Бесплатный автореферат и диссертация по наукам о земле на тему

Исследование влияния параметров подстилающей поверхности на качество гидродинамического прогноза на примере Восточной Африки

ВАК РФ 25.00.30, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Исследование влияния параметров подстилающей поверхности на качество гидродинамического прогноза на примере Восточной Африки"

УДК 551 511 072

0034484Ь»

На правах рукописи

Кабелва Хамза Атхумани

ИССЛЕДОВАНИЕ ВЛИЯНИЯ ПАРАМЕТРОВ ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ НА КАЧЕСТВО ГИДРОДИНАМИЧЕСКОГО ПРОГНОЗА НА ПРИМЕРЕ ВОСТОЧНОЙ АФРИКИ

Специальность 25 00 30 - метеорология, климатология, агрометеорология

Автореферат диссертация на соискание ученой степени кандидата физико-математических наук

т 5 ОПТ 2003

г Санкт-Петербург 2008 г

003448469

Диссертация выполнена на кафедре метеорологических прогнозов Российского государственного гидрометеорологического университета

Научный руководитель Научный консультант Официальные оппоненты

Профессор, доктор физико-математических наук Смышляев Сергей Павлович Кандидат физико-математических наук Курзенева Екатерина Владимировна Профессор, доктор физико-математических наук Биненко Виктор Иванович Доцент, кандидат технических наук Савватеев Сергей Петрович

Ведущая организация

Гидрометцентр РФ

Защита диссертации состоится " ноября 2008 г в!? часов 30 минут на заседании диссертационного совета Д212 197 01 в Российском государственном гидрометеорологическом университете по адресу

195196, г. Санкт-Петербург, Малоохтинский пр, 98, тел. 812.444-41-63

С диссертацией можно ознакомиться в библиотеке Российского государственного гидрометеорологического университета по адресу 195196, г Санкт-Петербург, Малоохтинский пр., 98.

Автореферат разослан "0 7" октября 2008 г

Ученый секретарь диссертационного совета, профессор, доктор физ - мат наук

А Д Кузнецов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальное гь работы

Задача улучшения качества прошоза погоды и учета различных физических процессов при его составлении всегда остается актуальной В настоящее время прогноз поюды с различной заблаговременностыо создается на основе оперативных прогностических систем, основанных на гидродинамических моделях атмосферы В гидродинамических атмосферных моделях описание процессов на подстилающем поверхности и 11 растительном покрове играет важную роль, на что указывал еще Ричардсон в 1922 году С помощью схемы параметризации подешлающей поверхности рассчитываются радиационные потоки и турбулентные потоки тепла и влаги вблизи подешлающей поверхиоеш Эти потоки являются интерфейсом между атмосферой и подстилающей поверхностью Они определяются различными характеристиками поверхности, такими как альбедо, листовой индекс и другими, являющимися внешними по 01-ношеншо к модели атмосферы полями В связи с увеличением разрешения гидродинамических моделей возникает необходимость в использовании более подробных источников и баз данных о подептющей поверхности для задания внешних потей

На основе различных источников измерении, в основном, спутниковых, происходит накопление сведений о параметрах подстилающей поверхности Развиваются базы данных об экосистемах, в результате новых бочьших проектов создаются новые наборы данных Эти сведения могут быть использованы в атмосферном гидродинамическом моделировании для уточнения работы нарамстрнзационного блока подстилающей поверхности

В принципе, использование эшх сведений должно улучшать качее1во прошоза или качество воспроизведения климата региональными атмосферными моделями с высоким разрешением (например, НШЬАМ, и другие) Однако погрешности есть во нееч базах данных, как п старых, так и во вновь разрабатываемых Проблема существенно осложняетсч многопараметричностью задачи Количество параметров подста-■ыющеи поверхности велико, и вклад различных параметров в моделируемые поля ме-теовелнчин (температура, втажность и т д ) может быть противоположным В настоящее время не существует универсальною метода сравнения резучьтагов моделирования который давал бы однозначный ответ на вопрос, какой из наборов внешних параметров предпочтительнее (за исключением тривиальных счучаев, когда модельные результаты очень далеки от измеренных) Стандартных методов верификации по наблюдениям на станциях чаще всего оказывается совершенно недостаточно Еще одна сложность связана с тем, что при составлении оперативного прогноза используются прогностические системы, включающие как гидродинамическую модель, так и блок ассимиляции данных измерений, особенности работы которого надо также принимать во внимание Поэтому для принятия решения о целесообразности использования тою или иного набора данных в гидродинамическом моделировании часто опираются на физические или географические соображения В этой ситуации полезно исследование чувствительности резутьтатов моделирования различных метеовелпчин к заданию различных параметров подстилающей поверхности для различных синоптических ситуаций в различные сезоны года Это исследование также потезно для оценки различных баз данных о параметрах подстилающей поверхности и выработки рекомендации по дальнейшему их усовершенствованию

В нашем исследовании использовались прогностическая система HIRLAM, разрабатываемая консорциумом, в который входят в основном северные страны (www hirlam org) со схемой параметризации подстилающей поверхности ISBA, первая версия которой была разработана авторами J Noilhan и S Planton в Meteo-France, и наборы данных о подстилающей поверхности HCS (консорциум HIRLAM) и ECOCLIMAP (Meteo-France) Исследование проводилось для региона Восточной Африки Для этой территории процессы мезомасштаба мало изучены, имеется мало данных наблюдении, поля воспроизводятся гидродинамическими моделями хуже, чем для территории Европы В свете описанных выше проблем эгот регион представляет особый интерес

Основные цели диссертационной работы'

• уточнение блока параметризации подстилающей поверхности модели HIRLAM на основе использования полей внешних параметров из набора данных ECOCLIMAP для территории Восточной Африки (Танзания)

• исследование чувствительности прогностической системы HIRLAM к заданию внешних данных о подстилающей поверхности из базы ECOCLIMAP для территории Восточной Африки

• оценка успешности краткосрочных гидродинамических прогнозов погоды прогностической системы HIRLAM для территории Восточной Африки при включении в нее базы ECOCLIMAP (с учетом особенностей алгоритма анализа влагосодержания в почве)

• получение оценок качества базы ECOCLIMAP для использования в системах прогноза погоды и выработка рекомендаций по дальнейшему развитию базы

Для выполнения поставленных целей в диссертационной работе автором были решены следующие задачи

• Осуществлена настройка прогностической сшлемы HIRLAM для территории Восточной Африки (Танзания)

• База данных о подстилающей поверхности ECOCLIMAP включена в прогносш-ческую систему HIRLAM с возможностью обеспечения оперативной работы Для этого разработан программный интерфейс между базой данных и моделью, который включает пересчет долей типов подстилающей поверхности в ячейке сетки

• Проведены численные эксперименты, получены оценки успешности краткосрочных прогнозов прогностической системы HIRLAM для рассматриваемой территории при задании внешних параметров подстилающей поверхности из двух исследуемых баз данных

Основным методом исследования является моделирование Научная новизна

• Получены новые оценки чувствительности прогностической системы HIRLAM к заданию параметров подстилающей поверхности из различных баз данных для территории Восточной Африки в различные сезоны года,

• Получены новые оценки успешности прогнозов на основе (1) сравнения полей прогнозов с полями анализа (н) результатов верификации по измерениям на станциях (ш) оценки реалистичности воспроизведения физических процессов Оценки проведены с учетом особенностей алгоритма анализа влажности почвы Все указанные этапы исследования выполнены для региональной модели высокого разрешения для экваториальной и тропической зоны впервые

Теоретическая и практическая значимость-

Полученные оценки успешности прогнозов, чувствительности и результаты верификации позволяют сделать вывод о целесообразности использования базы ЕСОС1ЛМАР прогностической системой НЖЬАМ л чя территории Восточной Африки (Танзания) Полученные оценки также могут быть использованы при планировании включения базы данных ЕСОСПМАР в другие прогностические системы (например, \VRjF) Разработанный интерфейс позволяет осуществлять оперативную работу прогностической системы НПИ^АМ с базой ЕСОСЫМАР Предложенные рекомендации могут быть учтены разработчиками базы данных ЕСОСЫМАР при дальнейшем ее совершенствовании

Основные положения, выносимые на защиту:

• Уточненный путем использования новой базы данных блок параметризации обмена атмосферы с подстилающей поверхностью

• Оценки успешности прогнозов влажности почвы прогностической системой ШЯЬАМ для территории Восточной Африки при задании параметров подстилающей поверхносш из различных баз данных Оценки по результатам сравнения прогностических полей с полями анализа показали, что добавки анализа влажности почвы при использовании базы данных ЕСОСЫМАР уменьшаются Оценки качества воспроизведения физических процессов показали более реалистический характер временного хода влажности почвы при использовании базы ЕСОСЫМАР

