Spectral interpolation in semi-implicit semi-Lagrangian methods for shallow water equations on the sphere

Sintesi Tecnica: Interpolazione Spettrale nei Metodi Semi-Impliciti Semi-Lagrangiani per le Equazioni delle Acque Basse sulla Sfera

Enunciato del Problema
I metodi semi-impliciti semi-Lagrangiani (SISL) costituiscono lo standard per i modelli operativi globali di meteorologia e clima, poiché consentono passi temporali superiori a quelli permessi dalla condizione di Courant-Friedrichs-Lewy (CFL). Tuttavia, nelle attuali schemi operativi esiste una significativa incoerenza numerica. Mentre la discretizzazione spaziale delle derivate delle variabili prognostiche impiega tipicamente metodi ad accuratezza spettrale (come le Trasformate di Armoniche Sferiche [SHT] o il metodo della Sfera a Doppia Fourier [DFS]), la fase di interpolazione necessaria per valutare le variabili nei punti di partenza fuori griglia si basa su tecniche di basso ordine, quali polinomi di Lagrange a prodotto tensoriale cubici o quintici.

Questa discrepanza genera una differenza nell'accuratezza numerica. Sebbene l'interpolazione di basso ordine sia spesso giustificata da preoccupazioni sui costi computazionali (con una complessità di $O(n^2)$ contro $O(n^4)$ per l'interpolazione spettrale) e da limiti teorici di errore per l'advectazione semplice, vi sono limitate evidenze numeriche nella letteratura che giustifichino questo compromesso per sistemi complessi come le Equazioni delle Acque Basse (SWE). Inoltre, è noto che l'interpolazione di basso ordine introduce eccessiva diffusione numerica ed errori di fase, potenzialmente degradando l'accuratezza e le proprietà di conservazione su lunghi periodi di integrazione.

Metodologia
Questo lavoro presenta la prima indagine numerica sull'interpolazione ad accuratezza spettrale all'interno degli schemi SISL per le SWE su una sfera. Gli autori si basano sul modello SISL basato su DFS sviluppato da Yoshimura [56], che utilizza una base di Fourier stabile e uno schema SETTLS a due livelli temporali.

L'innovazione metodologica fondamentale consiste nella sostituzione dell'interpolazione di Lagrange standard con uno schema di interpolazione spettrale basato sulla stessa base di Fourier DFS utilizzata per le derivate spaziali. Per affrontare la barriera del costo computazionale, gli autori impiegano la Trasformata di Fourier Veloce Non Uniforme (NUFFT).

• Meccanismo di Interpolazione: Le variabili prognostiche (in particolare i termini $R_v$ e $R_h$ nel sistema semi-implicito) vengono espresse utilizzando la base DFS con regolarità parziale. Queste espansioni vengono quindi valutate nei punti di partenza non griglia.
• Riduzione della Complessità: La valutazione diretta delle serie di Fourier bivariate in $O(n^2)$ punti di partenza richiederebbe $O(n^4)$ operazioni. Riformulando le serie in forma esponenziale complessa e sfruttando la NUFFT (in particolare la libreria FINUFFT), la complessità computazionale viene ridotta a $O(n^2 \log^2(1/\epsilon) + n^2 \log n)$, dove $\epsilon$ è la tolleranza di accuratezza. Ciò rende la fase di interpolazione computazionalmente coerente con il resto dello schema SISL spettrale.
• Implementazione: Gli autori hanno implementato questa interpolazione spettrale in due contesti:
  1. Un modello SISL basato su DFS (utilizzando la base di Fourier stabile di Yoshimura).
  2. Un modello SISL basato su SHT (utilizzando griglie di Gauss-Legendre), dove il metodo DFS è adattato per generare interpolanti di Fourier bivariate a partire dai punti di latitudine non equidistanti.

