Содержание к диссертации
Введение
Глава 1. Проблема улучшения качества глобальных архивов метеорологических полей . 7
1.1. Глобальные архивы метеорологических полей. 7
1.2. Восстановление метеорологических полей по данным наблюдений. 9
1.2.1. Формально-математические методы восстановления полей. 9
1.2.2. Статистические методы восстановления метеорологических полей. 12
1.2.3. Динамические методы восстановления метеорологических полей . 16
Глава 2. Метод динамической интерполяции метеорологических полей . 26
2.1. Описание мезомасштабной модели ММ5. 29
2.2. Численные эксперименты. 39
2.2.1. Области интегрирования модели. 40
Глава 3. Оценка результатов интегрирования мезомасштабной модели ММ5 . 50
3.1. Метод оценки модельных данных. 50
3.1.1. Фаззи-верификация. 50
3.1.2. Метод пространственно-осредненных величин. 53
3.2. Сопоставление формально-интерполированных данных реанализа NCEP/NCAR с полями ММ5 и данными станционных наблюдений . 56
3.3. Оценка результатов моделирования методом пространственно-осредненных величин. 62
Глава 4. Синоптические и региональные особенности интерполированных полей . 81
4.1. Синоптические особенности метеорологических полей. 81
4.2. Особенности метеорологических полей, обусловленные физико-географическими факторами . 98
Глава 5. Практическое применение результатов динамической интерполяции метеорологических полей . 115
5.1. Прогнозирование атмосферной засухи на Европейской части России. 115
5.2. Подходы к прогнозированию паводков в бассейнах рек Европейской части России и Предуралья . 123
Заключение 137
Литература 139
- Динамические методы восстановления метеорологических полей
- Сопоставление формально-интерполированных данных реанализа NCEP/NCAR с полями ММ5 и данными станционных наблюдений
- Особенности метеорологических полей, обусловленные физико-географическими факторами
- Подходы к прогнозированию паводков в бассейнах рек Европейской части России и Предуралья
Введение к работе
Актуальность темы
Принципиальной задачей, стоящей перед современной метеорологией и климатологией, является необходимость получения достоверной информации о ПОЛЯХ метеорологических элементов с высокой пространственной дискретностью. Горизонтальное разрешение метеорологических полей, получаемых при проведении климатических численных экспериментов на выходе из моделей общей циркуляции атмосферы, составляет 100-200 км. При этом невозможно правильно отразить особенности территории (рельеф, типы растительности и др.), определяющие своеобразие тепло-влагообмена поверхности суши с атмосферой, а также нельзя моделировать системы мезомасштабных циркуляции (атмосферные фронты, бризы, системы гроз и др.).
Можно констатировать, что такое грубое разрешение не обеспечивает надежного воспроизведения климатических процессов на региональном уровне. Необходимая детальность метеорологических полей не может быть обеспечена использованием методов формальной интерполяции, поскольку при их применении не учитываются ни физико-географические особенности территории, ни вклад мезометеорологических процессов.
Таким образом, насущной задачей современной гидрометеорологии является физически обоснованный переход к высокому пространственному разрешению метеорологических полей.
В диссертационной работе поставлена актуальная научная задача, заключающаяся в разработке методики динамической интерполяции метеорологических полей.
Цель работы
Цель работы состоит в создании физически обоснованной методики, позволяющей осуществлять интерполяцию метеорологических полей для небольших по площади территорий. Для решения этой задачи используется мезомасштабная модель атмосферы. Модельный климат формируется, с одной стороны, как реакция
атмосферы на явно заданные особенности подстилающей поверхности, с другой стороны представляет собой «внутреннее свойство» атмосферной динамики, поскольку моделью воспроизводятся процессы мезомасштаба, создающие важные обратные связи с крупномасштабной динамикой атмосферы.
В соответствии с этой целью поставлены следующие задачи диссертации:
Разработать методику интерполяции метеорологических полей, основанную на данных мезометеорологического моделирования.
Оценить качество интерполированных полей путем сравнения с данными станционных наблюдений.
Оценить разработанную методику на примере решения конкретных практических задач.
Основные положения, выносимые на защиту
Методика динамической интерполяции метеорологических полей.
