CC BY
23
УДК 528.94
РАЗРАБОТКА КАРТ РАСПРЕДЕЛЕНИЯ БИОКЛИМАТИЧЕСКИХ ИНДЕКСОВ
НА ОСНОВЕ ДАННЫХ WORLDCLIM 2.0
(НА ПРИМЕРЕ ТЕРРИТОРИИ ПЕРМСКОГО КРАЯ)
Екатерина Сергеевна Черепанова
Пермский государственный национальный исследовательский университет, 614068, Россия, Пермь, ул. Букирева, 15, кандидат географических наук, доцент кафедры картографии и геоинформатики, тел. (342)239-67-34, e-mail: cherepanova_es@rambler.ru
Людмила Николаевна Ермакова
Пермский государственный национальный исследовательский университет, 614068, Россия, Пермь, ул. Букирева, 15, кандидат сельскохозяйственных наук, доцент кафедры метеорологии и охраны атмосферы, тел. (342)239-61-01, e-mail: lnermak@psu.ru
Андрей Николаевич Шихов
Пермский государственный национальный исследовательский университет, 614068, Россия, Пермь, ул. Букирева, 15, кандидат географических наук, доцент кафедры картографии и геоинформатики, тел. (342)239-66-33, e-mail: and3131@inbox.ru
Биоклиматические индексы - это интегральные показатели, учитывающие совместное влияние нескольких элементов погоды и используемые для оценки благоприятности погодных условий. В настоящей работе на основе набора климатических данных WorldClim 2.0 с высоким пространственным разрешением (30") построены биоклиматические карты на территорию Пермского края. Предварительно с целью пригодности данных WorldClim 2.0 проведена их верификация на основе сравнения с климатическими нормами по данным метеостанций. Результаты подтвердили удовлетворительный уровень точности данных WorldClim 2.0 для территории Пермского края. Построенные карты отражают основные особенности пространственного распределения биоклиматических параметров по территории края с учетом влияния свойств подстилающей поверхности.
Ключевые слова: биоклиматические индексы, эффективно-эквивалентные температуры, климатические карты, WorldClim 2.0.
THE DEVELOPMENT OF THE MAPS OF BIOCLIMATIC
INDICES BASED ON WORLDCLIM 2.0 DATA
(ON THE EXAMPLE OF THE TERRITORY OF PERM KRAI)
Ekaterina S. Cherepanova
Perm State University, 15, Bukireva St., Perm, 614068, Russia, Ph. D., Associate Professor, Department of Cartography and Geoinformatics, phone: (342)239-67-34, e-mail: cherepanova_es@rambler.ru
Lyudmila N. Ermakova
Perm State University, 15, Bukireva St., Perm, 614068, Russia, Ph. D., Associate Professor,
Department of Meteorology and Atmospheric Protection, phone: (342)239-61-01, e-mail: lnermak@psu.ru
Andrey N. Shikhov
Perm State University, 15, Bukireva St., Perm, 614068, Russia, Ph. D., Associate Professor, Department of Cartography and Geoinformatics, phone: (342)239-66-33, e-mail: and3131@inbox.ru
Bioclimatic indices are integrated parameters, which characterized the coupling influence of some meteorological variables and used to estimate the comfort of weather conditions. We used WorldClim 2.0 gridded climatic dataset with 30" spatial resolution as input data to create the maps of bioclimatic indices for the Perm Krai territory. Before calculation the bioclimatic indices, we compared Worldclim 2.0 data with climatic data estimated by weather stations. The validation results confirmed the satisfactory accuracy of Worldclim 2.0 data for the Perm Krai. The created maps characterized the main features of the spatial distribution of bioclimatic indices in the Perm Krai, taking into consideration the influence of underlying surface.
Key words: bioclimatic indices, effective equivalent temperatures, climate maps, WorldClim 2.0.
Важнейшими факторами окружающей среды, влияющими на жизнедеятельность человека, в первую очередь, на его теплоощущения, являются погод-но-климатические условия. Выявление степени благоприятности погодных условий, территориальных зон комфорта осуществляется по значениям биоклиматических показателей (индексов). Биоклиматические индексы представляют собой интегральные показатели, учитывающие совместное влияние нескольких элементов погоды (температуры, влажности, скорости ветра, солнечной радиации). Расчет индексов позволяет выявить тенденции их изменений в пространстве и во времени, произвести территориальную дифференциацию биоклиматических условий.
При построении климатических карт (включая и карты производных биоклиматических показателей) необходимо учитывать влияние факторов подстилающей поверхности, особенно для территорий со сложным рельефом и редкой сетью наблюдений. Методы построения климатических карт с учетом факторов подстилающей поверхности активно разрабатываются в мире с 90-х гг. XX в., когда внедрение ГИС-технологий позволило автоматизировать подобные вычисления. Обзор первых работ в данном направлении приведен в статье (Ninyerola et al., 2000). Наиболее часто при интерполяции климатических данных учитывается зависимость от высоты местности. В ряде публикаций рассматриваются и другие факторы, такие как влияние крупных водоемов или распределение типов землепользования.
