[论文解读] A consistent approach to unstructured mesh generation for geophysical models

Adam S. Candy|arXiv (Cornell University)|Mar 24, 2017

Hydrology and Watershed Management Studies参考文献 44被引用 14

一句话总结

本文提出了一种完全自动化、确定性且可重复的框架，使用名为 Shingle 的自包含 Python 库，在地球物理模型中生成一致的非结构化网格。通过从单一、一致的地理空间数据源（如海深图和海岸线）派生网格生成，该方法确保了可重复性、数据溯源性，并在复杂、多尺度领域中实现无缝集成，显著减少了人为错误，并支持严格的模型互相比对。

ABSTRACT

Geophysical model domains typically contain irregular, complex fractal-like boundaries and physical processes that act over a wide range of scales. Constructing geographically constrained boundary-conforming spatial discretizations of these domains with flexible use of anisotropically, fully unstructured meshes is a challenge. The problem contains a wide range of scales and a relatively large, heterogeneous constraint parameter space. Approaches are commonly ad hoc, model or application specific and insufficiently described. Development of new spatial domains is frequently time-consuming, hard to repeat, error prone and difficult to ensure consistent due to the significant human input required. As a consequence, it is difficult to reproduce simulations, ensure a provenance in model data handling and initialization, and a challenge to conduct model intercomparisons rigorously. Moreover, for flexible unstructured meshes, there is additionally a greater potential for inconsistencies in model initialization and forcing parameters. This paper introduces a consistent approach to unstructured mesh generation for geophysical models, that is automated, quick-to-draft and repeat, and provides a rigorous and robust approach that is consistent to the source data throughout. The approach is enabling further new research in complex multi-scale domains, difficult or not possible to achieve with existing methods. Examples being actively pursued in a range of geophysical modeling efforts are presented alongside the approach, together with the implementation library Shingle and a selection of its verification test cases.

研究动机与目标

• 为解决地球物理模型中非结构化网格生成缺乏可重复性和一致性的问题，这些问题通常具有临时性、劳动密集型且难以复现。
• 开发一种确定性、自动化的流程，从单一、自洽的地理空间数据源生成边界拟合的非结构化网格。
• 通过确保所有网格生成步骤完全可追溯且可重复，实现严格的模型互相比对和稳健的数据溯源。
• 支持复杂、多尺度的地球物理领域（如冰架空腔和沿海区域），在这些区域传统结构化网格无法捕捉细尺度特征。
• 通过用可扩展的、基于软件的框架替代手动网格设计，减少计算开销和人为错误，该框架基于标准地理空间工具构建。

提出的方法

• 该方法以一致的数据源为基础，例如栅格化的大地水准面或海深图（如 GEBCO），作为网格生成的起点。
• 采用Delaunay三角剖分生成一个符合源数据定义的域边界条件的2D非结构化网格（T_h）。
• 通过推进前沿算法执行垂直拉伸，生成3D体积网格（T），同时保持水平网格结构。
• 整个网格生成过程通过名为 Shingle 的基于 Python 的库实现，通过确定性执行和版本控制处理实现完全可重复性。
• 该方法通过湿干过程或随时间变化的表面约束支持动态边界调整，同时通过在水平网格中固定节点集保持体积守恒。
• 该方法利用成熟的地理空间库（如 GDAL、PROJ.4、NetCDF）和数值工具（NumPy、SciPy），以确保稳健性和可扩展性。

实验结果

研究问题

• RQ1 能否为具有不规则、分形状边界的复杂地球物理领域开发出完全自动化、确定性且可重复的网格生成流程？
• RQ2 在非结构化网格模型中，如何确保模型初始化和强迫参数之间的数据溯源性和一致性？
• RQ3 单一、自洽的数据源在多大程度上可以替代临时性、模型特定的网格构建方法？
• RQ4 所提出的方法在多尺度地球物理模拟中如何提升可重复性并支持严格的模型互相比对？
• RQ5 固定节点网格细化对体积守恒和长期模拟稳定性有何影响？

主要发现

• Shingle 库能够从单一地理空间数据源实现完全自动化、确定性且可重复的非结构化网格生成，消除了人工干预并减少了错误。
• 通过将所有网格生成步骤编码为版本控制、可解释的 Python 工作流，该方法确保了数据溯源性和一致性。
• 采用该方法生成的网格与原始海深图和海岸线数据保持一致，通过Delaunay三角剖分和垂直拉伸确保边界拟合。
• 该方法支持复杂、多尺度的领域，如冰架空腔和沿海区域，在这些区域结构化网格无法解析细尺度特征。
• 通过固定水平网格节点并使用线性插值进行细化，该方法在模拟过程中即使在动态边界条件下也能保持体积守恒。
• 该框架通过完全记录和可重复的所有约束和处理步骤，实现了高效的模型互相比对和数据共享。