Содержание к диссертации
Введение
Глава 1 . Оценка обратных связей между вариацией лесной растительности и температурой и влажностью подстилающей поверхности 19
1.1 Постановка задачи 19
1.2 Учет растительности в используемой климатической модели промежуточной сложности 23
1.3 Методика исследования 25
1.4 Описание эксперимента 27
1.5 Результаты 29
1.6 Выводы 35
Глава 2. Влияние влажности подстилающей поверхности на количество осадков 36
2.1 Постановка задачи 36
2.2 Методика исследования 37
2.3 Описание эксперимента 38
2.4 Результаты 40
2.5 Выводы 44
Глава 3. Влияние аномалий осеннего снежного покрова на температуру воздуха у поверхности Сибири в зимний период 45
3.1 Постановка задачи 45
3.2 Описание эксперимента 50
3.3 Методика исследования 51
3.3.1 Методика оценки статистической значимости вносимых в начальные условия возмущений
3.3.2 Расчет коэффициента корреляции Пирсона 53
3.4 Результаты 54
3.4.1 Анализ статистической значимости вносимых в начальные условия возмущений 54
3.4.2 Анализ влияния площади глубины октябрьского снежного покрова на зимнюю приземную температуру воздуха 60
3.5 Механизм влияния аномалий снежного покрова в октябре па приземную температуру зимних месяцев 62
3.6 Выводы 67
Глава 4. Программный комплекс для расчетов и визуализации 74
4.1 Интеграция климатической модели в общий исследовательский процесс 74
4.2 Пакет программ для анализа результатов моделирования
4.2.1 Предварительная обработка результатов моделирования 76
4.2.2 Программная реализация методики вычисления коэффициентов обратных связей 77
4.2.3 Программная реализация методики вычисления значений индекса когерентности 79
4.2.4 Программная реализация методики оценки статистической значимости возмущений 82
4.2.5 Программная реализация методики вычисления полей корреляции 84
4.3 Выводы 85
Заключение 87
Литература
- Учет растительности в используемой климатической модели промежуточной сложности
- Методика исследования
- Методика оценки статистической значимости вносимых в начальные условия возмущений
- Пакет программ для анализа результатов моделирования
Введение к работе
Актуальность темы. В последние годы большое внимание уделяется проблеме глобальных климатических изменений. Межправительственная группа экспертов по изменению климата (МГЭИК) пришла к выводу, что одной из причин глобальных изменений климата в течение последнего столетия является интенсивное развитие промышленности, способствующее увеличения выбросов в атмосферу продуктов сжигания углеродного топлива, что приводит к увеличению концентрации углекислого газа в атмосфере. Кроме того, МГЭИК склонны считать, что рост концентрации СО2 оказывает значительное влияние на глобальную температуру воздуха. Изменение глобальной температуры может оказывать влияние на характеристики подстилающей поверхности, вследствие чего может измениться характер обратных связей, существующих между различными климатическими параметрами. В частности, под воздействием потепления могут быть затронуты процессы характерные именно для территории Сибири.
Существует ряд обстоятельств объясняющих интерес научного сообщества к исследованию изменения климатических процессов, происходящих на территории Сибири. Во-первых, за счет большой площади (около 10 млн. км2) Сибирь отличается разнообразием сочетаний климатообразую-щих факторов. Во-вторых, значительная часть территории Сибири занята лесными и болотными угодьями, которые за счет эмиссии и аккумуляции основных парниковых газов (СО2, СН4 и др.) играют важную климаторегули-рующую роль в глобальном масштабе. В-третьих, территория Сибири хороша для выявления роли природных и антропогенных факторов в наблюдаемых климатических изменениях за счет присутствия на данной территории разнообразных климатических зон, а также наличия областей с высокой и совсем отсутствующей техногенной нагрузкой. Помимо перечисленных обстоятельств существует еще одно важное основание для климатических исследований для территории Сибири: повышенные, в сравнении с многими другими регионами, наблюдаемые темпы потепления. В 2000 году группой авторов во главе с М.В. Кабановым была опубликована статья, в которой было показано, что за 1955-1990 годы средняя по территории температура воздуха у поверхности Сибири увеличивалась со скоростью от 0.2С/10 лет до 0.5С/10 лет в зависимости от области. Кроме того, по данным МГЭИК за 1974-2000 годы скорость роста температуры в северных широтах (в частности в Сибири) достигает 0.8-1.0С/10 лет, при этом скорость роста температуры нижних слоев атмосферы в Северной Америке и в Европе составляет 0.3С/10 лет и 0.4С/10 лет, соответственно, а в районе экватора — менее 0.ГС/10 лет.
