«НАУЧНО-ТЕХНИЧЕСКИЙ ОТЧЕТ о выполнении 1 этапа Государственного контракта № 14.740.11.1043 от 23 мая 2011 г. Исполнитель: Учреждение Российской академии наук Институт Физики атмосферы им.А.М.Обухова РАН Программа ...»

Министерство образования и науки Российской Федерации

УДК

ГРНТИ

Инв. №

УТВЕРЖДЕНО:

Исполнитель:

Учреждение Российской академии наук

Институт Физики атмосферы им.А.М.Обухова

РАН

От имени Руководителя организации

/_/

М.П.

НАУЧНО-ТЕХНИЧЕСКИЙ

ОТЧЕТ

о выполнении 1 этапа Государственного контракта № 14.740.11.1043 от 23 мая 2011 г.

Исполнитель: Учреждение Российской академии наук Институт Физики атмосферы им.А.М.Обухова РАН Программа (мероприятие): Федеральная целевая программа «Научные и научнопедагогические кадры инновационной России» на 2009-2013 гг., в рамках реализации мероприятия № 1.2.2 Проведение научных исследований научными группами под руководством кандидатов наук.

Проект: Анализ и прогнозирование климатических изменений в полярных регионах России с оценкой перспектив использования Северного морского пути в 21 веке Руководитель проекта:

/Хон Вячеслав Чуненович (подпись) Москва 2011 г.

СПИСОК ОСНОВНЫХ ИСПОЛНИТЕЛЕЙ

по Государственному контракту 14.740.11.1043 от 23 мая 2011 на выполнение поисковых научно-исследовательских работ для государственных нужд Организация-Исполнитель: Учреждение Российской академии наук Институт физики атмосферы им. А.М. Обухова РАН Руководитель темы:

кандидат физико- Хон В. Ч.

математических наук, без подпись, дата ученого звания Исполнители темы:

без ученой степени, без Акперов М. Г.

ученого звания подпись, дата без ученой степени, без Аниферов А. А.

ученого звания подпись, дата кандидат физико- Аржанов М. М.

математических наук, без подпись, дата ученого звания без ученой степени, без Артамонов А. Ю.

ученого звания подпись, дата без ученой степени, без Васильева А. В.

ученого звания подпись, дата без ученой степени, без Веричев К. С.

ученого звания подпись, дата кандидат физико- Карпенко А. А.

математических наук, без подпись, дата ученого звания без ученой степени, без Козленко С. С.

ученого звания подпись, дата без ученой степени, без Погарский Ф. А.

кандидат физико- Репина И. А.

математических наук, без подпись, дата ученого звания доктор физико- Семёнов В. А.

математических наук, без подпись, дата ученого звания без ученой степени, без Тимажев А. В.

кандидат физико- Чернокульский А. В.

математических наук, без подпись, дата ученого звания без ученой степени, без Чечин Д. Г.

Отчет 48 с., 7 ч., 14 рис., 11 табл., 45 источн., 0 прил.

Изменения климата, полярные регионы, климатические модели, прогнозирование, температура, морской лед, морское волнение, внетропические циклоны, измерение турбулентных потоков В отчете представлены результаты исследований, выполненных по 1 этапу Государственного контракта № 14.740.11.1043 "Анализ и прогнозирование климатических изменений в полярных регионах России с оценкой перспектив использования Северного морского пути в 21 веке" (шифр "2011от 23 мая 2011 по направлению "Проведение научных исследований научными группами под руководством кандидатов наук в следующих областях:- геология. Горное дело;- геохимия;- геофизика;география и гидрология суши;- океанология;- физика атмосферы" в рамках мероприятия 1.2.2 "Проведение научных исследований научными группами под руководством кандидатов наук.", мероприятия 1.2 "Проведение научных исследований научными группами под руководством докторов наук и кандидатов наук", направления 1 "Стимулирование закрепления молодежи в сфере науки, образования и высоких технологий." федеральной целевой программы "Научные и научно-педагогические кадры инновационной России" на 2009-2013 годы.

Цель работы - Повышение достоверности прогнозирования климатических изменений в полярных регионах России и оценка перспектив развития Северного морского пути в 21 веке.

