Содержание к диссертации
Введение
Глава 1. Обзор исследований атмосферного пограничного слоя в контексте совместного использования измерений и моделей 9
1.1 Способы измерения характеристик атмосферного пограничного слоя (АПС) 9
1.2 Описание АПС в моделях 18
1.3 Обзор работ по совместному использованию данных наблюдений и моделей
1.3.1 Сравнение вертикальный профилей метеовеличин в АПС 28
1.3.2 Усвоение данных 31
Глава 2. Использование данных измерений в АПС для оценки его воспроизведения численной региональной моделью динамики атмосферы 35
2.1 Выбор параметров модели для расчетов 35
2.1.1 Методика оценки 38
2.1.2 Сравнение отдельной области и области с вложенными сетками 39
2.1.3 Сравнение различных параметризаций АПС
2.2 Сравнение температуры на различных уровнях 49
2.3 Сравнение ветра на различных уровнях 52
2.4 Воспроизведение стратификации 55
2.5 Зависимость ошибок от типа стратификации 57
Выводы из главы 2 60
Глава 3. Усвоение данных стандартных измерений 61
3.1 Система усвоения данных WRFDA и характеристики расчетов 61
3.3 Анализ возможностей усвоения данных на примерах 65
3.3.1 Случай сильного мороза в Мурманской области 65
3.3.2 Пример прогноза поля приземного ветра в районе Японии 68
3.3.2 Уменьшение влияния изменения начальных данных в зависимости от
заблаговременности 69
3.4 Уточнение начальных полей при усвоении данных стандартных измерений 70
3.5 Статистический анализ степени влияния усвоения данных на прогноз 74
Выводы из главы 3 80
Глава 4. Усвоение данных измерений профилей в АПС 81
4.1 Эксперименты по усвоению данных профилемеров МТП-5 81
4.3 Эксперименты по моделированию усвоения профилей 85
Выводы из главы 4 90
Глава 5. Порывы ветра 91
5.1 Методы расчета порывов ветра 92
5.2 Результаты расчетов 94
5.2.1 Пример прогноза 94
5.2.3 Сравнение характеристик турбулентности 95
5.2.4 Сравнение методов с наблюдениями в г. Москва 96
5.2.5 Прогноз значительных порывов ветра 97
5.3 Оценка прогнозов порывов ветра на сети синоптических станций на Европейской территории России 98
Выводы из главы 5 102
Заключение 103
Список литературы
- Обзор работ по совместному использованию данных наблюдений и моделей
- Сравнение различных параметризаций АПС
- Случай сильного мороза в Мурманской области
- Эксперименты по моделированию усвоения профилей
Обзор работ по совместному использованию данных наблюдений и моделей
Начиная с 50-х годов прошлого века проводится интенсивное изучение атмосферного пограничного слоя. Экспериментальное исследование АПС позволяет систематизировать его свойства, проверять гипотезы о физических механизмах, участвующих в его формировании. В настоящий момент существует достаточно большой спектр способов измерений, как контактных, так и дистанционных, захватывающих практически все возможные характеристики АПС. Различные методы наблюдений и некоторые их характеристики сведены в таблице 1.1.
Большое число метеорологических измерений в АПС проводятся на сети наземных синоптических станций. Существующая сеть достаточно обширна, но поставляет информацию только у земли. Также, у поверхности в исследовательских целях проводят специальные измерения приборами, не входящими в набор используемых на синоптических станциях. В таких исследованиях используют приборы для наблюдений за радиационными потоками; за турбулентными потоками с помощью высокочастотных измерений пульсаций скорости ветра и температуры и др. Акустические термоанемометры позволяют измерять температуру и скорости и направление ветра с частотой до 50 Гц. С помощью таких приборов можно напрямую измерять турбулентные характеристики, а также изучать подробно такие явления как порывы ветра. Такие приборы устанавливают и на некоторых метеорологических мачтах.