Для исследования климатических изменений широко используются данные наблюдений. С их помощью исследуются закономерности современных природно-климатических изменений, атмосферная циркуляция и грозовая активность; ведутся исследования болотных угодий Сибири, а также современные изменения температуры почвы и влияние глобального потепления на динамику эволюции криолитозоны. По данным наблюдений
можно оценивать тренды происходящих изменений и прогнозировать дальнейшее развитие изменений на относительно короткие промежутки времени. Также можно исследовать поведение отдельно взятых параметров, но ни существующие и возникающие обратные связи между ними. В этом случае на помощь приходит моделирование. Например, моделирование широко используется при проведении различных исследований для территории Сибири. Исследуются температурный и гидрологический режимы водосборов сибирских рек в условиях вечной мерзлоты, влияние скорости глобального потепления на таяние вечной мерзлоты, а также изменения различных климатических процессов и характеристик, связанных с глобальным потеплением. Из-за деградации вечной мерзлоты происходят изменения в болотных экосистемах, в частности, происходят изменения эмиссии метана, что также активно исследуется. Кроме того, ведутся исследования влияния солнечной и вулканической активности на климатические изменения, происходящие вследствие антропогенного влияния. Исследуются возможные изменения экстремальности термического режима и условий пожароопасности.
Хотя для территории Сибири проводится большое количество исследований, тем не менее стоит отметить, что эти исследования затрагивают далеко не все климатические аспекты. Например, недостаточное внимание уделяется исследованию обратных связей. Исследования обратных связей ведутся, в основном, в глобальных масштабах, без учета глобальных изменений климата, и при использовании моделей, не учитывающих влияние растительности. Существуют также исследования влияния влажности поверхности на количество осадков, но в процессе исследований не рассматривается влияние влажности поверхности отдельных регионов, так как исследования проводятся только в глобальном масштабе. Кроме того, ведутся исследования влияния величины осеннего снежного покрова на зимнюю приземную температуру. Однако эти исследования не учитывают экстремальных величин снежного покрова, которые могут иметь место в случае глобальных климатических изменений, что приводит к невозможности выделения условий, при которых влияние проявляется наиболее сильно. Данная диссертационная работа посвящена исследованию обратных связей, существующих между атмосферой и поверхностью суши.
Для исследований, проводимых в рамках данной работы, была использована глобальная крупномасштабная модель промежуточной сложности «Planet Simulator» разработанная в Метеорологическом институте Гамбургского университета, состоящая из нескольких вычислительных блоков: атмосферного, океанического, биосферного, поверхности суши и морского льда. Данная модель может использоваться на широком спектре временных масштабов. В рамках данной работы использовался ансамблевый подход, характеризующийся проведением моделирования с использованием одной модели с различными начальными условиями. Данный подход позволяет исключить зависимость результата от начальных условий.
Целью данной работы является исследование для территории Сибири влияния характеристик подстилающей поверхности на характеристики атмосферы при возможных глобальных изменениях климата.
Для достижения поставленной цели необходимо было решить следующие задачи:
Исследовать обратные связи между вариацией лесной растительности и приземной температурой воздуха, а так же между вариацией лесной растительности и влажностью подстилающей поверхности.
Исследовать влияние влажности подстилающей поверхности на количество осадков.
Исследовать влияние аномалий осеннего снежного покрова на температуру воздуха у поверхности Сибири в зимний период.
Разработать комплекс программ для проведения необходимых численных экспериментов и поддержки исследований в целом.