• Оценки успешности прогнозов приземной температуры прогностической системой ШЯЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных для разных сезонов года Оценки по результатам сравнения прогностических полей с полями анализа и результаты верификации прогнозов по данным наблюдений показали, что прогнозы с использованием базы данных ЕСОСЫМАР более успешны для сезона дождей и менее успешны для сухого сезона (дневной период)

• Оценки чувствительности прогностической системы НГКЬАМ к заданию параметров подстилающей поверхности из различных баз данных для территории Восточной Африки Оценки показали, что чувствительность проявляется в соотношении Боуэна, в поле стока, чувствительность 24-часовых прогнозов приземной температуры к заданию параметров подстилающей поверхности из различных баз данных составляет ±3°С

• В качестве рекомендаций по развитию базы можно предложить разработки по уточнению альбедо подстилающей поверхности для рассмотренной территории

Обоснованность и достоверность полученных результатов обусловлена применением апробированных моделей, а также аргументированностью исходных положений, непротиворечивостью рассуждений, корректным использованием математического аппарата

Апробация диссертационной работы

Основные результаты исследований, изложенные в диссертации, докладывались и обсуждались

• На научном семинаре кафедры метеорологических npoi нозов Российского государственного гидрометеорологического университета

• На Итоговой сессии ученого совета РГГМУ, январь 2006

• На научном семинаре в Университете Хельсинки, Финляндия, сентябрь 2007

• На международном семинаре «Гидродинамический прогноз погоды в странах

Восточной Африки» для национальных метеослужб стран Восточной Африки

(Бурунди, Кения, Танзания, Руанда и Уганда) NMS-EAC (National Meteorological

Service of East African Community) (Энтеббе, У1анда, январь 2008)

Публикации.

Результаты диссертации опубликованы в 3 печатных работах, материалы использованы в научно-исследовательских отчетах

Структура и объем работы:

Диссертация состоит из введения, четырех глав, заключения и списка использованных источников, включающего 67 наименований Общий объем работы составляет 119 страниц, включая 27 рисунков и 2 таблиц

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цели и задачи исследования, приведены основные положения и результаты, выносимые на защиту, теоретическая новизна и практическая значимость работы, а также приводится краткое изложение содержания диссертации

В первой главе кратко описывается географическое положение, характер и рельеф местности, экосистемы и климата Танзании Необходимость такого описания связана с тем, что дальнейшие исследования и численные эксперименты проводились для области, покрывающей в основном территорию этой страны Изучение географических особенностей территории необходимо, в основном, для постановки и анализа результатов численных экспериментов

Танзания является самой большой из стран восточной Африки Она расположена к Югу от Экватора, 29-42° в д и 1-12° ю ш В большей части страны климат субэкваториальный (или климат экваториальных муссонов), только северная ее часть отпо-

сится к экваториальной зоне Погода определяется прохождением ВЗК и циркуля-циями мезомасшгаба, в рассматриваемом регионе это влияние больших озер (Виктория, Танганьика, Ньяса) и орографии Прохождение ВЗК определяет существование двух основных сезонов года для региона сезона дождей с марта по май и сухого сезона с июня по сентябрь

Во второй главе приводится обзор существующих баз и наборов данных о подстилающей поверхности

Развитие гидродинамических моделей происходит параллельно с накоплением различных сведений о параметрах подстилающей поверхности В настоящее время в оперативных прогностических моделях внешние параметры задаются чаще всего на основе различных спутниковых данных

Один из видов используемой спутниковой информации - измерения высокочувствительного радиометра AVHRR (Advanced Very High Resolution Radiometer) По ним рассчитывается нормированный индекс растительности NDVI (Normalized Difference Vegetation Index) В 1992-93 годах проводился глобальный проект по сбору данных о годовом ходе NDVI с пространственным разрешением 1 км На основе порученной в результате измерении сырой и обработанной информации было создано несколько наборов данных по типам подстилающей поверхности, которые условно можно разделить на две большие группы

К первой группе относятся наборы данных, связанные с глобальным проектом по определению характеристик подстилающей поверхности GLСС (Global Land Cover Characteristics) В проекте принимало участие большое количество исследовательских институтов, правительственных организаций и университетов США и Европы Для построения набора данных кроме сырых данных AVHRR использовалась также региональные данные, карты и атласы о характеристиках почвы, растительности и др С помощью кластерного анализа проводилась первичная автоматическая классификация данных NDVI с последующим уточнением при использовании различных источников данных При интерпретации широко использовался компьютерный инструментарий по обработке изображений, однако процесс классификации не был до конца автоматизирован и зачастую был близок к традиционной ручной интерпретации снимков Далее проводилась маркировка классов Затем номенклатура типов подстилающей поверхности была преобразована в «Глобальный список экосистем», который содержит 99 классов экосистем «Глобальный список экосистем» соотносится с типами и классами подстилающей поверхности, разработанными для различных моделей биосферы и взаимодействия атмосферы с подстилающей поверхностью Окончательным этапом было создание производных наборов данных, включающих типы поверхности в соответствии с классификациями для использования в различных моделях биосферы В результате имеются 7 наборов данных с различными легендами для использования различными атмосферными моделями, а также для других целей Некоторые из наборов данных использовались в следующих проектах для создания новых наборов данных

Ко второй группе можно отнести наборы данных, не связанные с проектом GLCC База данных PELCOM (Pan-European Land Use and Land Cover Monitoring) создана для территории Европы Для построения использовались наборы сырых данных AVHRR и другие источники данных База имеет разрешение 1 км, представлено 18 типов подстилающей поверхности Была создана база данных на основе международного спутникового проекта по описанию поверхности Земли и климата ISLSCP (International Satellite Land Surface Climatology Project), в проекте принимало участие

большое количество университетов и правительственных организаций Комбинировались различные карты и атласы, а также спутниковые снимки В результате была создана база данных но свойствам подстилающей поверхности и климату, метеорологии и гидрологии, радиационным потокам и типам почв с разрешением 0,25 градуса База данных CORINE (Coordmation of Information on the Environment) содержит данные для Европы, которые были получены путем визуальной обработки информации спутников Landsat-TM и SPOT-XS, максимальное разрешение 100 м Представлено 44 класса растительности База предназначена для решения широкого круга задач, распространяется на коммерческой основе Набор данных по типам подстилающей поверхности Университета Мэрилэнд UMD основан на обработке глобального набора сырых данных AVHRR, имеет глобальное покрытие, разрешение 1 км, различается 13 типов подстилающей поверхности

Во второй главе диссертационной работы также описаны методы учета неодно-родностей подстилающей поверхности в моделях атмосферы - метод агрегации параметров и метод агрегации потоков Приведено также описание подхода, который в международной литературе получил название тайлинг (от tile - плитка) Модели атмосферы обычно имеют более грубое разрешение, чем информация, доступная из баз данных о подстилающей поверхности Возникают возможное ги для агрегации информации Метод агрегации потоков физически более обоснован и математически более корректен, чем метод агрегации параметров, так как зависимость потоков от параметров поверхности можег быть существенно нелинейной Однако его использование ведет к заметному увеличению вычислительных затрат Обычно при применении тай-линг-подхода используется комбинация методов агрегации потоков и агрегации пара-мегров, когда, например, расчет потоков для типа подстилающей поверхности «лес» производится один раз, но листовой индекс для леса различного типа внутри ячейки сетки осредняется

Перечисленные выше наборы данных широко используются в атмосферном моделировании в качестве основы для генерации полей параметров подстилающей поверхности Данные представляют собой поля типов экосистем (например, смешанный лес, саванна и т д ) Исходя из i ипа экосистем может быть получен годовой ход значений самих параметров подстилающей поверхности, таких как листовой индекс или альбедо В большинстве случаев для определения значений параметров используются сводные таблицы, составленные на основе климатической информации по различным литературным источникам Модель на входе, как правило, получает данные по типам экосистем, а внутри параметризационной схемы происходит обращение к соответствующим таблицам

Отдельно необходимо отметить базу данных ECOCLIMAP, которая комбинирует созданные ранее наборы данных и в некотором смысле является базой второго поколения. Так как в диссертационной работе численные эксперименты проводились для базы ECOCLIMAP, большое внимание уделено описанию принципов ее построения Разработка базы была начата в Meteo-France в конце 90-х годов Набор данных по типам подстилающей поверхности, используемый в ECOCLIMAP, является глобальным и имеет разрешение 1 км, различается 215 экосистем К набору данных прилагается программное обеспечение, в котором реализованы методы для учета годового хода параметров растительности для различных типов экосистем для различных областей земного шара Методы разработаны на основе климатической информации и дополнительной статистической обработки сырых данных NDVI Максимально возможное

