Содержание к диссертации
Введение
ГЛАВА 1. История и современное состояние долгосрочного метеорологического прогнозирования
1.1. Долгосрочная предсказуемость и определяющие ее факторы 9
1.2. Информационная основа долгосрочных метеорологических прогнозов 18
1.3. Эмпирические методы долгосрочного прогнозирования 22
1.4. Динамические методы долгосрочного прогнозирования 33
1.5. Оперативный выпуск долгосрочных прогнозов в ведущих зарубежных
центрах 38
1.6. Оперативный выпуск долгосрочных прогнозов в России 42
ГЛАВА 2. Реанализы как составляющая информационной основы долгосрочного прогнозирования
2.1. Введение к Главе 2 46
2.2. Использование реанализов полей температуры и влажности 48
2.2.1. Сопоставление данных реанализов и радиозондовых наблюдений 48
2.2.1.1. Использованные данные 48
2.2.1.2. Методика сравнения 51
2.2.1.3. Анализ результатов - температура воздуха 52
2.2.1.4. Анализ результатов - удельная влажность 55
2.2.2. Сравнение данных реанализа NCAR/NCEP и наблюдений по региону Средней Азии 57
2.2.3. Глобальные оценки трендов температуры в свободной атмосфере по данным реанализов и по радиозондовым наблюдениям. 60
2.2.3.1.Использованные данные и их подготовка 62
2.2.3.2. Вертикальные профили трендов 64
2.2.4. Региональные оценки трендов температуры воздуха по данным реанализов и станционных наблюдений в бассейне Аральского моря 79
2.2.4.1. Регионализация и тренды температуры воздуха 81
2.2.4.2. Вертикальные распределения трендов 83
2.2.4.3. Антропогенное воздействие или естественная изменчивость? 85
2.2.4.4. Сезонная изменчивость трендов 87
2.2.4.5. Частотная структура изменчивости по результатам вэйвлет-анализа 89
2.3. Верификация характеристик снежного покрова из реанализов 92
2.3.1. Реанализы снежного покрова по территории России 93
2.3.1.1. Использованные данные и методика анализа 94
2.3.1.2. Результаты и их обсуждение 99
2.3.2. Характеристики снежного покрова в бассейне Аральского моря по данным реанализов и наблюдений и их взаимосвязь с расходами рек 112
2.3.2.1. Использованные данные и методы анализа 114
2.3.2.2. Сравнение характеристик снежного покрова по данным реанализов и измерений 116
2.3.2.3. Изменчивость характеристик снежного покрова и речных расходов 120
2.4. Сравнение наземных и спутниковых наблюдений снежного покрова 125
Выводы по Главе 2 129
ГЛАВА 3. Некоторые характеристики атмосферы и подстилающей поверхности, влияющие на долгосрочную предсказуемость
3.1. Прогностический потенциал снежного покрова 136
3.1.2. Районирование полей температуры и водного эквивалента снега по территории Северной Евразии 138
3.1.3. Асинхронные корреляции между водным эквивалентом снега и приземной температурой воздуха 150
3.1.4. Разложение полей водного эквивалента снега в районах повышенной информативности по ЭОФ 159
3.1.5. Трехмерный анализ связей водного эквивалента снега с температурой воздуха в тропосфере и нижней стратосфере Северного полушария 160
3.2. Блокирующие антициклоны и их влияние на предсказуемость 172
3.2.1. Изменчивость характеристик квазистационарных антициклонов за период с 1950 по 2010 гг 174
3.2.2. Блокирующие антициклоны и предсказуемость 183
3.2.3. Длительные аномалий температуры и блокинги на территории Северной Евразии 189
3.2.4 Композиционный анализ связей активности блокирующих 191
антициклонов с характером распределения снежного покрова
3.3. Выводы по Главе 3 193
ГЛАВА 4. Интерпретация ансамблевых прогнозов в задачах долгосрочного метеорологического прогнозирования
4.1 Усовершенствованый статистический прогноз хода температуры воздуха внутри месяца с использованием ансамблевых гидродинамических прогнозов... 197
4.1.1. Испытания схемы прогноза на независимом материале 199
4.1.2. Анализ изменчивости связей предиктора и предиктанта и априорная оценка успешности прогнозов 207
4.1.3. Объективная классификация изменчивости атмосферных ситуаций 211
4.2. Мультимодельный подход при составлении прогнозов погоды на сезон...216
4.2.1. Данные и методология 219
4.2.2. Оценки успешности мультимодельного прогнозирования 222
4.3. Методы комплексации ансамблевых прогнозов 229
4.4. Выводы по Главе 4 238
ГЛАВА 5. Методики применения долгосрочных метеорологических прогнозов для отдельных секторов экономики
5.1. Введение 240
5.2. Долгосрочное прогнозирование пожарной опасности лесов с использованием ансамблевых сезонных прогнозов 241
5.2.1. Вводные замечания 242
5.2.2. Данные и методология 246
5.2.3. Анализ результатов 250
5.3. Прогнозирование температурного режима холодного периода для нужд энергетики 260
5.3.1. Параметр ГСОП 261
5.3.2. Прогностические значения приземной температуры воздуха и ГСОП..262 5.4. Заключение к Главе 5 272
Заключение 274
Литература
- Эмпирические методы долгосрочного прогнозирования
- Сопоставление данных реанализов и радиозондовых наблюдений
- Региональные оценки трендов температуры воздуха по данным реанализов и станционных наблюдений в бассейне Аральского моря
- Районирование полей температуры и водного эквивалента снега по территории Северной Евразии
Введение к работе
1. Актуальность выполненного исследования
Социально-экономическая востребованность прогностической метеорологической информации постоянно возрастает, особенно в связи с происходящими изменениями климата. Вместе с этим, до настоящего времени существует значительный уровень неопределенности долгосрочных метеорологических прогнозов (долгосрочными здесь и далее мы будем называть прогнозы на месяц и более длительные сроки). Прогресс, достигнутый за последние десятилетия в области систем климатических наблюдений, возможность использования новых источников четырехмерных метеорологических данных с недоступными ранее пространственно-временным охватом и разрешением, появление современных гидродинамических схем прогноза и мощных вычислительных ресурсов открывают перспективу более детального учета различных синоптических и макроциркуляционных факторов с целью повышения качества прогнозов. Исследования, составившие основу предлагаемой диссертационной работы, позволили сформулировать научно-практические направления по совершенствованию технологий выпуска долгосрочных метеорологических прогнозов (ДМП), которые сочетают использование перечисленных новых ресурсов и разработанных ранее традиционных методов. Таким образом, актуальность работы определяется постоянно растущими требованиями к повышению оправдываемости ДМП со стороны различных секторов экономики.