В ходе реализации намеченных задач была проведена серия численных экспериментов с использованием глобальной модели общей циркуляции атмосферы с разными граничными и начальными условиями, с моделью ветрового волнения, разработанной в ИФА им. А.М. Обухова РАН, а также с моделью тепловлагопереноса, разработанной в ИФА им. А.М. Обухова РАН.

Разработаны и привлечены к практическому использованию наиболее современные сведения о механизмах возникновения, развития и затухания ветровых волн. Разработка новой оптимизированной модели выполнена с помощью поэтапной замены составляющих элементов самой распространенной в мире европейской модели волнения WAM, последующей ее верификации и доработки. В ходе выполнения проекта использовались три различных метода идентификации циклонов с использованием данных реанализа для полей приповерхностного атмосферного давления.

При выполнении работ использовался компьютерный парк для проведения необходимых расчетов, в том числе 2 современных мейнфрейм-сервера для проведения расчетов по моделированию и по обработке данных наблюдений.

В рамках проекта проводились натурные наблюдения за метеорологическими параметрами в арктическом регионе с использованием разрабатываемого в ИФА им. А.М. Обухова РАН аппаратно-программного комплекса для измерения характеристик атмосферной турбулентности в полярных районах.

В ходе выполнения данного этапа осуществлено формирование обновленной базы данных спутниковых наблюдений за ледовым покровом в Арктике и проведена постановка численных экспериментов по моделированию арктического климата. Выполнен анализ результатов экспериментов с моделью общей циркуляции атмосферы с целью выявления связи между колебаниями площади ледового покрова и температуры в Арктике.

Эксперименты показывают, что модель хорошо воспроизводит потепление последнего тридцатилетия ХХ века, но не способна воспроизвести потепление середины ХХ века. Результаты экспериментов свидетельствуют о том, что потепление середины ХХ века сопровождалось значительной отрицательной аномалией площади льда в Арктике, сравнимой с современными трендами, и также указывают на значительный вклад естественной изменчивости в современные климатические изменения.

Разработана численная модель ветрового волнения с характеристиками, превышающими мировой уровень. Используемые сейчас в РФ численные модели морского волнения имеют существенно более низкий уровень научной обоснованности, чем широко распространенные в мире модели WAM и WAVEWATCH. Согласно предварительным исследованиям новая разработанная модель может иметь характеристики, по точности и быстродействию превышающие характеристики моделей WAM и WAVEWATCH.

Выполнена оптимизация алгоритма по идентификации синоптических вихрей в атмосфере. Проведен диагноз и моделирование режимов внетропических циклонов, в том числе экстремальных по мощности, размерам и продолжительности с использованием различных методик диагностики циклонической активности. Анализ проведен для длительного периода (с 1948 по настоящее время) с использованием более высокого пространственного и временного разрешения, а также с учетом эффектов орографии.

Разработан автоматизированный комплекс, предназначенный для регистрации и обработки микрометеорологичеких данных (пульсаций трех компонент скорости ветра, температуры, концентраций водяного пара и углекислого газа) в приземном слое атмосферы. Данные используются для расчета турбулентных потоков явного и скрытого тепла, импульса и углекислого газа пульсационным методом в различных фоновых условиях.

Комплекс обеспечивает регистрацию пульсационных данных с частотой от до 50 Гц., синхронизацию частот сигналов с различных измерителей, перевод данных в цифровой формат, контроль качества данных и первичную обработку сигналов.

СОДЕРЖАНИЕ

Разработка численных моделей и оптимизация применяемых методов для анализа климатических аномалий 1. Формирование базы данных спутниковых наблюдений за ледовым покровом в Арктике и постановка численных экспериментов по 2. Разработка новой оптимизированной модели ветровых волн и создание специализированной базы данных по ветру и волнам для Северной Атлантики 3. Оптимизация алгоритма по идентификации синоптических вихрей в атмосфере (циклонов и антициклонов) 4. Разработка аппаратно-программного комплекса для измерения характеристик атмосферной турбулентности в полярных районах 5. Проведение патентных исследований 6. Обобщение результатов первого этапа ПНИР Изменения площади морского льда в Северном Ледовитом океане - один из ключевых факторов и индикаторов климатических изменений в Арктике (ACIA, 2005). Изменение режима морского льда в Арктике имеет большое значение в связи с развитием арктических морских транспортных систем и шельфовых разработок (Granberg, 1998).