В России из работ в данном направлении стоит выделить создание электронного Агроэкологического атласа России и сопредельных стран (Афонин, и др., 2008). Климатические карты в данном атласе представлены в цифровом виде с пространственным разрешением, равным 10 км. Карты были построены с применением современной методики, основанной на использовании множественной линейной регрессии для учета влияния рельефа, расстояния до береговой линии и других факторов. Однако эти карты были созданы на основе климатических норм середины XX в., и уже не отражают современные климатические условия.
В последние годы выросла доступность цифровых данных о свойствах подстилающей поверхности (рельефе, типах землепользования, температуре поверхности суши и океана и др.). Также появились в открытом доступе климатические данные с множества метеостанций, которые ранее были закрыты. Все
это позволило в 2017 г. группе исследователей из университета Калифорнии (США) создать первый сеточный набор климатических данных с высоким пространственным разрешением (30 угловых секунд, что соответствует примерно 1 км) и глобальным охватом - WorldClim 2.0 (http://worldclim.org/version2). В отличие от данных реанализов (CFS, ERA-40, ERA-Interim и др.), данные WorldClim 2.0 созданы на основе интерполяции наблюдений метеостанций и поэтому более точно воспроизводят приземные климатические характеристики.
Набор данных WorldClim 2.0 включает семь основных переменных: среднесуточная, максимальная и минимальная температура воздуха, количество осадков, солнечная радиация, скорость ветра и парциальное давление водяного пара. Среднемесячные значения указанных переменных рассчитаны за период с 1971 по 2000 г. Для расчета различных переменных использовались данные от 9000 до 60000 метеостанций по всему Земному шару. Данные предоставляются в формате GeoTiff, в системе координат WGS-1984 с различным пространственным разрешением (от 30" до 10). Детальное описание данных WorldClim 2.0 и алгоритмов интерполяции, использованных для их создания, приведено в статье (Fick and Hijmans, 2017).
Пространственное разрешение данных WorldClim 2.0 многократно выше, чем характерное расстояние между метеостанциями. Для достижения такой детальности и сохранения необходимой точности, при интерполяции авторы учитывали высотные зависимости и расстояние до береговой линии (для прибрежных районов). Помимо этого, впервые в практике подобных исследований были использованы многолетние измерения температуры земной поверхности со спутников Terra/Aqua MODIS. Это позволило воспроизвести особенности пространственного распределения температуры воздуха в зависимости от комплекса свойств подстилающей поверхности (а не только высоты местности). Результаты валидации данных WorldClim 2.0 показали их высокую точность. Коэффициент корреляции между фактическими измерениями метеостанций и данными WorldClim 2.0 составляет более 0,99 для температуры воздуха, 0,86 для влажности и 0,76 для скорости ветра (Fick and Hijmans, 2017).
Учитывая высокую детальность данных WorldClim 2.0, их использование для построения карт биоклиматических параметров на территорию отдельных регионов представляется вполне перспективным. Однако предварительно необходимо провести их верификацию по данным местной наблюдательной сети, поскольку характеристики точности данных для изучаемого региона могут существенно отличаться от средних значений, приведенных в статье (Fick et al., 2017).
Исходными данными для расчета биоклиматических параметров является температура воздуха, относительная влажность воздуха и скорость ветра, поскольку именно их сочетание определяет теплоощущение человека. Следовательно, для расчета биоклиматических параметров были получены данные о среднесуточной температуре воздуха, парциальном давлении водяного пара и скорости ветра за январь, июль, апрель и октябрь с пространственным разрешением 30". Предварительная обработка полученных растров включала их проецирование и извлечение по границам изучаемого региона.
Относительная влажность воздуха была рассчитана по данным о температуре воздуха и парциальном давлении водяного пара. Вычисления проведены по формулам, использованным в работе (Fick and Hijmans, 2017) при расчетах характеристик влажности. Кроме того, в данных WorldClim 2.0 для территории Пермского края не учитывается зависимость скорости ветра от высоты местности. В то же время, из ряда публикаций известно, что такая зависимость существует и может быть выражена формулой вида:
Vi = V0(H1/H0)k, (1)
где H1 - фактическая высота местности, H0 - высота ближайшей метеостанции, V0 - скорость ветра на метеостанции.
Безразмерный параметр k часто принимают равным 0,2 (Рыхлов, 2011). Это же значение параметра k использовалось и в настоящей работе. Расчет производился на основе цифровой модели рельефа средствами растровой алгебры. Само соотношение H1/H0 вычислялось путем деления растра цифровой модели рельефа (ЦМР) на растр, полученный в результате интерполяции высот метеостанций.
