Бесплатный автореферат и диссертация по наукам о земле на тему

Развитие метода динамической интерполяции метеорологических полей на базе модели ММ5

ВАК РФ 25.00.30, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Развитие метода динамической интерполяции метеорологических полей на базе модели ММ5"

Московский государственный университет имени М.В. Ломоносова

4858037

Географический факультет

На правах рукописи УДК 551.509.43.001.572

БАБИНА Екатерина Дмитриевна

РАЗВИТИЕ МЕТОДА ДИНАМИЧЕСКОЙ ИНТЕРПОЛЯЦИИ МЕТЕОРОЛОГИЧЕСКИХ ПОЛЕЙ НА БАЗЕ МОДЕЛИ ММ5

Специальность: 25.00.30 - метеорология, климатология, агрометеорология

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата географических наук

2 7 ОПТ 2011

Москва-20 И

4858037

Работа выполнена в лаборатории климатологии Института географии РАН

Научный руководитель: доктор географических наук,

профессор

КИСЛОВ Александр Викторович

Официальные оппоненты: доктор физико-математических наук,

профессор

РИВИН Гдалий Симонович

кандидат географических наук ОЛЬЧЕВ Александр Валентинович

Ведущая организация: Санкт-Петербургский

государственный университет, факультет географии и геоэкологии

Защита состоится 10 ноября 2011 года в 15 часов на заседании диссертационного совета Д 501.001.68 при Московском государственном университете имени М.В. Ломоносова по адресу: 119991, Москва, ГСП-1, Ленинские горы, МГУ, географический факультет, ауд. 18-01.

С диссертацией можно ознакомиться в научной библиотеке географического факультета МГУ имени М.В. Ломоносова на 21 этаже.

Автореферат разослан «10» октября 2011 г.

Ученый секретарь диссертационного совета доктор геолого-минералогических наук,

профессор ^^

Савенко B.C.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Принципиальной задачей, стоящей перед современной метеорологией и шматологией, является необходимость получения достоверной информации о полях етеорологических элементов с высокой пространственной дискретностью, оризонтальное разрешение метеорологических полей, получаемых при проведении ииматических численных экспериментов на выходе из моделей общей циркуляции шосферы, составляет 100-200 км. При этом невозможно правильно отразить собенноста территории (рельеф, типы растительности и др.), определяющие воеобразие тепло-влагообмена поверхности суши с атмосферой, а также нельзя юделировать системы мезомасштабных циркуляшга (атмосферные фронты, бризы, системы гроз и др.).

Можно констатировать, что такое грубое разрешение не обеспечивает надежного воспроизведения климатических процессов на региональном уровне. Необходимая детальность метеорологических полей не может быть обеспечена использованием методов формальной интерполяции, поскольку при их применении не учитываются ни физико-географические особенности территории, ни вклад

мезометеорологических процессов.

Таким образом, насущной задачей современной гидрометеорологии является физически обоснованный переход к высокому пространственному разрешению

метеорологических полей.

В диссертационной работе поставлена актуальная научная задача, заключающаяся в разработке методики динамической интерполяции метеорологических полей.

Цель работы

Цель работы состоит в создании физически обоснованной методики, позволяющей осуществлять интерполяцию метеорологических полей для небольших по площади территорий. Для решения этой задачи используется мезомасштабная модель атмосферы. Модельный климат формируется, с одной стороны, как реакция

атмосферы на явно заданные особенности подстилающей поверхности, с друге стороны представляет собой «внутреннее свойство» атмосферной динамик: поскольку моделью воспроизводятся процессы мезомасштаба, создающие важнь обратные связи с крупномасштабной динамикой атмосферы.

В соответствии с этой целью поставлены следующие задачи диссертации:

1. Разработать методику интерполяции метеорологических полей, основанную на данных мезометеорологического моделирования.

2. Оценить качество интерполированных полей путем сравнения с данными станционных наблюдений.

3. Оценить разработанную методику на примере решения конкретных практических задач.

Основные положения, выносимые на защиту

1. Методика динамической интерполяции метеорологических полей.

2. Результаты оценки качества полученных полей.

3. Обоснование применения методики к решению практических задач, которых требуются метеорологические поля высокого разрешения.