Рамочной концепцией, определяющей современные стандарты взаимодействия между пользователями и поставщиками климатической информации, стала Глобальная основа климатического обслуживания (ГОКО), принятая ВКК-3 (Третьей всемирной климатической конференцией). Одним из требований, предъявляемых к ДМП на современном этапе, является их проблемная ориентированность и адаптированность к потребностям пользователей. В соответствии с этим, в развитых странах активно разрабатываются инструменты поддержки принятия решений для различных социальных и экономических секторов с учетом климатической информации, и накапливается опыт их практического применения, убедительно свидетельствующий о преимуществах использования такого подхода. Это в полной мере относится и к социально- экономической сфере Российской Федерации. В предлагаемой диссертационной работе возможности и пути повышения результативности решения практических проблем секторов экономики за счет более полного и эффективного учета климатической информации продемонстрированы на примерах задач энергетики и подразделений лесного хозяйства.
2. Цели и задачи диссертационной работы
Общей целью диссертационной работы является развитие методов повышения качества ДМП с применением структурно-статистического подхода. Под термином «структурно-статистический подход» здесь понимается оптимизация основных структурных компонентов технологии подготовки ДМП (организация информационной базы, интерпретация гидродинамических и статистических прогнозов, учет синоптических и макроциркуляционных факторов, адаптация прогнозов для нужд секторов экономики) на основе статистического анализа составляющих их элементов.
Для достижения общей цели требовалось решить следующие задачи:
Предложить подходы для увеличения объема и повышения точности входных данных, составляющих информационную основу прогноза - данных, используемых в качестве предикторов в статистических схемах, либо ассимилируемых при использовании численных моделей.
Исследовать связь долгосрочной предсказуемости с крупномасштабными характеристиками подстилающей поверхности (такими, как температура поверхности океана и снежный покров) и циркуляционными факторами атмосферы (квазистационарная циркуляция, блокинги).
Типизировать синоптическую информацию о крупномасштабных циркуляционных процессах для априорной оценки предсказуемости и оптимального выбора предикторов.
Развить методику статистической интерпретации и комплексации долгосрочных гидрометеорологических прогнозов с целью оптимального комбинирования статистических и динамических методов прогнозирования.
Разработать методики адаптации ДМП для решения конкретных задач в интересах отраслей экономики, в частности, для лесного хозяйства и в сфере энергетики.
3. Положения, выносимые на защиту и их новизна
Обоснование степени адекватности данных реанализов и их информативности в применении к задачам ДМП на основе сравнения продуктов реанализов (характеристики снежного покрова, температура на разных изобарических поверхностях, удельная влажность) и данных прямых измерений.
Оценки влияния крупномасштабных характеристик подстилающей поверхности и синоптических факторов на предсказуемость метеоэлементов на долгие сроки и выводы о высоком прогностическом потенциале характеристик снежного покрова в Сибири и долгоживущих (более десяти дней) блокирующих антициклонов для задач ДМП.
Схема априорного оценивания успешности ДМП на основе типизации изменчивости полей предикторов.
Обоснование улучшения качества долгосрочного прогнозирования при применении методов интерпретации ансамблевых прогнозов в ходе вычислительных экспериментов с отечественными глобальными гидродинамическими моделями (Гидрометцентра РФ и ГГО) и зарубежными моделями, используемыми в работе Климатического центра Азиатско-Тихоокеанского сотрудничества.
Методики внедрения ДМП в интересах конкретных отраслей экономики: в сфере теплоэнергетики реализована методика оценки прогнозирования параметра ГСОП (градус-сутки отопительного периода), характеризующего потребность в отоплении; для нужд подразделений лесного хозяйства предложена методика прогнозирования лесной пожарной опасности на долгие сроки c учетом прогностической информации моделей ПЛАВ (Россия) и СБ8(США).
4. Практическая значимость результатов работы
По результатам сравнения данных станционных, спутниковых измерений и реанализов ведущих прогностических центров по отдельным метеоэлементам (температура воздуха приземная и в свободной атмосфере, водный эквивалент снега, высота снежного покрова, площадь снежного покрова, удельная влажность в свободной атмосфере) сформулированы методические рекомендации по использованию перечисленных данных в технологиях составления ДМП и при валидации гидродинамических моделей в ходе численных экспериментов.
Оценки долгопериодной изменчивости отдельных метеоэлементов в глобальном и региональном масштабах будут учитываться при подготовке оперативных ДМП и послужат повышению их успешности.
Выполненные исследования по определению влияния крупномасштабных характеристик подстилающей поверхности, таких как снежный покров, и синоптических факторов, таких как блокирующие антициклоны, на предсказуемость метеоэлементов на долгие сроки позволяют выявить периоды и регионы повышенной успешности ДМП. Учет этих факторов целесообразно реализовать в технологическом комплексе по выпуску ДМП в ФГБУ «Гидрометцентр России».
