione spaziale e temporale. Il modello globale GIOMAS copre tutto il globo e ha una risoluzione relativamente bassa, mentre i modelli annidati hanno una risoluzione più elevata e coprono regioni specifiche dell’oceano. Il termine “unidirezionale” indica che le informazioni si muovono in una sola direzione, ovvero dal modello globale ai modelli annidati, ma non viceversa. Ciò significa che le condizioni e le variabili del modello globale GIOMAS influenzano i modelli annidati, ma non viceversa. L’approccio unidirezionale annidato consente di simulare in modo efficiente la dinamica dell’oceano globale e del ghiaccio marino artico, mantenendo al contempo una risoluzione spaziale elevata nelle regioni di particolare interesse. Questo approccio viene utilizzato anche in altri modelli di circolazione dell’oceano e della atmosfera per migliorare la risoluzione spaziale e temporale delle simulazioni.) imponendo condizioni al contorno aperte lungo i confini meridionali (~ 43oN). L’output mensile di GIOMAS del modello Global Ocean-Sea Ice Modeling System (GIOMAS) fornisce una serie di informazioni sulle proprietà dell’oceano e del ghiaccio marino artico, tra cui:
- la temperatura e la salinità dell’acqua di mare
- la velocità e la direzione delle correnti oceaniche
- lo spessore del ghiaccio marino
- la sua estensione e concentrazione
- la quantità di energia termica contenuta nel ghiaccio marino
L’output mensile di GIOMAS viene solitamente presentato in forma di mappe o grafici che mostrano le variazioni di queste proprietà nel corso del tempo e nelle diverse regioni dell’oceano artico. Queste informazioni sono utili per monitorare la dinamica dell’oceano e del ghiaccio marino, valutare il cambiamento climatico e prevedere le variazioni future del clima.
Il modello è stato guidato dai dati di rianalisi NCEP/NCAR. Ulteriori informazioni su PIOMAS e sulle analisi recenti sono disponibili sul sito http://psc.apl.uw.edu/research/projects/arctic-sea-ice-volume-anomaly/. L’output di PIOMAS relativo al ghiaccio marino è ampiamente utilizzato.
Riferimenti
Flato, G. M., and W. D. Hibler, III, 1995: Ridging and strength in modeling the thickness distribution of Arctic sea ice. J. Geophys. Res., 100, 18,611-18,626.
Hibler, W. D. III, 1979: A dynamic thermodynamic sea ice model. J. Phys. Oceanogr., 9, 815-846.
Hibler, W. D. III, 1980: Modeling a variable thickness sea ice cover. Mon. Wea. Rev., 108, 1943-1973.
Thorndike, A. S., D. A. Rothrock, G. A. Maykut, and R. Colony, 1975: The thickness distribution of sea ice. J. Geophys. Res., 80, 4501-4513.
Winton, M., 2000: A reformulated three-layer sea ice model. J. Atmos. Ocean. Tech., 17, 525-531.
Zhang, J. and W.D. Hibler: On an efficient numerical method for modeling sea ice dynamics, J. Geophys. Res., 102, 8691-8702, 1997.
Zhang, J., and D.A. Rothrock: A thickness and enthalpy distribution sea-ice model, J. Phys. Oceanogr., 31, 2986-3001, 2001.
Zhang, J., and D.A. Rothrock: Modeling global sea ice with a thickness and enthalpy distribution model in generalized curvilinear coordinates, Mon. Wea. Rev., 131(5), 681-697, 2003.
Zhang, J., and D.A. Rothrock, The effect of sea-ice rheology in numerical investigations of climate, J. Geophys. Res., 110, C08014, doi:10.1029/2004JC002599, 2005.
Zhang, J., A. Schweiger, M. Steele, and H. Stern, Sea ice floe size distribution in the marginal ice zone: Theory and numerical experiments, J. Geophys. Res. Oceans, 120, doi:10.1002/2015JC010770, 2015.
Zhang, J., H. Stern, B. Hwang, A. Schweiger, M. Steele, M. Stark, and H.C. Graber, Modeling the seasonal evolution of the Arctic sea ice floe size distribution, Elementa, 4:000126, doi:10.12952/journal.elementa.000126, 2016.
Zhang, J., A. Schweiger, M. Webster, B. Light, M. Steele, C. Ashjian, R. Campbell, and Y. Spitz, Melt pond conditions on declining Arctic sea ice over 1979-2016: Model development, validation, and results, J. Geophys. Res. Oceans, 123, https://doi.org/10.1029/2018JC014298, 2018.