Методы исследований

Динамическая интерполяция метеорологических полей осуществляется на баз

гидродинамической региональной модели ММ5 (Mesoscale and Microscale Model

Национального Центра Атмосферных Исследований США (www.mmm.ucar.edu/mm5]

Модель ММ5 широко используется в мире для моделирования и прогноз;

региональных атмосферных процессов, а также для динамической детализацш

(динамического даунскейлинга) метеорологических полей. Модель ММ5 находится i

открытом доступе для зарегистрированных пользователей, она постоянно улучшаете;

и обновляется Национальным Центром Атмосферных Исследований США, а такж<

рядом других ее пользователей. В данной работе была использована третья версия

модели ММ5 (MM5V3), в настоящее время функционирует также следующая версия

4

иной модели - модель WRF (www.wrf-model.org). Отличительными особенностями 'RF являются уточненная гидродинамическая постановка задачи и численная схема шее высокого порядка точности.

Научная новизна работы

Научная новизна работы заключается в получении физически оптимальных етеорологических полей для относительно небольших территорий, в использовании оригинальной методики для сравнения полученных полей с данными наблюдений, в оценках пространственных масштабов осреднения полей температуры, осадков и влажности.

Практическая ценность работы

Практическая ценность работы состоит в возможности получения метеорологических полей с достаточно высоким пространственным разрешением, необходимым для пользователей метеорологической информации. Это позволяет решать различные задачи прогнозирования климата и климатически обусловленных изменений состояния окружающей среды.

Апробация работы

Основные результаты диссертации докладывались автором на ряде семинаров географического ф-та МГУ и лаборатории климатологии Института географии РАН. Также результаты исследований обсуждались на конференциях «Enviromis-2006», г. Томск, «Экологическая безопасность урбанизированных территорий в условиях устойчивого развития», г. Астана, Казахстан (2006), и международном семинаре молодых ученых «Climate change and variability: the role of anthropogenic factors», r. Санкт-Петербург, Главная Геофизическая Обсерватория им. Воейкова, 2007 г.

Публикации

По теме диссертации опубликовано 7 печатных работ; из них 4 из списка ВАКа.

Структура и объем работы

Диссертация состоит из введения, пяти глав, заключения. КРАТКОЕ ОПИСАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цели работы, рассмотрены вопросы научной новизны проведенных исследований.

В обзорной первой главе рассматривается современное состояние проблемы улучшения качества глобальных метеорологических полей. Все большее число исследований в настоящее время основывается на глобальных климатических архивах, в которых первичные наблюдения подвергнуты обработке и приведены к узлам регулярной сетки. Пространственное разрешение глобальных и региональных реанализов составляет порядка 200 км и 30 км соответственно, в то время как для оценки региональных климатических воздействий на экосистемы и хозяйственную деятельность человека требуются реанализы с горизонтальным разрешением порядка 5-10 км (Bengtsson, 2007).

Климатические модели, используемые для проведения численны экспериментов, включают наряду с моделью общей циркуляции атмосферы, модели океана, деятельного слоя суши, криосферы, биосферы, атмосферной химии, обеспечивая тем самым достаточно полное описание климатической системы. Однако, несмотря на эти достижения, пространственное разрешение метеорологических полей все еще не является достаточным для решения ряда задач и не обеспечивает необходимую точность модельной информации.

Методы детализации метеорологических полей выделяют в следующие группы: Статистический даунскейлинг:

• Регрессионные методы;

• Методы, основанные на использовании типов погоды (weather pattern-based approaches);

• Стохастические погодные генераторы (stochastic weather generators);

Динамический даунскейлинг:

• Встроенные в глобальные модели области высокого разрешения;

• Региональные атмосферные модели.

Методы статистического даунскейлинга основываются на применении :атистических соотношений между полями грубого и высокого пространственного 1зрешения. Они относительно легки в применении, однако при их использовании глается предположение, что статистические связи, определенные на современных анных, сохраняться при изменениях климата. Также предполагается, что количества ганционных наблюдений достаточно для выявления статистических закономерностей Wilby, 1997).

При динамическом даунскейлинге климатическую информацию высокого азрешения получают, встраивая в глобальные модели «дочерние» области высокого разрешения или используя ограниченные по территории региональные атмосферные модели. Таким образом получают поля высокого пространственного разрешения в

выбранных районах.

Численные эксперименты показывают, что увеличение пространственного разрешения моделей обычно ведет к улучшению качества воспроизведения региональных процессов, однако существует необходимость в строгой оценке качества климатических сигналов на различных пространственных масштабах (Сох, 1998).

Создание архивов глобальных метеорологических полей высокого разрешения неизбежно требует больших вычислительных и временных затрат. Недостаточная плотность сети метеостанций, пропуски в наблюдениях, а также сложность получения имеющихся данных приводят к тому, что возникает необходимость в создании полей высокого разрешения для отдельных районов и периодов времени, отвечающих потребностям пользователей метеорологической информации.