Результаты исследований, связанных с мультимодельным подходом к повышению качества ДМП, нашли практическое применение в технологии выпуска сезонных ансамблевых прогнозов в рамках оперативной деятельности Северо-евразийского регионального климатического центра Межгосударственного Совета по гидрометеорологии стран СНГ.
Результаты сравнительного анализа прогнозов на холодный период, выпускаемых двумя центрами - Центром исследований атмосферы и окружающей среды (США) и Гидрометцентром России - представленные в форме, адаптированной для потребителей в энергетической отрасли, позволяют повысить эффективность решения практических задач в сфере энергетики.
Созданная система и программно-технический комплекс долгосрочного прогнозирования пожароопасности лесов прошли апробацию и внедрены в производственную деятельность служб оперативного управления и планирования ФГУ «Авиалесохрана» (акт о внедрении прилагается).
5. Апробация результатов
Результаты диссертационной работы докладывались на научных семинарах в Гидрометцентре России, Росгидромете, Национальная администрация по вопросам океана и атмосферы (NOAA, США), Национальный центр по прогнозированию окружающей среды (NCEP, США), Национальный межведомственный центр по борьбе с пожарами (NIFC, США), в Университете Жироны (Испания), в Университете штата Аризона (США), а также на многочисленных конференциях. Ниже перечислены только конференции, форумы, семинары за последние 3 года:
Международная конференция «Использование гидрометеорологической информации для нужд энергетической отрасли РФ» (Москва; 2009 г.),
VI Всероссийский метеорологическом съезд (Санкт-Петербург, 2009 г.);
Конференция "М.А. Петросянц и современные проблемы метеорологии и климатологии" (2009 г., Москва);
Техническая конференция по изменению климата; 15-й сессии Комиссии по климатологии (Анталия, Турция; 2010 г.);
Пятый корейско-российский совместный семинар по изменению и колебаниям климата (Чжейдо, Корея, 2010 г.);
Международный семинар «Проблемы и достижения долгосрочного метеорологического прогнозирования» (Киев, Украина, 2011 г.);
Международная конференция «Проблемы адаптации к изменению климата» (Москва, 2011 г.);
Ежегодные ассамблеи Европейского Геофизического Союза (Вена, Австрия, 20062011 гг);
Первый Форум стран СНГ по сезонным климатическим прогнозам (Москва, 2011 г.);
Международный семинар «Управление климатическими рисками» (Алма-Ата, Казахстан, 2011 г.).
Международное совещание экспертов ВМО по взаимодействию с пользователями климатической информации (Женева, 2011 г.)
Международное совещание экспертов ВМО по наращиванию потенциала для целей реализации Глобальной рамочной климатической основы (Женева, 2011 г.).
Международный семинар «Управление климатическими рисками» (Братислава, Словакия, 2012 г.).
По теме диссертации опубликована 41 печатная работа, из них 16 статей в журналах из перечня изданий, рекомендованных ВАК, 10 статей в сборниках «Труды Гидрометцентра России», 3 статьи являются главами в книгах, остальные работы - статьи в разных журналах и сборниках.
-
-
Специальность, которой соответствует диссертационная работа
По своей тематике диссертационная работа соответствует специальности 25.00.30 - «метеорология, климатология и агрометеорология» в перечне специальностей, утвержденном ВАК.
-
-
Структура и объем диссертации
Эмпирические методы долгосрочного прогнозирования
Вместе с этим, в последние десятилетия было установлено, что состояние поверхности суши и особенно влагосодержание почвы также обладают высоким прогностическим потенциалом по отношению к изменчивости атмосферы в различных масштабах. Так, например, важными предикторами летних засух и наводнений в США оказались аномалии влажности почвы в предшествующий период (Beljaars et al, 1996). Результаты численных экспериментов (Fischer et al, 2007) показали, что отрицательная аномалия увлажненности почвы в предшествующий весенний сезон усилила эффект волн жары в Европе 2003 г.
Изменчивость снежного покрова, которая также не всегда в полной мере учитывалась в ранних прогностических схемах, тоже может существенно влиять на погодные и климатические аномалии. Еще в конце XIX - начале XX века было высказано предположение о влиянии снега в Евразии на активность Индийского муссона (Blanford, 1884, Walker, 1910). Основные механизмы воздействия снега связаны с эффектами альбедо и увлажнения почвы в результате снеготаяния, причем последние могут иметь большее даже значение, чем первые. Таким образом, аномалии снега или льда могут оказывать заметное влияние на климат за счет обратных связей с циркуляцией атмосферы. Так, (Cohen and Entekhabi, 1999) установили, что существует тесная связь между площадью снежного покрова с зимней модой арктического колебания (АК), представленной первой эмпирической ортогональной составляющей наблюдаемого поля Hsoo в Северном полушарии. В работе (Clark and Serreze, 2000) была выявлена связь изменчивости снежного покрова на востоке северной Евразии с аномалиями зимней атмосферной циркуляции над северной частью Тихого океана. В статье (Watanabe and Nitta, 1999) исследован переход от отрицательной к положительной фазе АК, который произошел зимой 1989 г, и предположили, что аномально низкие значения снежного покрова в Евразии могут вносить в формирование наблюдаемого климатического сдвига вклад, сопоставимый со вкладом аномалий температуры поверхности океана (ТПО).
Параметры снежного покрова являются важной характеристикой гидрологического цикла, и их адекватное представление необходимо для прогнозирования погоды и климата. В ряде работ средствами моделирования и анализа данных наблюдений было показано, что распределения снежного покрова оказывают существенное влияние на характер атмосферной циркуляции (например, Clark et al, 1999; Clark and Serreze, 2000). Несмотря на значительное количество недавних публикаций на эту тему (например, Fallot et al, 1997, Cohen and Entekhabi, 1999; Groisman et al., 1994; Hall and Qu, 2006), наше понимание взаимных обратных связей между снегом и климатической системой остается неполным.