Данные наблюдений показывают значительное сокращение площади морского льда, с наиболее существенным уменьшением в летний сезон. С конца 1970-х гг. площадь сентябрьского морского льда в Северном полушарии по спутниковым данным уменьшилась в среднем на 1,4 млн. кв. км. по сравнению с началом 21-го века. В сентябре 2007 г. отмечена наименьшая площадь морских льдов в Северном Ледовитом океане за всю историю спутниковых наблюдений – около 4,3 млн. кв. км., тогда как в конце 1970-х годов она была около 7,5 млн. кв. км. (Maslanik et al., 2007). Эти изменения свидетельствуют об увеличении доступности судоходной навигации в окраинных морях Северного Ледовитого океана и повышении перспектив использования основных арктических транспортных систем.

В западном регионе Арктики от Норвежского и Гренландского морей на западе до Карского моря на востоке сосредоточена основная часть отечественного арктического природопользования. Это рыболовный промысел, добыча углеводородного и минерального сырья, интенсивные перевозки по западному участку Северного морского пути, оборонная деятельность военно-морского флота. В то же время этот регион подвержен наиболее сильным во всей Арктике колебаниям погоды и климата. Шторма, волнение и морские льды создают опасность для судоходства, рыболовства, для объектов на шельфе морей. Наиболее надежным средством обнаружения изменений климата остается система регулярных гидрометеорологических наблюдений (мониторинга) в Арктике, а для заблаговременного предупреждения об их наступлении необходимы глобальные модели климата в сочетании с региональными моделями. Используемые сейчас в РФ численные модели морского волнения (Давидан и др. 1985; Захаров и др.

1999) имеют существенно более низкий уровень научной обоснованности, чем широко распространенные в мире модели. В данном проекте результаты, полученные российскими авторами, позволяют разработать численную модель ветрового волнения с характеристиками, превышающими мировой уровень.

Природа физических механизмов внетропического вихрегенеза и влияние на него различных климатических факторов анализировалась лишь в немногих работах (Мохов и др. 1992; Zhang, Wang 1997; Lambert 1995; Geng et al. 2003 McCabe et al. 2001). Изменение режима циклонической активности в атмосфере, смещение характерных путей циклонов и их интенсивности приводит к усиленным осадкам в одних регионах и иссушению других.

С наиболее интенсивными циклонами связаны ливневые осадки (или сильные снегопады зимой) и наводнения. Результаты разных исследований количественно различаются (Wang et al. 2007; Trigo 2006). При этом различаются методы идентификации циклонической активности, используемые данные, их разрешение и анализируемые периоды (Бардин 2000; Бардин и Полонский 2005; Акперов и др. 2007; Голицын и др. 2007; Grigoriev et al.

2000; Gulev et al. 2001; Serreze 1995; Serreze et al. 1997; Murray and Simmonds 1991; Sinclair 1994; Sinclair and Watterson 1999; Blender et al. 1997; Лагун и Язев 1994; Raible et al. 2008).

В данной работе проведено сравнение характеристик внетропических циклонов Северного полушария, полученных с использованием различных методов их идентификации и на основе разных данных реанализа. Проведено исследование режимов внетропических циклонов, в том числе экстремальных по мощности, размерам и продолжительности с использованием различных методик (Бардин и др. 2000; Grigoriev et al. 2000) диагностики циклонической активности. Анализ проведен для длительного пространственного и временного разрешения, а также с учетом эффектов орографии.

Одной из важнейших задач взаимодействия атмосферы и океана является оценка турбулентных потоков тепла, импульса и вещества в приводном слое атмосферы. Большое число исследований посвящено параметризации этих потоков. В настоящее время общепринятыми являются так называемые аэродинамические балк-формулы, которые используют стандартные метеорологические характеристики и эмпирические коэффициенты обмена. В свою очередь, данные коэффициенты обмена зависят как от метеорологических условий, так и от состояния поверхности. Но даже такие значительные эксперименты как SHEBA и HEXMAS так и не дали ответа на вопрос в чем же причина расхождения модельных и экспериментальных данных в определении турбулентных потоков. Полученные в ходе выполнения проекта результаты могут быть использованы как в экспериментальных исследованиях взаимодействия атмосферы и океана, так и при разработке и валидации климатических моделей, а также для задач дистанционного зондирования.

