Stochastic compressible Navier-Stokes equations under location uncertainty and their approximations for ocean modelling

Dieser Beitrag stellt eine gemeinsame theoretische und numerische Untersuchung stochastischer kompressibler Navier-Stokes-Gleichungen unter Ortsunsicherheit vor, die ihre Anwendung in der Ozeanmodellierung durch Boussinesq-Näherungen demonstriert, welche signifikante Kompressionseffekte in der potentiellen Energie aufzeigen und eine verbesserte energetische Konsistenz für Subgrid-Scale-Modelle der vertikalen Durchmischung bieten.

Das Wesentliche

Stellen Sie sich den Ozean als einen riesigen, brodelnden Suppentopf vor. Seit langem versuchen Wissenschaftler, das „Rezept" für die Bewegung dieser Suppe mit perfekten, deterministischen Regeln zu schreiben. Sie gingen davon aus, dass man, wenn man die exakte Position und Geschwindigkeit jedes einzelnen Wassermoleküls kennt, genau vorhersagen könnte, wohin die Suppe als Nächstes fließt.

Der Ozean ist jedoch zu komplex dafür. Er ist voller winziger, chaotischer Wirbel (Turbulenzen), die zu klein sind, um sie direkt zu sehen oder zu messen. Zu versuchen, jeden einzelnen Wirbel zu simulieren, ist wie der Versuch, jeden Sandkorn an einem Strand zu zählen, um die Gezeiten vorherzusagen – es ist unmöglich und rechnerisch zu aufwendig.

Dieser Artikel schlägt eine neue Art vor, das Rezept zu schreiben. Anstatt zu versuchen, jedes Sandkorn zu verfolgen, schlagen die Autoren vor, einen „Fudge-Faktor" (einen Korrekturfaktor) auf Basis von Unsicherheit hinzuzufügen. Sie nennen dies das Location Uncertainty (LU)-Rahmenwerk.

Hier ist die Kernidee in einfachen Konzepten aufgeschlüsselt:

1. Die Analogie des „Trunkenen Gangs"

Stellen Sie sich vor, Sie gehen durch einen überfüllten Markt. Sie haben ein klares Ziel (die „großskalige" Strömung), aber Menschen, die gegen Sie stoßen, drängen Sie leicht in zufällige Richtungen von Ihrem Kurs ab.

• Der alte Weg: Sie versuchen, den exakten Pfad jedes einzelnen Menschen zu berechnen, der gegen Sie stößt.
• Der neue Weg (LU): Sie akzeptieren, dass Sie gestoßen werden. Sie modellieren Ihre Bewegung als einen glatten Gang plus eine zufällige, zitternde „Brownsche Bewegung" (wie ein trunkenes Gehen). Sie wissen nicht genau, wohin die Stöße Sie drücken werden, aber Sie kennen die Statistik der Stöße (wie stark sie sind und wie sie korrelieren).

2. Die „kompressible" Suppe

Die meisten Ozeanmodelle gehen davon aus, dass Wasser „inkompressibel" ist – es ist also wie ein fester Block Gelee, der nicht zusammengedrückt werden kann. In Wirklichkeit kann Wasser jedoch leicht zusammengedrückt werden, insbesondere wenn sich der Druck ändert oder die Temperatur schwankt.

• Die Autoren beginnen mit der vollen, komplexen Physik von kompressiblem Wasser (Wasser, das zusammengedrückt werden kann).
• Sie wenden dann ihre Mathematik der „zufälligen Stöße" auf dieses komplexe System an.
• Das Ergebnis: Sie leiten einen neuen Satz von Gleichungen ab, die den alten ähneln, aber zusätzliche Terme enthalten. Diese zusätzlichen Terme repräsentieren die „Arbeit", die durch die zufälligen Stöße verrichtet wird. Denken Sie daran als die Energie, die übertragen wird, wenn die Menge Sie drängt; es ist nicht nur ein zufälliger Schubs, sondern verändert tatsächlich Ihre Geschwindigkeit und die Wärme Ihres Körpers.

3. Die „versteckte Wärme" im Mix

Der Artikel konzentriert sich stark auf Temperatur und Konvektion (warmes Wasser steigt auf, kaltes Wasser sinkt ab).