В работе Brown et al. (2003) была представлена база данных по высоте снежного покрова (ВСП) и водному эквиваленту снега (ВЭС) за период с 1979 по 1996 гг на регулярной сетке с высоким пространственным разрешением. Эта база данных была получена на основе совмещения результатов моделей снежного покрова и наблюдательных данных. Авторы выполнили сравнение оценок ВЭС по территории Северной Америки с независимыми данными наблюдений. Отмечено хорошее совпадение первых со вторыми для средних широт. В работе Frei et al. (2005а) база данных, построенная Brown et al. (2003), была дополнена еженедельными данными спутников NOAA о площади снежного покрова, а также данными по осадкам и температуре воздуха на регулярной сетке. Получившиеся массивы были использованы для оценки успешности 18 моделей глобальной циркуляции атмосферы (МГЦА) в части воспроизведения снежного покрова и ВЭС. В работе Roesch (2006) выполнена валидация полей ВЭС из нескольких современных численных моделей климата на основе данных глобальной климатологии ВСП, подготовленных U.S. Air Force Enviromental Technical Application Center, с помощью эмпирических данных о плотности снега Verseghy (1991). Для большинства рассмотренных моделей IPCC А4 была обнаружена положительная невязка, связанная с завышением интенсивности снегопадов в зимний и весенний сезоны.
Данных по ВСП и ВЭС для Евразии, аналогичных данным Brown et al. (2003) для Северной Америки, в настоящее время не существует. Сами авторы упомянутой работы отмечают, что им не удалось распространить подготовленные массивы на север Евразии в связи с недостаточностью имеющихся данных прямых измерений. Количество метеостанций, выполняющих такие измерения, существенно уменьшилось в 1990-х гг. Таким образом, почти единственным регулярным источником информации по снежному покрову северной Евразии за длительные интервалы времени являются реанализы. Оценки качества воспроизведения реанализами характеристик снежного покрова приведены ниже в разделе 2.6 предлагаемой диссертационной работы. Как отмечено в работе {Груза, Ранькова, 1983), при поиске статистических закономерностей и связей между предиктантом и предикторами в процессе построения прогностических схем одним из основных требований к архивным данным является стационарность, т.е. неизменность во времени их вероятностных характеристик. Однако, хорошо известно, что климат меняется. Поэтому при разработке методов долгосрочного прогнозирования весьма существенным является учет закономерностей изменчивости климатических особенностей в региональном и глобальном масштабах. Таким образом, в эмпирических прогностических схемах необходимо учитывать оценки предполагаемых климатических изменений и их влияние на конечные выводы. Стоит также отметить, что ряд статистических методов прогноза, например методы авторегрессии и авторегрессиии скользящего среднего, по существу, основаны на наличии трендов в исходных данных
Прогностическая роль трендов исследовалась в работе (Житорчук, 1981, Юдин и др. 1990, Груза и Ранькова, 2012). При анализе коэффициентов разложения полей давления и температуры воздуха по эмпирическим ортогональным функциям выделялись квадратичные тренды. Было наглядно показано, что предсказуемость рассматривавшихся величин существенно связана с наличием трендов. Учет климатического тренда как средство повышения успешности долгосрочных метеорологических прогнозов рассматривался в работе (Юдин и др., 1990). Было предложено рассматривать прогноз метеорологической величины как сумму двух слагаемых, прогноза трендовой составляющей и прогноза отклонений от тренда. Прогнозы медленно меняющейся трендовой составляющей и быстро меняющихся отклонений от тренда должны быть разными. Тренды в рядах некоторых метеоэлементов четко проявляются и являются статистически значимыми, как например тренды температуры в холодный период. На основании численного эксперимента сравнения прогнозов с учетом и без трендовой составляющей для температуры, осадков и индекса засушливости эти авторы пришли к выводу, что раздельный прогноз тренда и флуктуации приводит к повышению успешности.
Сопоставление данных реанализов и радиозондовых наблюдений
География распределения значений Z показывает, что наибольшая концентрация "удовлетворительно совпавших" профилей трендов температуры в тропосфере характерна для Европы и Северной Америки. Над территорией России и СНГ наблюдается чередование "удовлетворительно совпавших" точек с "неопределенно совпавшими". Над юго-восточной Азией, а также над регионами Тибета и Гималаев, отмечена самая высокая концентрация "неудовлетворительно совпавших" станций. Это может быть связано как со сложной орографией в данном регионе (например, в горной местности, где отсутствуют данные по нижней части тропосферы и общее число сопоставляемых поверхностей уменьшается, повышается цена несовпадения знаков трендов на оставшихся уровнях в верхней части тропосферы), так и с невысоким качеством данных аэрологических наблюдений в этом регионе. Для Южного полушария количество отобранных длиннорядных станций, удовлетворяющих критериям настоящего исследования, весьма ограничено, особенно для территории Африки. Исключение в южном полушарии составляет территория Австралии, где имеется достаточное количество длиннорядных станций и удовлетворительное совпадение профилей трендов температуры в тропосфере.