разрешение по времеии составляет декаду Таким образом, из полей типов экосистем уже в базе данных генерируются поля параметров подстилающей поверхности, которые можно непосредственно использовать в параметризационной схеме Программное обеспечение дает возможность использовать некоторые виды агрегации типов экосистем для применения танлинг-подхода и генерирует поля долей покрытия ячейки сетки атмосферной модели основными типами подстилающей поверхности

В большинстве баз данных источником информации о хараю-еристиках почвы служит почвенная база данных FAO (Food and Agricultural Organization) с разрешением 10 км

В третьей главе дается очень краткий обзор разных схем параметризации поверхности суши в моделях атмосферы

В главе приводится также краткое описание схемы параметризации подстилающей поверхности ISBA, которая использовалась в данной работе Схема взаимодействия между атмосферой, биосферой и почвой ISBA (Interaction Soil Biosphere Atmosphere) используется в модели HIRLAM и других прогностических системах Схема первоначально была разработана J Noilhan и S Planton в Meteo-France для описания процессов в растительном покрове и деятельном слое подстилающей поверхности, затем дорабатывалась рядом авторов Достоинством этой схемы является минимальный набор параметров, внешних по отношению к модели Система уравнений схемы ISBA содержит пять прогностических уравнений (1-5) для температуры Т, и влагосодержа-ния vc, верхнего стоя почвы, температуры Тг и влагосодержания w2 глубокого слоя почвы и для количества влаги, задержавшейся на поверхности растительности wr

^с,в-Щт,-тг), (1)

dt т

%- = -(Г,-Тг), (2)

д! г

- г, -»>)]• (4)

D С /С

~ = veg Р-Е„ w, <w,max (5

Здесь G - тепловой баланс подстилающей поверхности, т - продолжительность сутот (86400 сек), С,, С,, С, и С, - инерционные коэффициенты, характеризующие скоростг обмена с поверхностью количеством тепла и влаги и зависящие от типа поверхности d,, d2 - глубина верхнего слоя и глубокого слоя почвы (d, =1 см, d2 зависит от глуби ны корневой системы), pw - плотность воды, Р - интенсивность осадков на уровне по верхности растительности, veg - поверхность ячейки сетки, покрытая растительно

стью, Pg = (l -vcg)/1 - интенсивность осадков, достигающих поверхности почвы, Ее • испарение с поверхности почвы, не покрытой растительностью, Е„ - транспирация с поверхности растительности, Ег - испарение влаги, задержавшейся на поверхности растительности в результате выпадения рсадков, wfc - влажность почвы, при которой начинается гравитационный сток воды в более глубокие слои, wseq - влажность почвы, при которой имеет место равновесие между капиллярными и гравитационными силами, wrnm - максимальное количество влаги, которое может задержаться на поверхности растительности Разные типы влагоемкости почвы параметризуются с использованием процентного содержания песка sab и глины arc в почве Тепловой коэффициент С, определяется как

С, =

l-veg t veg С. С.

(6)

где Се и С„ коэффициенты тепловой инерции для почвы и растительности соответственно Коэффициент тепловой инерции для почвы зависит от процентного содержания песка и глины, а для растительности задастся постоянным и зависит от типа растительности

Тепловой баланс в представляет собой сумму радиационного баланса Л, турбулентного потока тепла Я и потока тепла за счет испарения ЕЕ (£ - теплота конденсации) Радиационный баланс подстилающей поверхности рассчитывается в радиационном блоке модели, но, как известно, зависит от альбедо поверхности и ее излуча-тельной способности Турбулентный поток тепла Я рассчитывается по формуле

я = Лс/;нкл.(у;-г,Л (7)

Здесь с р - теплоемкость воздуха при постоянном давлении, С„ - коэффициент турбулентного обмена для количества тепла, Ты, Уы, и р„ - температура, скорость ветра и плотносгь воздуха на нижнем уровне модели, соответственно Коэффициент обмена для количества тепла Сн связан с параметром шероховатости поверхности Скрытый поток тепла зависит от общего испарения с поверхности Е

E = (l-veg) Eg+veg Е„

где Е,=ЕГ + £,, - общий поток влаги с поверхности растительности Поток влаги с поверхности почвы, не покрытой растительностью, рассчитывается следующим образом

(8)

где д!а1 (Т,) - массовая доля водяного пара при насыщении при температуре Тг, ^ -массовая доля водяного пара на нижнем уровне модели, - относительная влажность у подстилающей поверхности, которая, в свою очередь, зависит от отношения влажно-

сти почвы w, к влагосмкости w Потоки влаги с поверхности растительности рассчитываются следующим образом Рассчитываются испарение с части растительности, покрытой дождевой влагой

Ег^РнкЛтУчн). *.=7ПГ Í9)

Ra Н N

итранслирация

Здесь /?„ - аэродинамическое сопротивление, Я, - устьичное сопротивление, -минимальное устьичное сопротивление, S = (wf/u'r¡mx)2/i - доля растительности, покрытая влагой, LAI - листовой индекс, F\, F2, F3, F4 - функции, зависящие от фотосин-тетически активной радиации, количества влаги в районе корневой зоны, дефицита влаги и температуры воздуха, соответственно, Максимальное количество влаги, которое может задержаться па поверхности растительности wrlMJ параметризуется следующим образом

=0,2 veg LAI

Для случая, когда подстилающей поверхностью является море/озеро, значение температуры поверхности сохраняется постоянным для всего срока прогноза

Все внешние параметры в схеме ISBA можно сгруппировать в зависимости от процессов, в описании которых эти параметры принимают участие Это параметры растительности листовой индекс, минимальное устьичное сопротивление, процент покрытия растительностью, глубина корневой системы, сюда же можно условно отнести параметр шероховатости Радиационные параметры альбедо, излучательная способность поверхности Параметры почвы процентное содержание песка и глины

Учет неоднородностей подстилающей поверхности в модели IIIRLAM производится с использованием мозаичного тайлинг-подхода В каждой ячейке сетки существуют пять основных типов поверхности, вода (море/озеро), морской (озерный) лед, поверхность без растительности, высокая растительность и низкая растительность Для этих основных типов подстилающей поверхности используется метод агрегации потоков, а внутри каждого из основных типов используется метод агрегации параметров для разных экосистем Для реализации тайлинг-подхода необходимо знать долю ячейки сетки, покрытую каждым из основных типов подстилающей поверхности fr„>=(l 5)

В четвертой главе описываются особенности подключения нового набора данных ECOCL1MAP к блоку подстилающей поверхности прогностической системы HIRLAM, построение численных экспериментов, проводится их анализ

Приводятся краткие сведения о прогностической системе HIRLAM Прогностическая система представляет собой региональную численную модель прогноза погоды

с системой ассимиляции данных В настоящее время в оперативной версии модели используется квазистатическое приближение В модели используется полулагранжев полунеявный метод для расчета адвективных членов, используется повернутая сферическая система координат по горизонтали и гибридная система координат по вертикали Для задания граничных условий используются данные глобальной модели IFS Европейского Цетпра Среднесрочных Прогнозов Погоды Физические параметризации включают схему поверхности ISBA, параметризацию турбулентности на основе решения уравнения баланса энергии турбулентных пульсаций, схемы конденсации, микрофизики облаков и конвекции на основе подхода «поток массы», радиационную схему и параметризацию гравитационных волн Анализ переменных в свободной атмосфере в оперативном режиме использует трехмерный вариационный метод, а в исследовательском режиме также и четырехмерный вариационный метод

Описывается система генерации файлов внешних данных HIRLAM (HIRLAM Cl ¡mate System, HCS) Источниками данных для нее явились наборы данных GLCC, CORINE, PELCOM, а также почвенные карты FAO Разрешение этих наборов данных разное - от 100 м до 1 км В HCS генерируется промежуточный набор данных, полученных на их основе HCS обобщает и загрубляет данные, в результате промежуточные данные содержат 20 типов подстилающей поверхности с разрешением 2,5 км Расчет характеристик поверхности производится по сводным таблицам о соответствии параметров подстилающей поверхности различным типам экосистем и их годовом ходе, составленным по литературным источникам