• Das Problem: In Standardmodellen stoppt kaltes Wasser, wenn es absinkt, oft abrupt am Boden der gemischten Schicht (dem oberen Teil des Ozeans). In der Realität durchstoßen diese „Plumes" (Strömungssäulen) aus kaltem Wasser jedoch oft wie ein Speer das tiefere, wärmere Wasser. Dies wird als penetrierende Konvektion bezeichnet.
• Die Entdeckung: Als die Autoren ihr neues stochastisches Modell ausführten, stellten sie fest, dass die Terme der „zufälligen Stöße" diesen Durchstoß-Effekt auf natürliche Weise nachbildeten.
• Die Metapher: Stellen Sie sich eine Menschenmenge (den Ozean) vor, die versucht, eine schwere Kiste (einen kalten Wasserplume) zu bewegen. Standardmodelle wirken wie eine starre Wand, die die Kiste stoppt. Das neue Modell wirkt wie eine chaotische Menge; das zufällige Drängeln verleiht der Kiste genug zusätzlichen Impuls, um durch die Wand zu gleiten und tiefer zu gehen als erwartet.

4. Zwei Arten, Energie zu messen

Die Autoren stellten etwas Interessantes über die Art und Weise fest, wie sie die Energie des Systems messen:

• Innere Energie (die „Hitze"): Als sie sich nur die Wärme ansahen, waren die Effekte des „Zusammendrückens" (Kompression) winzig und spielten keine große Rolle. Dies entsprach den alten, einfacheren Modellen.
• Potenzielle Energie (die „Höhe"): Als sie jedoch die Energie betrachteten, die mit der Höhe zusammenhängt (wie hoch das Wasser im Schwerefeld steht), wurden die Effekte des „Zusammendrückens" sehr wichtig.
• Die Erkenntnis: Es ist wie das Messen eines springenden Balls. Wenn man nur misst, wie heiß der Ball wird, wenn er auf den Boden trifft, scheint der Sprung keine Rolle zu spielen. Aber wenn man misst, wie hoch er springt, ist der Aufprall enorm. Die Autoren stellten fest, dass die zufälligen Druckterme in ihrem Modell wie eine versteckte Feder wirken, die beeinflusst, wie hoch das Wasser im Energiehaushalt „springt".

5. Die „Drift" und die „Diffusion"

Die Mathematik erzeugt zwei spezifische neue Terme, die als „Fudge-Faktoren" wirken:

• Die Drift (Itô-Stokes-Drift): Dies ist ein systematischer Schub, der dadurch verursacht wird, dass die zufälligen Stöße nicht perfekt gleichmäßig sind. Es ist wie ein Flussstrom, der aufgrund der spezifischen Anordnung der Steine (Turbulenzen) leicht anders fließt.
• Die Diffusion: Dies ist der Effekt des Ausbreitens, der durch die zufälligen Stöße verursacht wird.

Zusammenfassung der Leistung

Die Autoren haben erfolgreich eine Brücke zwischen der chaotischen, unordentlichen Realität des Ozeans und den sauberen, mathematischen Modellen geschlagen, die wir zur Vorhersage verwenden.

• Sie begannen mit der komplexesten Physik, die möglich ist (kompressibel, zufällig, thermodynamisch).
• Sie zeigten, dass, wenn man sie auf die „Standard"-Ozeanansicht vereinfacht (Boussinesq-Näherung), die neuen Gleichungen immer noch funktionieren und tatsächlich die Vorhersage verbessern, wie tief kaltes Wasser absinkt.
• Sie bewiesen, dass man nicht jeden winzigen Wirbel simulieren muss, um das richtige Ergebnis zu erhalten; man muss lediglich die Unsicherheit darüber mathematisch berücksichtigen, wohin das Wasser fließt.

Kurz gesagt, haben sie die unmögliche Aufgabe des „Zählens jedes Sandkorns" durch eine klügere Strategie ersetzt: „Berücksichtige die Tendenz des Sands zu zerstreuen", und stellten fest, dass dieser Ansatz die tiefen, durchdringenden Strömungen des Ozeans viel besser erfasst als frühere Methoden.

Technische Zusammenfassung

Technische Zusammenfassung: Stochastische kompressible Navier-Stokes-Gleichungen und ihre Approximationen für die Ozeanmodellierung