Основные положения, выносимые на защиту:
Создан программный комплекс, состоящий из глобальной крупномасштабной модели климатической системы (разработана в Метеорологическом институте Гамбургского университета), адаптированного автором данной диссертационной работы для решения поставленных задач, и пакета программ для анализа и визуализации результатов моделирования, разработанного непосредственно автором данной диссертации.
Результаты качественной оценки влияния вариации лесной растительности на температуру и влажность подстилающей поверхности.
Результаты математического моделирования влияния влажности подстилающей поверхности на количество осадков.
Результаты математического моделирования влияния аномалий осеннего снежного покрова на приземную температуру воздуха в зимний период.
Научная новизна:
Впервые для территории Сибири дана оценка значений параметров обратных связей между лесной растительностью и приземной температурой воздуха и влажностью поверхности с использованием климатических сценариев.
Впервые для территории Сибири с использованием климатических сценариев была определена степень влияния влажности подстилающей поверхности данной территории на количество осадков, выпадающих на ней.
Было выполнено оригинальное исследование влияния осеннего снежного покрова территории Сибири на зимнюю приземную температуру воздуха данной территории в условиях экстремальных значений величины снежного покрова.
Научная и практическая значимость диссертационной работы определяется результатами проведенных исследований, которые позволяют лучше понять механизмы взаимодействия подстилающей поверхности и атмосферы для территории Сибири, могут применяться при разработке новых моделей, а так же для модификации существующих глобальных и региональ-
ных климатических моделей; кроме того, могут быть полезны при разработке методов сезонных прогнозов погоды. Представленные в диссертационной работе исследования выполнялись по проектам, поддержанным Российским фондом фундаментальных исследований (№№ 05-05-64989, 08-05-00457), что подтверждает их научную значимость.
Степень достоверностиполученных результатов обеспечивается применением современной климатической модели и современных методов исследования. Возможные интервалы неопределенности в оценках климатических характеристик были уточнены за счет использования ансамблевого подхода. Результаты находятся в соответствии с результатами, полученными другими авторами.
Апробация работы. Основные результаты работы докладывались на: Генеральной ассамблее Европейского геонаучного объединения «EGU-2009» (Австрия, Вена 2009), Международной конференции по измерениям, моделированию и информационным системам для изучения окружающей среды «ENVIROMIS-2008» (Томск 2008), Международной конференции по вычислительно-информационным технологиям для наук об окружающей среде «CITES» (Томск 2007, Красноярск 2009), Сибирском совещании по климато-экологическому мониторингу (VIII, Томск 2009), Всероссийской конференции «Состав атмосферы. Атмосферное электричество. Климатические эффекты» (XI, Нижний Новгород 2007).
Личный вклад. Автор принимал активное участие на этапе постановки задач и планирования численных экспериментов. Кроме того, автором была осуществлена настройка и интеграция крупномасштабной климатической модели промежуточной сложности в общий исследовательский процесс, проведено численное моделирование с использованием данной модели, проведены численные исследования и анализ полученных результатов, а также разработано необходимое программное обеспечение.
Публикации. Основные результаты по теме диссертации изложены в 14 печатных изданиях, 4 из которых изданы в журналах, рекомендованных ВАК, 10 — в тезисах докладов.
Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения и двух приложений. Полный объем диссертации 121 страница текста с 22 рисунками и 10 таблицами. Список литературы содержит 140 наименований.
Учет растительности в используемой климатической модели промежуточной сложности
Для определения Кх необходимо вычислить базовое значение баланса радиации на верхней границе атмосферы. Далее, для каждого вертикального (7-уровня к увеличивается температура на 1К, получившееся в результате изменение баланса длинноволновой радиации на верхней границе атмосферы определяют, как J -. Аналогично вычисляется Jj- -. Для вычисления - используется величина, на которую изменяется баланс длинноволновой радиации вследствие уменьшения альбедо поверхности на 1%.