Результаты оценки качества полученных полей.
Обоснование применения методики к решению практических задач, в которых требуются метеорологические поля высокого разрешения.
Методы исследований
Динамическая интерполяция метеорологических полей осуществляется на базе гидродинамической региональной модели ММ5 (Mesoscale and Microscale Model) Национального Центра Атмосферных Исследований США (). Модель ММ5 широко используется в мире для моделирования и прогноза региональных атмосферных процессов, а также для динамической детализации (динамического даунскейлинга) метеорологических полей. Модель ММ5 находится в открытом доступе для зарегистрированных пользователей, она постоянно улучшается и обновляется Национальным Центром Атмосферных Исследований США, а также рядом других ее пользователей. В данной работе была использована третья версия
модели ММ5 (MM5V3), в настоящее время функционирует также следующая версия
данной модели - модель WRF (). Отличительными особенностями WRF являются уточненная гидродинамическая постановка задачи и численная схема более высокого порядка точности.
Научная новизна работы
Научная новизна работы заключается в получении физически оптимальных метеорологических полей для относительно небольших территорий, в использовании оригинальной методики для сравнения полученных полей с данными наблюдений, в оценках пространственных масштабов осреднения полей температуры, осадков и влажности.
Практическая ценность работы
Практическая ценность работы состоит в возможности получения метеорологических полей с достаточно высоким пространственным разрешением, необходимым для пользователей метеорологической информации. Это позволяет решать различные задачи прогнозирования климата и климатически обусловленных изменений состояния окружающей среды.
Апробация работы
Основные результаты диссертации докладывались автором на ряде семинаров географического ф-та МГУ и лаборатории климатологии Института географии РАН. Также результаты исследований обсуждались на конференциях «Enviromis-2006», г. Томск, «Экологическая безопасность урбанизированных территорий в условиях устойчивого развития», г. Астана, Казахстан (2006), и международном семинаре молодых ученых «Climate change and variability: the role of anthropogenic factors», r. Санкт-Петербург, Главная Геофизическая Обсерватория им. Воейкова, 2007 г.
Публикации
По теме диссертации опубликовано 7 печатных работ; из них 4 из списка ВАКа.
Структура и объем работы
Динамические методы восстановления метеорологических полей
Динамические методы восстановления метеорологических полей основаны на уравнениях, описывающих состояние атмосферы. На уравнениях гидротермодинамики основаны модели общей циркуляции атмосферы.
В последнее десятилетие модели общей циркуляции атмосферы характеризуются значительным прогрессом в развитии. Для воспроизведения естественных и возможных антропогенных изменений климата широко используются глобальные модели, включающие математическое описание основных компонентов климатической системы: атмосферы, океана, деятельного слоя суши, криосферы и биосферы [26]. Для ограниченных территорий используются региональные модели.
Решение уравнений гидротермодинамики модели может быть осуществлено только численными методами с применением компьютера. В конечно-разностном методе непрерывное пространство и время заменяются дискретным- множеством точек — узлами сетки, в спектральных методах пространственная структура полей представляется в виде конечных рядов по системам базисных функций [37].
Океан в атмосферных моделях в наиболее простом варианте представляется морской поверхностью с заданной температурой и расположением морских льдов, представляющий собой неограниченный источник влаги и испарения. Следующая ступень — модель, в которой океан представлен слоем неподвижной однородной воды неизменной глубины, которая выбрана так, чтобы воспроизводились реалистические сезонные вариации запасов тепла в деятельном слое. В более совершенных моделях учитывается возможность вертикальной диффузии тепла от поверхности вниз, в глубокие слои [27]. Трудность совместного моделирования процессов в атмосфере и океане заключается в том, что время установления процессов в океане на несколько порядков превышает время установления процессов в атмосфере, что накладывает жесткие ограничения на пространственное разрешение модели атмосферы.
Развитие блока суши идет по пути подробного описания гидрологических процессов и тепловлагообмена суша-атмосфера. В І некоторых случаях к модели общей циркуляции атмосферы і I пристыковываются блоки континентального оледенения и химические или биологические блоки с ограниченным набором обратных связей.