Problemstellung
Die Ozeanmodellierung steht vor erheblichen Herausforderungen bei der Darstellung von Prozessen unterhalb der Gitterauflösung, insbesondere der vertikalen Durchmischung und der durchdringenden Konvektion, die für Klimasimulationen (z. B. die Atlantische Meridionale Umwälzzirkulation) entscheidend sind. Traditionelle Ansätze stützen sich häufig auf die Boussinesq-Näherung, die Inkompressibilität annimmt und Kompressibilitätseffekte vernachlässigt. Obwohl diese Näherung in vielen Kontexten angemessen ist, kann sie die energetische Konsistenz zwischen Temperatur- und Impulsflüssen verschleiern und versagt darin, die Ausbreitung akustischer Wellen oder spezifische thermodynamische Arbeitsterme im Zusammenhang mit Kompression und Dilatation zu erfassen. Darüber hinaus wurden bestehende stochastische Modelle für die Ozeandynamik weitgehend für inkompressible Strömungen hergeleitet, was eine Lücke im theoretischen Rahmenwerk für kompressible, thermodynamisch aktive Fluide hinterlässt. Die Autoren zielen darauf ab, eine rigorose stochastische Formulierung zu entwickeln, die Positionsunsicherheit (LU) in kompressiblen Strömungen berücksichtigt, indem sie die notwendigen thermodynamischen Terme explizit herleitet, um die energetische Konsistenz von vertikalen Modellen unterhalb der Gitterauflösung zu verbessern.

Methodik
Die Arbeit verwendet das Framework der Positionsunsicherheit (LU), das die Verschiebung von Fluidpartikeln in eine zeit-differenzierbare aufgelöste Geschwindigkeit und eine hochfluktuierende, zeit-unkorrelierte Komponente zerlegt, die als Brownsche Bewegung modelliert wird.

1. Theoretische Herleitung:

   • Die Autoren gehen von den fundamentalen Erhaltungssätzen für Masse, Stoffmasse, Impuls und Gesamtenergie aus.
   • Sie wenden den stochastischen Reynolds-Transporttheorem (SRTT) an, das um stochastische Quellterme erweitert wurde. Dies führt zu einem allgemeinen System stochastischer kompressibler Navier-Stokes-Gleichungen sowohl in konservativer als auch in nicht-konservativer (primitiver Variablen-) Form.
   • Entscheidend ist, dass die Herleitung explizit die Arbeit von Kräften (Druck und viskose Spannungen) und Wärmeflüssen berücksichtigt, die auf die stochastische Verschiebung wirken. Dies führt zum Auftreten spezifischer stochastischer Terme, darunter rauschinduzierte Diffusion, Itô-Stokes-Drift und Terme der quadratischen Kovariation (die aus dem Produkt stochastischer Differentiale entstehen).
   • Das System wird anschließend den Boussinesq- und hydrostatischen Näherungen unterzogen. Die Autoren verfolgen sorgfältig die Größenordnung der Terme, um ein stochastisches Boussinesq-System herzuleiten, das thermodynamische Effekte beibehält, insbesondere die durch potentielle Energie ausgedrückte Kompressionsarbeit.

2. Numerische Anwendung:

   • Zur Validierung des theoretischen Rahmens führen die Autoren eine Large-Eddy-Simulation (LES) eines temperaturgetriebenen freien Konvektionsereignisses in einem geschichteten Ozean mit dem CROCO-Modell (nicht-hydrostatische, nicht-Boussinesq-Fähigkeiten) durch.
   • Sie wenden eine Zeitfiltertechnik auf die LES-Daten an (unter Verwendung einer Dekorrelationszeit von 3 Stunden), um aufgelöste Skalen von Fluktuationen unterhalb der Gitterauflösung zu trennen.
   • Die Residuen unterhalb der Gitterauflösung werden verwendet, um das stochastische Rauschen (Brownsche Bewegung) und seinen Varianztensor zu konstruieren.
   • Ein offline 1D-stochastisches Modell wird dann durch diese diagnostizierten Statistiken gezwungen, um die Entwicklung des horizontal gemittelten Temperaturprofils zu simulieren. Dies ermöglicht einen direkten Vergleich zwischen den Ausgaben des stochastischen Modells und den Referenz-LES-Ergebnissen.

