CC BY
14
УДК 551.513.001.572
А.В. Кислое, П.И. Константинов
МОДЕЛИРОВАНИЕ ЛЕТНЕГО ТЕМПЕРАТУРНОГО РЕЖИМА МОСКОВСКОГО РЕГИОНА
Введение. В настоящее время одна из актуальных проблем, стоящих перед метеорологией и климатологией, — решение задачи прогноза изменений климата. Важную роль при этом играет пространственная детализация результатов, т.е. рассмотрение ситуаций в конкретной физико-географической обстановке. Особенно ярко эти проблемы проявляются при изучении климата города.
Современные климатические модели — модели общей циркуляции атмосферы и региональные модели — позволяют воспроизводить метеорологические поля с пространственным разрешением около 100— 200 и 10—50 км соответственно. Ясно, что этого недостаточно для описания особенностей городского климата, причем дело не только в требовании высоких компьютерных мощностей, необходимых для увеличения пространственного разрешения моделей, — сама гидродинамическая теория обтекания препятствий развита недостаточно полно. Использование же каких-либо "оптимизаций" параметров снижает ценность применения моделей высокого разрешения, создавая априорность результатов моделирования. Кроме того, результаты моделирования, даже если бы они могли быть получены, невозможно проверить, поскольку адекватная наблюдательная сеть, включающая измерения трехмерных полей температуры, влажности воздуха, скорости ветра и др., в городских условиях отсутствует. Иначе говоря, даже с помощью современных региональных моделей (класса ММ5 или ЕТА) пока еще невозможно непосредственно решать проблемы городской климатологии, в частности ответить на вопрос, как глобальное потепление климата скажется на изменении температурного режима различных микрорайонов мегаполиса?
Понимая настоятельную необходимость получения оценок изменений климата в условиях города и осознавая невозможность его реализации путем использования традиционного подхода, авторы разработали простую физико-статистическую модель, способную воспроизводить микроклиматические особенности температуры в условиях сложной подстилающей поверхности Московского региона. С ее помощью осуществляется так называемый "скжп5са1-— микроскопизация данных глобальной модели в пределах территории мегаполиса. В результате применения этой процедуры воспроизводится распределение температуры с высоким пространственным разрешением — размеры элементарной ячейки, или пикселы, сеть которых покрывает территорию, составляет 0,5 х 0,5 км2. В статье ра с с матри ва ется более простой случай условий теплого периода года, чтобы исключить рассмотрение снежного покрова, учет воз-
действия которого на термический режим требует не столько модельных усилий, сколько разработки процедуры дистанционного зондирования наличия снега в пределах города. Поэтому в качестве временного отрезка моделируются условия июля. Отметим, что такой приближенный подход тем более оправдан в условиях неполноты информации об основных параметрах исследуемой территории.
Описание модели и методики проведения численных экспериментов
Иерархическая структура реализованного модельного комплекса выглядит следующим образом. В рамках модели общей циркуляции атмосферы (МОЦА) воспроизводится глобальный климат (условия июля). Москву можно отнести к элементарной ячейке модели с центром в точке с координатами 57,20° с.ш., 36,56° в.д. или 54,42° с.ш., 36,56° в.д. Сопоставление воспроизводимых моделью значений температуры показало, что в июле эти значения практически совпадают, поэтому была использована "северная" ячейка. Микроклиматическая модель (МкМ) уточняет пространственное распределение данных глобальной модели. Представляется, что детальное описание микроклиматических свойств может быть достигнуто за счет явного учета локальных эффектов, участвующих в формировании температурного режима городской территории. Результаты МкМ усваиваются с помощью ГИС и в изуал из и руются.