База данных ECOCLIMAP была включена в прогностическую систему HIRLAM с возможностью обеспечения оперативной работы Для этого необходимо было модифицировать программный код модели HIRLAM с тем, чтобы вывести расчет параметров подстилающей поверхности в зависимости от типа экосистемы из самой модели в систему генерации внешних данных Приводятся некоторые технические аспекты работы Описывается разработанный интерфейс, который обеспечивает пересчет долей покрытия ячейки сетки атмосферной модели основными типами поверхности (в HIRLAM и ECOCLIMAP различаются методики расчета fr, за счет неучета в общей сумме площади поверхности воды в ECOCLIMAP) и запись информации в файлы внешних полей HIRLAM в коде GRIB (GRIdded Binary)

Для численных экспериментов система была настроена на область интегрирования 3,0° с ш - 13,5° ю ш, 26°,0 в д - 42 5° в д с горизонтальным разрешением 0,1° (примерно 11 км) без поворота сферической системы координат, размер области 166 х 166 точек, 40 уровней по вертикали (слой от земли до высоты примерно 10 гПа) Продолжительность каждого эксперимента составляла 10 суток с 1 по 10 апреля 2006 года (сезон дождей) и с 1 по 10 июля 2006 года (сухой сезон) Циклы анализа повторялись каждые б часов, каждые 6 часов стартовал прогноз на 27 часов Таким образом, для каждого эксперимента было выполнено 40 прогнозов на 27 часов К сожалению, схема ассимиляции данных для свободной атмосферы в модели HIRLAM построена для применения в умеренных широтах и для тропического региона работает плохо, поэтому в наших экспериментах она была отключена Работал только блок ассимиляции данных у подстилающей поверхности, получаемые в результате анализа переменные -температура и влажность почвы Для задания начальных значений прогностических переменных на всех модельных уровнях в атмосфере использовались поля анализов модели IFS, проинтерполированные с крупной сетки модели IFS на мелкую сетку мо-

дели Н1К1.АМ Начальные значения для прогностических переменных в блоке подстилающей поверхности представляли собой результаты усвоения НЖЬАМ (усваивались данные стандартных измерений приземных температуры и влажности, данные измерений температуры поверхности воды, в качестве фоновых полей использовались 6-часовые прогнозы НЖЬАМ) Несмотря на некоторое снижение общего качества прогноза за счет отключения ассимиляции данных в атмосфере выше приземного подслоя, учет в экспериментах процессов у подстилающей поверхности (которые и представляли основной интерес для целей исследования) позволяет считать выводы о чувствительности системы достаточно надежными

Было организовано два основных эксперимента эталонный Т2КЕБ, основанный на системе генерации внешних полей НС8 и эксперимент ТгЕСО с базой ЕСОСЫМАР Дополнительный эксперимент ТгНШ с системой НС8, но модифицированным кодом ШЯЬАМ, служил для контроля программных ошибок, связанных с включением базы ЕСОСЫМАР

Рассмотрены отличия внешних полей, задаваемых из двух баз - НС8 и ЕСОСЫМАР для территории Восточной Африки При построении карт для удобства сравнения значения некоторых параметров умножались на долю типа поверхности _/г; (оценка удельного веса параметра) Доли покрытия основными типами подстилающей поверхности (тайлами) в двух базах данных практически не различаются

В целом ЕСОСЫМАР дает больше растительности по сравнению с НС8, поля более сглажены и более четко выделяются области одинакового типа растительности В иготе наблюдаются более высокие значения листового индекса в базе НСЭ, чем в ЕСОСЫМАР, поля представлены на рисунке 1(а,б) Согласно базе НС8 в июле в регионе растительность более развита Однако это не соответствует действительности, так как в это время наблюдаются минимальные значения осадков (сухой сезон) и растительность, наоборот, подавлена В апреле имеет место обратная картина Судя по всему, параметры растительности в НСБ для всего земного шара ориентированы на динамику растительности лишь в умеренных широтах Северного полушария, так как система НШЬАМ разрабатывалась в основном для прогнозов в Европе Доля покрытия поверхности растительностью коррелирует с листовым индексом и также значительно различается в двух базах данных Различия для минимального устьичного сопротивления, глубины корневой системы и параметра шероховатости также значшельны. Для глубины корневой системы важнейшее отличие состоит в том, что для высокой тропической растительности в ЕСОСЫМАР она задается равной 8 м против 3 м в базе НСЭ. Параметр шероховатости по данным ЕСОСЫМАР в среднем ниже, чем по даннь» НСв ЕСОСЫМАР дает более сглаженную информацию о параметрах почвы по сравнению с НСЯ В целом процентное содержание песка по данным НСв выше - более 50% Карты альбедо низкой растительности для июля представлены на рисунке 1(в,г) По данным ЕСОСЫМАР альбедо, хоть и не очень существенно, но меняется в течение года, а по данным НСБ не меняется В июле (сухой сезон) в базе данных НСБ альбедо Успешность прогнозов можно оценивать по-разному Наибольшее доверие как правило, оказывается результатам стандартной верификации по данным наблюде ний Однако этот метод имеет ограниченное применение в условиях недостаточной количества наблюдений или при их низкой репрезентативности Можно также прово дить сравнение полей прогноза какой-либо метеовеличины на определенную дату и С( анализа за этот срок Эти оценки будут не такими строгими, как при использованю

чистых результатов измерений, так как поля анализа имеют некоторую ошибку. Однако оценки на основе сравнения полей анализа и прогноза можно провести для территории, а не только для отдельных точек, как в случае стандартной верификации. Мы воспользовались как стандартной верификацией, так и сравнением полей прогноза и анализа. Кроме того, оценивалась реалистичность воспроизведения некоторых физических процессов.

а) б)

Рисунок I. Параметры подстилающей поверхности в базах ЕСОСЫМАР и НС8. Листовой индекс для низкой растительности в июле а) в базе ЕСОСЫМАР б) и в базе НСЭ. Альбедо низкой растительности, июль в) в базе ЕСОСЫМАР и г) в базе НСБ. Параметры умножены на долю поверхности ячейки сетки, покрытой низкой растительностью.

Еще одна сложность заключается в следующем. Необходимо оценить качество прогностической системы в целом, то есть системы анализ-прогноз, а не только про-

1 нозов по самой гидродинамической модели Трудность связана с особенностями широко распространенного алгоритма анализа влажности почвы Измерения влажности почвы оперативно не производятся Алгоритм анализа построен таким образом, что модельная влажность почвы искусственно завышается или занижается л зависимости от ошибки б-часового прогноза температуры и относительной влажности на уровне 2 м Это означает, что влагосодержание почвы становится в некоторой степени подгоночным параметром Чувствительность прошостической системы к любым изменениям понижается О реальной успешности использования новых параметров можно судить по инкрементам (добавкам) анализа влажности почвы - чем они меньше, тем успешнее прогноз На рисунке 2(а,б) в качестве примера представлены поля инкрементов анализа влажности почвы за срок 9 апреля в 15 часов по местному времени Инкременты в эксперименте TZECO меньше, чем н эксперименте Т2Г<ЕР, то есть прогноз для эксперимента ТХЕСО успешнее На рисунке 2(в,г) представлен временной ход влажности почвы за время эксперимента в июле (сухой сезон) В эксперименте Т/КЕР временной ход влажности почвы нереалистичен - он имеет суточный ход с минимумом в утренние часы, чего в природе не наблюдается Для эксперимента Т7ЕС0 наблюдается постепенное высыхание почвы в сухой сезон в течение 10 дней, что реалистично и обычно имеет место в природе

Для прогнозов приземной температуры оценки успешности по результатам стандартной верификации и сравнению полей анализа и прогноза согласуются друг с другом Усваивались в процедуре анализа и использовались для верификации измерения в среднем с 6 станций, это очень немного для такой территории Поэтому оценки на основе стандартной верификации нельзя назвать надежными Оценки качества прогнозов различны для сухого сезона и сезона дождей Для сезона дождей прогноз для двух экспериментов опшчался незначительно или был успешнее для эксперимента Т2ЕС0 Среднеквадратическая ошибка шестичасовых прогнозов представлена на рис 3(а), поля инкрементов анализа нриземнои температуры представлены на рис 3(в,г) Среднеквадратические ошибки прогноза для двух экспериментов отличаются незначительно, но инкременты анализа температуры в эксперименте Т2ЕС0 меньше, чем в эксперименте Т2КЕР, то есть прогноз дтя эксперимента Т7ЕС0 успешнее Для сухого сезона среднеквадратическая ошибка шестичасовых прогнозов представлена на рис 3(6), поля инкрементов анализа приземной температуры представлены на рис 3(д,е) Среднеквадратические ошибки прогноза для эксперимента Т2ЕСО больше, чем для эксперимента Т2ИЕР, инкременты анализа температуры в эксперименте 'КЕСО также больше, чем в эксперименте тгйЕР, то есть прогноз успешнее для эксперимента Т211ЕР Это можно объяснить тем, что изменчивость приземной температуры п дневной срок в сухой сезон выше, и спрогнозировать ее труднее Это также может быть объяснено ошибками в задании альбедо в ЕСОСЕ1МАР

