CC BY
74
УДК 004.9:551.501.45
Е. П. Гордов, В. Ю. Богомолов, Е. Ю. Генина, Т. М. Шульгина
Институт мониторинга климатических и экологических систем СО РАН Сибирский центр климато-экологических исследований и образования пр. Академический, 10/3, Томск, 634055, Россия
E-mail: [email protected]
АНАЛИЗ РЕГИОНАЛЬНЫХ КЛИМАТИЧЕСКИХ ПРОЦЕССОВ СИБИРИ: ПОДХОД, ДАННЫЕ И НЕКОТОРЫЕ РЕЗУЛЬТАТЫ *
В статье приведены результаты разработки вычислительного блока информационной веб-ГИС системы и его применения для анализа рядов пространственно-распределенных данных об окружающей среде. Представлен перечень основных климатических характеристик и методов анализа, широко используемых для изучения изменений климата в глобальном и региональном масштабах. На основе функциональности вычислительного блока проведено исследование изменения климата Сибири по данным Реанализов и инструментальных наблюдений сети наземных метеорологических станций. Описан подход и представлены результаты регионализации модели WRF для получения метеорологических полей высокого разрешения.
Ключевые слова: методы исследования климата, информационно-вычислительная система, климат Сибири, метеорологические поля моделирования, модель WRF.
Введение
В последние десятилетия изучение глобальных и региональных климатических процессов стало одним из наиболее важных направлений научных исследований. Стремительное развитие технологий мониторинга, моделирования и прогнозирования климата в настоящее время предоставляют исследователю многообразие климатической информации и открывают перед ним широкие возможности для решения климатических задач различного уровня сложности. Однако разнородность доступных исходных данных усложняет их обработку. Многообразие методик получения климатической информации, рассредоточенных в различных источниках, затрудняет сравнение результатов анализа и существенно уменьшает его достоверность. Все эти обстоятельства ставят перед исследователями задачи систематизации и стандартизации методов обработки больших массивов метеорологических и климатических данных, накапливаемых в различных центрах. Эти цели могут быть достигнуты разработкой соответствующих тематических научных порталов и сайтов, аккумулирующих в рамках одной системы разнородные данные многолетних систематических наблюдений за метеорологическими величинами и реализующие ряд апробированных методик для описания динамики их изменения. Бесспорно, на сегодняшний день существует множество инструментариев и вычислительных систем, охватывающих климатические задачи разных уровней сложности. Примером могут служить доступные Интернет-системы, такие как KNMI Climate Explorer [1], ECA&D EUMETNET [2], Giovanni GES DISC NASA [3], Climvis NNDC Climate Data Explorer [4], портал «АТМОС» [5] и созданные на основе его ядра системы [6; 7].
Основным преимуществом этих и других систем заключается в доступности для анализа больших архивов метеорологических данных, представленных многолетними рядами инструментальных наблюдений и результатами расчетов глобальных и региональных метеорологических моделей. Визуализация может отражать данные в виде графиков временного хода, диаграмм, двух- и трехмерных карт поверхности, что позволяет охватить широкий спектр исследовательских интересов. Однако набор методов анализа и сравнения данных, реализуемый разработанными информационно-вычислительными системами, до сих пор находится на базовом уровне, так как их основной направленностью остается распространение данных, а не анализ. Углубленное изучение климатических процессов в глобальном и региональном
* Работа выполнена при поддержке ИП СО РАН 50 и грантов РФФИ № 09-05-99014-р_офи, 10-07-00547-а, 11-05-01190-а.
ISSN 1818-7900. Вестник НГУ. Серия: Информационные технологии. 2011. Том 9, выпуск 1 © Е. П. Гордов, В. Ю. Богомолов, Е. Ю. Генина, Т. М. Шульгина, 2011
масштабах, нацеленное на выявление особенности общей динамики и экстремальных явлений регионального климата, определения их влияния на различные экосистемы, в частности на растительность, требует комплексного использования набора апробированных статистических методов для анализа климатических характеристик. Следует добавить, что значительная часть архивов климатических данных, так называемых реанализов, представляет результаты работы разных метеорологических моделей, использующих различные системы усвоения наблюдений и наборы усваиваемых данных. В результате получаемые геофизические поля метеорологических элементов зачастую отличаются между собой. Это приводит к необходимости сравнения метеополей из различных наборов как между собой, так и с некоторым эталоном, которым, прежде всего, является набор рядов инструментальных наблюдений сети метеорологических станций. Такое же сравнение необходимо и для вычисляемых на их основе климатических характеристик.