Hauptbeiträge

• Allgemeine stochastische kompressible Formulierung: Die Arbeit liefert eine vollständige Herleitung der stochastischen kompressiblen Navier-Stokes-Gleichungen, einschließlich des Transports von Stoffen und des gesamten Energiehaushalts. Dies erweitert frühere LU-Arbeiten, die primär auf inkompressible Strömungen beschränkt waren.
• Thermodynamische Konsistenz: Die Herleitung schließt die Arbeit von Kompression und Dilatation explizit ein. Die Autoren zeigen, dass diese Terme, wenn sie in Bezug auf innere Energie ausgedrückt werden (konsistent mit der Boussinesq-Näherung), vernachlässigbar sind, jedoch signifikant werden, wenn sie in Bezug auf potentielle Energie ausgedrückt werden. Dies offenbart neue stochastische Druckterme innerhalb der gemischten Schicht, die kinetische und potentielle Energie koppeln.
• Stochastisches Boussinesq-Modell mit Thermodynamik: Die Autoren leiten ein stochastisches Boussinesq-Modell her, das diese thermodynamischen Effekte integriert und ein physikalisch konsistenteres Rahmenwerk bietet als frühere stochastische isochore Modelle.
• Diagnose durchdringender Konvektion: Die Studie identifiziert, dass die stochastischen Terme, insbesondere die Itô-Stokes-Drift und die stochastische Diffusion, in der Lage sind, die vertikalen Temperaturflüsse an der Basis der gemischten Schicht wiederzugeben. Dies ist ein Bereich, in dem Standardparametrisierungen oft versagen, Effekte der durchdringenden Konvektion (Erwärmung an der Basis der gemischten Schicht) zu erfassen.

Ergebnisse

• Energiehaushalt: Im numerischen Experiment wird das führende Gleichgewicht für Temperaturänderungen durch den Transport innerer Energie bestimmt, was konsistent mit der Boussinesq-Näherung ist. Bei der Analyse der potentiellen Energie zeigen die stochastischen Terme (insbesondere die quadratische Kovariation $A_u$ und die Driftarbeit $D_\sigma$, die mit dem stochastischen Druck verbunden sind) jedoch signifikante Beiträge.
• Dynamik der gemischten Schicht: Das stochastische Modell reproduziert erfolgreich die Erwärmung an der Basis der gemischten Schicht, die mit durchdringender Konvektion verbunden ist. Dies wird der Fähigkeit des Modells zugeschrieben, nicht-lokale vertikale Dynamiken zu erfassen, die durch horizontale Variabilität und inertielle Prozesse angetrieben werden, ohne auf explizite diffusive Schließungsannahmen angewiesen zu sein.
• Einschränkungen: Innerhalb der gemischten Schicht selbst zeigt das stochastische Modell im Vergleich zur Referenz-LES nur begrenzte Fähigkeiten. Die Autoren stellen fest, dass die relativ geringe Variabilität des turbulenten Feldes in diesem Bereich zu vernachlässigbaren Beiträgen der stochastischen Terme in ihrem aktuellen diagnostischen Setup führt. Das Modell hat zudem Schwierigkeiten in der Nähe der Oberfläche, wahrscheinlich aufgrund der Unfähigkeit der stochastischen Darstellung, die spezifischen kleinskaligen Fluktuationen zu erfassen, die von der LES aufgelöst werden.

Bedeutung und Behauptungen
Die Autoren behaupten, dass diese Arbeit einen strukturierten Modellierungsrahmen bietet, der neue Perspektiven für die ozeanische Dynamik in einem stochastischen Setting eröffnet.

• Physikalische Begründung: Im Gegensatz zu phänomenologischen Ansätzen werden die zusätzlichen Terme in den stochastischen Gleichungen rigoros aus Erhaltungssätzen und stochastischer Kalkül hergeleitet, was eine klare physikalische Begründung für ihre Form und Rolle liefert (z. B. analog zur baropyknalen Arbeit in kompressiblen LES).
• Energetische Konsistenz: Das Rahmenwerk bietet einen Weg zur Verbesserung der energetischen Konsistenz von vertikalen Modellen unterhalb der Gitterauflösung, die in Ozean-General-Zirkulationsmodellen (OGCMs) verwendet werden, indem es physikalische Unsicherheiten und Näherungen explizit berücksichtigt, insbesondere hinsichtlich der Kopplung zwischen Dynamik und Thermodynamik.
• Durchdringende Konvektion: Die Fähigkeit der stochastischen Terme, fehlende Reynolds-Spannungen an der Basis der gemischten Schicht qualitativ wiederzugeben, deutet auf ein Potenzial hin, Effekte der durchdringenden Konvektion ohne die Rechenkosten vollständiger nicht-hydrostatischer Löser darzustellen.
• Zukünftige Richtungen: Die Arbeit schlägt bescheiden vor, dass, obwohl der aktuelle diagnostische Ansatz vielversprechend ist, zukünftige Arbeiten sich auf die prognostische Modellierung der Rauscheigenschaften (z. B. über TKE-basierte Modelle) und die Einbeziehung zufälliger Oberflächen-Druckkräfte konzentrieren sollten, um die Dynamik innerhalb der gemischten Schicht und in der Nähe der Oberfläche besser zu erfassen.