Разработка численных моделей и оптимизация применяемых методов для анализа климатических аномалий в полярных регионах России 1. Формирование базы данных спутниковых наблюдений за ледовым покровом в Арктике и постановка численных экспериментов по моделированию арктического климата Для анализа продолжительности ледового сезона для современного периода была сформирована база данных ежедневных спутниковых наблюдений за концентрацией морского льда в Арктике для периода 1979-2010 гг. Эти данные получены на основе пассивного микроволнового зондирования с использованием радиометров SMMR-SSM/I (Scanning Multichannel Microwave Radiometer - Special Sensor Microwave/Imager) в рамках космических программ Nimbus-7 и DMSP (Defense Meteorological Satellite Program).

Изначальные данные записаны в бинарном формате и находятся в свободном доступе на сервере Американского Национального Центра данных по снежному и ледовому покрову (http://nsidc.org). Для дальнейшего анализа бинарные данные были трансформированы в международный формат NetCDF и GRIB. Пространственное разрешение анализируемых спутниковых данных составляет 2525 км. Временное разрешение составляет сутки.

Продолжительность ледового/навигационного сезона рассчитывалась как сумма дней в году со сплоченностью морского льда более/менее 15%. Спутниковые данные демонстрируют значительное сокращение площади морского льда, с наиболее существенным уменьшением в летний сезон. С конца 1970-х гг. площадь сентябрьского морского льда в Северном полушарии по спутниковым данным уменьшилась в среднем на 1,4 млн. кв. км. по сравнению с началом 21-го века. В сентябре 2007 г. отмечена наименьшая площадь морских льдов в Северном Ледовитом океане за всю историю спутниковых наблюдений – около 4,3 млн. кв. км., тогда как в конце 1970-х годов она была около 7,5 млн. кв. км. Сентябрь 2008 г. стал вторым по аномальной ледовитости после сентября 2007 г. (рис.1.1).

Рис. 1.1. Пространственное распределение ледового покрова в Арктике в сентябре 2007 (а), 2008 (б), 2009 (в) и 2010 (г) гг. по данным спутниковых наблюдений.

Постановка численных экспериментов и анализ модельных расчетов климата Арктики в XX веке В данной главе проведен анализ экспериментов с моделью общей циркуляции атмосферы с целью исследования роли колебаний площади арктического ледового покрова в формировании температурных аномалий в Арктике. Представлены результаты численных экспериментов с моделью общей циркуляции атмосферы (МОЦА) с использованием эмпирических данных по температуре поверхности океана (ТПО) и границе морского льда (ГМЛ) в ХХ веке (анализ ТПО и ГМЛ Центра Гадлея, Великобритания, HadISST1.1) в качестве граничных условий на нижней границе атмосферы. Концентрации парниковых газов и аэрозолей были заданы в соответствии с данными наблюдений и эмпирическими оценками для ХХ века.

Эксперименты показывают, что модель хорошо воспроизводит потепление последних 30 лет ХХ века, но не способна воспроизвести потепление середины ХХ века. Поскольку изменения ПТВ в Арктике в зимний период тесно связаны с аномалиями ГМЛ, предполагается, что причиной расхождения является отсутствие отрицательной аномалии ГМЛ в заданных граничных условиях в период потепления середины ХХ века.

Результаты экспериментов свидетельствуют о том, что потепление середины ХХ века сопровождалось значительной отрицательной аномалией площади льда в Арктике, сравнимой с современными трендами, и также указывают на значительный вклад естественной изменчивости в современные климатические изменения.