Используя описанный метод, вычисляются величины климатических обратных связей для водяного пара, температуры и альбедо поверхности. Вследствие нелинейностей в вычислении Кх, появляющихся из-за изменений в верхнем облачном слое, Ас вычисляется, как разность между эффективной чувствительностью и суммой значений всех остальных обратных связей: К = Kff (AT + Аш + AQ), где эффективный параметр чувствительности определяется, как [69,70]: G + AR ATS — разница между средними значениями температуры воздуха у поверхности за конечный ( end ) и начальный ( begin ) периоды расчета. В качестве радиационного форсинга используется величина G = 4.3Вт/м2 с неопределенностью 10% [71].
Достоинство данного подхода в том, что он представляет последовательный и экономичный метод сравнения величин обратных связей, полученных для различных моделей. В результате, разница между моделями в контексте учета обратных связей определяется исходя из разницы их отклика на климатические возмущения, а не РІЗ разницы в методологиях учета обратных связей. Недостатком данного подхода является то, что облачная обратная связь вычисляется не напрямую, а только через разность между эффективной климатической чувствительностью и суммой значений всех остальных обратных связей.
Исследования, приведенные в этой главе, осуществлялись на основе численного моделирования климата планеты Земля при использовании глобальной крупномасштабной климатической модели промежуточной сложности «Planet Simulator» [53,54]. Моделируемый период составлял 90 лет модельного времени (базовый прогон модели); исследуемая область располагается между 52 и 73 с.ш., и 60 и 90 в.д.; использованное горизонтальное пространственное разрешение 5.6 х 5.6, вертикальное — 5 атмосферных -уровней (1.0, 0.8, 0.6, 0.4, 0.2) и 5 уровней в почве (0.4 м, 0.8 м, 1.6 м, 3.2 м, 6.4 м). Рассматривалось два климатических сценария (Рисунок 1.1): контрольный (Control) — концентрация СОг неизменна на протяжении всего периода моделирования и составляет 360 ррт; сценарий А2 — определен МГЭИК (концентрация СОг экспоненциально растет начиная с 2000 года с 360 ррт).
В качестве рассматриваемого климатического параметра, для которого определялись коэффициенты обратных связей между вариацией лесной растительности и приземной температурой воздуха и влажностью поверхности территории Сибири, используется среднее за определенный период времени значение доли территории занятой лесной растительностью (изменяется от 0.0 до 1.0).
Для вычисления Кх был сделан дополнительный прогон модели, который отличается от базового, описанного в начале данного раздела, значениями поля лесной растительности. В дополнительном расчете была сделана привязка к полученному в базовом прогоне полю лесной растительности для каждого момента времени, увеличенному в каждой точке расчетной сетки на значение 0.1. Вычисление Кх осуществлялось далее по методике описанной в разделе 1.3.
В результате расчетов было получено, что для стандартного климатического сценария А2 среднее по Сибири значение коэффициента обратных связей между вариацией лесной растительности и приземной температурой воздуха составляет —0.0398 Вт/(м2-К). Значение этого же коэффициента обратных связей, рассчитанное для контрольного сценария, равно 0.2326 Вт/(м2- К). Приповерхностная температура воздуха за рассматриваемый период для контрольного сценария изменилась всего на 0.0256 К (т.к. система находится в равновесном состоянии), а при увеличении концентрации СО2 согласно сценарию А2 приземная температура воздуха изменилась на 1.2 К.
Для значений коэффициента обратных связей между вариацией лесной растительности и влажностью поверхности ситуация обратная. В случае использования стандартного климатического сценария А2 значение ко эффициента обратных связей составляет 0.2867 Вт/(м2-кг/кг), тогда как значение этого коэффициента в случае контрольного сценария составляет —0.0066 Вт/(м2-кг/кг). Необходимо упомянуть, что средняя по территории Сибири величина влажности поверхности уменьшилась за весь период моделирования на 5.5 Ю-5 кг/кг для контрольного сценария, а для сценария А2 уменьшилась на 1.67 10 4 кг/кг.