В целом разница между 24-часовыми прогнозами при задании внешних параметров из двух различных баз данных в иоле приземной температуры не превышала ±3°С Чувствительность к параметрам подстилающей поверхности проявляется также в соотношении Боуэна В сухой сезон соотношение Боузна для эксперимента ТгЕСО в целом выше, чем для эксперимента Т2МП% что соответствует меньшему скрытому потоку тепла и большему явному потоку тепла Эти значения более реалистичны за счет бочее физически обоснованного задания ЬА1

В Заключении сформулированы основные результаты и выводы

1 Уточнен блок параметризации подстилающей поверхности модели HIRLAM ira основе использования полей внешних параметров из набора данных ECOCLIMAP для территории Восточной Африки (Танзания)

2 Разработан программный интерфейс для использования базы данных ECOCLIMAP в прогностической системе HIRLAM, что позволило осуществлять оперативные запуски Интерфейс включает реализованный метод пересчета долей типов подстилающей поверхности в ячейке сетки при переходе от базы данных HCS к базе данных ECOCLIMAP Осуществлены модификации программного кода модели HIRLAM с целью включения в нее базы данных о подстилающей поверхности ECOCLIMAP

3. Осуществлена адаптация прогностической системы HIRLAM для территории восточной Африки (Танзании) для проведения численных экспериментов для оценки чувствительности

4 Выявлено, что поля параметров подстилающей поверхности для рассматриваемой территории существенно отличаются в базах данных HCS и ECOCLIMAP, годовой ход параметров в базе данных ECOCLIMAP более реалистичен

5 Оценки успешности прогнозов по полям анализа и по результатам верификации но измерениям на станциях показали, что прогнозы с использованием внешних параметров из базы ECOCLIMAP в целом успешнее, однако остается проблемой прогноз дневных максимумов температуры в сухой сезон

6 В качестве рекомендаций по усовершенствованию базы данных ECOCLIMAP предложены разработки по уточнению альбедо подстилающей поверхности

Основные публикации по теме диссертации.

1 Кабелва X А, Курзенева Е В , Ганбат Г О, Сенькова А В Исследование влияния параметров подстилающей поверхности на качество гидродинамического прогноза на примере Восточной Африки Метеорология и гидрология 2008, № II'"_"с

2 Hamza Kabelwa, Laura Rontu, Katherma Kurzeneva Sensitivity of HIRLAM forecasts to the surface description over Tanzanta - first experiences of ECOCLIMAP HIRLAM NEWSLETTERS No 53, March 2008 P О Box 201,3730 AE De Bilt, the Metherlands (http //hirlam org)

3 Кабелва X A ECOCLIMAP - База данных для блока подстилающей поверхности ISBA в моделях атмосферы Ученые записки № 3 Научно-теоретический журнал-СПб изд РГГМУ 2006 - с 211

дата Дата

Рисунок 2. К анализу успешности прогноза по инкрементам влажности почвы. Поля инкрементов влажности почвы, кг/кг. за срок 09.04.2006 в 1 5 часов по местному времени а) в эксперименте ТгЕСО б) в эксперименте ТгИЕР. Временной ход влажности почвы в июле, кг/кг, в точке с максимальными инкрементами в) для эксперимента ТгЯЕР г) для эксперимента ТгЕСО.

Рисунок 3. К анализу успешности прогноза приземной температуры. Среднеквадрати-чсскис ошибки прогнозов приземной температуры °С а) для сезона дождей (апрель) б) для сухого сезона (июль). Поля инкрементов анализа приземной температуры, °С, в срок 09.04.2006 в 15 часов по местному времени в) в эксперименте Т2ЕС0 г) в эксперименте TZREF. Поля инкрементов анализа приземной температуры, °С, в срок: 09.07.2006 в 15 часов по местному времени в) в эксперименте ТЕЕСО г) в эксперименте Т211ЕБ.

АВТОРЕФЕРАТ Кабелва Хамза Атхуманн

Отпечатано в типографии ООО «Издательство Хамелеон» Тираж 100 экз Заказ № 14 от 06 10 2008

Содержание диссертации, кандидата физико-математических наук, Кабелва, Хамза Атхумани

Введение

1 Географическое местоположение и климат Танзании

2 Базы данных о подстилающей поверхности, используемые в 18 современных атмосферных моделях. База данных ECOCLOMAP

2.1 Источники информации. Набор сырых спутниковых данных 18 AVHRR

2.2 Базы данных, используемые в атмосферных моделях

2.2.1 Базы данных по результатам проекта GLCC

2.2.2 Другие базы данных

2.3 Методы агрегации данных о подстилающей поверхности, 23 используемые в моделях атмосферы

2.4 База данных ECOCLIMAP

2.4.1 Источники информации и методы ее использования

2.4.2 Методы задания параметров подстилающей поверхности

3 Параметризация подстилающей поверхности в моделях атмосферы

3.1 Схемы параметризации поверхности суши

3.2 Схема обмена с подстилающей поверхностью ISBA

3.2.1 Основные принципы построения схемы

3.2.2 Описание системы уравнений схемы ISBA

3.2.3 Описание схемы расчета потоков в приземном подслое

3.2.4 Методы анализа переменных блока подстилающей поверхности

4 Включение базы ECOCLIMAP в прогностическую систему 61 HIRLAM и анализ экспериментов

4.1 Прогностическая система HIRLAM

4.2 Система генерации файлов климата НШЬАМ и база данных 63 ЕСОСЫМАР

4.3 Технические аспекты включения базы ЕСОСЫМАР в 64 прогностическую систему БЖЬАМ

4.3.1 Вычисление параметров подстилающей поверхности с помощью 64 программного обеспечения ЕСОСЫМАР и системы генерации файлов внешних полей ШБ1ЬАМ (НС8)

4.3.2 Пересчет долей покрытия ячейки сетки различных типов 67 поверхности

4.4 Анализ экспериментов: чувствительность прогностической 69 системы к заданию полей параметров подстилающей поверхности для территории Танзании

4.4.1 Описание экспериментов: ТгКЕ¥, TZÍШ и ТгЕСО

4.4.2 Параметры подстилающей поверхности, внешние к модели, в базе 74 ЕСОСЫМАР и НС

4.4.2.1 Листовой индекс

4.4.2.2 Минимальное устьичное сопротивление и глубина корневой 79 системы

4.4.2.3 Параметр шероховатости

4.4.2.4 Почвенные параметры: проценты песка и глины

4.4.2.5 Альбедо

4.4.3 Анализ чувствительности прогностической системы к полям 93 внешних параметров и результаты верификации

4.4.3.1 Влияние полей параметров почвы и растительности на 95 влагосодержание почвы

4.4.3.2 Влияние полей внешних параметров почвы и растительности на результаты моделирования температуры на уровне 2м

4.4.3.3 Явный и скрытый потоки тепла и отношение Боуена

4.4.3.4 Количество осадков и сток 105 4.4.4 Общие выводы и рекомендации по использованию базы

ЕСОСЫМАР

Введение Диссертация по наукам о земле, на тему "Исследование влияния параметров подстилающей поверхности на качество гидродинамического прогноза на примере Восточной Африки"

Задача улучшения качества прогноза погоды и учета различных физических процессов при его составлении всегда остается актуальной. В настоящее время прогноз погоды с различной заблаговременностью создается на основе оперативных прогностических систем, основанных на гидродинамических моделях атмосферы. В гидродинамических атмосферных моделях описание процессов на подстилающей поверхности и в растительном покрове играет важную роль, на что указывал еще Ричардсон в 1922 году. С помощью схемы параметризации подстилающей поверхности рассчитываются радиационные потоки и турбулентные потоки тепла и влаги вблизи подстилающей поверхности. Эти потоки являются интерфейсом между атмосферой и подстилающей поверхностью. Они определяются различными характеристиками поверхности, такими как альбедо, листовой индекс и другими, являющимися внешними по отношению к модели атмосферы полями. В связи с увеличением разрешения гидродинамических моделей возникает необходимость в использовании более подробных источников и баз данных о подстилающей поверхности для задания внешних полей.

На основе различных источников измерений, в основном, спутниковых, происходит накопление сведений о параметрах подстилающей поверхности. Развиваются базы данных об экосистемах, в результате новых больших проектов создаются новые наборы данных. Эти сведения могут быть использованы в атмосферном гидродинамическом моделировании для уточнения работы параметризационного блока подстилающей поверхности.