В настоящее время пространственное разрешение доступных для анализа полей в лучшем случае достигает одного градуса. В то же время для исследования климата отдельного региона и изучения природно-климатических изменений в нем необходимо более детально учитывать региональные особенности при построении метеорологических рядов. В частности, представляющая для нас наибольший интерес территория Сибири, занимающая весомую часть Евразийского континента (около 10 млн км кв.) с лесными и водно-болотными экологическими системами, характеризуется разнообразием климатических зон. Для исследований современных природных и климатических изменений на этой территории, выполняемых в рамках Интегрированного регионального исследования Сибири [8], и выявления наиболее легко уязвимых элементов ее климатической системы необходимо создать набор метеорологических полей, рассчитанных с учетом ее природных особенностей.
В настоящей работе представлены результаты разработки и применения вычислительного блока создаваемой веб-ГИС системы [9; 10] для комплексного изучения климата Сибири во второй половине XX и начале XXI в. Также приведены результаты регионализации модели WRF для получения метеорологических полей высокого разрешения с учетом региональных особенностей Сибирского региона и первые результаты их анализа.
Вычислительный блок для анализа метеорологических полей:
разработка и применение
Данные и разработка блока. Одной из основных задач разрабатываемого вычислительного блока информационно-вычислительной системы является проведение исследований с использованием разнородных наборов данных. Разреженность сети метеостанций не позволяет простым интерполированием получить из результатов станционных наблюдений достоверные метеорологические поля с необходимым пространственным разрешением. Поэтому для обработки отобран ряд, получивших широкое распространение для описания состояния климата в глобальном и региональном масштабах архивов данных Реанализов (см. таблицу), обеспечивающих равномерное покрытие изучаемой территории [11].
Проекты Реанализа, архивы которых используются информационно-вычислительной системой
Название Реанализа Организация Период Реанализа Разрешение данных Метод усвоения данных
NCEP/NCAR Reanalysis NCEP/NCAR 1950-2001 2Т: 00, 12 ч 2.5°Ч2.5° 17 ур. дав. 3D-Var
NCEP/DOE AMIP II NCEP/DOE 1979-2003 4Т: 00, 06, 12, 18 ч 2.5°Ч2.5° 17 ур. дав. 3D-Var
ECMWF ERA-40 ECMWF 1957.9-2002.8 4Т: 00, 06, 12, 18 ч 2.5°Ч2.5° 23 ур. дав. 3D-Var
ECMWF ERA INTERIM ECMWF 1989-2010 4Т: 00, 06, 12, 18 ч 0.25°Ч0.25° 4D-Var
JRA-25 JMA/CRIEPI 1979-2009 4Т: 00, 06, 12, 18 ч 2.5°Ч2.5° 23 ур. дав. 3D-Var
NOAA-CIRES 20th Century Global Reanalysis NOAA/OAR/ ESRL PSD 1908-1958 4Т: 00, 06, 12, 18 ч 2.0°Ч2.0°
Также система обеспечивает работу с набором данных APHRODITE JMA, представляющим поля осадков на территории России, полученных интерполяцией наблюдений метеорологических станций, и рядами метеорологических наблюдений, выполненных с середины 1930-х гг. на некоторых метеостанциях. Из сети наземных метеорологических станций, ряды наблюдений которых представлены в архиве NCDC/NOAA Global Synoptic Network, были отобраны только те станции, на которых пропуск данных за период с 1958 по 2009 г. составлял не более 5 % в год (18 дней). Всего для исследований отобрано 62 станции, содержащие однородные ряды среднесуточных наблюдений за температурой воздуха и количеством осадков, расположенные преимущественно в южной и центральной частях территории Сибири (рис. 1). Полученные ряды наблюдений метеорологических станций используются системой в качестве основной базы натурных данных для оценки корректности использования результатов моделирования.