При рассмотрении значений критерия Z совпадения трендов за более короткий период - 1979-1998 гг - (т.е. при учете в результатах реанализа спутниковой информации), рис. 2.7(6), наблюдается увеличение числа станций с удовлетворительно совпавшими по знаку трендами, особенно в юго-восточном регионе Евразии. Следует учитывать, что угловые коэффициенты линейных трендов, как и всякая статистическая характеристика, оцениваемая по эмпирической выборке, характеризуются не только их значениями К, но и величинами стандартных ошибок вычисления этих угловых коэффициентов а(К). Поэтому, наряду с критерием Z, введем критерий Z : где тс-число уровней (поверхностей) вертикального профиля линейных трендов, на которых интервалы (К-ст(К), К+о"(К)) для оценок величин К линейных трендов, рассчитанных по данным радиозондирования и по данным реанализа NCAR/NCEP, хотя бы частично перекрываются, либо полностью лежат в областях одного знака (положительного или отрицательного), та- число уровней (поверхностей) вертикального профиля линейных трендов, на которых интервалы (К-а(К), К+а(К)) для оценок величин К линейных трендов, рассчитанных по данным радиозондирования и по данным реанализа NCAR/NCEP, не перекрываются и полностью лежат в областях разных знаков, М - суммарное число сопоставляемых уровней. Нетрудно видеть, что критерий Z по сравнению с Z является более «мягким», и при вычислениях для некоторого профиля справедливо соотношение: Z Z. Как показала практика вычислений, в подавляющем большинстве случаев Z Z.
Характеристики совпадений линейных трендов температуры в атмосфере приведены в таб. 2.4. При расчете величин для таблицы использовались все 15 уровней. В ней в отдельности рассматриваются три слоя атмосферы: 1) планетарный пограничный слой и нижняя тропосфера (поверхности от 1000 до 700 гПа включительно); 2) средняя и верхняя тропосфера (500 - 150 гПа); и 3) нижняя стратосфера (100-20 гПа). Таблица 2.4. Характеристики совпадения знака линейных трендов температуры с использованием Z критерия, полученных по среднемесячным данным NCEP/NCAR реанализа и аэрологического зондирования для свободной атмосферы
В таб. 2.4 результаты приведены для трех градаций значений критериев Z и Z1 количество станций, попадающих в данную градацию, а также их процент от общего числа станций. Из таблицы видно, что доля совпавших знаков трендов температуры существенно меньше для планетарного пограничного слоя и для нижней тропосферы, чем для остальных слоев. В то же время доля неопределенных совпадений (значения Z и Z от 0 до +0.5) достаточно близка для разных слоев и мало изменяется при переходе от одного периода оценки трендов к другому (1964-1998 гг и 1979-1998 гг). Наилучшее совпадение знаков трендов (наивысшая доля удовлетворительных совпадений) наблюдается не в нижней стратосфере, как можно было бы предположить, а в слое средней и верхней тропосферы. Возможным объяснением здесь могло бы служить следующее. В нижней стратосфере рассматривается меньшее число изобарических поверхностей, чем в слое средней и верхней тропосферы, поэтому здесь цена несовпадения трендов (по критериям Z и Z1) оказывается более высокой, чем для слоя верхней тропосферы.
Если сравнивать соответствующие оценки доли удовлетворительно совпавших знаков трендов в станциях по большему (1964-1998 гг) и по меньшему (1979-1998 гг) периодам, то видно, что для слоя 100-700 гПа они мало различаются, а для двух других рассматриваемых слоев (500-150 гПа и 100-20 гПа) доля удовлетворительно совпавших знаков трендов выше для более короткого периода (1979-1998 гг), когда полнота и качество радиозондовых данных улучшились.
Помимо К-критерия, для сравнения долгопериодных составляющих вертикальных профилей температуры использовался ROC-анализ (Таб. 2.5). Основой данного анализа является построение так называемой ROC-кривой, которая используется для представления результатов бинарной классификации. В нашем случае рассматривались три равновероятные градации трендов «положительные», «отрицательные», «нейтральные». ROC-кривая показывает зависимость количества верно классифицированных примеров от количества неверно классифицированных примеров.
Меры совпадения по критерию ROC знака линейных трендов температуры, полученных по среднемесячным данным реанализов NCEP/NCAR, ERA-40 и данным CARDS аэрологического зондирования для свободной атмосферы
Как видно из Таб. 2.5, оба реанализа в целом неплохо воспроизводят тренды температуры в свободной атмосфере, однако реанализ ERA-40 более адекватен. Наилучшим образом воспроизводятся отрицательные тренды, связанные со стратосферным похолоданием. Анализ агрегированных показателей ROC указывает на то, что в тропической зоне степень совпадения реанализов и фактических данных ниже, чем в умеренных и высоких широтах.
Для обобщения результата, значения аномалий температуры на каждой изобарической поверхности были зонально осреднены по десятиградусным широтным зонам как для данных реанализа, так и для статистик в точках станций. По зонально-осредненным величинам были построены тренды для каждой поверхности. На рис. 2.8(a) приведены вертикальные сечения зональных значений линейных трендов за период 1964-1998 гг. для полосы от 70 ю.ш до 80 с.ш. а на рис. 2.8(6) - те же сечения, но для периода 1979-1998 гг.
Вертикально-зональные сечения значений линейных трендов температуры воздуха за период 1964-1998 гг (а) и 1979-1998 гг по данным реанализа NCAR/NCEP и радиозондовых данных (б) Как видно из рис. 2.8, похолодание в нижней стратосфере наблюдается во всем диапазоне широт, причем оно оказывается сильнее в тропической зоне Южного полушария. Для периода 1964-1998 гг максимальные скорости похолодания по данным реанализа составляют около -0.8С/10 лет. Скорость стратосферного похолодания для этого периода по радиозондовым данным оказывается несколько большей по сравнению с реанализом. Похолодание в нижней стратосфере в период 1979-1998 гг выражено интенсивней, значения трендов тут доходят до -1.3 С/10 лет по данным реанализа и до -1.4С/10 лет по радиозондовым данным.
Наличие положительного тренда в нижней тропосфере в широтном поясе от -40 до 70 с.ш. можно видеть в обоих источниках данных. За период 1964-1998 гг скорость потепления составляла 0.2С/10 лет, а за период 1979-1998 гг потепление происходило со скоростью 0.3С/10лет. Регион в Северном полушарии, где наиболее ярко выражен положительный тренд температуры, является наиболее индустриально развитым и густо населенным. В то же время следует учитывать, что густота сети наблюдений и качество данных в указанном регионе выше чем во многих других регионах, особенно в Южном полушарии.
