Métodos numéricos para a nova geração de modelos de previsão de tempo e clima

• Processo: 16/18445-7
• Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores
• Data de Início da vigência: 01 de fevereiro de 2017
• Data de Término da vigência: 30 de abril de 2022
• Área do conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Pesquisador responsável: Pedro da Silva Peixoto
• Beneficiário: Pedro da Silva Peixoto
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Auxílio(s) vinculado(s): 21/06176-0 - Métodos numéricos para uma nova geração de modelos de previsão de tempo e clima, AP.PFPMCG.JP2
• Bolsa(s) vinculada(s): 21/03777-2 - Paralelização temporal das equações de águas rasas na esfera usando harmônicos esféricos e discretização semi-lagrangeana, BP.PD; 20/10280-4 - Análise e desenvolvimento de métodos de volumes finitos para modelos da nova geração da dinâmica atmosférica baseados na esfera cubada, BP.DR; 17/25191-4 - Análise de discretizações de volumes finitos sobre a esfera geodésica com refinamento local, BP.MS; 17/11542-0 - Refinamentos locais e interpolação em malhas esféricas icosaédricas, BP.IC
• Assunto(s): Análise numérica Método dos volumes finitos Métodos numéricos Previsão do tempo Previsão numérica do tempo
• Palavra(s)-Chave do Pesquisador: métodos numéricos | métodos paralelos no tempo | modelo atmosférico global | previsão do tempo e clima | Volumes Finitos | Análise Numérica

Resumo

A modelagem numérica da dinâmica da atmosférica, parte central de modelos de previsão do tempo e clima, tem experimentado uma mudança radical para se tornar adequada à nova geração de supercomputadores que exigem processamento massivamente paralelo. Este projeto visa estudar duas frentes de métodos numéricos para essa nova geração de modelos: (i) o desenvolvimento e análise de métodos numéricos para malhas quase uniformes na esfera, que evitam problemas de escalabilidade de modelos tradicionais; (ii) a exploração da dimensão temporal como fonte de paralelismo, com métodos que mudam radicalmente a forma de pensar a integração temporal desses modelos. Recentemente, mostramos que uma das principais metodologias adotadas em novos modelos que usam malhas quase uniformes carece de consistência (erro local de truncamento não converge para zero com aumento da resolução). Propusemos um método que corrige este problema e visamos neste projeto colocar o novo método no modelo atmosférico Model for Prediction Across Scales (MPAS) do National Center for Atmospheric Research (NCAR-USA), com o intuito de obter uma versão numericamente e dinamicamente consistente deste modelo. Em paralelo, estudaremos outros problemas relacionados com o uso de malhas esférica quase uniformes, como a análise de instabilidades numéricas presentes neste tipo de modelo e formas de otimizar malhas com refinamentos locais. O uso de malhas quase uniformes prolonga a vida útil dos modelos atmosféricos no que diz respeito a sua aplicabilidade em arquiteturas computacionais modernas, porém, no longo prazo, estes terão escalabilidade limitada por seu padrão de comunicação de partição de domínio. Visamos neste projeto explorar a dimensão temporal como nova fonte de paralelismo. Recentemente, desenvolvemos um método altamente paralelo de integração temporal por exponenciação, que pretendemos acoplar a um integrador semi-Lagrangiano, para a advecção não linear, e a um método iterativo de paralelismo temporal, para criar um método paralelo no tempo pioneiro adequado para modelos atmosféricos.Este projeto será realizado com colaboração de pesquisadores principalmente de universidades do Reino Unido (Univ. of Exeter e Imperial College), centros de pesquisa americanos (Los Alamos Nat. Lab. e NCAR) e da Universidade de São Paulo. (AU)

Publicações científicas

(17)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SCHMITT, A.; SCHREIBER, M.; PEIXOTO, P.; SCHAEFER, M.. A numerical study of a semi-Lagrangian Parareal method applied to the viscous Burgers equation. COMPUTING AND VISUALIZATION IN SCIENCE, v. 19, n. 1-2, SI, p. 45-57, JUN 2018. (16/18445-7)

PEIXOTO, PEDRO S.; THUBURN, JOHN; BELL, MICHAEL J.. Numerical instabilities of spherical shallow-water models considering small equivalent depths. QUARTERLY JOURNAL OF THE ROYAL METEOROLOGICAL SOCIETY, v. 144, n. 710, A, p. 156-171, JAN 2018. (16/18445-7)

RAPHALDINI, B.; PEIXOTO, P. S.; TERUYA, A. S. W.; RAUPP, C. F. M.; BUSTAMANTE, M. D.. Precession resonance of Rossby wave triads and the generation of low-frequency atmospheric oscillations. Physics of Fluids, v. 34, n. 7, p. 21-pg., 2022-07-01. (15/50686-1, 20/14162-6, 16/18445-7, 21/06176-0, 17/23417-5)

CANDIDO, DARLAN S.; CLARO, INGRA M.; DE JESUS, JAQUELINE G.; SOUZA, WILLIAM M.; MOREIRA, FILIPE R. R.; DELLICOUR, SIMON; MELLAN, THOMAS A.; DU PLESSIS, LOUIS; PEREIRA, RAFAEL H. M.; SALES, FLAVIA C. S.; et al. Evolution and epidemic spread of SARS-CoV-2 in Brazil. Science, v. 369, n. 6508, SI, p. 1255+, SEP 4 2020. (20/04558-0, 16/00194-8, 19/21301-5, 18/14389-0, 18/14933-2, 17/13981-0, 20/04836-0, 18/25468-9, 16/18445-7, 18/09383-3, 18/17176-8, 19/12000-1, 19/07544-2, 19/24251-9)