Contributi e Risultati Chiave
Gli autori hanno valutato i nuovi schemi di interpolazione spettrale rispetto all'interpolazione di Lagrange di basso ordine standard (LAG) utilizzando una serie di casi di test SWE standard (Williamson TC1, TC2, TC5, TC6 e il caso di test di Galewsky). I risultati dimostrano diversi vantaggi distinti:

1. Accuratezza e Convergenza:

   • TC1 (Advectazione di una campana cosinusoidale): L'interpolazione spettrale DFS ha mantenuto lo stesso tasso di convergenza spaziale del LAG, ma ha raggiunto errori circa due ordini di grandezza inferiori. Su lunghi periodi di integrazione (10 rivoluzioni), il metodo DFS ha ridotto gli errori di tre ordini di grandezza rispetto al LAG.
   • TC2 (Flusso Geostrofico): Mentre l'interpolazione LAG non ha mostrato la convergenza temporale del secondo ordine attesa (probabilmente a causa di errori spaziali dominanti), gli schemi di interpolazione DFS hanno raggiunto l'accuratezza teorica del secondo ordine.
   • TC5 e TC6 (Flusso Montuoso e Onde di Rossby-Haurwitz): Il metodo DFS ha prodotto costantemente errori inferiori nei campi di altezza rispetto al LAG, in particolare a risoluzioni più fini e passi temporali più piccoli. Nel TC6, il metodo DFS ha preservato meglio la forma delle depressioni dell'onda, avvicinandosi maggiormente alle soluzioni di riferimento euleriane di alto ordine.

2. Proprietà di Conservazione:

   • L'interpolazione spettrale ha migliorato significativamente la conservazione di massa ed energia. Nel TC1, l'errore assoluto di massa dopo 120 giorni è stato di $1.21 \times 10^{-11}$ per il DFS contro $4.34 \times 10^{-4}$ per il LAG.
   • Nel TC2 e TC5, il metodo DFS ha mantenuto errori di conservazione di massa ed energia stabili nel tempo, mentre gli errori del LAG tendevano ad aumentare o oscillare in modo più significativo.

3. Diffusione Numerica e Dinamica a Piccola Scala:

   • Caso di Test di Galewsky: Questo test coinvolge l'evoluzione di un getto non lineare in turbolenza. L'analisi spettrale dello spettro di energia cinetica ha rivelato che l'interpolazione LAG ha causato una rapida dissipazione dell'energia ad alti numeri d'onda. Al contrario, gli schemi di interpolazione DFS hanno preservato la cascata di energia, permettendo allo spettro ad alti numeri d'onda di avvicinarsi alla scala teorica $k^{-5/3}$ osservata nei flussi rotanti turbolenti. L'interpolazione LAG non è riuscita a catturare questo comportamento, indicando un eccessivo smorzamento numerico.

4. Efficienza Computazionale:

   • I confronti sui tempi reali (wall-clock time) hanno mostrato che, per requisiti di bassa accuratezza, l'interpolazione LAG è più veloce. Tuttavia, all'aumentare dell'accuratezza richiesta (tolleranze di errore più severe), il metodo di interpolazione DFS diventa più efficiente, raggiungendo l'accuratezza target in meno tempo rispetto all'approccio LAG. Ciò conferma che l'interpolazione spettrale accelerata da NUFFT è praticabile per applicazioni ad alta precisione.

Significato
Il paper afferma che l'incorporazione di un'interpolazione ad accuratezza spettrale negli schemi SISL risolve il disallineamento numerico tra la discretizzazione spaziale e l'interpolazione di advectazione. Lo studio dimostra che questo approccio non è un mero miglioramento teorico, ma offre benefici tangibili:

• Elimina il "divario di accuratezza" tra i calcoli delle derivate spettrali e le fasi di interpolazione.
• Riduce la diffusione numerica, preservando così strutture a piccola scala e caratteristiche ondose su lunghi periodi di integrazione.
• Migliora la conservazione di massa ed energia, aspetto critico per le simulazioni climatiche a lungo termine.
• Raggiunge questi miglioramenti senza incorrere in costi computazionali proibitivi, grazie all'accelerazione NUFFT.

Gli autori concludono che, sebbene l'interpolazione di basso ordine sia stata un compromesso pratico, il nuovo approccio spettrale offre un'alternativa superiore per simulazioni ad alta accuratezza e a lungo termine della dinamica atmosferica, motivandone l'estensione a nuclei dinamici tridimensionali più complessi.