Вертикальные профили метеовеличин измеряются на специальных метеорологических мачтах. В России такие измерения проводятся на Обнинской метеовышке [Вызова Н.Л., 1996\ Останкинской телебашне в Москве [Климов Ф. Я., 1966; Вызова, Н. Л., 1984], экспериментальной башне в Зотино в центральной Сибири [Panov 2011\ Вообще в мире сооружено совсем небольшое число мачт для метеорологических измерений. Такие измерения обладают высокой точностью, хотя и подвержены влиянию самих сооружений. Для измерения профилей метеовеличин используют также привязные аэростаты [Angell, J973] и беспилотные самолеты, воздушные змеи. Однако такие измерения не проводятся постоянно, они используются только в рамках отдельных экспедиций или измерений
Вертикальные профили получают и с помощью радиозондов, однако, такие данные имеют низкое вертикальное разрешение в пограничном слое в связи с большой скоростью пролета зондов сквозь него. К тому же измерения на большинстве аэрологических станций проводятся не чаще 2 раз в сутки.
Специальные самолеты-лаборатории используются в задачах изучения изменчивости характеристик АПС в зависимости от расстояния и др. Измерительные приборы установлены и на многих пассажирских самолетах (системы AMDAR и TAMDAR), предоставляя информацию о профилях метеовеличин в основном над аэропортами. Интенсивность измерений естественно напрямую зависит от интенсивности движения самолетов. При этом на точность данных о скорости ветра напрямую оказывает влияние точность измерения скорости самолета. Помимо контактных методов, широкое распространение получили дистанционные методы. Спутниковые измерения не позволяют получать профили в АПС из-за самой геометрии измерений (удаленность спутника от объекта). Наземные измерения имеют достаточно широкий спектр методов для наблюдений за различными характеристиками АПС. Хорошие обзоры дистанционных методов можно найти в работах [Dabberdt W.F. et al, 2004.; Wilczak J.M et al, 1996; КаллистратоваM.A., Юшков В.П., 2008].
Вертикальные профили ветра измеряют с помощью радаров - профилемеров ветра. В зависимости от используемого частотного диапазона они измеряют как в АПС, так и во всей тропосфере. Однако все модификации имеют достаточно большую, не менее 50 м, мертвую зону внизу.
Меньшую мертвую зону (10-50 м), однако, и меньший диапазон (до 200-750 м) имеют акустические локаторы - содары (от английского SODAR - Sound Detection And Ranging). Среди российский разработок стоит упомянуть содары ВОЛНА [Гладких В. А., Одинцов С. Л., 2001] и ЛАТАН [Кузнецов Р. Д.,2007].
Объединение содаров и радаров в радиоакустические комплексы позволяет измерять еще и профиль температуры.
Для измерений профилей температуры используются также радиометры -микроволновые профилемеры. Некоторые приборы позволяют измерять также влагосодержание воздуха. Широкое применение в нашей стране получил микроволновой температурный профилемер МТП-5 [Kadygrov E.N., 2006]. В данный момент работает более 55 приборов МТР-5, установленных по всему миру, в том числе в трех точках в Москве, двух точках в Санкт-Петербурге, а так же в Челябинске, Нижнем Новгороде и некоторых других городах.
Лидарные измерения дают высокую точность и разрешение, однако для наблюдений за ветром и температурой используются редко из-за высокой стоимости приборов.
Анализируя таблицу 1.1, следует отметить, что общим недостатком дистанционных приборов является влияние на них внешних шумов (акустических для содаров, радио для радаров и т.п.) и осадков. Также их точность обычно убывает с высотой. Высота зондирования дистанционных приборов может варьироваться во времени в зависимости от условий измерения. На некоторой высоте внешние шумы могут превысить уровень сигнала. Например, высота измерений с помощью содара ограничена уровнем акустических шумов (может быть меньшей в условиях городских шумов), интенсивностью турбулентности (измерения невозможны при ее отсутствии), температурной инверсией (измерения невозможны выше нижней границы инверсионного слоя).
Важной особенностью дистанционных методов является то, что они осуществляют осреднение измеряемой характеристики по измеряемому объему, что приближает их к модельным данным, которые характеризуют среднее по расчетной ячейке.
Эти приборы используются как в оперативном режиме для обеспечения служб погоды, так и в рамках исследовательских работ.
Во всем мире проводились начиная с 60-х гг. и продолжают проводиться комплексные эксперименты по измерению характеристик АПС. Это такие известные эксперименты, как Wangara-1967 [Clarke КН. et al, 1971], Kansas-1968 [IzumiJ 1971], Cabauw-1977-79 [Hofrnan, С 1988], CASES-97,99 [LeMone, M. A. et al, 2000] и другие. Отдельные эксперименты направлены на изучение городского пограничного слоя, например BUBBLE [Rotach М. W. et al. 2005]. В рамках таких экспериментов удается собрать вместе и провести измерения с использованием большого числа разных приборов, дающих по возможности наиболее широкий охват измеряемых характеристик АПС. Такие наблюдения дают наиболее полное представление об эволюции и структуре АПС в месте и во время проведения эксперимента.