PEIXOTO, PEDRO S.; MARCONDES, DIEGO; PEIXOTO, CLAUDIA; OLIVA, SERGIO M.. Modeling future spread of infections via mobile geolocation data and population dynamics. An application to COVID-19 in Brazil. PLoS One, v. 15, n. 7, JUL 16 2020. (16/18445-7)

NICOLELIS, MIGUEL A. L.; RAIMUNDO, RAFAEL L. G.; PEIXOTO, PEDRO S.; ANDREAZZI, CECILIA S.. The impact of super-spreader cities, highways, and intensive care availability in the early stages of the COVID-19 epidemic in Brazil. SCIENTIFIC REPORTS, v. 11, n. 1, JUN 21 2021. (16/18445-7)

DIAS, FABIO L.; ASSUMPCAO, MARCELO; PEIXOTO, PEDRO S.; BIANCHI, MARCELO B.; COLLACO, BRUNO; CALHAU, JACKSON. Using Seismic Noise Levels to Monitor Social Isolation: An Example From Rio de Janeiro, Brazil. Geophysical Research Letters, v. 47, n. 16, AUG 28 2020. (16/18445-7, 17/00159-0)

YU, YONGGANG G.; WANG, NING; MIDDLECOFF, JACQUES; PEIXOTO, PEDRO S.; GOVETT, MARK W.. Comparing Numerical Accuracy of Icosahedral A-Grid and C-Grid Schemes in Solving the Shallow-Water Model. MONTHLY WEATHER REVIEW, v. 148, n. 10, p. 4009-4033, OCT 2020. (16/18445-7)

SANTOS, LUAN F.; PEIXOTO, PEDRO S.. Topography-based local spherical Voronoi grid refinement on classical and moist shallow-water finite-volume models. Geoscientific Model Development, v. 14, n. 11, p. 6919-6944, NOV 16 2021. (16/18445-7, 17/25191-4)

POVEDA, LEONARDO A. A.; PEIXOTO, PEDRO. On pointwise error estimates for Voronoi-based finite volume methods for the Poisson equation on the sphere. ADVANCES IN COMPUTATIONAL MATHEMATICS, v. 49, n. 3, p. 37-pg., 2023-06-01. (21/06176-0, 16/18445-7)

SCHMITT, A.; SCHREIBER, M.; PEIXOTO, P.; SCHAEFER, M.. A numerical study of a semi-Lagrangian Parareal method applied to the viscous Burgers equation. COMPUTING AND VISUALIZATION IN SCIENCE, v. 19, n. 1-2, p. 13-pg., 2018-06-01. (16/18445-7)

PEIXOTO, PEDRO S.; SCHREIBER, MARTIN. SEMI-LAGRANGIAN EXPONENTIAL INTEGRATION WITH APPLICATION TO THE ROTATING SHALLOW WATER EQUATIONS. SIAM JOURNAL ON SCIENTIFIC COMPUTING, v. 41, n. 5, p. B903-B928, 2019. (16/18445-7)

FARIA, NUNO R.; MELLAN, THOMAS A.; WHITTAKER, CHARLES; CLARO, INGRA M.; CANDIDO, DARLAN DA S.; MISHRA, SWAPNIL; CRISPIM, MYUKI A. E.; SALES, FLAVIA C.; HAWRYLUK, IWONA; MCCRONE, JOHN T.; et al. Genomics and epidemiology of the P.1 SARS-CoV-2 lineage in Manaus, Brazil. Science, v. 372, n. 6544, p. 815+, MAY 21 2021. (20/04558-0, 19/21568-1, 19/21301-5, 18/14389-0, 17/13981-0, 20/04272-9, 18/25468-9, 16/18445-7, 19/21858-0, 18/17176-8, 19/12000-1, 19/07544-2, 18/12579-7, 19/24251-9)

POLICARPO, J. M. P.; RAMOS, A. A. G. F.; DYE, C.; FARIA, N. R.; LEAL, F. E.; MORAES, O. J. S.; PARAG, K. V.; PEIXOTO, P. S.; BUSS, L.; SABINO, E. C.; et al. Scale-free dynamics of COVID-19 in a Brazilian city. Applied Mathematical Modelling, v. 121, p. 19-pg., 2023-05-03. (18/14389-0, 16/17612-7, 16/18445-7)

FERREIRA, CLEUDIA P.; MARCONDES, DIEGO; MELO, MARIANA P.; OLIVA, SERGIO M.; PEIXOTO, CLEUDIA M.; PEIXOTO, PEDRO S.. A snapshot of a pandemic The interplay between social isolation and COVID-19 dynamics in Brazil. PATTERNS, v. 2, n. 10, OCT 8 2021. (19/22157-5, 16/18445-7)

PEIXOTO, PEDRO S.; THUBURN, JOHN; BELL, MICHAEL J.. Numerical instabilities of spherical shallow-water models considering small equivalent depths. QUARTERLY JOURNAL OF THE ROYAL METEOROLOGICAL SOCIETY, v. 144, n. 710, p. 16-pg., 2018-01-01. (16/18445-7)

NONOTA, LUIS GUSTAVO; PEIXOTO, PEDRO; PEREIRA, TIAGO; SAGASTIZABAL, CLAUDIA; SILVA, PAULO J. S.. Robot Dance: A mathematical optimization platform for intervention against COVID-19 in a complex network. EURO JOURNAL ON COMPUTATIONAL OPTIMIZATION, v. 10, p. 13-pg., 2022-02-28. (13/07375-0, 16/04190-7, 16/18445-7, 18/24293-0)