Наименьшие расхождения величин трендов температуры для двух типов данных видны для средней тропосферы (500 гПа - 700 гПа) для всех широтных поясов обоих полушарий. Для периода 1964-1998 гг максимальные расхождения значений трендов температуры наблюдались над тропическим регионом обоих полушарий на уровнях 150 гПа - 50 гПа и в умеренных широтах Южного полушария на уровнях 300 гПа - 100 гПа. Для периода 1979-1998 гг максимальные расхождения значений трендов температуры наблюдались над тропическим регионом Северного полушария на уровнях 250 гПа - 20 гПа и в тропиках Южного полушария на уровнях 70 гПа - 20 гПа. Значительные расхождения численных значений трендов температуры имели место также у поверхности Земли. Таким образом, можно утверждать, что наибольшие искажения в вертикальную структуру полей температуры в реанализах вносятся вблизи земной поверхности и в слое тропопаузы, что вполне объяснимо, поскольку в схемах четырехмерного усвоения трудно адекватно воспроизвести турбулентные процессы в этих слоях.
Региональные оценки трендов температуры воздуха по данным реанализов и станционных наблюдений в бассейне Аральского моря
В этой главе приведены результаты исследований по определению влияния крупномасштабных характеристик состояния подстилающей поверхности, таких как снежный покров, и атмосферы, таких, как блокинги, на предсказуемость метеоэлементов на долгие сроки.
Отклик атмосферы на аномалии состояния подстилающей поверхности зависит от динамики циркуляционного режима, при котором действует эта аномалия, а также от характеристик поверхности. Так, для материковой подстилающей поверхности с неоднородным снежным покровом характерны гораздо более значительные колебания теплоемкости, теплопроводности, альбедо и других параметров по сравнению, например, с поверхностью океана. Взаимодействие атмосферы со снежным покровом должно учитываться в прогностических схемах метеоэлементов на долгие сроки. В данной работе представлены результаты по исследованию прогностических свойств снежного покрова на территории северной Евразии.
Для более эффективного прогнозирования важно рассматривать аномалии на подстилающей поверхности в сочетании с фазами протекающих крупномасштабных процессов. Как известно, одним из существенных факторов, определяющих характер циркуляции во внетропических широтах, являются блокирующие антициклоны. Результаты исследований блокирующих антициклонов в атлантико-европейском секторе и их влияния на предсказуемость также представлены в этой главе.
Прогностический потенциал снежного покрова
В данном разделе выполнено исследование статистических связей характеристик снежного покрова на территории северной Евразии с температурным режимом, позволившее получить новую информацию о прогностических свойствах снежного покрова. На основе результатов предыдущей главы мы используем здесь для анализа характеристик снежного покрова вместо станционных данных сеточный массив данных реанализа INTERIM.
Климатообразующее значение снежного покрова отмечалось еще А.И.Воейковым в его книге «Снежный покров, его влияние на климат, почву, погоду и способы исследований», вышедшей в 1889 г. {Воейков, 1889). Прогностическая ценность снежного покрова обсуждалась и в других ранних работах того же времени, например, Blanford (1884) и Walker (1910) обнаружили существование связи между обильными снегопадами в Гималаях и последующими осадками в Индии. Вместе с этим, работы, где в качестве предиктора использовался бы снежный покров, являются единичными в отечественной литературе и слабо представлены в зарубежной {Cohen and Fletcher, 2007, Clark and Serreze, 2001, Cohen et and Entekhabi, 1999). Между тем снежный покров является мощным климатообразующим фактором, оказывает влияние на температурный режим воздушных масс, на промерзание и режим влажности почвы {Мещерская и др., 1982), и т.д. Аккумуляции снежного покрова содержат предысторию условий накопления снега. Снег отличается большей инерционностью по сравнению с метеорологическими факторами, формирующими его и, как следствие, может оказаться более информативным предиктором.
Впервые вопрос о целесообразности использования снежного покрова в долгосрочных прогнозах погоды был рассмотрен в работе Т.В.Покровской и др. (1964). Авторы оценивали вклад разных факторов, включая снежный покров к концу зимы, в аномалию величины средней месячной температуры воздуха в апреле над европейской территорией России (ЕТР). С целью установить связи между характеристиками (максимальная высота, даты разрушения и схода, высота во вторую и третью декады марта) снежного покрова и аномалиями температуры воздуха весной рассматривались корреляционные зависимости для 50 отдельных станций ЕТР за период 1937-1951 гг. Результаты показали, что связи не являются сильными. Заметная связь между температурой апреля и снежным покровом была отмечена лишь для 40% рассмотренных случаев, причем самые высокие корреляции наблюдались между апрельской температурой и высотой снежного покрова в последнюю декаду марта и в основном для станций северных районов, лежащих в долинах рек или котловинах.. Более наглядно проявляется влияние снежного покрова как подстилающей поверхности на термический режим на ЕТР в целом, а не по отдельным станциям.
При применении физико-статистических методов долгосрочных прогнозов погоды снег впервые был включен в состав предикторов Юдиным, Мещерской и др (1967). Авторы провели детальный статистический анализ информации о границе снежного покрова на ЕТР и пришли к выводу о его большой прогностической значимости. Было отмечено, что наибольший прогностический потенциал имеет характеристика максимальной высоты снежного покрова.