На основе материала отечественных и зарубежных источников создан перечень климатических характеристик, покрывающих многие аспекты изменения климата, а также разработан набор математических и статистических процедур для описания поведения и изменчивости исследуемых характеристик. Поскольку состояние климатической системы определяется совокупностью значений случайных величин, то основными климатическими показателями для ее описания служат характеристики случайных величин, используемые при статистических исследованиях [12-14]. Прежде всего, используются начальные и центральные моменты распределений (математическое ожидание, дисперсия, асимметрия и эксцесс), которые содержат наиболее важную информацию о режиме метеорологических элементов [15]. Немаловажно использование показателей временной структуры метеорологических рядов, характеризующих закономерности изменения метеорологических элементов во времени. Они могут быть выражены в виде климатических норм (средние значения за период 1961-1990 гг.) и отклонений значений метеорологических величин от заданных норм [15]. Также вычисляются амплитуды суточного или годового хода метеорологического элемента, наступление даты перехода значений элемента через заданные пределы и непрерывная продолжительность атмосферных явлений или значений метеорологического элемента выше (ниже) заданных пределов. Они характеризуют особенности годового хода метеорологического элемента и могут явиться показателями влияния на различные экосистемы [12]. Для описания экстремальных явлений погоды широкое применение находят индексы изменения климата, отобранные Группой экспертов по обнаружению, мониторингу и индексам изменения климата Комиссии по климатологии ВМО [16] для характеристики экстремальных значений суточной температуры воздуха и количества осадков, представленные процентилями, пороговыми значениями, индексами продолжительности периода с заданными условиями [17]. Разработанный набор индексов способен выявить аномалии температур воздуха внутри года, регионы подверженные наводнениям или засухам [18].
Рис. 1. Карта расположения отобранных станций на территории Сибири
Важное место в изучении климата занимает выявление связей между метеорологическими явлениями и исследование долговременных составляющих временных рядов, которые позволяют оценить вероятность наступления события и тенденцию изменения метеорологической величины [12]. Для определения линейной взаимосвязи метеорологических величин широко используются линейный тренд и линейная корреляция. Значимость выявленных линейных связей определяется различными статистическими критериями (критерий Стьюдента в случае нормального распределения выборки и критерий Тау-Кендала в случае неизвестного распределения).
Программы для расчета отобранных климатических характеристик и реализации статистических методов написаны в среде IDL (The Interactive Data Language), предназначенной для интерактивного анализа и визуализации массивов данных. Каждый расчетный модуль имеет доступ к архивам данных через специальную библиотеку функций и реализует вычисления по заданным пользователем параметрам данных, пространственных и временных границ, последовательности статистических процедур обработки, типа визуализации и вывода результатов. Менеджер вычислительного ядра производит анализ задачи, подготавливает расчетный конвейер и производит запуск соответствующих расчетных модулей. Это позволяет пользователю системы без предварительного скачивания и подготовки данных проводить процедуры обработки и сравнения пространственно-распределенных данных.
Исследование климатических особенностей Сибири. Для Сибири с ее ярко выраженным континентальным климатом, приводящим, в частности, к значительными перепадам температур и мощным наводнениям в результате снеготаяний, важную роль играют характеристики изменчивости приземной температуры воздуха и количества осадков. Имеющиеся различия в данных Реанализов по приземной температуре привели к необходимости их сравнения с рядами натурных наблюдений для выявления набора, наиболее точно описывающего температурный режим региона Сибири. Изучение однородности рядов наблюдений и данных Реанализов по критериям Хи-квадрат и Вилкоксона выявило, что при вероятности ошибки в 5 % гипотеза об однородности рядов наблюдений и данных Реанализов принимается только для набора ECMWF ERA-40. Для наборов данных NCEP/NCAR, NCEP/DOE AMIP II и JRA-25 гипотеза об однородности отвергается даже при вероятности ошибки в 10 %. Так как набор данных Реанализа ECMWF ERA-40 является для исследования наиболее точным, в рассмотрение был включен и архив ECMWF ERA INTERIM, представляющий его улучшенную версию для периода 1989-2009 гг. Выбор данных для изучения количества осадков оказался более сложной задачей, поскольку геопривязанные поля моделирования для осадков существенно менее надежны, чем аналогичные поля для приземной температуры. Это связано прежде всего с тем, что зачастую моделирование полей осадков выполняется без усвоения натурных наблюдений, что существенно снижает достоверность результатов. Сравнение полей осадков, полученных на основе данных ECMWF ERA INTERIM, представляющего результаты модельных расчетов, и APHRODITE JMA, представляющего результаты интерполяции наблюдений метеостанций, выявило существенные различия этих наборов данных. В итоге, для изучения осадков региона Сибири были выбраны ряды наблюдений атмосферных осадков с 62 метеорологических станций и данные APHRODITE JMA за период 1958-2000 гг.