В качестве МОЦА используется модель Т42Ы5 (42 гармоники в пространственном разрешении уравнений ги дротермод и нам ики атмосферы на сфере, 15 а-уровней по вертикали), в основе которой лежит соответствующая версия модели Гидрометцентра РФ. Модель реализуется с суточным ходом. Температура поверхности океана в процессе моделирования задается ежемесячно. Компьютерные эксперименты (численное интегрирование по времени) с глобальной моделью были организованы так, чтобы получить ансамбль реализаций. В любом эксперименте в качестве начальных полей использованы данные о состоянии атмосферы 15 апреля 2004 г., которые каждый раз искусственно модифицировались путем введения в глобальное поле ветра составляющей, случайно распределенной в интервале значений 0—1 м/с. Это порождало некоторые отличия модельных экспериментов и имитировало межгодовую изменчивость. Интегрирование с такими несколько разными начальными условиями продолжалось в течение нескольких месяцев. Для анализа оставляли только данные за июль, т.е. первые 76 дней каждого эксперимента отбрасыва-
Таблица 1
Среднеклиматическая температура (°С) Москвы и Подмосковья в июле по данным наблюдений и моделирования в рамках глобальной атмосферной модели Т42Ы5
Гидрометеорологические станции Данные станционных наблюдений Данные моделирования
Ново-Иерусалим 17,3 17,2
Клин 17,4
Павлов-Посад 18,1
Коломна 18,5
Серпухов 18,0
Можайск 17,2
Москва (Тимирязевская с/х академия) 18,6
лись. Всего проведено 30 подобных экспериментов, т.е. получено 30 модельных реализаций июля (31 сутки). Их статистический анализ показал, что есть основания считать, что они являются членами статистического ансамбля. Таким образом, дальнейшему анализу подвергались 930 среднесуточных значений температуры, характеризующих "фоновые" условия Московской области.
Уместно задаться следующим вопросом: насколько удовлетворительно качество этих данных МОЦА? Ведь если они обладают серьезными погрешностями, то нет оснований рассчитывать на то, что их можно принципиально улучшить. Поэтому первый этап всей работы — проверка качества выходной продукции МОЦА.
В ходе тестирования сравнивалось осредненное по московскому региону значение среднемесячной июльской температуры — использовано среднее за 30-летний период значение температуры по 7 станциям (табл. 1) и модельное значение температуры (среднее по 930 значениям). Эти значения оказались довольно сходными — средняя июльская температура московского региона, по данным наблюдений, составляет + 17,8°С, а модельное значение — + 17,2°С. Таким образом, можно сделать вывод, что дальнейшее использование данных МОЦА в микроклиматической модели оправданно.
Для того чтобы модифицировать сигнал МОЦА в соответствии с реальными условиями, надо включить в рассмотрение факторы, определяющие в каждой пикселе микроособенности формирования теплового режима. Москва расположена на весьма ровной поверхности, поэтому учет наклона и ориентации по странам света ее отдельных регионов, а также закрытости горизонта не внесет заметный вклад в температурные различия. Основными влияющими микроклиматическими параметрами, порождающими в моделируемом мегаполисе температурный контраст между модельными ячейками, являются альбедо и теплоемкость деятельного слоя земной поверхности. Некоторые различия возможны и благодаря разной абсолютной высоте ячеек. Типизация ячеек произво-
Таблица 2
Теплофизические свойства различных типов поверхности модели
Тип подстилающей поверхности Альбедо Теплоемкость подстилающей поверхности (тип) С, Дж • кг/(км2)
Плотная многоэтажная застройка (центр) 0,05 Асфальт, 300 000
Разноэтажная застройка 0,1 Асфальт, 300 000
Городские парки 0,25 Грунт, покрытый травой, 700 000
Водные объекты 0,1 Вода, 1 816 200
дилась согласно крупномасштабной карте Москвы, где каждой ячейке присваивался тип подстилающей поверхности, занимающий более 50% площади. Тип "плотная многоэтажная застройка" присваивался ячейкам, где доля строений превышала 75%. Если доля строений составляла от 50 до 75% площади ячейки, то ей присваивался тип "разноэтажная застройка". Похожий тип разбиения применялся в работе [6], где также имелись промежуточные варианты деления участков подстилающей поверхности по высоте зданий, пусть даже и не такие подробные, какие использованы нами. Более подробная информация о микрофизических свойствах каждого типа ячеек приведена в табл. 2.