Во второй главе описывается методика динамической интерполяции полей, используемая гидродинамическая модель атмосферы (ММ5), и численные эксперименты.

Модель ММ5 (Mesoscale and Microscale Model) представляет собой негидростатическую мезомасштабную модель атмосферы с сеткой Аракавы типа В по горизонтали и о-системой координат по вертикали. ММ5 была разработана в Национальном центре атмосферных исследований США (NCAR) совместно с

Пенсильванским университетом (www.mmm.ucar.edu/mm5). Моделирующая система ММ5 включает в себя собственно мезомасштабную модель, процедуру 4-мерного усвоения данных, а также ряд вспомогательных программ, включающих систему визуализации результатов расчетов.

В системе уравнений гидротермодинамики модели используется широко распространенное в мезометеорологии представление о термодинамических переменных в виде суммы фоновой величины, характеризующей состояние синоптического потока, и отклонения, выражающего возмущение синоптического потока мезомасштабной циркуляцией. Одной из отличительных особенностей системы уравнений ММ5 является то, что в ней учитываются три составляющие силы Кориолиса, в том числе и вертикальная составляющая (www.mmm.ucar.edu/mm5).

Модель ММ5 состоит из нескольких блоков, представляющих собой программы, написанные на Фортране под операционную систему Linux

Динамическая интерполяция метеорологических полей, предлагаемая автором, заключается в воспроизведении региональной моделью полей высокого пространственного разрешения непосредственно в пределах той области, в которой осуществляется моделирование с высоким разрешением. Модель использует в качестве граничных условий данные на редкой сетке и воспроизводи метеорологические поля внутри выбранной области с заданным высоким пространственным разрешением.

Физически оптимальная интерполяция полей достигается за счет учет;

региональной моделью физических особенностей подстилающей поверхности, а также

некоторым (принимая во внимание небольшие размеры области) учетом влияния

мезомасштабных циркуляций.

В качестве начальных полей метеоэлементов в модели используются данньи

реанализа (NCEP/NCAR Reanalysis). Эти данные имеют разрешение горизонтальной

сетки 200 км, по вертикали 28 о-уровней, временной интервал 6 часов. Данные

Реанализа NCEP/NCAR предоставляются зарегистрированным пользователям с 1948 г.

по настоящее время (www.cisl.ucar.edu/dss/). Динамическая интерполяция полей

осуществляется для трех районов (рис. 1): «Центрального», «Причерноморского» и

«Южно-Уральского». Разрешение модельной сетки - 10 км. По горизонтали

8

рритория областей покрывается 100x100 узлами модельной сетки. По вертикали сдельная атмосфера разделена на 24 уровня. Верхний уровень в модели .ответствует 100 гПа (16 км по высоте). На пограничный слой, в зависимости от его лсоты, приходится 5-7 уровней. При каждом интегрировании граничные условия .. 5новляются через каждые 6 часов, учитывая особенности суточного хода каждого

энкретного дня.

Модель интегрировалась на 1 сутки для каждого дня июля за 10 лет с 1980 по 1989 г. Июльские условия выбраны для того, чтобы получить модельную информацию в стационарных летних условиях и осуществить статистическую проверку по большой выборке, сопоставляя данные интегрирования с данными станционных наблюдений.

Третья глава посвящена оценке результатов интегрирования мезомасштабной

модели ММ5.

Рис.1. Области интегрирования модели.

Для того чтобы оценить качество и преимущества предлагаемого подхода динамической интерполяции метеорологических полей, результаты моделирования ММ5 сопоставлялись с данными Реанализа, формально математически интерполированными с базовой широтно-долготной сетки с разрешением 2,5x2,5° на сетку с разрешением 10 км.

Для всех методов интерполяции было получено, что после применения процедуры интерполяции поля получаются сильно сглаженными и, фактически, не отображают реальную структуру метеорологических полей у земной поверхности. Использование региональной модели в процедуре детализации имеет принципиальное преимущество по сравнению с рассмотренными методами.

Также в данной главе осуществляется статистический анализ модельных данных. Оценка детализированных полей осуществлялась близко к методологии «фаззи»-методики (fuzzy verification), при которой данные моделирования и данные станционных наблюдений сравниваются не в точках («наблюдение»-«прогноз»), а используются «окрестности прогноза» и «окрестности наблюдений» (Ebert, 2008).