Верификация данных WorldClim 2.0 выполнена путем их сравнения со среднемесячными значениями соответствующих величин по данным метеостанций Уральского УГМС. Данные WorldClim 2.0 о температуре воздуха и влажности были сопоставлены с климатическими нормами (за период 1971-2000 г.) по наблюдениям 29 и 23 метеостанций соответственно. Верификация данных о скорости ветра аналогичным способом была невозможна, поскольку соответствующая информация о средней скорости ветра на метеостанциях в открытом доступе отсутствует. Поэтому сравнение было проведено с данными о средней скорости ветра за другой период (2005-2017 гг.), которые были получены с общедоступного web-ресурса https://rp5.ru/ (по данным 19 метеостанций). Для каждой из переменных рассчитаны средняя абсолютная и среднеквадратичная ошибки. Также вычислен коэффициент линейной корреляции Пирсона между фактическими данными метеостанций и данными WorldClim 2.0 (таблица).
Результаты верификации данных WorldClim 2.0
Коэффициент линейной Средняя абсолютная и среднеквадратичная
корреляции между ошибки по месяцам
Переменная фактическими данными
и данными I IV VII X
^^гЫСНш 2.0
Температура воздуха, °С 0,998 -0,1/0,8 0,1/0,5 0,1/0,3 -0,2/0,6
Парциальное давление водя- 0,997 -0,41/0,42 -0,18/0,22 -0,29/0,59 -0,68/0,73
ного пара, гПа
Скорость ветра, м/с 0,582 0,8/0,9 0,3/0,5 0,4/0,6 0,7/0,8
Как следует из таблицы, максимальную точность имеют данные WorldClim 2.0 по среднемесячной температуре воздуха. Систематические расхождения практически отсутствуют, так как значение средней абсолютной ошибки для указанных месяцев не превышает 0,2 по модулю. Среднеквадратичная ошибка оказалась несколько выше, так как для отдельных метеостанций (например Кунгур, Лысьва) расхождения средней температуры по фактическим данным и по данным WorldClim 2.0 достигают двух градусов. Причем расхождения в холодный период существенно больше, чем в летний период. Это может быть связано с влиянием использования дополнительных данных (температуры земной поверхности по спутниковым измерениям) при интерполяции в проекте WorldClim 2.0.
Точность данных WorldClim 2.0 о влажности воздуха (парциальном давлении водяного пара) также является удовлетворительной. В отличие от температуры, в этих данных имеются систематические ошибки, а именно занижение значений влажности, более существенное для холодного периода. Однако сравнение величины этого занижения с фактическим средним значением влажности показывает, что оно незначительно. В большинстве месяцев величина среднеквадратичной ошибки составляет не более 10% от средней влажности по данным метеостанций. Коэффициент корреляции между фактическими данными и данными WorldClim 2.0 как для температуры, так и для влажности близок к единице.
Что касается среднемесячной скорости ветра, то сравнение с фактическими данными метеостанций показывает существенное систематическое завышение скорости ветра в данных WorldClim 2.0. Это, однако, легко объясняется тем, что для анализа пришлось использовать разные временные отрезки (фактические данные получены за 2005-2017 гг., а данные WorldClim 2.0 характеризуют период 1971-2000 гг.). Скорость ветра за это время уменьшилась во многих регионах России. Наиболее значимой причиной такого уменьшения считается увеличение защищенности метеорологических площадок вследствие роста деревьев и застройки окружающей территории (Мещерская и др., 2006; Журавлев, Задде, 2013). Таким образом, существенное занижение скорости ветра по данным WorldClim 2.0 не указывает в данном случае на их низкое качество.
Верификация данных WorldClim 2.0 в целом подтверждает их удовлетворительный уровень точности для территории Пермского края. Это в совокупности с высоким пространственным разрешением и удобством использования данных позволяет рассчитывать на их основе биоклиматические параметры.
На основе данных WorldClim 2.0 были рассчитаны следующие биоклиматические параметры.
1. Эквивалентно-эффективная температура (ЭЭТ). Данный параметр определяет теплоощущения человека с учетом влияния скорости ветра и влажности воздуха и определяется по формуле (Головина, Русанов, 1993):
ЭЭТ = ЕТ = 37--—-1--0.29*£*(1--Ц, (2)
0.68—0.0014*/+-1 4 100у' 4 7
где ? - температура воздуха, °С; / - относительная влажность, %; V - скорость ветра, м/с.