В принципе, в идеальном случае, использование этих сведений должно улучшать качество прогноза или качество воспроизведения климата региональными атмосферными моделями с высоким разрешением (например, НШЬАМ, \¥КР и другие). Однако погрешности есть во всех базах данных, как в старых, так и во вновь разрабатываемых, и это может по-разному сказываться на результатах моделирования. Возникают также трудности, связанные с настройкой моделей, а также с тем, что различные схемы подстилающей поверхности требуют задания различных параметров. Проблема существенно осложняется многопараметричностью задачи. Количество параметров подстилающей поверхности велико, и вклад различных параметров в моделируемые поля метеовеличин (температура, влажность и т. д.) может быть противоположным. В настоящее время не существует универсального метода сравнения результатов моделирования, который давал бы однозначный ответ на вопрос, какой из наборов внешних параметров предпочтительнее (за исключением тривиальных случаев, когда модельные результаты очень далеки от измеренных). Стандартных методов верификации по наблюдениям на станциях чаще всего оказывается совершенно недостаточно. Еще одна сложность связана с тем, что при составлении оперативного прогноза используются прогностические системы, включающие как гидродинамическую модель, так и блок ассимиляции данных измерений, особенности работы которого надо также принимать во внимание. Поэтому для принятия решения о целесообразности использования того или иного набора данных в гидродинамическом моделировании часто опираются также на физические или географические соображения. В этой ситуации полезно исследование чувствительности результатов моделирования различных метеовеличин к заданию различных параметров подстилающей поверхности для различных синоптических ситуаций в различные сезоны года. Это исследование также полезно для оценки различных баз данных о параметрах подстилающей поверхности и выработки рекомендаций по дальнейшему их усовершенствованию.

В нашем исследовании использовались прогностическая система HIR-LAM, разрабатываемая консорциумом, в который входят в основном северные страны (www.hirlam.org) со схемой параметризации подстилающей поверхности ISBA, первая версия которой была разработана авторами J. Noil-han и S. Planton в Meteo-France, и наборы данных о подстилающей поверхности HCS (консорциум HIRLAM) и ECOCLIMAP (Meteo-France). Исследование проводилось для региона Восточной Африки. Для этой территории процессы мезомасштаба мало изучены, имеется мало данных наблюдений, поля воспроизводятся гидродинамическими моделями хуже, чем для территории Европы. В свете описанных выше проблем этот регион представляет особый интерес.

Основные цели диссертационной работы:

• уточнение блока параметризации подстилающей поверхности модели НШЬАМ на основе использования полей внешних параметров из набора данных ЕСОСЫМАР для территории Восточной Африки (Танзания)

• исследование чувствительности прогностической системы НГО,-ЬАМ к заданию внешних данных о подстилающей поверхности из базы ЕСОСЫМАР;

• оценка успешности краткосрочных гидродинамических прогнозов погоды прогностической системы ШКЬАМ для территории Восточной Африки при включении в нее базы ЕСОСЫМАР (с учетом особенностей алгоритма анализа влагосодержания в почве)

• получение оценок качества базы ЕСОСЫМАР для использования в системах прогноза погоды и выработка рекомендаций по дальнейшему развитию базы

Для выполнения поставленных целей в диссертационной работе автором были решены следующие задачи:

• Осуществлена настройка прогностической системы НШЬАМ для территории Восточной Африки (Танзания);

• База данных о подстилающей поверхности ЕСОСЫМАР включена в прогностическую систему НЖЬАМ с возможностью обеспечения оперативной работы. Для этого разработан программный интерфейс между базой данных и моделью, который включает пересчет долей типов подстилающей поверхности в ячейке сетки;

• Проведены численные эксперименты, получены оценки успешности краткосрочных прогнозов прогностической системы ШЫЬАМ для рассматриваемой территории при задании внешних параметров подстилающей поверхности из двух исследуемых баз данных.

Основным методом исследования является моделирование.

Научная новизна

• Получены новые оценки чувствительности прогностической системы НЖЬАМ к заданию параметров подстилающей поверхности из различных баз данных для территории Восточной Африки в различные сезоны года;

• Получены новые оценки успешности прогнозов на основе (1) сравнения полей прогнозов с полями анализа (11) результатов верификации по измерениям на станциях (111) оценки реалистичности воспроизведения физических процессов. Оценки проведены с учетом особенностей алгоритма анализа влажности почвы.

Все указанные этапы исследования выполнены для региональной модели высокого разрешения для экваториальной и тропической зоны впервые.

Теоретическая и практическая значимость:

Полученные оценки успешности прогнозов, чувствительности и результаты верификации позволяют сделать вывод о целесообразности использования базы ЕСОСЫМАР прогностической системой НШЬАМ для территории Восточной Африки (Танзания). Полученные оценки также могут быть использованы при планировании включения базы данных ЕСОСЫМАР в другие прогностические системы (например, ЛУШ7). Разработанный интерфейс позволяет осуществлять оперативную работу прогностической системы ШКЬАМ с базой ЕСОСЫМАР. Предложенные рекомендации могут быть учтены разработчиками базы данных ЕСОСЫМАР при дальнейшем ее совершенствовании.

Основные положения, выносимые на защиту:

• Уточненный путем использования новой базы данных блок параметризации обмена атмосферы с подстилающей поверхностью.

• Оценки успешности прогнозов влажности почвы прогностической системой НШЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных. Оценки по результатам сравнения прогностических полей с полями анализа показали, что добавки анализа влажности почвы при использовании базы данных ЕСОСЫМАР уменьшаются. Оценки качества воспроизведения физических процессов показали более реалистический характер временного хода влажности почвы при использовании базы ЕСОСЫМАР.

• Оценки успешности прогнозов приземной температуры прогностической системой НШЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных для разных сезонов года. Оценки по результатам сравнения прогностических полей с полями анализа и результаты верификации прогнозов по данным наблюдений показали, что прогнозы с использованием базы данных ЕСОСЫМАР более успешны для сезона дождей и менее успешны для сухого сезона (дневной период).

• Оценки чувствительности прогностической системы НШЬАМ к заданию параметров подстилающей поверхности из различных баз данных для территории Восточной Африки. Оценки показали, что чувствительность проявляется в соотношении Боуэна, в поле стока; чувствительность 24-часовых прогнозов приземной температуры к заданию параметров подстилающей поверхности из различных баз данных составляет ±3°С. • В качестве рекомендаций по развитию базы можно предложить разработки по уточнению альбедо подстилающей поверхности для рассмотренной территории.

Обоснованность и достоверность полученных результатов обусловлена применением апробированных моделей, а также аргументированностью исходных положений, непротиворечивостью рассуждений, корректным использованием математического аппарата.

Апробация диссертационной работы

Основные результаты исследований, изложенные в диссертации, докладывались и обсуждались:

• На научном семинаре кафедры метеорологических прогнозов Российского государственного гидрометеорологического университета

• На Итоговой сессии ученого совета РГГМУ, январь 2006

• На научном семинаре в Университете Хельсинки, Финляндия, сентябрь 2007

• На международном семинаре «Гидродинамический прогноз погоды в странах Восточной Африки» для национальных метеослужб стран Восточной Африки (Бурунди, Кения, Танзания, Руанда и Уганда) NMS-EAC (National Meteorological Service of East African Community) (Эн-теббе, Уганда, январь 2008).

Публикации:

Результаты диссертации опубликованы в 3 печатных работах, материалы использованы в научно-исследовательских отчетах.

Структура и объем работы:

Диссертация состоит из введения, четырех глав, заключения и списка использованных источников, включающего 67 наименований. Общий объем работы составляет 119 страниц, включая 27 рисунков и 2 таблиц.

Заключение Диссертация по теме "Метеорология, климатология, агрометеорология", Кабелва, Хамза Атхумани

4.4.4 Общие выводы и рекомендации по использованию базы ECOCLI-МАР

Качество базы данных о подстилающей поверхности ECOCLIMAP оценивалось путем (i) анализа алгоритма ее построения по сравнению с другими базами (наборами) данных, (ii) на основе экспериментов по чувствительности прогностических полей и верификации прогнозов системы HIRLAM. Сравнение проводилось с базой генерации параметров подстилающей поверхности HCS.

Анализируя алгоритмы построения двух баз данных в качестве достоинства базы ECOCLIMAP можно отметить более реалистическое задание параметров растительности по сезонам и регионам, чем в HCS. В ECOCLIMAP для рассматриваемой территории задается более реалистичный ход по сезонам LAI, глубины корневой системы, параметра шероховатости, альбедо подстилающей поверхности, чем в HCS. Велики различия между двумя базами данных при задании минимального устьичного сопротивления, отсутствие сезонного хода для этого параметра в ECOCLIMAP представляется физически обоснованным. Велики также различия между двумя базами при задании параметров почвы, в частности, процентного содержания песка: в HCS оно нереалистично велико и на значительных территориях достигает 100%.