Описание численной модели и проведенных экспериментов Численные эксперименты проводились с моделью общей циркуляции атмосферы (МОЦА) ECHAM5 разработанной в Метеорологическом институте им. Макса Планка (Германия). Данная модель является последней версией климатической МОЦА основанной на спектральной модели прогноза погоды Европейского Среднесрочного Центра Прогноза Погоды (ECMWF). Используемая для экспериментов модель имеет спектральное горизонтальное разрешение Т31 (примерно 3.85°х3.85° по широте и долготе) и 19 вертикальных уровней. Граничными условиями модели являются температура поверхности океана и границы морского льда (данные HadISST1.1).

Концентрации парниковых газов в модели постоянны для всех экспериментов и примерно соответствуют современным значениям (концентрация СО2 348 ppm, метана 1.64 ppm).

С целью исследования влияния граничных условий на изменения температуры в Арктике были выполнены 6 ансамблевых численных экспериментов с МОЦА ECHAM по моделированию климата ХХ века с использованием ТПО и ГМЛ по данным HadISST1.1 за период 1900-1998 гг. Во всех 6 экспериментах использовались идентичные граничные условия и различные начальные условия.

Для оценки вклада изменений ТПО и ГМЛ в изменения ПТВ в Арктике с 1966 г. по 1998 г. (период достоверных данных по ГМЛ) также были выполнены ансамблевые эксперименты (по 4 эксперимента в каждом ансамбле) с «замороженным» полем ТПО (для всего периода 1966-1998 гг. использовался повторяющийся годовой ход 1966 г.) при изменениях ГМЛ согласно данным HadISST1.1 и наоборот: с «замороженным» полем ГМЛ (на уровне 1966 г., когда, согласно данным HadISST1.1, наблюдался максимум площади ледового покрова в Арктике в зимний период, см. Рис. 1.2) при меняющейся (согласно данным HadISST1.1) ТПО.

Рис. 1.2. Аномалии приповерхностной температуры воздуха (°C) над сушей в Арктике (60°с.ш.) в зимний период (ноябрь-апрель) по данным CRUT3 (шкала слева, черные кривые) и аномалии площади ледового покрова (млн. км2) в Северном полушарии по данным HadISST1.1 (красные кривые, шкала справа). На верхнем рисунке показаны среднегодовые значения, на нижнем – скользящие 7-летние средние.

Также был выполнен один эксперимент с новыми данными по концентрации ледового покрова в зимний период (ноябрь-апрель), составленными с использованием температурных данных ААНИИ (Kuzmina et al. 2008), включающие в себя данные над ледовым покровом в Арктике в зимний период. При этом использовалось предположение о том, что аномалии ПТВ над модельной ячейкой, содержащей лед, и аномалии концентрации ледового покрова 100% коррелированны (при 5-летнем скользящем осреднении) в зимний период. Таким образом, для периода неполных данных по ГМЛ до 1960 г., новые данные по концентрации ледового покрова полностью повторяют аномалии температуры воздуха (с масштабированием в соответствие с отношением стандартных отклонений временных рядов для концентрации льда и температуры). Для периода 1960гг. использовались оригинальные данные HadISST1.1. Для этого периода после вычитания линейного тренда и выполнения 5-летнего скользящего осреднения были вычислены (на модельной сетке) стандартные отклонения ПТВ STDDEV1960-98 (T) и концентраций ледового покрова STDDEV1960-98(Ice), а также соответствующие средние значения MEAN1960-98(T) и MEAN1960-98(Ice). Далее, для каждого зимнего месяца (ноябрь-апрель) ti в период 1900-1959 гг. концентрации ледового покрова Ice(ti), в %, для модельных ячеек, где STDDEV1960-98(Ice) превышало 5%, вычислялись по формуле:

Ice(ti) = STDDEV1960-98(Ice)/STDDEV1960-98 (T) *(T(ti) – MEAN1960-98(T)) + MEAN1960-98(Ice), (1.1) где T(ti) – среднемесячные аномалии температуры по данным ААНИИ.

Результаты можно увидеть на Рис. 1.3, где представлены значения площади арктического ледового покрова по данным HadISST1.1 и по новым данным, полученным по формуле 1.1. Естественно, что аномалии площади ледового покрова за период 1900гг. повторяют аномалии ПТВ с обратным знаком. Видно, что долгопериодный минимум площади ледового покрова в 1930-х – 1950-х гг. по новым данным примерно соответствует значениям 1980-х – 1990-х гг. Разумеется, представленная реконструкция не может являться доказательством существования отрицательной аномалии площади ледового покрова в Арктике в середине ХХ века. Но использование новых граничных условий в экспериментах с МОЦА позволяет исследовать эффект таких предполагаемых аномалий ледового покрова на аномалии ПТВ в Арктике.