Общая динамика изменений температуры воздуха за 1958-2009 гг., определенная по значениям линейного тренда средних годовых и сезонных наблюдений, показала, что на всех станциях прослеживается положительная динамика изменений средней годовой температуры со значениями тренда от 0,3 до 0,5°С/10 лет (рис. 2). В частности, юг Западной Сибири отмечен ростом температур на 0,4°С/10 лет, а на юге Восточной Сибири значения тренда не достигают и 0,3°С/10 лет.
Рис. 2 хорошо отражает неоднородность изменений приземной температуры в пространственном масштабе, но не позволяет получить более детальную картину изменений. Для решения этой проблемы были выполнены расчеты трендов изменчивости рядов температуры воздуха, осредненных по годам и сезонам, на основе наборов данных ECMWF ERA-40 (рис. 3) и ECMWF ERA INTERIM (рис. 4) за периоды 1958-2001 и с 1989-2009 гг. соответственно.
Рис. 2. Тренд средней годовой температуры воздуха. Данные наблюдений сети 62 метеорологических станций. 1958-2009 гг.
Рис. 3. Тренд годовой температуры. Данные ЕСМЖР Рис. 4. Тренд годовой температуры. Данные ECMWF
ERA-40 Reanalysis. 1958-2001 гг.
ERA INTERIM Reanalysis. 1989-2009 гг.
Общая тенденция изменения средней годовой температуры воздуха за период 19582001 гг., рассчитанная по данным Реанализа ECMWF ERA-40 на территории Сибири, характеризуется положительным трендом (0,18-0,42 °С/10 лет) с наиболее значимым потеплением в северных областях территории Сибири (0,3-0,42 °С/10 лет). Для территории в целом потепление наиболее заметно зимой (0,5-0,75 °С/10 лет) и весной (0,5-0,6 °С/10 лет). Анализ более позднего периода, с 1989 по 2009 г., проведенный по данным ECMWF ERA INTERIM, показал более неоднородную картину с ростом приземной температуры воздуха (0,25-0,55°С/10 лет) в северной и западной областях территории Западной Сибири, тогда как на юго-востоке отмечено понижение температуры, достигающее 0,4°С/10 лет. Несмотря на то, что тренды динамики температур построены для различных временных интервалов, они отражают схожую динамику изменений с ярко выраженным очагом потепления на севере Сибири.
Анализ динамики вегетационного периода года со среднесуточной температурой выше 5°С (рис. 5) и 10°С (рис. 6), рассчитанной по данным Реанализа ECMWF ERA-40, показал незначимый рост продолжительности вегетационного периода года в обоих случаях, в среднем на 2-4 дня каждые 10 лет.
Также была исследована динамика суммы эффективных температур, когда средние суточные значения температуры воздуха превышают 5 и 10°С. Полученные результаты показали увеличение суммы эффективных температур в среднем на 40-70°С /10 лет.
Оценки трендов динамики количества осадков показали более однородную и сглаженную картину изменений по сравнению с динамикой приземных температур.
Полученные значения трендов (рис. 7) показали колебания количества осадков в Сибири с наибольшим ростом на севере территории, достигающим 30 мм/10 лет. Это увеличение
сформировано в большей степени за счет роста количества осадков в зимний сезон (ноябрь-апрель, до 27,3 мм/10 лет) и количества осадков во второй половине теплого сезона (август-октябрь, до 15 мм/10 лет). В среднем значение годового тренда находится в интервале от -11 мм/10 лет до 16 мм/10 лет. Результаты, полученные по данным наблюдений сети метеорологических станций (рис. 8), показали схожие результаты. В центральной части территории Сибири прослеживается динамика уменьшения осадков (12 станций, помеченных голубым цветом), но на большей части станций тренд годовых осадков принимает положительные значения, достигающие 17 мм/10 лет.