Сравнение различных параметризаций АПС
Как говорилось выше, сравнение моделей с данными наблюдений в АПС в различных условиях является важной задачей. Но, несмотря на наличие измерений вертикальных профилей характеристик АПС в Московском регионе такие сравнения не проводятся. В рамках данной работы впервые проводится такое сопоставление расчетов на региональной модели WRF-ARW с данными измерений на высотах в АПС в Московском регионе.
Измерения профилей температуры и/или ветра в АПС проводятся в Московском регионе в 7 точках наблюдений, из них большинство расположено в разных районах г. Москвы. Их расположение было показано на рис. 1.1. Эта область рассматривалась как основной полигон для исследований.
Для выбора конфигурации модели было выделено несколько дней, для которых были произведены расчеты с различными вариантами модели. Такое сравнение позволяет просто и наглядно понять, как влияет выбор конфигурации модели на результат расчетов.
Все расчеты проводились с одинаковыми параметризациями атмосферных процессов, за исключением приземного и пограничного слоя, использовались следующие схемы: микрофизика облаков по работе Ferrier [http://www.emc.ncep.noaa.gov/mmb/mmbpll/etal2tpb/], длинноволновая радиация - RRTM [Mlawer Е. J. et al, 1997], коротковолновая радиация - Dudhia [Dudhia J., 1989,], 5-ти уровневая модель процессов в почве [http://www.emc.ncep.noaa.gov/mmb/mmbpll/etal2tpb/]. Эти парметризации были выбраны как рекомендуемые в литературе для соответствующих процессов. Расчеты производились от 0 часов по Гринвичу для каждых суток на 60 часов, граничные значения изменялись через каждые 6 часов. В качестве начальных и граничных данных используются данные анализа NCEP [Kanamitsu М. et al, 2000]. Для получения временного модельного ряда были объединены прогнозы равной заблаговременности.
Для расчетов была выбрана область, включающая в своей центральной части все точки, по которым нам были доступны данные высотных измерений. На рис. 2.1а представлена область моделирования с указанием высоты поверхности и точек, в которых проводилось сравнение с данными высотных наблюдений. Разрешение модели по горизонтали составляет 2 км. Горизонтальная сетка модели - 160 140 точек, центр моделируемой области соответствует центру г. Москва.
Для расчетов с таким разрешением некоторыми авторами рекомендуется использование вложенных сеток с постепенным переходом расчетов от грубого к более подробному разрешению. Однако такие расчеты занимают значительное машинное время. Для обоснования показательности результатов с использованием отдельной области для прогноза ветра и температуры были проведены отдельные расчеты с использованием вложенных сеток, их конфигурация показана на рис. 2.16. Внешняя область охватывает Европейскую территорию России и имеет разрешение 18 км, средняя - 6 км, внутренняя примерно соответствует отдельной области и так же имеет шаг 2 км. a
Области моделирования с указанием высоты поверхности и точек наблюдений, а - отдельная область с разрешением 2 км б - вложенные области с разрешением 18, 6 и 2 км По вертикали был задан 41 о-уровень, из которых 15 уровней находятся в нижнем слое до 1 км. Такое высокое разрешение позволяет подробно описать физические процессы в АПС.
Для сравнения с измерениями выбирался ближайший к точке наблюдений узел модельной сетки. Температура и скорость ветра в нем интерполировались линейно по вертикали с о-уровней модели на z-уровни, на которых проводятся измерения.
В модели процессы с малыми характерными временами параметризуются, поэтому, хотя данные измерений имеют большее временное разрешение, естественно использовать для сравнения усредненные данные. Для оценки времени осреднения были рассчитаны зависимости дисперсии температуры и ветра в расчетных данных и данных измерений в зависимости от времени осреднения, приведенные на рис. 2.2. В работе использовались получасовые средние данные температурных профилемеров и содаров.