Рис. 1.3. Площадь ледового покрова (млн. км2) в Северном полушарии в зимний период по данным HadISST1.1 (черная кривая) и по данным, реконструированным для периода 1900гг. с использованием приповерхностной температуры воздуха над арктическими морями (данные ААНИИ) в зимний период (ноябрь-апрель).

2. Разработка новой оптимизированной модели ветровых волн и создание специализированной базы данных по ветру и волнам для Северной Атлантики стохастичности и нелокальности. Первая особенность означает, что поле ветровых волн следует описывать на языке его статистических характеристик. Наиболее важной их таковых является двумерный (2D) спектр энергии волновых возвышений поверхности раздела сред, например, частотно-угловой спектр переменные есть частота и угол распространения волновой компоненты поля, а x и t есть (нелокальность) означает, что информационная характеристика поля волн, т.е. спектр пространственно-временную эволюцию. Соответствующее уравнение для S имеет вид (Ефимов, Полников, 1991) Здесь, в левой части стоит полная производная спектра по времени, описывающая математику модели и кинематические особенности распространения волн (тип координат, учет рефракции, течений и т.п.). На данном этапе математика модели не обсуждается.

В правой части (2.1) стоит т.н. функция источника F, зависящая как от спектра волн S, так и от внешних волнообразующих факторов: локального ветра, W (x, t), и локального течения, U (x, t). Функция источника (ФИ) является "сердцем" модели. Она описывает конкретные физические механизмы, которые ответственны за пространственновременную эволюцию спектра волн (Ефимов и Полников 1991; Komen et al 1994). Более того, именно ФИ задает принятое в модели описание механического обмена энергии между океаном и атмосферой в целом.

В ФИ принято выделять три слагаемых: слагаемое энергообмена ветер-волны In (т.н.

«накачка»), механизм консервативных нелинейных взаимодействий между волнами Nl («нелинейность»), и механизм потерь энергии волны Dis («диссипация»). Последний механизм обусловлен суммарным влиянием всех процессов потерь энергии волн.

Приведенные выше сведения составляют научную основу численного моделирования и прогноза ветрового волнения.

Явные выражения для слагаемых ФИ должны следовать из основных исходных уравнений, описывающих динамику взволнованной поверхности раздела сред. Эти уравнения, записанные в том или ином приближении, хорошо известны (см. Ефимов и Полников 1991; Komen et al. 1994). Здесь они ради экономии места не выписываются.

Важно отметить лишь, что в виду множественности масштабов движения на границе раздела сред (от синоптического масштаба изменчивости исходного ветра, до мелкотурбулентных масштабов передачи энергии к волнам и их диссипации), явное выражение для слагаемых ФИ теоретически получить невозможно. Еще более трудно получить их путем измерений. Поэтому приходится прибегать к различного рода упрощениям и параметризациям указанных слагаемых в виде конкретных функций от волнообразующих факторов и спектра волн. Различия в представлении исходных упомянутых выше сроков функции определяют общие различия между моделями волнения.

В настоящее время, для решения задач расчета эволюции волн на глобальных масштабах, наиболее совершенными принято считать следующие модели: европейскую модель WAM (WAMDI group 1994) и американскую модель WAVEWATCH (Tolman and Chalikov 1996). Эти модели описывающие эволюцию полного 2D-спектра волн и имеют классификационный уровень т.н. третьего поколения, означающий отказ от каких либо ограничений на форму спектра S.

Используемые в РФ отечественные численные модели (Давидан и др. 1988; Захаров и др. 1999) имеют существенно более низкий уровень научной обоснованности, чем упомянутые западные модели (в основном в части представления в модели не полного 2Dспектра, а только его одномерных срезов или интегральных параметров). По физике дела, это существенно снижает обоснованность таких моделей и их точность, что, естественно, ограничивает и область применения отечественных моделей.