Данные моделирования, как было указано ранее, представляют собой значения, осредненные по территории пиксели 10x10 км2. Адекватные по смыслу эмпирические данные могут быть получены путем осреднения данных наблюдений на метеорологических станциях, относящихся к этой же территории. Погрешность получаемых таким образом средних по площади (S) значений, рассчитываемых по данным нескольких (я) станций оценивалась с помощью методики (Гандин,1976):

Здесь с - среднеквадратическое отклонение; ц - мера ошибок наблюдений; 1в -радиус корреляции. Для территории Центральной и Причерноморской областей погрешность осредненных по площади температур составляла 0.1-0.2°С, удельной влажности 0.3-0.4 г/кг, относительной влажности 10-15%, для осадков погрешность составляла 0.8-1.5 мм. Для Южно-Уральской области эти значения составляли соответственно 0.3°С для температуры, 0.5 г/кг для удельной влажности, 20% для относительной влажности, 4 мм для осадков.

Рис 2. Зависимость отклонений (данные ММ5-станционные данные), взятых с разным пространственным осреднением, от площади, по которой производится осреднение: для а) температуры (°С), б) осадков (мм), в) удельной влажности, г) относительной влажности. Диаметр символов равен погрешности среднего по площади значения для станционных наблюдений.

Анализ выходных данных модели ММ5 продемонстрировал, что с увеличением площади осреднения различия между модельными результатами и данными наблюдений уменьшаются (рис. 2). При минимальной площади осреднения различия между модельными и наблюденными температурами воздуха достигают ДТ=2°С, различия между суммами осадков (ДР) могут достигать 15 мм, расхождение между модельными и наблюденными значениями удельной влажности ДЧ=4 г/кг, относительной влажности ДМ2%. При масштабе временного осреднения в одни сутки и дискретности сетки 10x10 км2 ММ5 достоверно воспроизводит информацию на пространственном масштабе порядка 100 км. Теперь ДТ=0.3°С, ДР=2-Змм, ДЧ=0.1 г/кг, Д£=4%.

Сопоставление временных серий (модельных и наблюдаемых на станциях) показало, что модель повторяет наблюдаемую динамику июльских среднесуточных температур, осадков и влажности с 1980 по 1989 г, хотя есть некоторые отклонения в

появлении экстремумов (рис. 3).

Функция распределения повторяемости для центрированных рядов модельных и наблюдаемых температур, удельной влажности и относительной влажности совпадает с функцией нормального распределения. Функции распределения осадков

11

о 30 60 90 120 150 180 210 240 270 300

точгн ряда N

б) 16 14

12 -10

' 40

1 30

§20

О

о

10 -0

sÉfl .> fiJild^LákiÁk.ftjLnjla^

o 30 60 90 120 150 150 210 240 270 300

точки ряда. N

Рис. 3. Соединенные подряд вариации июльских значений температуры за 1980-1989, осредненные по площади 10 ячеек для центральной области для а) температуры воздуха, б) уд. влажности, в) отн. влажности, г) осадков.

по модельным и наблюденным данным достаточно похожи между собой и имеют вид распределения Вейбулла. Взаимные корреляционные функции, рассчитанные между рядами измеренных и модельных значений как для температуры, так и для удельной

влажности получились симметричными и имеют максимум при нулевом сдвиге, что говорит о совпадении в среднем по времени экстремумов в станционном и модельном рядах и об отсутствии систематических нарушений.

Для осадков и относительной влажности взаимные корреляционные функции также максимальны при нулевом сдвиге, но в отличие от температуры, значение максимума для относительной влажности менее 0,8, для осадков менее 0,5, что свидетельствует о существенно худшем совпадении станционного и модельного рядов. Радиус временной корреляции составил 5 суток для температуры и удельной влажности, 3 суток для осадков и 4 суток для относительной влажности.

Полученные результаты имеют большую практическую ценность, так как показывают, что с помощью модели ММ5 можно правильно воспроизводить не только близкие к среднему значения метеовеличин, но и аномальные значения.

В четвертой главе оцениваются синоптические и региональные особенности интерполированных полей. Для оценки синоптических особенностей анализировались карты ветра, температуры, осадков, удельной и относительной влажности воздуха, построенные по данным станционных наблюдений и данным моделирования. Для конкретизации синоптической обстановки использовались приземные синоптические карты, полученные из архива Гидрометцентра для рассматриваемого периода.

ММ5 в целом правильно воспроизводит переходную фронтальную зону между теплой и холодной воздушными массами (рис. 4): в поле температуры воздуха отчетливо проявляется скачок температуры, удельная влажность увеличивается в направлении теплой воздушной массы, степень насыщенности воздуха водяным паром отражает распределение температуры, в районе фронтальной зоны воздух близок к насыщению. Осадки хуже воспроизводятся моделью, есть отклонения в проявлении локальных экстремумов.