В наших экспериментах чувствительность системы к заданию внешних полей не была сильно пониженной из-за особенностей работы алгоритма ассимиляции данных, так как в рассматриваемые сезоны поправки к влажности почвы были либо нулевыми, либо очень небольшими. При этом поправки к влажности почвы в эксперименте с использованием HCS были больше (добавлялась дополнительная влага), что косвенно свидетельствует о большей успешности прогнозов при использовании ECOCLIMAP, временной ход влажности почвы при использовании базы ECOCLIMAP более реалистичен.

Чувствительность прогностической системы к заданию параметров подстилающей поверхности при суточном прогнозе приземной температуры достигала ±3°С, смоделированные дневные температуры в сезон дождей при использовании ECOCLIMAP в среднем ниже, чем при использовании HCS. Оценки успешности прогнозов приземной температуры по полям анализа и по результатам верификации по измерениям на станциях показали, что прогнозы с использованием внешних параметров из базы ECOCLIMAP в целом успешнее, однако остается проблемой прогноз дневных максимумов температуры в сухой сезон.

Следствием менее реалистического задания LAI в HCS по сравнению с ECOCLIMAP являются нереалистические значения скрытого потока тепла для сухого сезона в экспериментах с HCS.

Чувствительность в поле облачности и осадков к заданию параметров подстилающей поверхности из различных баз данных в проведенных экспериментах была понижена из-за неполного включения процедуры анализа, сделаны только предварительные оценки и для более полного анализа требуются дополнительные эксперименты. Самая большая чувствительность прогностической системы к заданию параметров подстилающей поверхности из различных баз данных оказалась в поле стока. Сток оказался значительно больше в экспериментах по данным HCS из-за задания процентного соотношения песка. Разница в значениях стока достигала 60 мм/сут и наблюдалась на больших территориях.

По результатам проведенных экспериментов представляется возможным сделать вывод о целесообразности использования базы ECOCLIMAP в прогностической системе HIRLAM для территории Танзании, несмотря на то, что некоторые оценки для нее были не очень хорошими.

Таким образом, путем использования базы данных о подстилающей поверхности ЕСОСЫМАР блок расчета обмена атмосферы с подстилающей поверхностью был уточнен.

В качестве рекомендаций по развитию базы можно предложить разработки по уточнению альбедо подстилающей поверхности для рассмотренной территории.

ЗАКЛЮЧЕНИЕ

Параметры подстилающей поверхности, такие как альбедо, листовой индекс, параметр шероховатости, характеристики структуры и текстуры почвы и т. д. оказывают существенное влияние на потоки в приземном подслое, на тепловой режим и режим увлажнения поверхности, и как следствие, на прогностические поля метеорологических величин вблизи поверхности. Накопление сведений о параметрах экосистем происходит параллельно с развитием гидродинамических моделей, и возникает возможность использовать вновь полученные данные для улучшения качества гидродинамического прогноза погоды. Исследовались результаты моделирования гидродинамической моделью НШЬАМ при задании соответствующих параметров из различных баз данных.

В ходе исследования выполнены следующие задачи и сформулированы следующие основные результаты и выводы:

1. Уточнен блок параметризации подстилающей поверхности модели НШЬАМ на основе использования полей внешних параметров из набора данных ЕСОСЫМАР для территории Восточной Африки (Танзания)

2. Разработан программный интерфейс для использования базы данных ЕСОСЫМАР в прогностической системе НШЬАМ, что позволило осуществлять оперативные запуски. Интерфейс включает реализованный метод пересчета долей типов подстилающей поверхности в ячейке сетки при переходе от базы данных НСЭ к базе данных ЕСОСЫМАР. Осуществлены модификации программного кода модели НШЬАМ с целью включения в нее базы данных о подстилающей поверхности ЕСОСЫМАР. '

3. Осуществлена адаптация прогностической системы НШЬАМ для территории восточной Африки (Танзании) для проведения численных экспериментов для оценки чувствительности.

4. Выявлено, что поля параметров подстилающей поверхности для рассматриваемой территории существенно отличаются в базах данных НСЭ и ЕСОСЫМАР, годовой ход параметров в базе данных ЕСОСЫМАР более реалистичен.

5. Получены оценки успешности прогнозов влажности почвы прогностической системой НШЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных. Оценки по результатам сравнения с полями анализа показали, что добавки анализа влажности почвы при использовании базы данных ЕСОСЫМАР уменьшаются. Оценки качества воспроизведения физических процессов показали более реалистический характер временного хода влажности почвы при использовании базы ЕСОСЫМАР.

6. Получены оценки успешности прогнозов приземной температуры прогностической системой НШЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных для разных сезонов года. Оценки по полям анализа и результаты верификации прогнозов по данным наблюдений показали, что прогнозы с использованием базы данных ЕСОСЫМАР более успешны для сезона дождей и менее успешны для сухого сезона (дневной период).

7. Получены оценки чувствительности прогностической системы 1Ш1ЬАМ к заданию параметров подстилающей поверхности из различных баз данных для территории Восточной Африки. Оценки показали, что чувствительность проявляется в соотношении Боуэна, в поле стока; чувствительность 24-часовых прогнозов приземной температуры к заданию параметров подстилающей поверхности из различных баз данных составляет ±3°С.

8. В качестве рекомендаций по усовершенствованию базы данных ЕСОСЫМАР предложены разработки по уточнению альбедо подстилающей поверхности.

Библиография Диссертация по наукам о земле, кандидата физико-математических наук, Кабелва, Хамза Атхумани, Санкт-Петербург

1. New secondary atlas revised 2000. First published 1984; reprinted 1985, 1986. Revised 1987; reprinted 1988, 1992, 1996 (twice), 1998(twice), 1999, 2000. Printed in China SWTC/14.

2. Tanzania Meterological Agency, электронный ресурс. Режим доступа к сайту: http://www.meteo.go.tz

3. Чанга JI. Б. Автореферат диссертации на соискание ученой степени кандидата физико-математических наук. Долгосрочный прогноз осадков для Танзании физико-статическим методом, 2006. РГГМУ.

4. Chen Т. Н. and co-authors, 1997. Cabauw experimental results from the project for intercomparison of land-surface parameterization schemes. J. Climate, 10(7), 1194-1215.

5. NEODAAS. The AVHRR sensor, электронный ресурс. // Режим доступа к сайту: http://www.sat.dundee.ac.uk/avhrr.html

6. Global land cover characteristics data base. Электронный ресурс. Режим доступа к сайту: http://edcsnsl7.cr.usgs.gov/glcc/globdoc20.html

7. Алексеев, М.И. Программный комплекс обработки и визуализации архивных данных прибора AVHRR со спутников NOAA. текст. Труды ВНИИГМИ -МЦД.-2000.-Вып. 166. С. 151 156

8. About the Digital Chart of the World Data Server электронный ресурс. // The Pennsylvania State University Libraries.-USA.,2005.-About the Digital Chart of the World Data Server/ Режим доступа к сайту: http://www.maproom.psu.edU/dcw/dcwabout.shtml#DCW

9. Loveland, Т. R., В. С. Reed, J. F. Brown, D. O. Ohlen, Z. Zhu, L. Yang, and J. W. Merchant, 2000: Development of a global land cover characteristics database and

10. BP DIS Cover from 1 km AVHRR data. Int. J. Remote Sens., 21, 1303-1330.

11. Pan-European Land Cover Monitoring Project (PELCOM), электронный ресурс //PELCOM.htm. Режим доступа к сайту: http://www.geo-informatie.nl/projects/pelcom/public/index.htm

12. The International Satellite Land Surface Climatology Project, Initiative II: электронный pecypc.//ISLSCP II Introduction/ Режим доступа к сайту: http://islscp2.sesda.com/ISLSCP2l/htmlpages/introduction.html

13. M.F.Wilson and A. Henderson-Sellers 1985. A global archive of land cover and soils data for use in general circulation climate models. Climat. V.5

14. Houghton, J.T. Foreword in Eagleson, P.S. (ed.), Land Surface processes in atmospheric general circulation model. 1982. Cambridge University Press.

15. UMD 1km Global Land Cover: электронный ресурс. http://www.geog.umd.edu/landcover/lkm-map.html

16. Hansen, M. C., R. S. DeFries, J. R. G. Townshend, and R. Sohlberg, 2000: Global land cover classification at 1 km spatial resolution, using a classification tree approach. Int. J. Remote Sens., 21, 1331-1364.