В данном проекте решается задача повышения качества прогноза (расчета) волн путем построения новой отечественной модели на основе использовании самых современных научных результатов в данной области. В работе (Полников 2005) путем синтеза большого числа предыдущих результатов автора была предложена наиболее оптимальная параметризация всех слагаемых ФИ модели типа (2.1). Эти результаты позволяют разработать и построить численную модель ветрового волнения с характеристиками, превышающими мировой уровень, о чем свидетельствуют результаты предварительной верификации моделей WAM и WW, модифицированных путем использования новой ФИ.

В последних работах показано, что новая модель может иметь характеристики, по точности и быстродействию превышающие характеристики моделей WAM и WW. Суть указанных модификаций ФИ состоит в следующем.

Механизм энергообмена между ветром и волнами записан в типичной форме модели Майлза где Cin есть подгоночный параметр подбора, а для инкремента роста волн (,, W) используется теоретически обоснованное представление в виде квадратичной функции от скорость трения, g - ускорение силы тяжести, а - направление локального ветра.

Существенной теоретической новизной параметризации инкремента является включение в неё условия существования отрицательного значения для волн обгоняющих ветер. Это фактор не используется в моделях WAM и WW. Переход от локального ветра на стандартном горизонте W к скорости трения u* осуществляется с помощью блока динамического приводного слоя, описание которого здесь пока не существенно.

В качестве нелинейного механизма эволюции Nl в новой ФИ используется ускоренная версия метода дискретных взаимодействий (FDIA). Показана высокая эффективность FDIA по специально построенному критерию «быстрота-точность» расчета Nl. Коротко говоря, метод DIA основан на замене точного (но крайне громоздкого) интеграла нелинейного переноса энергии по спектру волн на одно единственное слагаемое из этого интеграла. В предложенном авторами усовершенствованном методе (FDIA) имеются два положительных эффекта:

1) ускорение счета Nl, которое достигается за счет отказа от громоздкой процедуры интерполяции текущих спектров на расчетную сетку, которая заложена в оригинальной версии DIA, используемой в моделях WAM и WW;

2) повышение точности счета Nl, обусловленное лучшим выбором конфигурации векторов взаимодействующих волн.

Процессы диссипации волн, задаваемые слагаемым Dis, являются наименее изученным механизмом эволюции волн, для которого нет общепризнанных параметризаций. В частности, в моделях WAM и WW используются две различных параметризации Dis. Но каждая из них имеет слишком много произвола, что не позволяет придать им четкое физическое содержание.

В нашем подходе построение параметризации Dis базируется на собственной полуфеноменологической модели диссипации волн за счет «турбулентной вязкости»

верхнего слоя воды. В нашем случае слагаемое Dis задается формулой в которой неизвестная функция (,,W ) определяется из условия баланса In Dis на высокочастотном хвосте спектра фиксированной формы. Принципиальной новизной нашего подхода является введение «фоновой» диссипации волн, существующей даже в отсутствие ветра и, естественно, видимых обрушений.

Приведенные здесь результаты обеспечивают новый научный базис, на основании которого планируется строить современную российскую модель. Разработка такого научного продукта мирового уровня позволит заменить используемые в РФ слабые аналоги на более совершенные модели ветрового волнения, что приведет к повышению точности прогноза параметров катастрофических волновых явлений и более качественному оцениванию риска их воздействия на все формы морской деятельности.

Подготовка к верификации численной модели ветровых волн.

Одним из элементов построения численной модели волнения является процедура ее верификации, заключающаяся в определении степени соответствия модельных расчетов наблюдениям для большого набора реальных гидрометеорологических ситуаций.

Поскольку к настоящему времени уже имеются определенные приоритетные численные модели (упомянутые WAM и WW), то в нашем случае речь идет не просто о верификации, а о сравнительной верификации.

В связи со сказанным следует отметить, что проведение сравнительной верификации модели требует выполнения ряда условий. Главными из них являются следующие:

а) наличие значительной базы данных наблюдений за волнами достаточно высокого уровня точности;

б) достоверное поле ветра на достаточно густой сетке пространства-времени за весь период наблюдений;

в) хорошо отлаженная математическая часть численной модели вида (2.1).