Обмен теплом и влагой, между сушей и атмосферой - сложнейший физико-биологический процесс, который зависит от пространственно неоднородных характеристик, таких как видовой- состав растительности, водно-физические свойства почвы, состояние растений и окружающей их среды [46]. Поэтому основные идеи-учета растительности в моделях были сформулированы лишь к середине восьмидесятых годов [52]. Их основное отличие от существовавших в то время разнообразных математических моделей ландшафтов (поля, занятого- конкретной культурой; небольшого участка леса; отдельного зеленого листа) заключалось в применении универсальных подходов, пригодных для- описания любых ландшафтов. При этом использовались такие характеристики почв и растительности, которые могут быть определены для всего- земного шара: радиационные потоки, турбулентные потоки тепла и влаги вблизи поверхности, потоки тепла и влаги в деятельном слое подстилающей поверхности [52]. Схемы-модели системы почва — растительность — атмосфера могут быть весьма разнообразными как с точки зрения используемых зависимостей, так и подробности вертикальной дискретизации почвенного слоя и растительности. Однако практическая реализация схем SVATS (Soil-Vegetation-Atmosphere Transfer Scheme) сталкивается с проблемами получения надежной информации в глобальном масштабе и обобщения представлений о процессах фотосинтеза и транспирации. Расчет динамики сезонного снежного покрова обычно выполняется на основе уравнения бюджета водного эквивалента снега [27]. Поскольку пространственное разрешение моделей общей циркуляции атмосферы для многих климатически значимых процессов недостаточно, такие процессы представляются в моделях с помощью параметризаций, которые основаны на физических соотношениях между климатическими характеристиками разных пространственных масштабов.
Численные эксперименты по моделированию современного климата в рамках международных проектов сравнения атмосферных моделей AMIP-I, АМІР-И, а также в рамках программы CMIP3 показали высокое качество воспроизведения климатических характеристик [59]. Также данные проекты достаточно полно представляют основные аспекты верификации-расчетов с помощью моделей общей циркуляции атмосферы. Результаты моделирования сопоставляются с данными наблюдений глобальной метеорологической сети. Обычно для оценки климатических моделей используют такие категории как структура статистики основных климатических параметров, балансы в климатической системе, климатические процессы [26].
В ответ на необходимость климатической информации более подробного разрешения в конце 1980-х годов начали развиваться региональные модели климата. До этого в течение ряда лет региональное моделирование использовалось в оперативной практике прогностических центров погоды [112], однако интегрирование по времени моделей не превышало нескольких дней.
Воспроизведение регионального климата на длительные сроки требовало учета в моделях кроме орографии и особенностей подстилающей поверхности процессов, второстепенных по отношению к краткосрочному прогнозированию, но критичных по отношению к прогнозам на несколько десятилетий или столетие (радиационные процессы, процессы тепловлагообмена в почве и др.) [112]. Климатическая информация на региональном уровне получалась, таким образом, из глобальных моделей с использованием статистических методов (см.1.2.2). Первая региональная модель климата была создана в Национальном Центре Атмосферных Исследований США (NCAR) в 1989 г [112]. Эта модель интегрировалась сроком на один месяц и использовалась в численных экспериментах с глобальными атмосферными моделями и в экспериментах по изучению планетарного пограничного слоя. В ходе различных экспериментов было показано, что ограниченная по территории региональная модель способна успешно воспроизводить региональный климат на длительные сроки.
После первых показательных экспериментов сроком на один месяц последовали эксперименты на более длительные сроки: год, несколько десятилетий, столетие [112]. Горизонтальное разрешение региональных моделей составляло вначале 50-125 км$ затем, постепенно увеличиваясь, достигло 15-25 км. В настоящее время региональные и мезомасштабные модели интегрируются с разрешением до 1 км.
Региональные модели атмосферы- интегрируются над областями, охватывающими материк или часть материка с окружающими акваториями океанов (Западная Европа, Восточно-Европейская равнина, Евразия). Уравнения региональных моделей, как и уравнения глобальной модели,. описывают эволюцию І полей давления, температуры, удельной5 влажности, компонент скорости ветра. Описание большинства атмосферных процессов в региональных моделях одинаково- с глобальными моделями, однако некоторые параметры, принятые при описании физических процессов, различаются, что обусловлено различиями, как в разрешении моделей, так и в методах решения основных уравнений [70].