Trend of growing season length (dT > 5 C), ERA 40, 1958 - 2001 Trend of growing season length (dT > 10 C). ERA 40. 1958 - 2001
Рис. 5. Тренд продолжительности вегетационного Рис. 6. Тренд продолжительности вегетационного
периода года со среднесуточной температурой > 5 °С. периода года со среднесуточной температурой > 10°С. Данные Реанализа БСМ^ БРЛ-40. 1958-2002 гг. Данные Реанализа БСМ^ БРЛ-40. 1958-2002 гг.
Рис. 7. Тренд годового количества атмосферных осадков. Данные APHRODITE JMA. 1958-2000 гг.
Рис. 8. Тренд годового количества атмосферных осадков. Данные наблюдений 62 метеорологических станций. 1958-2000 гг.
Анализ производных показателей количества осадков, представленный индексами климатических экстремалей интенсивности осадков, количества дней с осадками выше заданного порогового значения (1, 10, 20 мм) дал следующие результаты. На территории Сибири не прослеживается динамика изменения числа дней с осадками (> 1 мм), за исключением северного региона, где наблюдается увеличение дней с осадками до 5 дней каждые 10 лет. Ранее при анализе общей динамики осадков этот регион был отмечен увеличением количества осадков. Но он не выделен интенсивными осадками, так как тренд числа дней с осадками выше 10 и 20 мм не дают никаких изменений как в данном «горячем» регионе, так и на всей территории Сибири. Эти результаты подтверждены анализом интенсивности осадков (рис. 9).
Рис. 9. Тренд интенсивности количества
атмосферных осадков (R > 1 мм). Данные APHRODITE JMA. 1958-2000 гг.
Следует заметить, что общая картина годовой динамики температуры и количества осадков на территории Сибири не противоречит результатам, полученным ранее другими исследователями [1921], но существенно уточняет их в части пространственного распределения и соответствующих количественных значений наблюдающихся изменений. Известно, что динамика изменения растительности, в частности поведение первичной биологической продукции, зависит от поведения температуры воздуха и количества атмосферных осадков [22]. Можно полагать, что обнаруженные изменения климатических характеристик в ряде районов Сибири положительно скажутся на продуктивности лесных экосистем.
Получение метеорологических полей высокого разрешения
Программный комплекс для расчета. В последнее время для получения региональных полей метеовеличин с высоким пространственным разрешением используются мезомасштабные модели прогноза погоды. Такой подход выгодно отличается от обычных схем интерполяции и статистического «даунскейлинга», так как использование физически обоснованных прогностических моделей и системы усвоения данных станционных измерений позволяет повысить достоверность получаемых полей. Однако при этом появляется ряд серьезных проблем, к которым относится выбор начальных и граничных условий, временные ограничения на работу прогностических моделей, чувствительность моделей прогноза погоды к долгосрочному запуску. Эти проблемы были решены в процессе получения метеорологических полей высокого разрешения для территории Западной Сибири.
В качестве кандидатов на формирование граничных условий для региональной модели рассматривались данные Реанализов NCEP/DOE AMIP II, CRIEPI/JMA JRA-25 и ECMWF ERA-40. В результате сравнения с данными наблюдений метеорологических станций за совпадающий временной интервал был выбран набор данных ECMWF ERA-40 как наиболее достоверно воспроизводящий метеорологические характеристики для территории Западной Сибири. Ввиду отсутствия в этом архиве данных необходимой для работы модели переменной «температура поверхности» использовалась часть данных из набора ECMWF ERA Interim. В итоге были сформированы соответствующие входные данные для препроцессорной системы модели.
Для получения непрерывных полей прогноза, частично учитывающих специфику климата региона, и усвоения данных были использованы WRF ARW и WRF FDDA системы (рис. 10).
Рис. 10. Структура программного комплекса WRF-ARW и WFDDA
Для получения непрерывных метеорологических полей с высоким пространственным разрешением была выбрана WRF ARW система версии 3.1 [23; 24]. Ее основой является численная модель прогноза погоды и метеорологического исследования WRF. WRF ARW состоит из WPS - системы подготовки данных, численного ядра WRF и численного пакета для реализации физических схем. Препроцессорная система (WPS) позволяет формировать входные данные для модели из исходных метеополей, отвечающих определенной структуре и формату, а также готовит входные данные для модели (подстилающая поверхность, топографическая составляющая и т. д.). Численное ядро ARW системы включает: ядро (математические модули), физические схемы для приземного слоя, модель радиации, схемы микрофизики, модели накопления осадков и схемы параметризаций облачности [23]. В настоящее время эта модель активно используется для атмосферных исследований, получения прогноза погоды, исследования регионального климата, глобального моделирования 1 .