ММ5 воспроизводит основные региональные особенности метеорологических полей, обусловленные влиянием физико-географических факторов: уменьшение температуры воздуха и влагосодержания в горах, орографическое усиление осадков, местные циркуляции, деформацию воздушного потока при пересечении горных хребтов, различия в метеорологическом режиме западного и восточного склонов Уральского хребта (рис. 5-7).

\

Рис. 4. Отражение в интерполированных полях температуры воздуха фронтальной зоны для (а) Южно-Уральской и (б) Центральной областей.

Рис. 5. Влияние орографии в полях температуры воздуха для Южно-Уральской и Центральной областей.

Рис. 6. Интерполированные поля температуры воздуха и удельной влажности для Причерноморской области интегрирования.

Для Центральной области отражаются московский «остров тепла», уменьшение удельной и относительной влажности воздуха над крупным мегаполисом.

Из проведенного анализа можно сделать вывод о том, что динамически интерполированные поля метеовеличин более реалистичны. Они отражают влияние рельефа, распределение суши и моря, тогда как станционные данные дают локальные значения метеоэлементов в местах нахождения станций. Вследствие плохой освещенности горных районов сетью наблюдений, модельные поля для этих территорий являются практически единственным источником информации.

Рис. 7. Интерполированные поля относительной влажности и осадков для Причерноморской области.

Пятая глава посвящена практическому применению предложенного метода интерполяции. Рассматривается возможность использования интерполированных данных для диагностики атмосферных засух, и дождевых паводков на реках.

Поскольку надежность данных моделирования возрастает с увеличением площади осреднения, для практического применения предлагаемой методики выбраны задачи, в которых требуется среднее (или сумма) по некоторой территории.

Для оценки интенсивности атмосферной засухи использовался Индекс засушливости Д.А. Педя (Максимова, 1991; Черенкова, 2007), который определяет атмосферную засуху аномалиями температуры воздуха и осадков за данный промежуток времени:

Б^т) = 61/стт - 5Р/сгр,

где 5Т=Т-ТП, 5Р=Р-РП, а-среднеквадратическое отклонение, 1 - пункт, т - время, п

- "норма". Известно, что при Бг^.0-2.0 отмечается слабая засуха, при 81=2.0-3.0

15

умеренная и при S;>3 сильная засуха. Особенностью показателя Педя является то, что он может быть применен для идентификации засухи на большой территории с охватом нескольких зон увлажненности. Также он явно не зависит от средних значений температуры и осадков.

На рис.8 представлены значения индекса Педя, соответствующие засушливым условиям (в интервале от 1 до 3) за период с 1980 по 1989 гг. по данным станций и данным модели. Модельные значения температуры воздуха и осадков осреднялись по площади 225 км2 для станций, дающих засуху.

Проведенный анализ позволяет сделать следующие выводы: модель дает индексы засушливости в тех же пределах, что и станционные наблюдения (большая часть станций для всех трех регионов дает атмосферную засуху в 1981 и 1987 году). Для Центральной и Причерноморскй областей Индекс Педя моделью занижается, для Уральской области завышается. Модуль модельно-станционного отклонения не превышает 1.

Большую роль предложенная методика интерполяции данных моделирования может сыграть при решении задачи прогноза дождевых паводков, поскольку при этом важнейшую роль играет точное определение суточных сумм осадков, относящихся ] площадям речных бассейнов.

Как было показано, данные такого типа отличаются более высоко] надежностью. При площади осреднения порядка 100 км разброс суточных сум! осадков ДР составляет 2-Змм, тогда как при меньших площадях осреднения это разброс может достигать 15 мм.

В период 1980-1989 гг. на территории, покрытой областями интегрировани модели ММ5, в июле месяце паводки наблюдались на реках Протва (1980, 1988), Угр (1988), Днепр (1988), в Приуралье на реках Быстрый Танып (1983), Сим (1985) и Тю (1986). Площадь речных бассейнов изменяется от от 4620 км2 для р. Протвы до 1640 км2 для р. Сим. Время добегания воды по речной сети до замыкающего гидропост составляет 3-5 дней. Паводки определяются возрастающим за счет выпавших осадко (Р) речным стоком с учетом затрат влаги на испарение (Е) и фильтрацию влаги почву.

а! 4 % 5

Ч*

о)' 1'

-.л-

1981 1982 1963 1984 1985 198! 1М7 1988

№

1984 1985 1986 1987

■ дашые станций * дать« модели

Рис. 8. Значения индекса Педя в интервале от 1 до 3 (что соответствует засушливым ■словиям) за период с 1980 по 1989 гг по данным станций и данным модели для: а) Южноуральской области, б) Центральной области, в)Причерноморской области. Количество значков отражает число станций. Данные моделирования осреднены для каждой станции, дающей засуху.