Пониженные значения альбедо в условиях плотной застройки связаны с увеличением переотражения радиации при повышении "шероховатости" поверхности. Они были нами, по-видимому, несколько занижены (это позволило получить в итоге более реалистичные результаты), хотя надежных данных измерений распределения альбедо в городских условиях не имеется.
В основе МкМ лежат уравнения для теплового баланса ячейки МОЦА и г-й микроячейки:
тш =Тк+-^Вк+1 т, с
7?+1=7* + -^+1т, (1)
где с ,с— теплоемкости, а т — шаг по времени;
В1 = 0, (1 - ар + (Е^ - аТ«) - Нг ЕЕ, (2)
где — суммарная солнечная радиация, а. — альбедо поверхности, (Е^.-оТ*) — баланс длинноволновой радиации, Н1 и ЬЕ. — турбулентные потоки явного и скрытого тепла соответственно. Представим турбулентный поток тепла выражением
Н,= Ср Рр I и} С(ТГ ТА> = А <Г/- Гл)> (3)
где ТА — температура на нижнем счетном уровне МОЦА; — модуль скорости ветра; р — плотность воздуха; ср — удельная теплоемкость при постоянном
давлении; С — коэффициент сопротивления, зависящий от шероховатости и стратификации атмосферы. В условиях дефицита данных нет оснований усложнять задачу, и для коэффициента сопротивления применена зависимость С= 0,001 Ц + ^и,!).
Формула для турбулентного потока скрытого тепла в предположении, что относительная влажность на высоте микроячеек и на той же высоте в МОЦА одинакова (/А), запишется аналогично
ЬЕге{ТгТА),
(4)
где е = е(иА,/А,рА, ТА, С, I) — известная функция (см. [2]); рА — атмосферное давление.
Раскладывая в степенной ряд и ограничиваясь первым членом разложения, получим
Т*~Т4А + 4Т3А{ТГТА). (5)
Объединяя выражения (1—5), получим формулу для расчета температуры воздуха в /-й микроячейке в &+1-Й момент времени:
292 20
291.60
291.40
I 291.00
Рис. 1. Распределение смоделированных значений температуры воздуха в июле в пределах московского мегаполиса и их сравнение с данными станционных измерений (К)
7*-Тл
7*+1 = Тл
1
с
(6)
1 + -^{4оТ5А + к + ё)
Формула (6) состоит из двух слагаемых. Первое отражает "однородный случай", когда "микроклиматические" различия температуры отсутствуют, и температура каждой микроячейки равна той, которая вырабатывается МОЦА. Второе слагаемое дополняет первое, учитывая различные локальные эффекты теплообмена.
Чтобы пользоваться формулой (6), надо знать значения температуры, давления, влажности воздуха, суммарной солнечной радиации, потока встречного излучения атмосферы и скорости ветра в свободной атмосфере. Эта информация определяется по данным МОЦА. Поток солнечной радиации, вычисленный в МОЦА, в пределах Москвы при расчетах уменьшался в 0,85 раза, так было учтено увеличение в пределах мегаполиса облачности и влияние городского аэрозоля.
Результаты моделирования
Вычислительный комплекс МОЦА—МкМ был применен для детализированного расчета температуры июля в Москве и Подмосковье. Воспроизводимый МкМ термический режим Москвы близок к реальному, что подтверждается сравнением модельных величин с данными измерений на московских метеостанциях (рис. 1). Расхождение не превышает десятых долей градуса, это свидетельствует, что методология моделирования и основной набор теплофизических
характеристик подстилающей поверхности выбраны правильно: так, водные объекты заметно охлаждают прилегающую территорию, а центральные районы нагреваются сильнее других. Видно, что модель реалистично воспроизводит термический контраст между полностью заасфальтированным центром города и ближайшим Подмосковьем. Различия в значениях среднемесячной температуры поверхности влажной почвы и асфальта составили 1—1,5°С, отлично проявились очаги тепла в центре Москвы, подтвержденные реальными наблюдениями (на метеостанции Балчуг), и локальные очаги холода в районе Строгинской поймы, национального парка Лосиный Остров, парка ВДНХ и Сельскохозяйственной академии и т. д. Эти среднеклиматические значения, в отдельных ситуациях аномалии, могут быть выражены резче [4]. Среднесуточные температурные градиенты между различными городскими районами не превышают 1—1,5°, что вполне соответствует теоретическим данным [6]. В работе [5] похожая величина градиента значений июльской температуры между городом и пригородом отмечается в городах Турции.