Необходимо отметить, что помимо того, что введение изменения концентрации СОг согласно сценарию А2 приводит к изменению абсолютной величины коэффициента обратной связи, оно еще и вызывает, что очень важно, смену знака коэффициента обратной связи, т.е. изменение характера рассматриваемой обратной связи. Полученная смена знака свидетельствует о том, что при росте концентрации углекислого газа динамика процесса влияния количества лесной растительности на температуру и влажность подстилающей поверхности становится нелинейной, т.к. включаются механизмы изменения растительного покрова.
Переходя к рассмотрению пространственного распределения значений коэффициентов обратных связей, необходимо отметить, что они имеют не постоянный знак, а меняют его в зависимости от географического положения.
Сравнение между пространственными распределениями коэффициентов обратных связей, полученными для двух сценариев показывает, что при использовании А2 абсолютные значения рассматривав-мых коэффициентов меньше, чем получено при контрольном сценарии (Рисунки 1.2, 1.3). Данное наблюдение справедливо, как для коэффициентов обратной связи между вариацией лесной растительности и приземной температурой воздуха, так и для коэффициентов обратной связи между вариацией лесной растительности и влажностью поверхности. Таким образом, можно говорить об ослаблении обратной связи при увеличении концентрации СО2, т.е. влияние экспоненциально растущей концентрации углекислого газа в атмосфере на приземную температуру начинает преобладать над влиянием вариации среднего количества лесной растительности.
При росте концентрации ССЬ изменяется не только сила влияния среднего количества лесной растительности на приземную температуру воздуха и влажность поверхности, но и области положительного и отрицательного влияния. Для коэффициентов обратных связей между вариацией лесной растительности и приземной температурой воздуха при неизменной концентрации ССЬ очаги отрицательного влияния расположены в юго-западной и юго-восточной областях рассматриваемой территории (Рисунок 1.2 а). В случае увеличения концентрации СО2 очаги отрицательного влияния смещаются в центральную и южную части рассматриваемой территории (Рисунок 1.2 б).
Для коэффициентов обратных связей между вариацией лесной растительности и влажностью поверхности картина пространственного распределения очагов влияния очень похожа на уже описанную для коэффициентов обратных связей между вариацией лесной растительности и приземной температурой воздуха но только отличается по знаку. То есть, там же, где расположены отрицательные значения коэффициентов обратных связей между вариацией лесной растительности и приземной температурой воздуха расположены положительные значения коэффициентов обратных связей между вариацией лесной растительности и влажностью поверхности. И наоборот, там же где расположены положительные значения коэффициентов обратных связей между вариацией лесной растительности и приземной температурой воздуха расположены отрицательные значения коэффициентов обратных связей между вариацией лесной растительности и влажностью поверхности.
Методика исследования
Если каждый член ансамбля совпадает с некоторым временным рядом Р, то ар будет равна ар, и, следовательно, Qp будет равна 1. Однако, если временные ряды совершенно не коррелируют, то ар будет примерно равна ар/10, и тогда Пр будет равна 0. Таким образом, значение Пр варьируется от 0 до 1. Чем ближе значение Пр к 1 тем более схожи временные ряды, и наоборот, чем ближе значение Пр к 0, тем временные ряды менее схожи. Необходимо отметить, что величина dp измеряет соотношение сигнал/шум в условиях общей изменчивости системы.
Для определения влияния влажности почвы на количество осадков рассматривается абсолютное значение Qp(R) — lp(W), где lp(R) — значение Op вычисленное для ансамбля R, a Clp(W) — значение Пр вычисленное для ансамбля W. Величина \Q,p{R) — lp(W)\ может принимать значения от 0 до 1. Чем ближе ее значение к 1, тем большее влияние оказывает влажность почвы на количество осадков.