Данные моделирования позволяют оценить все компоненты водного баланса.

Однако надежность получаемых величин различна. Ввиду больших погрешностей

модельной величины фильтрации, в нашем случае рассчитывался климатический

паводочный речной сток, представляющий собой разность осадков и испарения (Р -

Е). Для сопоставимости были рассчитаны и величины Е для станций (методом А.Р.

Константинова (Константинов, 1963)).

Из сопоставления данных о прохождении паводков в июле 1980-1989 гг. с

результатами моделирования можно сделать следующие выводы: модель

воспроизводит значительный климатический сток, соответствующий началу паводка,

а также некоторый климатический сток в период наибольших значений расхода воды.

17

0- ■ 1

1 : J ili jI i.. ,j ill. li , ¡,. ,i . g. i.L.i

i гэ л * s * 9 s io и i I 13 14 15 li 17 ДНИ М»СЯ1 i9 ie го 2i гг 23 а zi a * 27 29 2Э ЭО Э1

0 ■ 1 5 Э ■ ■ .1J J..

1234*978 9 10 11 2 13 14 1f 15 17 19 19 20 21 Z. 23 24 25 29 дни месяц» 27 28 29 Э0 31

0 • ^ 1 ; л _ 11 , , ,i] .*LL i

1 Г 3 -Л* 5 Тв 9 10 111 г »з I* « is г 04 И МО» 18 19 20 21 22 23 2* 21 1Л 2T 28 29 30 31

0 • ■ 0 • ■ г • ■ ; I )Л.. I....... hi S .iiIJi li. i i -i ,зЛ, ,

1234?«*в9 10 11 ; 13 к if л? i дни меся 19 1920 21 22 23 2- 2i 24 27 28 29 30 31

■2 ■ г ; h irfjLki 2»siЙ nL ■!

taa-ii^'eeioii 12 13 14 15 14 1 • 18 19 20 21 22 2 3 24 25 2-IX» 2' 29 29 30 31

зо ■ 1 I Lji i...... 1 i i I - - 1- 1 L

12 13 14 1f IS 1 дни м*ся 7 18 IP 20 ?1 22 2 3 24 25 2" U* 27 2S 20 W 31

30 " ll Jil. |j>i i J1 x . s a, 1 .

1 г з i e e

U ii 1-i 1- 18 19 :: 21 22 2 3 24 2e 14 2? 18 29 X 31 дни месяц«

Рис. 9. Климатический паводочный сток на замыкающих гидропостах, рассчитанный г данным модели и данным станций (для июля месяца), осредненный по площадя речных бассейнов: а) р. Протва в 1980 г., б) р. Протва в 1988 г., в) р. Угра в 1988 г., г) i р. Днепр в 1988 г., д) на р. Сим в 1985 г., е) на р. Тюй в 1986 г., ж) на р. Быстрый Таны в 1983 г.

Разброс модельных значений по отношению к данным станций укладывается в ятервал (±10 мм) (рис. 9). В большинстве случаев модель занижает значения стока тя обеих областей, за исключением случая для р. Сим в июле 1985 г. В некоторых 1учаях модель воспроизводит климатический сток, приходящийся на период рохождения паводка и не отражающийся сетью метеостанций, довольно разреженной пя этой области интегрирования.

Все это позволяет сделать вывод о возможности прогнозирования паводков с омощью метода динамической интерполяции, что имеет большое значение для эвершенствования гидрометеорологических прогнозов. Также предлагаемая етодика может использоваться для детализации осадков по территории.

В заключении сформулированы основные результаты работы и представлены олученные выводы.

1. Метод динамической интерполяции метеорологических полей имеет принципиальное преимущество по сравнению с другими методами. В этом смысле он является оптимальным и его использование особенно эффективно при климатических и физико-географических исследованиях в районах с редкой сетью метеонаблюдений;

. Существующие в настоящее время мезомасштабные атмосферные модели, в том числе модель ММ5, позволяют производить динамическую интерполяцию метеорологических полей для территорий размерами порядка 1000x1000 км. . В метеорологических полях, прошедших процедуру динамической интерполяции, успешно воспроизводятся основные региональные особенности территории и четко выделяются границы физико-географических областей, к Использование «фаззи»-верификации дает более правильное представление (по

сравнению с традиционным методом) о качестве модельных данных. ). Детализированные мезомасштабной моделью данные обеспечивают высокое качество информации о количестве осадков в пределах речных бассейнов, что может быть эффективно использовано в задачах прогнозирования дождевых паводков.