В отличие от глобальных моделей, региональные модели требуют задания краевых условий на границах. Начальными и граничными данными в них являются поля; рассчитанные с помощью глобальной модели, при этом связь между физическими и динамическими процессами в глобальной и региональной моделях обычно осуществляется по принципу одностороннего взаимодействия, в результате которого учитывается только влияние глобальных крупномасштабных процессов на региональные [71]. Областью интегрирования по вертикали является, как и в глобальных моделях, вся толща атмосферы. При численном интегрировании системы уравнений региональной атмосферной модели точность расчетов зависит, как от способности самой региональной модели воспроизводить атмосферные процессы мезомасштаба, так и от качества воспроизведения атмосферной циркуляции глобальной моделью.
Наиболее известными региональными моделями на сегодняшний день являются модели Метеорологической Службы Великобритании (МЕТО-НС), Германской Службы погоды (MPI-M-REMO), Института им. Макса Планка в Германии, Национального Центра Атмосферных Исследований в США (ММ5, WRF), HIRLAM, COSMO, ALADIN [14].
Оценка результатов интегрирования модели представляет собой довольно сложную задачу: с одной стороны необходимо оценить качество воспроизведения моделью реальных метеорологических полей, с другой стороны существует достаточное количество «модельного шума», идентифицировать который довольно сложно [113].
Ошибки модельного прогноза включают как ошибки начальных данных, так и систематические ошибки, связанные с описанием в модели подсеточных процессов. При этом-качество модельных полей варьирует в зависимости от рассматриваемых величин, а также от конкретных географических регионов [113].
Сопоставление формально-интерполированных данных реанализа NCEP/NCAR с полями ММ5 и данными станционных наблюдений
Для того чтобы оценить качество модельных данных, результаты моделирования ММ5 сопоставлялись с данными формально-математически интерполированных данных Реанализа с базовой широтно-долготной сетки с разрешением 2,5x2,5 на сетку с разрешением 10 км. В целях прикладной интерпретации полученных данных для задач климатологии, агрометеорологии, гидрологии рассматривались только приземные метеорологические поля.
Применялись следующие, методы: интерполяция методом кригинга (линейная, экспоненциальная, гауссовская, логарифмическая), полиномиальная интерполяция, интерполяция методом триангуляции и радиальная интерполяция [29].
Поля температуры, осадков, удельной и относительной влажности за конкретный срок наблюдений, вычисленные для Центральной области путем интерполяции и полученные с помощью модели, представлены на рис. 3.2.1, рис. 3.2.2, рис. 3.2.3, рис. 3.2.4. Интерполированные поля (рис. 3.2.1а,б, рис. 3.2.2а,б, рис. 3:2.3а, рис.3.2.4а) гладкие, фактически не отражающие реальную структуру метеорологических полей у земной поверхности. Прогностическое поле ММ5 (рис. 3.2.1B, рис. 3.2.2в, рис. 3.2.36, рис. 3.2.46) гораздо ближе к данным наблюдений (рис. 3.2.1г, рис. 3.2.2г, рис. 3.2.Зв, рис. 3.2.4в), по сравнению с данными Реанализа.
Наблюденное распределение температуры воздуха (рис. 3.2.1 г) имеет выраженные региональные особенности. Максимум температуры воздуха приходится на район Московского мегаполиса, также повышение температуры воздуха приходятся на южную часть Смоленско-Московской возвышенности, имеющей наибольшую высоту (319 м). В целом изменение температуры происходит в южном и юго-восточном направлениях от 12 до 17С. Схожие черты имеет и поле ММ5 (рис. 3.2.1в) - изменение температуры происходит в том же направлении, отражен максимум температуры воздуха, приходящийся на мегаполис. Частично отражено повышение температуры в районе южной части Смоленско-Московской возвышенности. ММ5 завышает значения температуры воздуха -максимальное значение составляет 18 С, минимальное - 14С. На картах, полученных при интерполировании Реанализа, для линейной интерполяции изменение температуры происходит только в одном направлении и оба максимума совершенно не выражены. Для интерполяции гауссовским методом максимум в районе Москвы представлен очень приблизительно в виде окружности, имеющей значительный диаметр. Изменение температуры происходит радиально по отношению к центрам окружностей.