Как уже упоминалось ранее, к рассмотрению было принято два типа осадков: крупномасштабные и конвективные. Для каждого типа осадков рассматривалось два климатических сценария: контрольный сценарий и стандартный климатический сценарий А2. Для каждого рассматриваемого типа осадков и для каждого климатического сценария было вычислено абсолютное значение \Q,p(R) — fip(W) по всему периоду моделирования (70 модельных лет). Сначала рассматривались средние по территории Сибири значения \Qp(R) — Qp(W)\. Было получено, что для крупномасштабных осадков в случае использования контрольного сценария величина \Q,p(R) — Q,p(W)\ равна 0.0206, а для стандартного климатического сценария А2 — равна 0.0019. Для конвективных осадков результат получился противоположный. В случае применения контрольного сценария рассматриваемая величина составила 0.0296, а в случае применения стандартного климатического сценария А2 — составила 0.0561. Если присмотреться к полученным значениям и учесть, что величина \lp(R) — lp(W)\ может принимать значения от 0 до 1, то можно сказать, что в среднем для территории Сибири влажность поверхности рассматриваемой территории слабо влияет на как крупномасштабных, так и конвективных количество осадков, выпадающих на этой же территории. При этом необходимо отметить, что экспоненциальный рост концентрации углекислого газа в атмосфере значительно влияет на значение рассматриваемой величины, ослабляя почти в 2 раза влияние влажности поверхности на количество крупномасштабных осадков, и во столько же раз усиливая влияние влажности поверхности на количество конвективных осадков.
При рассмотрении пространственного распределения Г2р(Л) — Q.p(W)\ видно, что влияние влажности поверхности на количество осадков равномерно невелико для всей рассматриваемой территории, как для крупномасштабных (Рисунок 2.1), так и для конвективных осадков (Рисунок 2.2) для обоих рассматриваемых сценариев.
Поля значений \Qp(R) — Др(1У) демонстрируют, что ни в одной точке рассматриваемой территории Сибири значения \Qp(R) — Qp(W)\ не превышают 0.1. Полученный результат говорит о том, что в глобальных временных масштабах количество осадков, выпадающих на рассматриваемой территории, в наименьшей степени обусловлено влажностью данной территории.
Исследования показали, что влияние влажности поверхности на количество осадков, полученное для территории Сибири, является одним из самых низких по сравнению с другими регионами мира. Наиболее сильно влажность поверхности влияет на осадки в северной части Африки, в южной части Азии, а также в южной части Северной Америки. Полученные результаты согласуются с результатами, полученными группой исследователей в работе [50].
Математическое моделирование, проведенное для территории Сибири, показало следующее: 1. В среднем для территории Сибири влажность поверхности рассматриваемой территории слабо влияет на количество как крупномасштабных, так и конвективных осадков, выпадающих на данной территории. 2. Быстрый рост концентрации углекислого газа в атмосфере (при агрессивном сценарии антропогенного воздействия А2) значительно ослабляет влияние влажности поверхности на количество крупномасштабных осадков, а влияние влажности поверхности на количество конвективных осадков значительно усиливает.
Методика оценки статистической значимости вносимых в начальные условия возмущений
Для каждого зимнего месяца в отдельности осуществлялся расчет коэффициента корреляции. Было вычислено два вида коэффициентов корреляции R(X: У): коэффициент корреляции средних по рассматриваемой территории среднемесячных значений глубины и площади снежного покрова с аналогичными значениями приземной температуры воздуха; коэффициент корреляции среднего по рассматриваемой территории среднемесячного значения глубины и площади снежного покрова со значением приземной температуры воздуха в каждом узле расчетной сетки. Таким образом, первый вид рассчитанного коэффициента корреляции представляет собой одно число, и служит для определения наличия влияния указанных параметров друг на друга в целом. Второй вид рассчитанного коэффициента корреляции представляет собой поле коэффициентов корреляции и показывает влияние величины снежного покрова на каждую отдельно взятую на территории Сибири точку.