6. Детализированные мезомасштабной моделью данные обеспечивают высокое качество информации о температуре и количестве осадков и могут быть эффективно использованы в задачах диагноза и прогноза атмосферных засух.

Основные результаты работы опубликованы в журналах, рекомендованных ВАК

РФ:

Бабина Е.Д. Интерполяция метеорологических полей с помощью мезомасштабной модели. - Известия РАН. Сер. 5, География, 2008, №4, с. 20-28.

Кислов А.В., Бабина Е.Д., Лебедев В.В. Оценка качества воспроизводимы моделью ММ5 температуры и осадков летом в центральном районе европейско территории России. - Метеорология и Гидрология, 2008, №7, с. 29-37.

Кислов А.В., Бабина Е.Д. Мезомасштабная модель атмосферной циркуляци как средство интерполяции метеорологических полей с высоким пространственны: разрешением. - Вестник МГУ, Сер. География, 2008, №4, с.17-21.

Калинин Н.А., Кислов А.В., Бабина Е.Д., Ветров A.JI. Оценка качества воспроизведения моделью ММ5 температуры воздуха в июле на Урале. -Метеорология и Гидрология, 2010, №10, с. 15-23.

В прочих изданиях:

Бабина Е.Д. Мезомасштабная структура климата тестовых регионов России г данным гидродинамического моделирования. Тезисы конференции «Enviromis-2006: Изд-во Сибирского Центра исследований окружающей среды, 2006.

Кислов А.В., Константинов П.И., Бабина Е.Д. Развитие методики диагноза прогнозирования микроклимата мегаполиса. Тезисы Международной научш практической конференции «Экологическая безопасность урбанизирована территорий в условиях устойчивого развития», Изд-во Евразийского национально! университета им. JI.H. Гумилева, Астана, Казахстан, 2006.

Babina Е. "Mesoscale climate structure as simulated by MM5 model". Theses < International networking for young scientists, seminar "Climate change and variability: tl rôle of anthropogenic factors, Voeikov Main Geophysical Observatory press, 2007.

Подписано в печать: 04.10.11

Объем: 1,5 усл.п.л. Тираж: 100 экз. Заказ № 501 Отпечатано в типографии «Реглет» 119526, г. Москва, Страстной бульвар, 6/1 (495) 978-43-34; www.reglet.ru

Содержание диссертации, кандидата географических наук, Бабина, Екатерина Дмитриевна

§1.1. Глобальные архивы метеорологических полей.

§1.2. Восстановление метеорологических полей по данным наблюдений.

§1.2.1. Формально-математические методы восстановления полей.

§1.2.2. Статистические методы восстановления метеорологических полей.

§1.2.3. Динамические методы восстановления метеорологических полей.

Глава 2. Метод динамической интерполяции метеорологических полей.

§2.1. Описание мезомасштабной модели ММ5.

§2.2. Численные эксперименты.

§2.2.1. Области интегрирования модели.

Глава 3. Оценка результатов интегрирования мезомасштабной модели ММ5.

§3.1. Метод оценки модельных данных.

§3.1.1. Фаззи-верификация.

§3.1.2. Метод пространственно-осредненных величин.

§3.2. Сопоставление формально-интерполированных данных реанализа >ГСЕР/>ГСАК с полями ММ5 и данными станционных наблюдений.

§3.3. Оценка результатов моделирования методом пространственно-осредненных величин.

Глава 4. Синоптические и региональные особенности интерполированных полей.

§4.1. Синоптические особенности метеорологических полей.

§4.2. Особенности метеорологических полей, обусловленные физико-географическими факторами.

Глава 5. Практическое применение результатов динамической интерполяции метеорологических полей.

§5.1. Прогнозирование атмосферной засухи на Европейской части 115 России.

§5.2. Подходы к прогнозированию паводков в бассейнах рек 123 Европейской части России и Предуралья.

Заключение Диссертация по теме "Метеорология, климатология, агрометеорология", Бабина, Екатерина Дмитриевна

Заключение

Метод динамической интерполяции метеорологических полей имеет принципиальное преимущество по сравнению с другими методами. В этом смысле он является оптимальным и его использование особенно эффективно при климатических и физико-географических исследованиях в районах с редкой сетью метеонаблюдений.

Существующие в настоящее время мезомасштабные атмосферные модели, в том числе модель ММ5, позволяют производить динамическую интерполяцию глобальных метеорологических полей для- территорий площадью порядка 1000x1000 км. Использование в качестве начальных полей данных глобальных метеорологических архивов Реанализа позволяет значительно улучшить их качество и повысить пространственное разрешение.