На прогностическом на 1 сут поле осадков за ту же дату, полученном с помощью модели ММ5 (рис. 3.2.2в), видны ярко выраженные максимумы сумм осадков в западной и северо-западной частях области. Осадки меняются от 0-10 мм на востоке до 50 мм на северо-западе. Максимум осадков по данными станционных наблюдений (рис. 3.2.2г), так же как и для ММ5, приходится на западную часть области и соответствует южной части Смоленско-Московской возвышенности, что может быть связано с орографическим увеличением их количества до 30-40 мм.
Поля осадков, интерполированные различными методами (рис. 3.2.2), распределены по территории равномерно, их количество составляет 20-30 мм на большей части области и уменьшается до 10 мм на севере и юго-западе области.
Для поля удельной" влажности воздуха (рис.3.2.3) модель отразила низкое содержание водяного пара- в воздухе на востоке рассматриваемой области(рис. 3.2.36). На севере в районе г. Владимира, модель дает уменьшение влажности до 9 г/кг. Такое же уменьшение отмечено и в районе Оки. Для Верховьев р. Москвы, отмечено, наоборот, увеличение влажности. Для всех методов,интерполирования данные Реанализа также не отображают реального распределения удельной влажности воздуха в анализируемом масштабе.
Рассмотрим относительную влажность. Модельное поле относительной влажности (рис:3.2.4б) получилось- весьма, детальным: отражен минимум относительной влажности, приходящийся на северо-запад области, а также изменение влажности в меридиональном направлении с юга на север. Можно утверждать, что детализированная пространственная картина относительной влажности принципиально не может быть воспроизведена по данным реанализа, вместе с тем, ее особенности довольно четко проявляются на карте, полученной с помощью ММ5.
Для всех методов интерполирования данные Реанализа также не отображают реального распределения температуры, осадков, удельной и относительной влажности воздуха в анализируемом масштабе.
Таким образом, качественный визуальный анализ данных интегрирования ММ5, интерполированных данных Реанализа и данных станционных наблюдений позволяет сделать вывод, что ММ5 способна воспроизводить региональные особенности метеорологических полей, в отличие от интерполированных данных Реанализа, не отражающих реальную структуру метеорологических полей у земной поверхности.
Особенности метеорологических полей, обусловленные физико-географическими факторами
Для того чтобы выделить физико-географические особенности метеорологических полей, брались в рассмотрение ситуации, когда погода выбранных областей определялась устойчивыми циркуляциями, не связанными с прохождением атмосферных фронтов.
При всем многообразии видов подстилающей поверхности вода и суша оказывают наиболее выраженные различия на метеорологические поля. Коэффициент шероховатости у водной поверхности (0.01 см) намного меньше, по сравнению с другими типами подстилающей поверхности; альбедо воды 8 %; водная поверхность также характеризуется наибольшей термической инерцией (0.06) [51].
Коэффициент шероховатости и отражательная способность меняются в зависимости от условий рельефа и степени увлажнения. Испарение влаги с поверхности грунта, транспирация растений также меняются от места к месту. При этом изменяется количество тепла, затрачиваемого на испарение, следовательно, изменяется температура поверхности почвы и приземного слоя воздуха.
Большие разнообразия свойств подстилающей поверхности имеет растительность [44]. Отражательная способность степей составляет 20%, тогда как альбедо хвойных лесов только 12%, альбедо смешанных и широколиственных лесов составляет 13-16%). Коэффициент шероховатости хвойного леса 50 см, наименьший коэффициент шероховатости у луга (20 см). Коэффициент шероховатости города совпадает с коэффициентом шероховатости хвойного леса (50 см), альбедо урбанизированной территории 18%; термическая инерция города меньше по сравнению с окружающей территорией.