«Вторая волна» повышенного внимания к исследованиям взаимодействия криосферы с другими компонентами климатической системы относится к началу 2000-х гг. Появилось большое количество публикаций. Так, Cohen and Entekhabi (1999) установили, что существует тесная связь между площадью покрытия снежного покрова с зимней модой арктического колебания (АК), представленной первой эмпирической ортогональной составляющей наблюдаемого поля Н500 в Северном полушарии. Clark and Serreze (2000) выявили связь изменчивости снежного покрова на востоке с аномалиями зимней атмосферной циркуляции над севером Тихого океана. Watanabe and Nitta (1999) исследовали сдвиг от отрицательного к положительному АК, который произошел зимой 1989 г, и предположили, что аномалии снежного покрова в Евразии могут вносить в наблюдаемый климатический сдвиг вклад, сопоставимый со вкладом аномалий ТПО. Cohen and Fletcher (2007) разработали статистическую модель sCast для прогнозирования зимней температуры воздуха над Сверным полушарием. В качестве предиктора использовалась спутниковая информация о среднем состоянии снежного покрова в октябре и аномалии давления, приведенного к уровню моря над внетропической зоной Сверного полушария. В этой работе приводятся оценки успешности как для ретроспективных прогнозов для 33 зим (1972-2005 гг), так и для оперативных прогнозов за последние 7 лет. Модель продемонстрировала высокую оправдываемость для большей части восточной территории США и севера Евразии, т.е. одних из самых сложных для прогнозирования регионов. Сравнительный анализ оценок успешности с результатами 3 ведущих гидродинамических моделей показал заметное преимущество модели sCast.
В предлагаемой диссертационной работе мы исследуем прогностические свойства снежного покрова посредством проведения статистических экспериментов с использованием современных источников информации о снежном покрове. Анализируется также влияние температурного режима в тропосфере и нижней стратосфере в Северном полушарии на мощность залегания снежного покрова в наиболее энергоактивных районах - северном и центральном регионах Сибири.
Районирование полей температуры и водного эквивалента снега по территории Северной Евразии Районирование полей метеоэлементов играет важную роль в анализе и прогнозе короткопериодных колебаний климата, проводимых на основе данных наблюдений и данных гидродинамических моделей. Неоднородность структуры полей температуры в зимний период и снежного покрова в северной Евразии связаны с рядом факторов -таких как географическое положение, большая территориальная протяженность, разнообразие рельефа и ландшафтных зон, расположение центров действия атмосферы, влияние океанов. Как показано в работе Анисимова (2012), традиционное районирование, основанное на широтной зональности, континентальное и орографии, не вполне отвечает современным требованиям для задач, связанными с оценками и прогнозами регионального и глобального климата. Выделенные для некоторых средних климатических условий районы не являются стабильными во времени, в том числе из-за долгопериодных колебаний климата. При использовании станционных наблюдений в задачах классификации на первый план выходит вопрос об обеспеченности данными наблюдений в выделяемых районах, их однородности и репрезентативности в отношении физико-географических особенностей. Переход к сеточным данным с достаточным пространственно-временным разрешением отчасти решает эту проблему. В этом параграфе используются самые современные реанализы (INTERIM, NCEP/DOE), где сеточные поля ВЭС и приземной температуры имеют достаточно высокое пространственно-временное разрешение. Данные этих реанализов регулярно обновляются и достаточно полно отражают современные климатические тенденции (см. также Главу 2). Рассматриваемый в расчетах период охватывал интервал с 1979 по 2011 гг.
Для проведения районирования существуют различные подходы и алгоритмы, основанные на методах многомерной статистики (например, Боннер 1969, Груза, Ранькова, 1970, Батырева и др. 1999, Анисимов и др., 2007; Груза, Ранъкова, 2009; Груза и др., 2006, 2007, 2008, Вилъфанд и Хан, 1999, Вилъфанд и др. 2003, 2007). Для эффективного решения задач этого параграфа необходимо было реализовать процедуру климатического районирования посредством объективной классификации, которая бы позволила оптимально сжать и преобразовать исходную информацию, но при этом корректно отобразить естественную изменчивость исследуемого метеорологического поля. К исходным полям температуры воздуха и снежного покрова была применена процедура объективной типизации К-средних для отыскания регионов со схожими признаками изменчивости метеоэлементов во времени. Кластеризация методом К-средних — метод определения принадлежности элементов кластерам с помощью минимизации «расстояния» между элементами кластера и максимизации расстояния между кластерами {Манделъ, 1988,).
Районирование полей температуры и водного эквивалента снега по территории Северной Евразии
Применение ансамблей среднесрочных прогнозов гидродинамической модели к статистическим методам месячного прогноза является принципиально новым подходом. Научные исследования, ориентированные на изучение предсказуемости элементов погоды на пролонгированные сроки на базе статистической интерпретации ансамблей гидродинамических прогнозов практически не освещены в зарубежных публикациях. Статистическая идеология интерпретации динамики результатов интегрирования моделей на средние сроки не развита. Выделение синоптических «индикаторов», предшествующих долгопериодным аномалиям, осуществленное в данной работе посредством статистических методов, обычно находится за пределами возможностей современных динамических моделей. Эмпирические методы могут быть более эффективными в этом смысле.
Мультимодельный подход при составлении прогнозов погоды на сезон В настоящее время модели общей циркуляции атмосферы занимают все более значительное место в прогнозировании на месяц-сезон. Хотя предсказуемость, основанная на «памяти» начальных условий интегрирования (предсказуемость первого рода по Лоренцу), ограничивается приблизительно двухнедельным сроком, возможность продления прогноза на более длительные периоды основывается на предсказуемости среднего статистического состояния атмосферы (предсказуемость второго рода). Практическая возможность такого прогноза была продемонстрирована Дж. Шуклой {Shukla, 1981, Shukla etal, 2000).
Важным шагом на пути усовершенствования численного прогнозирования с помощью моделей общей циркуляции атмосферы стало внедрение ансамблевого подхода.