Оценка метеорологических полей, интерполированных методом динамической интерполяции, показала, что в пределах небольших по площади территорий возможно воспроизведение основных региональных климатических особенностей территории: понижение температуры воздуха-и влагосодержания в горах; орографическое усиление осадков; увеличение удельной и относительной влажности над акваториями крупных водоемов; изменение направления воздушного потока при пересечении горных хребтов; местные циркуляции (бризы, горно-долинные ветры, фены).

Также интерполированные поля отражают протекающие синоптические процессы. Использование «фаззи»-верификации для сравнения данных моделирования и станционных наблюдений дает более правильное представление о качестве интерполированных полей. С увеличением площади осреднения качество модельных данных возрастает.

При разрешении модельной сетки 10 км доверительный масштаб рассматриваемых полей составляет 100 км.

Сопоставление временных серий модельных и наблюденных значений показало, что модель повторяет наблюдаемую динамику июльских среднесуточных температур, осадков и влажности с 1980 по 1989 г. В модельном ряду отсутствуют систематические нарушения, наблюдается совпадение в среднем по времени совпадение экстремумов со станционным рядом.

Детализированные мезомасштабной моделью данные обеспечивают высокое качество информации о количестве осадков в пределах речных бассейнов, что может быть эффективно использовано в задачах прогнозирования дождевых паводков.

Детализированные мезомасштабной моделью данные обеспечивают высокое качество информации о температуре и количестве осадков и могут быть эффективно использованы в задачах диагноза и прогноза атмосферных засух.

Библиография Диссертация по наукам о земле, кандидата географических наук, Бабина, Екатерина Дмитриевна, Москва

1. Акентьева Е.М., Алексеев Г.В., Анисимов O.A. и др. Оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации. — Росгидромет, Москва, 2008.

2. Алдухов O.A., Багров А.Н. и др. Статистические характеристики прогностических метеорологических полей и их использование для объективного анализа. — Метеорология и Гидрология, 2002, №10, с. 18-34.

3. Алисов Б.П. Климат СССР. Москва, изд-во МГУ, 1956.

4. Алпатьев A.M., Архангельский A.M., Подоплелов Н.Я. и др. Физическая география СССР. Москва, 1973.

5. Багров H.A. Засуха и ее определение. — Метеорология и Гидрология, 1992, №9, с. 66-74.

6. Багров H.A. К вопросу о частоте засух. — Метеорология и Гидрология, 1986, №12, с. 43-49.

7. Барабанова О.В. Оценка качества воспроизведения температуры воздуха региональной моделью COSMO-RU на территории Северного Кавказа в зимний период с применением методики «фаззи». Курсовая работа 4 курса — Москва, МГУ, 2009.

8. Батырева О.В., Лукиянова JI.E. Крупные аномалии температуры и осадков на территории ETC, Западной Сибири» и Казахстана. Метеорология и Гидрология, 1982; №3, с. 30-39.

9. Бедрицкий А.И. Современное состояние системы метеорологических наблюдений в РФ. Метеорология и Гидрология, 1996, №1.

10. Безрукова H.A. Морфология полей фронтальных осадков. — Метеорология и Гидрология? 1991, №10, с. 11-20.

11. Белов П.Н., БорисенковЕ.П., Панин Б.Д. Численные методы прогноза погоды. Л, Гидрометеоиздат, 1989.

12. Веренчиков H.H. Прикладные аспекты осреднения значений гидрометеорологических величин. — Метеорология и Гидрология, 1992, №9, с. 88-96.

13. Вельтищев Н.Ф., Степаненко В.М. Мезометеорологические процессы. Москва, изд-во МГУ, 2006.

14. Вильфанд P.M., Ривин Г.С., Розинкина И.А. Мезомасштабный краткосрочный прогноз погоды в Гидрометцентре России на примере COSMO-RU. — Метеорология и Гидрология, 2010, № 1, с.5-17.

15. Гандин JI.C,, Каган P.JI. Статистические методы интерпретации метеорологических данных. — JL, Гидрометеоиздат, 1976.

16. Григорова Е.С. О мезоклимате московского мегаполиса. — Метеорология и Гидрология, 2004, №10, с. 36-46.

17. Груза Г.В., Клещенко JI.K., Тимофеева Т.П. Об изменчивости температурного и циркуляционного режимов атмосферы Северного полушария. Метеорология и Гидрология, 1982, №3, с. 8-21.

18. Гусев С.А., Медведев М.Ю., Румянцев В.А. О выборе рациональных схем размещения сети при пространственном осреднении гидрометеорологических полей. -Метеорология и Гидрология, 1982, №7, с. 50-59.19.