Случай сильного мороза в Мурманской области
Усвоение данных, в большинстве случаев, используется для учета дополнительных данных измерений, не включенных при расчете предварительного анализа. В ряде работ, например [Abhilash S. et al, 2007; Govindankutty M. and Chandrasekar A., 2010; Routray A. et al, 2010\ была показана эффективность данного подхода. Однако часто, например, на территории России, важно также учесть измерения и стандартных синоптических станций, в первую очередь не участвующих в международном обмене. Рассмотрим на примере системы WRFDA-3DVAR [Barker DM. et al, 2004] в модели WRF -ARW [Skamarock W.C., et al, 2008.] влияние усвоения данных синоптических и аэрологических станций для различных областей на территории России и один яркий пример для территории Японии.
Одним из способов усвоения данных наблюдений является трехмерный вариационный анализ (3DVAR). Данная процедура позволяет получить новые поля метеорологических элементов в начальный момент времени в модельной сетке, которые в большей мере соответствуют данным наблюдений.
Система WRFDA (Weather Reseach Forecast Data Assimilation - усвоение данных в исследованиях прогноза погоды) является реализацией алгоритма трехмерного вариационного анализа [3]. Эта система широко используется в мире [например, Deng and Stauffer, 2002; Umeda andMartien,2002 и др.].
Метод усвоения данных наблюдений основан на минимизации функционала (3.1): J{x) = \{x-xb)TW\x-xb) + \{y-H{x))TW\y-H{x)) (3.1) где х — вектор состояния атмосферы, х — исходное состояние, у — наблюдения, Н — оператор наблюдений, В — матрица ковариации ошибок модели (background error covariance), R - матрица ковариации ошибок измерений.
В модели WRF матрица ошибок рассчитывается методом, получившим название NMC (National Meteorological Center) [Parrish, D. F., and J. С Derber, 1992]. Она может быть взята универсальной, рассчитанной в NCEP на основе прогнозов модели GFS (Global Forecasting System - Глобальная Система Прогноза), или вычислена на основе предыдущих прогнозов самой модели WRF для конкретной области и сезона года. Основное отличие этих способов задания матрицы ошибок заключается в методике расчета ковариации вертикальных компонент и использовании во втором случае прогнозов этой же модели. В наших исследованиях использовался первый вариант задания матрицы ошибок, т.к. при предварительном анализе использование второго метода не показало особых преимуществ. Для усвоения могут быть использованы данные измерений на синоптических станциях, кораблях, аэрологического зондирования, самолетных измерений, шаров-пилотов, профилемера ветра, ряд спутниковых данных о температуре поверхности, влагосодержании в столбе воздуха, скорости ветра, всего 18 различных типов данных.
При использовании системы так же важно подобрать ряд управляющих параметров, учитывающих вес различных ошибок наблюдений. Их выбор был сделан на основе оценок нескольких предварительных экспериментов.
Для анализа использовались несколько областей прогноза. Карты областей прогнозов с указанием расположения метеорологических станций приведены на рис. 3.1. Первая область охватывает всю Европейскую территорию России и имеет разрешение 20 км. Вторая охватывает Мурманскую область и имеет разрешение 5 км. Третья область покрывает Московский регион, имеет пространственное разрешение 2 км. Выбор высокого разрешения для некоторых областей позволяет надеяться на детальное описание метеорологических полей и их возможных локальных особенностей. Области выбирались таким образом, чтобы можно было оценить влияние усвоения данных в различных регионах, а также на разных пространственных масштабах и размерах самой области. Отдельно были проведены эксперименты для области, охватывающей территорию Японии (с разрешением 10 км), в которых были рассмотрены возможности усвоения данных в сложной, близкой к штилевой метеоситуации.
Для всех областей использовалась одинаковая конфигурация модели, включающая следующие параметризации: микрофизика - WSM б-class, длинноволновая и коротковолновая радиация RRTMG, пограничный и приземный слои - QNSE, почва - Noah, параметризация конвекции использовалась только для области Европейской территории России.
В качестве исходных полей использовались данные анализа NCEP (прогноза нулевой заблаговременности), имеющего пространственное разрешение 0.5. При расчетах модели эти данные интерполируются в модельную сетку. Возможно, что при усвоении данных наблюдений в мелкой расчетной сетке могут проявиться какие-то локальные эффекты, отсутствующие в данных анализа из-за его грубого пространственного разрешения.