17. И. А. Розинкина Анализ применеия параметризационном модели «почва-растительность-атмосфера». Метеорология и гидрологоя 1990, № 8

18. И. А. Розинкина. Особенность формирования вертикальной структуры метеорологических характкристик в зависимости от состояния поверхности суши. Метеорология и гидрология 1992, № 1

19. Masson, V., Clampeaux, J.L., Chauvin, F., Meriguet, C. and Lacaze, R. 2003. A global Database of Land Surface Parameters at 1-km Resolution in Meteorological and climate models. J. Climate. 16, 1261-1282

20. CEC, 1993. CORINE Land Cover technical guide. European Union. Directorate-Generale Environment, Nuclear Safety and Civil Protection. Luxembourg.

21. Koeppe C. E. and De Long G. C., 1958. Weather and climate, McGraw-Hill Book Company

22. EC, 1995. Regionalization and Stratification of European Forest Ecosystems, Internal Special Publication of the Joint Research Centre of the European Commission. S.I.P.95.44, EC, SAI, EMAP, Italy, p.69.

23. FAO, 1988. Unesco soil map of the world. World soil Resources Report No 60, Rome

24. Asrar G., Fichs M., Kanemasu E.T. and Hatfield J.L., 1984. Estimating absorbed photosynthetically active radiation and leaf area index from spectral reflectance in wheat. Agronomy journal, 76, 300-306.

25. Baret F. and Guyot G., 1991. Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sens. Environ., 35, 161-173.

26. Ba M. B. Nicholson S. E. and Frouin R.,2001: Satellite-derived surface radiation budget over the African continent. Part II. climatologies of the various components. Journal of climate, 14, 60-76.

27. Pinty B. Roveda F., Verstraete M. M., Gobron N., Govaerts Y., Martonchik J. V., Diner D. J. and Kahn R. A., 2000. Surface albedo retrieval from meteosat. 2. Applications. Journal of Geophysical Research. 105, D14, 18,113-18,134.

28. Lacaze R. Chen J. M., Roujean J. L. and Leblanc S. G., 2001. Retrieval of vegetation clumping index using hot spot measured by POLDER intrument. Remote

29. Sensing Environ., 78, 1-12.

30. Teresa Fernández and Ernesto Rodríguez. HIRLAM newsletter 45. http://hirlam.org.

31. Pedro Viterbo. A review of parametrization schemes for land surface processes By ECMWF, Shinfield Park, Reading, England Meteorological Training Course Lecture Series ECMWF. http://www.ecmwf.int.

32. Aaron Boone, Florence Habets, Joel Noilhan, Bart Van den Hurt, Martin Lange, Jose Pare Bode Ritter and E. Rodriquez. Intercoparisom of the ELDAS mod Using the Rhone-AGGregation Experiment design, http://www.knmi.nl/samenw/eldas/

33. H. ZHANG и др., 2003. Impacts of Land Surface Model Complexity on a Regional Simulation of a Tropical Synoptic Event.

34. Матвеев JI. Т. Физика Атмосферы. РГГМУ. Гидрометеоиздат, Санк-Перербург. 2000, с.600

35. Efficient prediction of ground surface temperature and moisture with inclusion of a layer of vegetation, 1978. J. Geophys. Res. 83, 1889-1903.

36. Canadian land Surface scheme. http://geog.queensu.ca/climatology/Class01.htm

37. D. L. Verseghy, 1991. A Canadian Land Surface Scheme for GCMS: I. Soil Model, Int. J. Climatol., vol. p 111-133, p. 44.

38. D. L. Verseghy, N. A. McFarlane, and M. Lazare, 1993. A Canadian land surface scheme for GCMS, II. Vegetation model and coupled runs, Int. J. Climatol., vol.13, no. 4, pp. 347-370.

39. VIC. http://www.hydro.washington.edu/Lette41 http://www.hydro.washington.edU/Lettenmaier/Publications/upmiss/GEWEXpos.h tml

40. Bhumralkar, C. M., 1975. Numerical experiments on the computation of ground surface temperature in an atmospheric general circulation model. J. Appl. Meteor.,14, 67-100.

41. ALADIN Numerical Weather Prediction Project http://www.cnrm.meteo.fr/aladin/44 http://www.atmos-chem-phys-discuss.net/7/4761/2007/acpd-7-4761-2007-print.pdf

42. Shmakin, A. B., 1998. The updated version of SPONSOR land surface scheme: PILPS-influenced improvements. Global & Planetary Change, 19(1-4), 49-62.)

43. Ye. M. Gusev and O. N. Nasonova, 1998. SWAP. Institute of Water Problems, Russian Academy of Sciences, Moscow, Russian Federation.

44. Consortium for Small-scale Modeling.

45. COSMO Technical Report No. 9. http://www.cosmo-model.org

46. Niu G.-Y.; Yang Z.-L., 2003. The versatile integrator of surface atmospheric processes Part 2: evaluation of three topography-based runoff schemes, Global and Planetary Change, Volume 38, Number 1, July 2003, pp. 191-208(18)

47. De Rosnay P., Polcher J., 1998. Modeling root water uptake in a complex land surface scheme coupled to a GCM. Hydrology and Earth System

48. Sciences, 2 (2-3) 239-256, 1998

49. Coupling a mosaic land surface scheme (SiBUC) with a nonhydrostatic atmospheric model (ARPS).http://ams.confex.com/ams/Annual2005/techprogram/paper87666.htm

50. Strategies for frozen soils modeling in the GCIP LSA-NC. http://www.hydro.washington.edU/Lettenmaier/Publications/upmiss/GEWEXpos.h tml

51. Noilhan, J. and Planton S., 1989. A simple parameterization of land surface processes for meteorological models. Mon. Wea. Rev., 117, 536-549.

52. ISBA scheme. http://www.atmos-chem-phys-discuss.net/7/4761/2007/acpd-7-4761 -2007-print.pdf

53. The operational version of ISBA with its own soil moisture assimilation. Eric Ba-zile and D. Giard, Meteo-France/CNRM 42Av. Coriolis, 31057 Toulouse Cedax, France

54. Giard D and Bazile E, 2000. Implementation of a new assimilation scheme for soil and surface variables in a global NWP model. Mon. Wea. Rev., 128,997-1015.

55. Intercomparison of Soil Moisture Memory in Two Land Surface Models. http://neptune.gsfc.nasa.gov/publications/pdf/pubs2003/MahanamaKosterInterc omparison.pdf

56. Mahfouf,J.-F., 1991. Analysis of soil moisture from near-surface parameters: a feasibility study. J. Appl. Meteorol.,30,1534-1547.

57. J.-F Mahfouf, A. Manzi, J. Noilhan, H. Giordani and M. Deque, 1995. The land surface scheme ISBA within the Meteo-France climate model ARPEGE. Part 1: Implementation and preliminary results. J. Climate, 8, 2039-2057

58. Braud I., Noilhan J., Bessemoulin P., Mascart P., Haverkamp R. and Vauclin M., 1993. Bare-ground surface heat and water exchanges under dry conditions: observations and parameterization. Boundary-Layer Meteorol., 66, 173-200

59. Blondin C., 1991. Parameterization of land-surface processes in numerical weather prediction. Land surface evaporation: measurement and parameterization, T.J. Schmugge and J.C.Andre, Eds., Springer, 31-54

60. Dickinson R.E., 1988. The force-restore model for surface temperatures and its generalizations. J. Climate, 1, 1086-1097.

61. Kallen E. (Ed), 1996. HIRLAM Documentation Manual, System 2.5. SMIII. Nor-rkopping. (Available from SMHI, S-60176 Norrkopping, Sweden). Доступна с электронного ресурса http//hirlam.org.

62. Bouttier F., Mahfouf J.-F. and Noilhan J., 1993. Sequential Assimilation of Soil Moisture from Atmospheric Low-Level Parameters. Part I: Sensitivity and Calibration Studies. J. Appl. Meteor., 32, 1335-1351.

63. Bouttier F., Mahfouf J.-F. and Noilhan J., 1993. Sequential Assimilation of Soil Moisture from Atmospheric Low-Level Parameters. Part II: Implementation in a Mesoscale Model. J. Appl. Meteor., 32, 1352-1364

64. Fernandez Т., E. Rodrigues, 2003. Tests with ECOCLIMAP physiographic database in HIRLAM. HIRLAM Newsletter, No. 45, 2003, pp. 151-167. SMHI, Nor-rkoping, Sweden. Доступна с электронного ресурса http//hirlam.org.