2. Нормальная эквивалентно-эффективная температура (НЭЭТ) - показатель тепловой чувствительности с учетом влияния ветра для одетого человека:
НЭЭТ =0,8 ЭЭТ +7°С , (3)
3. Радиационно-эквивалентно-эффективная температура (РЭЭТ) - показатель, который учитывает теплоощущение человека от нагревания солнечной радиацией. В соответствии с рекомендациями Е.Г. Головиной и В.И. Русанова, РЭЭТ может быть рассчитана по формулам:
РЭЭТ=НЭЭТ+6,2°С (4)
4. Биологически активная температура (БАТ) - показатель, определяющий влияние радиации, отраженной поверхностью Земли на организм человека.
БАТ = 0,8НЭЭТ + 9°С (5)
Расчет показателей производился средствами растровой алгебры программного комплекса АтсОК 10.4. Результаты пересчета поверхностей были сглажены с помощью инструмента фокальной статистики. Таким образом, были получены следующие результаты:
1. Карты эффективно - эквивалентных температур по четырем центральным месяцам холодного (январь, октябрь) (рисунок) и теплого (апрель, июль) сезонов.
2. Карты производных от ЭЭТ величин - нормальных эквивалентно-эффективных температур (НЭЭТ), радиационно-эквивалентно-эффективных температур (РЭЭТ), карты биологически-активных температур (БАТ) по четырем месяцам центральных сезонов.
Результаты и их обсуждение
Значения ЭЭТ в январе по территории Пермского края изменяются в пределах от -28° до -36° С. Отмечается некоторое понижение значения ЭЭТ с запада на восток, в меридиональном направлении. Понижение значений ЭЭТ с юга на север не носит строго зональный характер, так как существенное влияние оказывают особенности подстилающей поверхности. Например, в январе в районах Камского и Воткинского водохранилищ, расположенных в центральной и юго-западной частях Пермского края, отмечается некоторое повышение ЭЭТ по сравнению с близлежащими территориями (на 1-2 градуса). На юго-востоке края ЭЭТ на 1-2 градуса ниже, чем в целом по южной части исследуемой территории. Это обусловлено застаиванием холодного воздуха в долинах рек Ире-ни и Сылвы и подтверждается также сравнительно высокой повторяемостью сильных морозов в данном районе (Пьянков и др., 2016).
Картосхема распределения эффективно-эквивалентных температур холодного периода - января (а) и октября (б):
1 - крупные города; 2 - изолинии равных значений ЭЭТ; 3 - границы субъектов (I - Республика Коми, II - Кировская область, III - Ханты-Мансийский АО, IV - Пермский край, V - Свердловская область, VI - Удмуртская республика, VII - Республика Татарстан, VIII - Республика Башкортостан, IX - Челябинская область
Более сложное распределение ЭЭТ наблюдается в восточной части Пермского края, что связано с пересеченностью рельефа.
Осенью влияние крупных водохранилищ на распределение показателей ЭЭТ более выражено по сравнению с зимним периодом. В целом в октябре значения ЭЭТ снижаются в северном направлении, меридиональная составляющая выражена меньше, чем в январе.
В заключении можно отметить целесообразность применения данных WorldClim 2.0 для биоклиматической оценки территории, так как для выявления реального биоклиматического потенциала территорий данных, полученных с метеостанций, оказывается недостаточно.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Афонин А. Н., Грин С. Л., Дзюбенко Н. И., Фролов А. Н. (ред.) Агроэкологический атлас России и сопредельных стран: экономически значимые растения, их вредители, болезни и сорные растения, 2008 г. [БУи-версия].
2. Журавлев Г. Г., Задде Г. О. Оценка ветроэнергетического потенциала Кемеровской области // Вестник Томского государственного университета. 2013. № 376. С. 175-181.
3. Мещерская А. В., Еремин В. В., Баранова А. А., Майстрова В. В. Изменение скорости ветра на севере России во второй половине ХХ века по приземным и аэрологическим данным // Метеорология и гидрология. 2006. № 3. С. 83-97.
4. Пьянков С. В., Шихов А. Н., Абдуллин Р. К. Атлас опасных гидрометеорологических явлений Уральского Прикамья. Перм. гос. нац. иссл. ун-т. Пермь. 2016. 116 с.
5. Рыхлов А. Б. Закономерности изменения скорости ветра с высотой в приземном слое атмосферы на юго-востоке ЕТР для решения задач ветроэнергетики // Ученые записки РГГМУ. 2011. №. 20. С. 89-99.
6. Fick S. E., Hijmans R. J. WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas // International Journal of Climatologyю 2017. Vol. 37. PP. 4302-4315
7. Ninyerola M., Pons X., Roure J. M. A methodological approach of climatological modelling of air temperature and precipitation through GIS techniques // International Journal of Climatology. 2000. V. 20. PP. 1823-1841.
8. Головина Е. Г., Русанов В. И. Некоторые вопросы биометеорологии. Учебное пособие. - СПб., изд. РГГМИ, 1993. 90 с.
© Е. С. Черепанова, Л. Н. Ермакова, А. Н. Шихов, 2018