Эксперименты по моделированию усвоения профилей
В таблице 5.1 приведены оценки рассчитанных пятью методами порывов ветра для трех центральных месяцев сезонов 2011 г. (весеннего, летнего осеннего; зимний был исключен из-за невозможности измерений с помощью приборов такого типа зимой). Цветом отмечены наименьшие ошибки. В этой же таблице приведены оценки средней скорости ветра, т.к от нее отталкиваются все использованные методы прогноза порывов. Показал эффективность простой эмпирический способ использования фактора порывов. При этом использование турбулентной кинетической энергии дает лучшие или сравнимые результаты
Наибольший интерес представляет прогноз значительных скоростей порывов ветра, как наиболее опасных явлений. Как относительно большие скорости ветра, так и порывы, случаются в Московской области относительно редко. Был проанализирован временной ряд измерений скорости ветра почти за 4 года (2008-2012 гг) и отобраны случаи, когда наблюдались порывы ветра больше 12 м/с (только такие порывы фиксируются при наблюдениях на метеостанциях). Всего было зафиксировано 84 таких случая. Результаты оценок расчетов порывов для них приведены в таблице 5.2. Для данной выборки результаты аналогичны полученным для всех значений порывов.
Метод, использующий ТКЕ как дисперсию скорости ветра, был испытан на данных измерений сети синоптических станций на Европейской территории России. На станциях фиксируются только порывы ветра превышающие 12 м/с. Порывы измеряются как максимальное значение скорости ветра за 10 минут в районе срока наблюдений.
Оценки прогнозов порывов ветра осуществлялись в лаборатории оперативного объективного анализа Гидрометцентра России. Для оценки использовалось максимальное значение порывов ветра за сутки, как по данным расчетов, так и по данным измерений. Для сравнения вся территория была разбита на квадраты 1х1 по широте и долготе, в каждой квадрате анализировалось максимальное значение. Если в квадрат не попадало ни одного измерения, то он исключался из рассмотрения. За факт события принималось аревышения порыва ветра порогового значения 15, 18 или 22 м/с. В таблице 5.3 приведены оценки общей оправдываемости, предупрежданности порывов ветра, предупрежденное отсутствия порывов ветра, процента ложных тревог, коэффициентов Пирса-Обухова и Багрова за июнь-июль 2013 г. Для порогового значения 15 м/с. В таблице 5.4а приведена полная таблица сопряженности, по которой были получены приведенные выше оценки, т.е. количество случаев наблюдавшихся, прогнозированных, их совпадения случаев порывов ветра, а также их отсутствия. Из этих данных видно, что данный способ не оправдал себя при таком испытании: не было спрогнозировано значительных порывов ветра. Однако и ложные тревоги практически отсутствовали.
В связи такой значительной недооценке порывов ветра было предложено в качестве оценки порыва использовать максимальное значение по всем рассмотренным пяти методам. Такие оценки были проведены для августа-сентября 2013 г. Их результаты для порогового значения 22 м/с приведены в таблицах 5.3 и 5.46. Такой подход ведет к значительной переоценке порывов ветра.
Однако, следует заметить, что метод с использованием ТКЕ не применим для прогноза порывов и шквалов конвективного происхождения, что отмечается в литературе. С этим может быть связано отсутствие хороших результатов при использовании его в летний период. В то же время метод Brasseur был разработан для таких случаев. Поэтому был предложен гибридный метод, использующий в качестве триггера число Ричардсона:
Результаты оценки этого метода приведены в таблицах 5.3 и 5.4в. такой подход позволил получить оптимальное качество прогноза порывов ветра. Таблица 5.3 Оценки оправдываемости прогноза порывов ветра по сети синоптических станций на
Было рассмотрено пять методов расчета порывов ветра, основанных на разных принципах. Сравнение прогноз с данными высокочастотных измерений в Москве позволило выделить метод, основанный на добавке к прогнозируемой средней скорости ветра части турбулентной кинетической энергии. При оценке этого метода на сети синоптических станций была выявлена недооценка порывов ветра в летний период.
Предложен гибридный метод прогноза порывов ветра, использующий в зависимости от характера неустойчивости АПС разные методы расчета порывов. Этот метод позволил получить предсказуемость прогноза порывов ветра больше 22 м/с — 81% в осенний период, в летний.
Похожие диссертации на “Влияние данных измерений содаров и температурных профилемеров на качество численного прогноза характеристик атмосферного пограничного слоя”