Модель WRF была настроена для расчета метеорологических полей с высоким пространственным шагом для территории северных регионов Азии, в частности Западно-Сибирской низменности, для которой были подобраны соответствующие параметризации:
1) для микрофизики (атмосферы): схема Томсона [25] - модель снега, льда, облаков и дождя;
2) для длинноволнового излучения: схема RRTM - основана на схеме Mlawer [26], является спектральной схемой, использующей метод К-корреляции. Также она использует предварительный набор таблиц входных данных для точного представления длинноволновых процессов за счет водяного пара, озона, СО2 и газовых примесей (если они присутствуют), а также учитывает оптическую толщу облаков;
3) для коротковолнового излучения: схема Годдарта [27] - двухпоточная многодиапазонная схема с эффектом облаков;
4) для диффузии: схема горизонтальной диффузии 6-го порядка;
5) для поверхностного слоя: схема ETA - на основе схемы тепловой длины шероховатости Монина - Обухова и Зилитинкевича, со стандартной функцией параметризации зависящей от входных данных;
6) для модели подстилающей поверхности: Noah LSM (NCEP/NCAR/AFWA) - 4-уровневая модель влажности и температуры почвы с расчетом энергетических потоков, моделью влажности растительности и моделью динамики снега.
Достоверность получаемых прогнозов сравнивалась с имеющимися данными станционных измерений (рис. 11).
Рис. 11. Сравнение дневного хода температуры на высоте 2 м, полученного на основе данных измерений мобильной станции на Бакчарском болоте, и результатов моделирования
Для выполнения расчетов существенным является усвоение данных измерений и процесс конвертирования этих данных в нужные форматы. Для этой цели используется метод «observation nudging», который эффективно управляет ростом ошибки модели, в то время как мо-
1 См. подробнее: http://forum.wrfforum.com/.
дель генерирует детализированные мезомасштабные структуры, которые не могут быть выявлены только на основе данных наблюдений. В результате получается более точное, чем полученное без учета данных наблюдений, решение. Для работы системы усвоения необходим подбор коэффициентов, зависящих как от самих усваиваемых данных, так и от расчетной сетки модели, что накладывает определенные ограничения на смену расчетной области и выборку усваиваемых данных. С этой целью на основе наблюдений метеорологических станций с помощью специально созданного конвертера были сформированы входные данные
(в виде ascii-файла формата little_r), в которых наблюдения сортированы в хронологическом
порядке. В настоящее время нами тестируется другая система усвоения данных станционных измерений, так называемый поверхностный nudging. В отличие от «observation nudging», в нем усваиваются не отдельные станционные данные, а поле, полученное на всю расчетную сетку. Коррекция идет только в приземном слое, не затрагивая другие слои атмосферы.
Тестирование системы и некоторые результаты. Был проведен ряд сравнительных, тестовых расчетов, показывающих разницу между получением прогнозов, основанных: а) только на данных глобального прогноза; б) на модели WRF; в) на модели WRF и системе усвоения метеоданных (рис. 12). Расчеты проводились на локальном сервере с отработкой подходов параллельных вычислений, что позволяет осуществить перенос вычислений на многопроцессорные вычислители. Рис. 12 иллюстрирует эффективность прогноза и системы усвоения данных.
Weslem Strarta
Western S ber'a
We&tern S'berta
Я И
а
б
Рис. 12. Поле температуры на высоте 2 м, получено: а - процедурой восстановления на основе глобального прогноза; б - на основе 36-часового прогноза ^ОТ модели; в - на основе прогноза ^ОТ модели и 12-часовой процедуры усвоения данных УАМС АМК-03
После дополнительного исследования в препроцессорную систему WPS была установлена и подключена карта USGS LULC с пространственным разрешением 9,925 км, содержащая 24 типа землепользования. Эта карта достаточно хорошо отображает многообразие типов землепользования, характерное для Сибирского региона, в частности для территории Западной Сибири. Для приземных данных (индекс шероховатости, температура почвы, альбедо) были использованы данные NCEP с таким же пространственным масштабом.