На распределение метеорологических величин также существенное влияние оказывают отдельные формы рельефа, такие как невысокие возвышенности, хребты, впадины, котловины. В связи с перетеканием воздушных течений через хребты на наветренных склонах гор увеличиваются осадки; над склонами различной экспозиции создаются резкие перепады в распределении температуры воздуха. В горах возникают местные системы циркуляции - горно-долинные ветры, фены. Центральная область
Июль 1981 г. характеризовался жаркой засушливой погодой, центр Восточно-Европейской равнины находился под влиянием сменявших друг друга антициклонов. 14 июля центральная область интегрирования находилась в восточной части обширного антициклона с центром над Украиной (PHC.VII). Данные станций отражают западное направление ветра, характерное для северной периферии антициклона (Рис.4.1.3е). Влияние московского мегаполиса в центральной части области проявляется неупорядоченными направлениями ветра. На модельной карте четко проявился центр антициклона, расположенный в пределах центральной области, также в районе Москвы заметна орографическая деформация воздушного потока (Рис.4.1.3д). Вследствие устойчивой антициклональной погоды по всей территории рассматриваемой области наблюдались достаточно высокие температуры воздуха (Рис.4.2.1а), распределение температуры воздуха по территории было практически однородно, в северозападной части области температура имела несколько пониженные значения. Аналогичную ситуацию можно увидеть на карте модели (Рис.4.2.2а) -температура воздуха слабо меняется по территории, значения температуры составляют 26-28С, на северо-западе области отражается небольшое понижение температуры, связанное с влиянием Валдайской возвышенности.
В отличие от станционных данных моделью отражается более высокая температура воздуха в районе Москвы (Рис.4.2.2а) [50]. Влагосодержание атмосферы колеблется в пределах 13-15 г/кг (Рис.4.2.1в), район Москвы отмечен пониженным содержанием водяного пара в воздухе (Рис.4.2.2в). Относительная влажность достаточно низка по всей территории и составляет 34-37% (Рис.4.2.1д). Моделью воспроизводится уменьшение относительной влажности в районе московского мегаполиса (Рис.4.2.2д). Осадков не выпадает, как по данным станций, так и по данным модели.
Другой случай расположения Центральной области в зоне влияния антициклона, на этот раз область расположена в его центральной части (PHC.VIII). Из данных станционных наблюдений видно, что при общем восточном направлении воздушного потока ветер имел неупорядоченные направления (Рис.4.1.3з). Модель дает такое же северо-восточное направление, но при этом отражается, антициклоническая циркуляция, в районе Москвы заметны небольшие орографические отклонения ветра (Рис.4.1.3ж). Температура воздуха увеличивается в северо-восточном направлении (Рис.4.2.1б), при этом станциями отражается московский «остров тепла» — температура воздуха в Москве на 1-2С превышает соответствующие значения на соседних станциях (Рис.4.2.1б) [50]. Хорошо выражен «остров тепла» на карте модели (Рис.4.2.26). Среднерусская, Валдайская, а также частично Смоленско-Московская возвышенности проявились при данной синоптической ситуации пониженными значениями температуры [62]. Максимальные значения температуры приходятся, как и по станционным данным, на северо-восток области интегрирования (Рис.4.2.2б). Содержание водяного пара в воздухе увеличивается с запада на восток и с юга на север (Рис.4.2.1г). Наибольшие значения удельной влажности отмечались в северо-восточной части области (Рис.4.2.1г). Похожее распределение удельной влажности дает модель (Рис.4.2.2г) — влажность меняется в северо-восточном направлении, в районе Москвы пониженное содержание водяного пара в воздухе. Относительная влажность при данной синоптической ситуации колебалась в пределах 40-58% (Рис.4.2.1е), увеличиваясь в северо-восточном направлении. Степень насыщенности воздуха водяным паром в Москве была ниже по сравнению с окружающими станциями, наименьшие значения относительной влажности отмечались на юге области, в районе Тулы. (4.2.1 е). Моделью воспроизводится основное распределение относительной влажности (Рис.4.2.2е), отчетливо виден минимум относительной влажности в Москве и повышенная насыщенность воздуха водяным паром в районе Валдайской и Смоленско-Московской возвышенностей (Рис.4.2.2е). Причерноморская область