В Таблицах 3.3 и 3.4 приведены значения коэффициентов корреляции между средними по территории Сибири среднемесячными значениями глубины и площади, соответственно, снежного покрова в октябре и значениями приземной температуры воздуха для каждого зимнего месяца. Как видно из результатов, приведенных в указанных таблицах, в декабре корреляция между рассматриваемыми параметрами самая высокая. Данный факт может свидетельствовать о том, что наиболее сильное влияние глубина и площадь снежного покрова территории Сибири в октябре оказывает на декабрьскую приземную температуру воздуха. В январе данное влияние самое низкое, а в феврале оно снова немного усиливается. Опираясь на приведенные в Таблицах 3.3 PI 3.4 результаты, можно сказать, что изменение глубины снежного покрова территории Сибири особенно сильно влияет a)
Эмпирическое значение -статистики Стьюдента, февраль; изолинии - критические значения (см. Табл. 3.2): а) «максимум-ансамбль»; б) «минимум-ансамбль» на приземную температуру воздуха зимних месяцев в условиях заданных «максимум-ансамблем», а влияние изменения площади снежного покрова наиболее сильно проявляется в условиях заданных «минимум-ансамблем».
Наряду с рассмотрением корреляций среднетерриториальных значений интересующих величин интересно посмотреть географическое распределение значений коэффициентов корреляции, вычисленных между средней по Сибири глубиной (или площадью) снежного покрова и приземной температурой воздуха в каждом узле расчетной сетки.
Полученные результаты показали (Рисунки 3.8-3.13), что для декабря и февраля на большей части территории Сибири корреляция между рассматриваемыми величинами достаточно высокая. Причем расположение этих областей совпадает с областями статистической,значимости возмуще ний, вносимых в глубину и площадь снежного покрова при построении ан самбля, что дает основание говорить о наличии влияния величины снежно го покрова, территории Сибири в октябре на приземную температуру воз духа данной территории в декабре и феврале. При этом, как отмечалось ранее, величина корреляции в декабре выше, чем в феврале. Стоит также отметить, что для декабря на всей рассматриваемой территории величи на корреляции отрицательна, что говорит об обратном влиянии парамет ров друг на друга. Для февраля, ситуация обратная, значение корреляции положительно. Описанные особенности справедливы, как для «максимум ансамбля», так и для «минимум-ансамбля». Для января значение коэффи циента корреляции на всей рассматриваемой территории очень мала, и со ставляет менее 0.Г. Это закономерно, поскольку, как было определено ранее, возмущения, вносимые в октябре в величину снежного покрова при форми ровании ансамбля, были незначимы для этого месяца. . . . Из приведенных результатов видно, что изменение величины снежно го покрова в октябре наиболее сильно влияет на приземную температуру воздуха в декабре. /
Можно привести следующее описание возможного механизма исследуемого взаимодействия на примере увеличения величины снежного покрова Сибири (Рисунок 3.5) [118]. Величина снежного покрова рассматриваемой территории быстро увеличивается, превышая нормальное значение. Возникшее диабатическое выхолаживание способствует увеличению давления на территории Сибріри и приводит к снижению температуры ниже нормы. Таким образом, увеличиваются восходящие потоки энергии в тропосфере, которые поглощаются в стратосфере. Сильная конвергентность волновых потоков обуславливает увеличение значений геопотенциальных высот, замедление полярного вихря и увеличение температуры в стратосфере. Возникшие аномалии геопотенциальных высот и ветров распространяются вниз из стратосферы в тропосферу вплоть до поверхности. В результате на поверхности проявляется сильная отрицательная фаза АК, выраженная в увеличении приземной температуры воздуха.
Пакет программ для анализа результатов моделирования
Для реализации методики вычисления значений индекса когерентности (Раздел 2.3), необходимых для исследования влияния влажности почвы на количество выпадающих осадков, была разработана программа «Omega» (Рисунок 4.2). Входными данными для программы служат двоичные неформатированные файлы прямого доступа, а результатом работы являются два файла: текстовый файл со средней по территории Сибири величиной ftp для каждого года и двоичный неформатированный файл прямого доступа с избранными полями Qp.
