ВВЕДЕНИЕ 3
ГЛАВА 1 5
1.1 РЕАНАЛИЗ 5
1.2 ДАННЫЕ НАБЛЮДЕНИЙ 9
1.3 ТЕМПЕРАТУРА ПОВЕРХНОСТИ ОКЕАНА 13
ГЛАВА 2 15
2.1 МЕТОД КОРРЕКЦИИ 15
2.2 WRF (Weather Research and Forecasting) 15
2.3 ЭКСПЕРИМЕНТЫ 18
Январь 24
Февраль 26
Март 28
Апрель 30
Май 32
Июнь 34
Июль 36
Август 38
Сентябрь 40
Октябрь 43
Ноябрь 45
ЗАКЛЮЧЕНИЕ 49
СПИСОК ИСТОЧНИКОВ 51
ПРИЛОЖЕНИЕ А 53
Одним из современных методов в метеорологии и климатологии - является использование полей реанализа. Эти данные могут быть использованы как в фундаментальных (например, исследование климатических обратных связей), так и в прикладных задачах (расчет максимально возможного промерзания грунтов и т.д.). В настоящее время разработкой реанализов, которые включает в себя сложную процедуру ассимиляции и согласования разнородных данных (станционные, судовые, спутниковые наблюдения) занимаются несколько научных центров. Наиболее известные архивы данных реанализа: NCEP/NCAR - совместный проект Национальных Центров Предсказания Окружающей Среды (National Centers for Environmental Prediction) - NCEP и Национального Центра Изучения Атмосферы (National Center for Atmospheric Research) - NCAR[1], ERA - продукт Европейского центра среднесрочных прогнозов (ECMWF). В последнее время активно используется данные реанализа JRA-55, созданного Японским Метеорологическим Агентством (JMA), совместно с Центральным Научно-исследовательским Институтом Электроэнергетики (CRIEPI).
Реанализ - поля физических величин, полученные и обработанные с применением полного набора данных наблюдений, доступных при расчете, с различных платформ, в том числе данных, поступающих в задержанном режиме, а также прогностические и фактические комплекты данных последующих сроков. Более подробно об этом описано в Главе 1.1.
Немаловажно выделить актуальность данной тематики.
Реанализ - современный инструмент, активно применяемый в большинстве исследований.
Интеграция наборов наблюдений, развитие и усовершенствование методов и схем контроля данных и их четырехмерного усвоения, качественное обновление прогностических схем и физико-динамических моделей - все это невозможно без продуктов реанализа.
При этом необходимо тщательно сопоставлять результаты этих продуктов с данными наблюдений.
Этому и посвящено данное исследование. Оно заключается в подробном изучении необходимых компонентов - это, в первую очередь, реанализ, затем применяемые для сопоставления данные наблюдений, их калибровка. Также будет упомянуто о модели, ее настройках. Результаты исследования будут представлены в графиках, а также в их последующем анализе. Соответственно, в заключении будут подведены итоги исследования и отмечены дальнейшие перспективы.
Более ясное понимание дадут поставленные задачи:
✓ сопоставить данные реанализа с буйковыми;
✓ подготовить модель запуску, а именно:
■ определить область моделирования, в центре которой должна находится точка с координатами буя;
■ определить размер области (количество точек);
■ выбрать картографическую проекцию;
■ подобрать подходящие данные реанализа;
✓ провести серию экспериментов;
✓ выявить изменение после коррекции годового и месячного распределения гидрометеорологических величин, а также сравнить их с фактическими;
✓ оценить влияние коррекции на регион исследования.
В первой главе было произведено сопоставление данных реанализа с фактическими. Анализ результатов позволил выявить интересные закономерности. Наиболее близкие к буйковым значения реанализа отмечаются в летние месяцы, хуже - в зимние. Один реанализ лучше описывает ход, но незначительно.
Для исключения ошибок в реанализе был применен метод коррекции, описанный во второй главе. Была проведена серия экспериментов, временной интервал которых начинался 1 января 2007 года и заканчивался 23 ноября этого же года.
Эти эксперименты позволили выявить особенности годового и месячного распределения гидрометеорологических величин. Из анализа можно выделить следующее: все рассматриваемые величины имеют годовой ход, который наиболее заметен для приземной температуры, которая взаимосвязана с другими величинами, роль которых меняется на всем временном промежутке.
Экспериментальная ТПО завышала значения в холодный период и занижала в теплый. Такую особенность можно объяснить направлением доминирующего потока - зимой оно было северо-восточным, а летом - югозападным.
Также была рассчитана среднеквадратическая ошибка некоторых параметров с коррекцией и без. Результаты следующие: в зимние месяцы ошибка температуры воздуха, как и влажности, в эксперименте с коррекцией показала более высокие значения, чем в эксперименте без коррекции. Обратная ситуация наблюдается в летний сезон. Частично это объясняется тем, что в холодные месяцы большие колебания лучше описывались данными эксперимента без коррекции, а колебания в летние - экспериментальными данными с коррекцией. Причину этого выявить не удалось.
Можно сделать следующий вывод: предложенный в работе метод может быть применен для областей открытого океана, в которых не наблюдается больших горизонтальных градиентов ТПО.
Однако, он требует уточнения и большего объема фактического материала. Безусловно, его использование позволяет уменьшить ошибки реанализа в воспроизведении температуры воздуха, что положительно скажется на качестве прогнозирования метеорологических величин над подстилающей поверхностью.
В связи с этим рассматриваются следующие перспективы:
• провести более долгопериодное моделирование;
• выявить причины обнаруженных закономерностей;
• улучшить метод коррекции и опробовать его на других буйковых данных;
• при помощи климатологической базы данных LEVITUS оценить отклонение полученных результатов от климатической нормы.