2 июля 1980 г. причерноморская область находилась на западной периферии области низкого давления с двумя замкнутыми; изобарами (Рис.ІХ). На станционной- карте ветра (рис.4; 1.бе) видно, что наблюдался западный перенос воздушных масс, при этом в высокогорной: части Кавказа направление ветра; претерпевало заметные изменениям вследствие орографической; деформации. Вдоль побережья наблюдалась бризовая циркуляция - ветер имел направление, от моря к суше (рис.4.1.6е) [58]. Распределение температуры воздуха (рис.4.2.3а) очень неоднородно — на большей части территории значения температуры составляют 23-24, на побережьях Черного и; Азовского, морей вследствие охлаждающего влияниям водной поверхности температура воздуха на Г-2С ниже,; чем на удаленноШот моря территории в горном районе температура воздуха понижается с высотой, при этом отдельные высокогорные станции дают значения температуры почти на 10С ниже, по сравнению с равниной:(рис.4.2.3а):
Распределение, влажности также имеет свои особенности - содержание водяного пара в воздухе уменьшается по мере удаления от побережий, при этом в районе Новороссийска отдельные хребты Кавказской горной системы препятствуют проникновению: влажного воздуха вглубь территории и повышенные значения удельной влажности тянутся узкой полоской вдоль побережья (рис.4.2.3в).
Подходы к прогнозированию паводков в бассейнах рек Европейской части России и Предуралья
Одна из возможностей применения на практике метода динамической интерполяции полей заключается в получении суточных сумм осадков, относящихся к площадям речных бассейнов. Осадки, выпадающие на территории речных бассейнов необходимы для характеристики таких опасных гидрологических явлений, как паводки. Паводки возникают за счет стекания дождевых вод со склонов бассейна реки, их добегания по гидрографической сети и кратковременного увеличения водности рек [57]. Дождевые паводки обусловлены в основном метеорологическими факторами, такими как ливневые дожди и таяние снега во время оттепели. Ливневые дожди в некоторых случаях могут давать за 2-3 часа слой осадков 80-100 мм [43] и образовывать суточные максимумы осадков.
Чем больше интенсивность и продолжительность выпадения осадков, тем больше (при прочих равных условиях) величина дождевого паводка. Чем больше отношение между площадью распространения дождя и площадью бассейна, тем также больше величина возможного паводка. Поэтому сильные паводки происходят чаще всего на средних и малых реках [57].
Паводки характеризуются- количеством стекающей воды, то есть речным стоком. Величина речного стока определяет расход воды, т.е. объем воды, протекающей через поперечное сечение потока в единицу времени (Q, м3/с). При увеличении уровня воды в реке во время паводка увеличивается и расход воды. Для средних и малых рек величина суточного расхода воды во время паводка может достигать нескольких сотен м3/с.
На величину речного стока в- период выпадения дождя оказывает влияние влажность воздуха и почвы. Чем меньше влажность воздуха и суше почва, тем больше затраты воды на испарение и инфильтрацию и тем меньше величина речного стока. Существенное влияние на сток оказывают факторы подстилающей поверхности, влияющие на время добегания дождевых вод: рельеф, наличие и расположение озер на водосборе, развитие карстовых и трещиноватых пород, характер почвы, степень залесенности и заболоченности, а также регулирующее влияние гидротехнических сооружений и хозяйственное использование земель. Поэтому один и тот же дождь в зависимости от состояния подстилающей поверхности и влажности воздуха может в одних случаях образовывать речной сток, в других случаях -почти не давать стока [57].
Речной сток, таким образом, может быть представлен как разность количества выпавших осадков и испарения, с учетом фильтрации влаги в почву. R = P-LE-F где Р - осадки, LE - испарение, F - фильтрация в почву.
Ввиду сложности оценки величины фильтрации, в нашем случае рассчитывался речной сток, представляющий собой разность осадков и испарения (P-LE). Такой речной сток называется климатическим стоком.
На сети метеорологических станций не проводятся регулярные измерения испарения с подстилающей поверхности. Существует большое число как теоретических, так и эмпирических методов расчета испарения по ограниченному набору данных станционных наблюдений, среди них метод М.И. Будыко, П.С. Кузина и Б.В. Полякова, А.Р: Константинова и. др., Фильтрация влаги в почву оценивается учетом процессов, протекающих в почве.
