MPAS(the Model for Prediction Across Scales)最早是美国阿拉莫斯实验室(LANL)和美国大气研究中心(NCAR)的一个合作项目,旨在发展大气、海洋和其他地球系统分量模式用于研究全球或区域的天气和气候。LANL主要负责海洋分量模式MPAS-O的开发,而大气分量模式MPAS-A主要由NCAR负责,MPAS的框架、应用程序和工具则由两者共同开发。目前MPAS有大气、海洋海冰和陆冰四个分量。
MPAS主要特点是其使用的非结构的球面质心泰森多边形网格(SCVT),该网格主要是六边形,具备平滑过渡加密特定区域的能力。MPAS-A的空间离散基于有限体积,时间离散采用龙格库塔方案,变量配置采用Arakawa C网格,目前其采用的物理参数化方案主要继承自WRF模式。
MPAS-A网格的变量分布
自V7.0版本以后,MPASS-A发布了区域版本,边界条件采用Rayleigh damping,将全球模式的约束引入,用于驱动区域模式。不过个人认为,区域版本的MPAS有点鸡肋,应用场景有限。
区域版本的网格示意
MPAS-A目前推出了GPU版本,基于V6版本开发,未来将更新至新版本中。基于openACC,使得MPAS-A具备使用GPU的能力。openACC和CUDA相比,类似于openMP与MPI的关系。相比使用CUDA需要对代码做较大改动,openACC在原始代码上,添加一些引导语句即可,花费较小的工作量也能得到不错的加速比。
目前的GPU版本还有许多不足,比如参数化方案只对mesoscale_reference套装进行加速,只在IBM AC922机器上进了了测试,由于使用的是openACC,编译器只支持PGI。
同化系统方面,目前DART支持MPAS-A的同化,不过DART是集合卡尔曼同化系统,限制了其直接同化众多非常规资料的能力。
变分同化系统仍期待于JEDI同化系统,JEDI由JCSDA联合多家单位研发的新一代更通用的同化系统,预计支持FV3,MPAS,WRF,UM等模式,目前MPAS-JEDI的研发已有雏形,但是根据目前公开的信息,与WRFDA和GSI类似完备齐全的应用似乎还有还有一段距离。
总的来说,MPAS-A作为NCAR自WRF以后的下一代模式,其应用前景值得期待。
扫描下方二维码,关注气海同途,了解更多大气海洋数值模式相关内容。
参考:
https://mpas-dev.github.io/
https://dart.ucar.edu/research/mpas/
https://www.jcsda.org/jcsda-project-jedi