Вместо единичного интегрирования на период прогноза, инициируемого некоторым начальным состоянием атмосферы, проводится несколько (ансамбль) интегрирований при одних и тех же граничных условиях, но инициализируемых несколькими случайно отклонениями в состоянии атмосферы. Результатом такого подхода является также ансамбль прогнозов, в той или иной степени отличающихся друг от друга. Предполагается, что каждый индивидуальный прогноз содержит информативный сигнал и некоторую погрешность, обусловленную «погодным шумом». Из предположения, что эти погрешности случайны и распределены нормально, следует, что информативный сигнал заключен в среднем ансамбля, при этом разброс может интерпретироваться как характеристика неопределенности прогноза. Ансамблевый подход привел к значительному повышению оправдываемое прогнозов. Обзор методов генерации ансамблей и примеры использования систем прогнозирования по ансамблям в ведущих прогностических центрах изложены в работе {Муравьев, Куликова, 2005). В настоящее время почти все прогностические центры, и российские и зарубежные, строят свои прогнозы на ансамблевом подходе. Однако и эти улучшенные прогнозы имеют скромный уровень оправдываемости. Следующим шагом на пути к повышению качества долгосрочных прогнозов стало создание мультимодельных ансамблей. Этот сравнительно новый подход получил распространение только в последнее десятилетие и до сих пор имеет довольно ограниченное применение. Предположения, лежащие в основе этого подхода, сходны с предположениями, лежащими в основе одно-модельного ансамблевого метода. Среднее по ансамблю каждой из моделей, объединенных в мульти-модельный ансамбль, содержит полезный сигнал и некоторую погрешность, обусловленную неадекватным описанием природных процессов в модели. Если погрешности моделей не связаны друг с другом и распределены нормально, то среднее по ансамблю моделей будет содержать относительно большую долю полезной информации, нежели среднее каждой из моделей, взятых отдельно. Действительно, как показал ряд исследований (например, Doblas-Reyes et al. 2000, Krishnamurti et al. 1999, Palmer, 1999, Peng et al. 2002, Yun et al. 2003) и опыт ведущих прогностических центров, использующих этот подход {Kryjov et al. 2006, Rajagopalan, 2002), мультимодельный прогноз, как правило, превосходит по качеству индивидуальные прогнозы всех моделей, входящих в ансамбль.
В Гидрометцентре России в рамках деятельности Северо-Евразийского регионального климатического центра, созданного в 2007 году, ведутся работы по внедрению и совершенствованию методов расчета прогнозов на сезон на основе результатов ансамбля российских (Гидрометцентр России и Главная геофизическая обсерватория) и зарубежных моделей, представляемых Климатическим центром Азиатско-Тихоокеанского сотрудничества (Asia-Pacific Economic Cooperation Climate Center - АРСС). Как и во всем мире, работы в центре ведутся по двум направлениям. Во-первых, большое внимание уделяется улучшению качества глобальной гидродинамической модели. В этом направлении достигнут определенный прогресс. Второе направление - это совершенствование методов интерпретации модельных прогнозов с помощью статистических методов. Рассматривая ансамбль модельных прогнозов как набор предикторов, можно реализовать различные методы расчета предиктанта - прогностического значения метеорологической величины. Простейший метод - это искать предиктант в виде среднего по ансамблю модельных прогнозов, предварительно устранив смещение между «модельным климатом» и наблюдаемым климатом. Более сложные методы включают калибровку в соответствии с мастерством моделей, то есть различные схемы, учитывающие с помощью весовых коэффициентов мастерство индивидуальных моделей, входящих в ансамбль (Kharin, and Zwiers, 2003, Pavan, and Doblas-Reyes, 2000, Yun et al. 2003). Однако, практический опыт демонстрирует, что изменение оправдываемое прогнозов как в сторону улучшения, так и в сторону ухудшения, связанное с введением весовых коэффициентов, носит весьма неоднородный характер, как по пространству, так и во времени (Kryjov et al. 2006). По-видимому, именно это обстоятельство объясняет, почему большинство прогностических центров в своей оперативной практике в настоящее время используют методы, не калиброванные в соответствии с мастерством моделей.
В данной диссертационной работе мы представляем результаты сравнения методов комплексации модельных прогнозов и выдвигаем базовый метод, который не связан с успешностью индивидуальных моделей и представляет собой процедуру
В качестве эталонных данных наблюдений использовались сеточные поля месячного осреднения температуры Т85о из реанализа NCEP/DOE (National Center for Enviromental Prediction/Department of Energy) {Kanamitsu et. al, 2002 ) и поля осадков СМАР СРС (Merged Analysis of Precipitation, Climate Prediction Center ) [Xie, and Arkin, 1997) с шагом 2.5x2.5 градуса за период с 1983 по 2004 гг.
Для составления мультиансамблевых прогнозов использовались ретроспективные прогнозы по моделям, перечень и краткое описание которых приводится в табл. 4.7. Там же даны ссылки на интернет-сайты организаций, где модели разрабатывались. Выходные прогностические поля, изначально отличавшиеся по пространственным разрешениям и периодам интегрирования, приводились к единому формату сетки 2.5x2.5 градусов и общему для всех моделей периоду с 1983 по 2004 гг. Основное внимание уделено оценкам прогнозов за летний и зимний периоды для двух параметров, а именно Tsso и количества осадков. В состав мультиансамбля для летнего сезона вошли 8 моделей: GDAPS_nporH03_TnO (Корея), ООАР8_инерция_ТПО (Корея), METRI (Корея); JMA (Япония); ПЛАВ (Россия), ГГО (Россия); NCEP (США); GCPS (Корея). Для зимнего сезона в мультиансамбль также вошли первые 7 моделей из этого списка, а вместо последней использовалась модель NCC (Китай).
Похожие диссертации на Усовершенствование долгосрочных метеорологических прогнозов на основе структурно-статистического подхода
-
-