В период 1980-1989 гг. на территории, покрытой областями интегрирования модели- ММ5, в июле месяце паводки наблюдались в Центрально-Европейской части России на реках Протва (1980, 1988), Угра (1988), Днепр (1988), в Приуралье на реках Быстрый Танып (1983), Сим (1985) и Тюй (1986). Графики расхода воды для этих случаев представлены на рис. 5.2.1. Территория земной поверхности, с которой все поверхностные и грунтовые воды стекают в реку, включая различные ее притоки, называется речным бассейном. Расположение речных бассейнов на модельной сетке, положение метеостанций и замыкающих гидропостов (расположенных на выходе из речных бассейнов) показано на рис. 5.2.2, рис. 5.2.3. Площадь речных бассейнов меняется от 4620 км для р. Протвы до 16400 км для р. Сим (Таблицу 5.1).
Как было показано в главе 3, с увеличением площади осреднения качество модельных данных возрастает. Зависимости от площади для осредненных значений осадков и испарения с включением выбранных речных бассейнов показаны на рис. 5.2.4, рис. 5.2.5. Видно, что для Центральной области интегрирования (рис. 5.2.4а, рис. 5.2.5а) разброс значений для малых площадей меньше, чем для Приуральской области. Это характерно, как для осадков, так и для испарения. Для площади бассейна р. Протвы разброс значений (модель-станции) для осадков составляет примерно 5 мм, для испарения около 3 мм. Для бассейна р.Тюй, имеющего самую небольшую площадь в Приуральской области интегрирования (6750 км ) разброс значений по осадкам может составлять до 15 мм, по испарению до 5 мм. Такое различие для Центральной и Приуральской областей объясняется разницей в количестве станций, расположенных на площадях осреднения и определяющих погрешность среднего по площади, а также влияющих на разброс значений. К примеру, для Центральной области интегрирования на площадь 32400 км2 приходится 7 станций, тогда как для Приуральской области на ту же площадь приходится только 3 станции. В первом случае погрешность для осадков и испарения составляет 0,13 и 0,22 мм соответственно, во втором случае 0,5 мм и 1, 2 мм соответственно. Таким образом, мы можем с определенной степенью доверия относиться к модельным данным, осредненным по площади речных бассейнов, начиная с 100км и учитывать возможный разброс значений для меньших площадей.
Расход реки для паводков имеет форму трапеции [57]. С началом дождя дождевая вода начинает стекать в реку, при этом расход реки на замыкающем гидропосте постепенно увеличивается. Когда весь речной бассейн начинает подавать воду к гидропосту, расход, достигнув максимума, становится постоянным. С окончанием дождя происходит постепенное уменьшение расхода реки. Продолжительность увеличения расхода соответствует времени добегания воды с отдаленных мест водосбора до гидропоста (рис. 5.2.6, рис. 5.2.7). Если время выпадения дождя соответствует времени добегания, то максимум расхода реки совпадает с окончанием дождя. Если время добегания больше или меньше продолжительности дождя, то максимум расхода имеет сдвиг по отношению ко времени окончания дождя.
Климатический сток рассчитывался как по данным ММ5, так и по данным наблюдений. Так как данные станционных наблюдений не содержат испарения, испарение для станций было- получено с помощью расчетного метода А.Р. Константинова [57]. Метод А.Р. Константинова, основанный на анализе механизма турбулентного обмена, позволяет рассчитывать величины испарения на поверхности почвы в зависимости от средних значений температуры и влажности воздуха, измеряемых на метеорологических станциях. Как следует из работы [13] расчет испарения по этому методу дает значения, наиболее близкие к непосредственно измеренным.
На (рис. 5.2.8, рис. 5.2.9) представлен климатический сток, осредненный по площади речных бассейнов для модели и станций. Погрешности среднего по площади для станционных данных показаны вертикальным интервалом. Увеличению расхода воды во время паводков (рис. 5.2.6, рис. 5.2.7) должны соответствовать (по времени) значительные положительные разности между осадками и испарением.