Результатом работы созданного программного комплекса являются поля метеорологических величин, которые в определенном смысле есть проекции полей Реанализа на сетку с высоким пространственным шагом, «подтянутые» к данным измерений наземных станций. На первом этапе рассчитываются поля климатических характеристик для Западной Сибири (2 500 х 2 000 км) за период 1990-2000 гг., на втором этапе за период 1960-1990 гг. Данные хранятся в формате NetCDF. Пространственное разрешение полей 20 км (во вложенных областях 10 км). В ближайшее время эти поля будут включены в архив данных, доступный для обработки с помощью описанного выше вычислительного блока. Примеры полей приведены на рис. 13.
в
Рис. 13. Дневной ход температуры на высоте 2 м. с шагом 6 часов, с 18 часов 1 ноября 1990 г.
Заключение
Так как при исследовании динамики температуры воздуха и количества осадков использовались разнородные наборы данных, целесообразным было изучение достоверности этих данных. Результаты сравнения инструментальных данных по температуре воздуха с данными моделирования выявили набор данных Реанализа ECMWF ERA-40, как наиболее оптимально описывающий метеорологические характеристики региона Сибири. Полученная несогласованность данных по количеству осадков из наборов ECMWF ERA INTERIM и APHRODITE JMA требует осторожности использования, в первую очередь, данных первого набора.
Сравнение полученных результатов моделирования на основе модели WRF с наборами данных глобальных Реанализов, например ECMWF ERA-40, говорит о явной детализации полученных полей. Это позволяет анализировать их изменения в локальных областях не как сглаженные возмущения, а уже как источники неоднородностей, имеющие конкретную географическую привязку к определенным экосистемам региона. Также появляется возможность использования полученных архивов региональных метеополей в качестве входных и начальных данных моделей различных климатических и метеорологических процессов на территории Западной Сибири (например, модель динамики растительности, модель эмиссии парниковых газов).
Список литературы
1. Oldenborgh G. J. van, Burgers G. The KNMI climate explorer: a web site to investigate tele-connections and seasonal forecasts // 1st Alexander von Humboldt International Conference on The El Nko phenomenon and its global impact, 2005, Guayaquil, Ecuador, EGU/CIIFEN.
2. Tank A. K. European Climate Assessment and Dataset (ECA&D) // Royal Netherlands Meteorological Institute KNMI: EUMETNET/WCSN optional programme. 2010. 38 p.
3. Leptoukh G., Csiszar I., Romanov P., Shen S., Loboda T., Gerasimov I. NASA NEESPI data center for satellite remote sensing data and services // Environ. Res. Lett. Vol. 2. 2007.
4. Ross Th. F., Manns D. J., Faas W. M. CLIMVIS - a cool way to visualize NOAA's climate data // Preprints. Sixth Symposium on Education, February 2-7, 1997 / Long Beach, CA, American Meteorological Society, Boston, MA. P. J15-J18.
5. Gordov E. P., Lykosov V. N., Fazliev A. Z. Web portal on environmental sciences "ATMOS" // Advances in Geoscience, 2006. Vol. 8. P. 33-38.
6. Гордое Е. П., Окладников И. Г., Титов А. Г. Разработка элементов информационно-вычислительной системы на основе веб-технологий для исследований региональных природно-климатических процессов // ГИС- и веб-технологии в междисциплинарных исследованиях. Материалы Междисциплинарной программы СО РАН 4.5.2. 2007. Т. 12, отец. вып. 3.
7. Окладников И.Г., Титов А.Г., Мельникова В.Н., Шульгина Т.М. Веб-система для обработки и визуализации метеорологических и климатических данных // Вычислительные технологии. 2008. Т.13, отец. вып. 3. С. 64-69.
8. Кабанов М. В., Лыкосов В. Н. Мониторинг и моделирование природно-климатических изменений в Сибири // Оптика атмосферы и океана. 2006. Т. 19, № 9. С. 753-764.
9. Гордов Е. П., Окладников И. Г., Титов А. Г. Обработка и анализ больших архивов пространственно распределенных данных с использованием геоинформационных веб-технологий // Тр. Всерос. науч. конф. «Электронные библиотеки: перспективные методы и технологии, электронные коллекции» RCDL'2010. Казань, 2010. С. 193-200.
