Тема: Коррекция реанализа данными буйковых наблюдений при помощи модели WRF

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.

Купить

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.

Купить