Вычисление Qp производится последовательно для каждого рассматриваемого типа осадков: сначала расчет осуществляется для крупномасштабных осадков, а затем для конвективных. Для каждого типа осадков расчет осуществляется отдельно по каждому отдельно взятому году. В рамках каждого года осуществляется чтение входных данных, вычисление среднего количества осадков за каждый трехдневный период (период агрегации осадков) для каждого элемента ансамбля. После того, как все необходимые данные считаны из входных файлов, проводится осреднение трехдневных средних но территории Сибири. Далее, по формуле (2.1) осуществляется вычисление Р, затем вычисляется среднее значение по всем вычисленным значениям Р, после чего производится вьічислешіе дисперсий ар и ар. Затем по формуле (2.4) осуществляется вычисление искомого параметра Qp. После проведения описанных вычислений, результат выводится в файлы.
Программа «Omega» позволяет осуществлять расчет Qp, как для каждого года, так и для целого десятилетия. Кроме того, при помощи этой программы возможно проводить расчет с различными периодами агрегации осадков (не только трехдневными). Единственное ограничение, накладываемое на задаваемую величину периода агрегации осадков — это отсутствие остатка от деления тридцати дней (длительность модельного месяца) на величину периода агрегации.
Для вычисления разницы величин Qp полученных для ансамблей W1-W10 и R1-R10 и для визуализации полученных результатов была разработана программа «Omega_vis». Разработка «Omega_vis» осуществлялась при помощи языка IDL. Результатом ее работы являются графические файлы в формате Encapsulated Postscript с изображением полей абсолютных значений Qp(R) — Qp(W).
Для реализации методики проверки статистической значимости вносимых возмущений (Раздел 3.3.1), необходимой для исследования влияния аномалий осеннего снежного покрова на зимнюю приземную температуру воздуха, была разработана программа «Significance» (Рисунок 4.3). Определение статистической значимости вносимых возмущений в величину снежного покрова осуществлялось для трех месяцев: декабря, января и февраля. Расчет для каждого месяца проводился отдельно. Программа «Significance» была написана при помощи языка IDL.
На вход программа «Significance» получает двоичные неформатированные файлы прямого доступа, количество которых равно количеству членов ансамбля. Результатом работы программы являются графические файлы в формате Encapsulated Postscript с изображением полей географического распределения значений -статистики Стьюдента с наложенными поверх изолиниями, обозначающими критические значения, соответствующие нескольким выбранным уровням значимости а.
Последовательно для каждого члена ансамбля осуществляется считывание из входных файлов среднесуточных значений приземной температуры для рассматриваемого месяца (декабря, января или февраля) и вычисление среднемесячного значения приземной температуры. Далее на основе вычисленных для каждого члена ансамбля среднемесячных значений приземной температуры вычисляется среднеансамблевое значение приземної ! температуры. Используя полученные по формуле (3.3) значения, вычисляется дисперсия сг0. Далее, используя последовательно формулы (3.4) и (3.5), вычисляются поля географического распределения значений rut, соответственно. Последний блок программы осуществляет отрисовку искомого поля значений t (значения t-статистики Стьюдента) и набрасывание Чтение поля среднесуточной приземной температуры
Для расчета полей корреляции (Раздел 3.3.2) на языке IDL была разработана программа «T_Snow_correl» (Рисунок 4.4), позволяющая осуществлять вычисления как полей корреляции, так и средних значений коэффициента корреляции по рассматриваемой территории. Вычисления при помощи данной программы осуществляются отдельно для каждого рассматриваемого ансамбля.
В качестве входных данных программа «T_Snow_correl» использует двоичные неформатированные файлы прямого доступа, количество которых равно количеству членов ансамбля. Результатом работы программы являются графические файлы в формате Encapsulated Postscript с изображением полей корреляции между глубиной или площадью снежного покрова и приземной температурой воздуха для каждого зимнего месяца в отдельности.
Последовательно для каждого члена ансамбля для каждого дня октября осуществляется считывание полей глубины снежного покрова, далее для каждого дня каждого зимнего месяца — полей приземной температуры воздуха. После считывания данных проводятся вычисления необходимых полей корреляции и средних значений индексов корреляции Пирсона по территории Сибири для каждого зимнего месяца в отдельности. Далее, осуществляется отрисовка вычисленных полей и сохранение созданных изображений в файл в формате Encapsulated Postscript. Рис. 4.4. Блок-схема вычислительного модуля «T__Snow_correl».