Модельные средние квадратические отклонения (о) в наиболее "теплых" ячейках превышают реально наблюдающиеся на городских метеостанциях на 0,5— 1°С (район Балчуга, плотная многоэтажная застройка), а в среднем по территории Москвы отличаются не более чем на 0,5°С (рис. 2). Это также свидетельствует, что смоделированное распределение температур в пределах Московского мегаполиса близко к реальному, и карта распределения средних величин достаточно репрезентативна.
3.50
3.00
Рис. 2. Распределение среднего квадратического отклонения смоделированных значений температуры воздуха (К) в пределах московского мегаполиса и их сравнение с данными наблюдений
Приуроченность повышенных значений о к районам положительных пространственных аномалий температуры имеет важное следствие, касающееся вероятности появления экстремальных значений. Рассчитаем, например, вероятность появления катастро-
фической жары, выбрав в качестве типичного значения среднюю июльскую температуру, равную 25°С (по данным метеорологических наблюдений такие значения в Москве за последние 100 лет не отмечены [4]). Сравнивая центр города (среднесуточная температура /=20, а = 3,5°С) с пригородом (* = 18, а = 3°С), можно, имея в виду, что аномалии температуры распределены по нормальному закону, рассчитать, что в первом случае вероятность составит 0,04, а во втором — 0,009. Таким образом, в центре города не только выше средняя температура, но и принципиально больше вероятность появления аномальных значений.
Заключение. В статье описан вычислительный комплекс, включающий глобальную атмосферную модель и микроклиматическую модель, причем последняя пространственно детализирует результаты глобальной модели. Продемонстрировано его применение к моделированию термического режима Москвы и ближайшего Подмосковья. Модель воспроизводит реалистичную картину пространственной неоднородности значений среднемесячной температуры июля. Показано, что в "теплых островах" города вероятность появления экстремальных значений особенно велика.
Работа выполнена при финансовой поддержке РФФИ (грант № 04—05—64375—а).
2.50
СПИСОК ЛИТЕРАТУРЫ
1. Братсерт У.Х. Испарение в атмосферу Л., 1985.
2. Кислое A.B., Розинкина И.А., Чернышев A.B. Технология моделирования микроклиматических особенностей горной территории в рамках модели общей циркуляции атмосферы // Метеорология и гидрология. 2006. № 10.
3. Кондратьев К.Я. Актинометрия. Л., 1965.
4. Справочник эколого-климатических характеристик Москвы (по наблюдениям метеорологической обсерватории МГУ). Т. 2 // Под ред. A.A. Исаева. М., 2005.
Кафедра метеорологии и климатологии, ГМЦ РФ
5. Cleugh H.A., Grimmond C.S. Modelling regional scale surface energy exchanges and CBL growth in a heterogeneous, urban-rural landscape // Boundary-Layer Meteorology. 2001. Vol. 98. P. 1-31.
6. Oke T.R. City Size and the Urban Heat Island // Atmos. Environ. 1973. Vol. 7. P. 769-779.
7. Hu'seyn Toros, Mete Tayanc. Urbanization effects on regional climate change in the case of four large cities of Turkey // Climatic Change. 1997. Vol. 35. P. 501-524.
Поступила в редакцию 25.05.2006
A.V. Kislov, P.I. Konstantinov
SIMULATION OF SUMMER TEMPERATURE REGIME OF THE MOSCOW REGION
The article describes a computer system integrating the global atmosphere model and the microclimate model which provides more detailed spatial picture of the results of the global model. The system was used for simulation of the temperature regime of Moscow and its suburban areas. It has been found that the model gives a realistic picture of spatial irregularities of the average July temperature. The probability of extreme values is particularly high within the "warm islands" of the city.