10. Шульгина Т. М., Гордов Е. П., Окладников И. Г., Титов А. Г. Вычислительный блок информационной веб-ГИС системы для статистического анализа климатических процессов // Тр. Всерос. науч. конф. «Электронные библиотеки: перспективные методы и технологии. Электронные коллекции» RCDL'2010. Казань, 2010. С. 201-206.
11. Jenne R. Reanalysis; The Observations and Analyses // Large Scale Observations: a SEARCH workshop. Seattle, WA, 2001. URL: http://www.epic.noaa.gov/SEARCH/obs/workshop/reports/.
12. Кобышева Н. А., Наровлянский Г. Я. Климатологическая обработка метеорологических наблюдений. М.: ГИМИЗ, 1978.
13. Дашко А. Н. Курс лекций по синоптической метеорологии. Владивосток: ДВГУ, 2005. Ч. 1. 40 с.
14. Lanzante J. R. Resistant, Robust and nonparametric techniques for the analysis of climate data: Theory and examples, including applications to historical radiosonde station data // Revision for International Journal of climatology. 1996. 24 с.
15. Исаев А. А. Статистика в метеорологии и климатологии. М.: Изд-во МГУ, 1988. 248 с.
16. Peterson T. C. Climate Change Indices // WMO Bulletin. 2005. Vol. 54, № 2. P. 83-86.
17. Sillmann J., Roeckner E. Indices for extreme events in projections of antropogenic climate change // Climate Change. 2008. Vol. 86. P. 83-104.
18. Frich P. at. al Observed coherent changes in climatic extremes during the second half of the twentieth century // Climate Research. 2002. Vol. 19. P. 193-212.
19. Ипполитов И. И., КабановМ. В., Логинов С. В. Пространственные и временные масштабы наблюдаемого потепления в Сибири // Докл. Акад. наук. 2007. Т. 412, № 6. С. 814-817.
20. Оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации. Общее резюме. М.: РОСГИДРОМЕТ. 2008. 29 с.
21. Груза Г. В., Бардин М. Ю., Ранькова Э. Я. и др. Об изменениях температуры воздуха и атмосферных осадков на территории России в ХХ веке // Состояние и комплексный мониторинг природной среды и климата. Пределы изменений. М.: Наука, 2001. С. 18-39.
22. McNulty S. G., Aber J. D. United States national climate change assessment on forest ecosystems: An introduction // BioScience. 2001. Vol. 51. P. 733-734.
23. Skamarock William C., Klemp Joseph B., Dudhia Jimy, Gill David O., Barker Dale M. A Description of the Advanced Research WRF Version 3. NCAR technical note NCAR/TN-475+STR, 2008.
24. Wei Wang, Bruyere Cindy, DudaM. ARW version 3 system User's Guide. NCAR, 2009.
25. Thompson G., Rasmussen R. M., Manning K. Explicit forecast of winter precipitation using an improved bulk microphysics scheme. Part 1: Description and sensitivity analysis // Mon. Wea. Rev. 2004. Vol. 132. P. 514-542.
26. Mlawer E. J., Taubman S. J., Brown P. D., Iacono M. J., Clough S. A. Radiative trans-fer for inhomogeneous atmosphere: RRTM, a validated correlated-k model for the long-wave // J. Geophys. Res. 1997. Vol. 102(D14). P. 16663-16682.
27. Chou M.-D., Suarez M. J., A solar radiation parameterization for atmospheric studies // NASA Tech. Rep. NASA/TM-1999-10460. 1999. Vol. 15. 38 p.
Материал поступил в редколлегию 17.02.2011 E. P. Gordov, V. Yu. Bogomolov, E. Yu. Genina, T. M. Shulgina ANALYSIS OF REGIONAL CLIMATE PROCESSES IN SIBERIA: METHOD, DATA AND SOME RESULTS
This paper presents results of geoinformational web-system computational module development and its application for spatial-distributed environmental data analysis. List of climatic characteristics and analysis techniques for determining global and regional climate change dynamics is presented. Using computational module functionality, climate change study over Siberian territory was carried out based on Reanalysis data and meteorological station observations. Approach to WRF model regionalization and results of high-resolution meteorological fields' calculations are described.
Keywords: climate analysis methods, geoinformational web-system, Siberian climate, meteorological model fields. WRF model.