г) общепризнанная модель ветрового волнения, используемая в качестве эталона.

В ходе реализации проекта было проведено формирование баз данных за волнами и полем ветра, включая:

а) базу данных буйковых наблюдений за волнами из архивов Европейского центра среднесрочных прогнозов (ECMRWF). Она включала данные 85 буев, расположенных в различных районах Атлантического океана, накопленные в США, Канаде и Англии за период 2008 г.

б) поле ветра на сетке 0.5х0.5 градусов по широте и долготе с интервалом 6 часов для северной части Атлантики. Однако, в виду явного несоответствия масштабов пространства и времени для указанного поля ветра, дополнительно из были усвоены данные по ветру из архивов ААНИИ на сетке 1х1.25 градуса по широте и долготе с интервалом 3 часа. Это поле также соответствуют периоду 2006г и акватории северной части Атлантики.

В). В качестве математической части модели использовалась сумма численных программ (кодов) модели WAM в виду достаточной практики ее использования у нас в РФ (ААНИИ). Была проведена адаптация модели WAM (Cycle-4) к условиям ее использования на ПК с операционной системой Windows.

Таким образом, вся подготовительная работа, связанная с освоением модели WAM и проведением на ее основе сравнительной верификации, была успешно выполнена.

Описание созданной базы данных, привлеченной к процедуре сравнительной верификации модифицированной численной модели WAM.

База данных состоит из двух частей: данные по ветру над акваторией северной части Атлантики (условно - база данных А) и данные наблюдений за волнами на буйковых станциях, расположенных в той же акватории (база данных Б). Дадим краткое описание данных по отдельности.

Данные по ветру (база А). Было сформировано 2 базы данных типа А: данные европейского цента ECMWF и данные реанализа NCEP (через ААНИИ). В обоих случаях значения компонент ветра (u, v) представляют собой трехмерный пространственновременной массив W(х,у,t). Для данных ECMWF дискретность по координатам Х, У составляет 0.5х0.5 градусов по широте и долготе, а дискретность по времени Т равна часов. Для значений среднего ветра Wср =10м/с такого рода дискретности не соответствуют друг другу по критерию что, естественно, может сказаться на точности численного моделирования. Указанная проблема решается путем прореживания данных по координатам, что вполне приемлемо и для наших целей. Однако эта процедура связана со слабо контролируемой потерей информации, влияние которой требует дополнительного исследования.

На основании сказанного, для устранения указанного противоречия и создания альтернативного поля ветра, база ветра ECMWF была дополнена данными NCEP, для которых дискретность по координатам Х, У составляет 1.0х1.25 градуса по широте и долготе, а дискретность по времени Т равна 3 часа. В таком случае соотношение (9) практически выполняется.

В обоих вариантах баз данных типа А пространственные размеры поля ветра задаются границами 98W-60E и 0-80N. Временные границы ветровых данных задаются датами с 25.12.2005 по 1.01.2007. Указанные границы позволяют проводить расчеты волнения на всей северной части Атлантики, включая Мексиканский залив и Баренцево море за полный 2006 год. Статистическая точность данных по ветру составляет порядка 1-1,5 м/с (Tolman et al, 2002) Данные по волнам (база Б). Изначальная база буйковых данных (т.е. полученная нами оригинальная база ECMRWF) включает 85 файлов: по одному файлу на буй. География их расположения представлена на рисунках 1 и 2.

В виду чрезвычайно большого объема данных, на данном этапе работ были выбраны 16 станций, данные которых использовались для первичной верификации модифицированной модели WAM. Координаты этих станций приведены в таблице 2.1.

Анализ содержания файлов для каждой стации показал, что, не смотря на тщательную предварительную обработку наблюдений, данные буйковых стаций обладают большим количеством дефектов, а именно, отсутствием тех или иных видов наблюдений (то ли ветра, то ли волнения), а также большим количеством разрывов в сроках наблюдений.

При помощи специальной программы обработки эти дефекты базы фильтровались.

Рис. 2.1. Схематическое изображение расположения буйковых станций в западной и тропической части северной Атлантики Нормальный ряд метеорологических данных на каждом буе включает ежечасные сведения о силе и направлении ветра на некотором стандартном горизонте (обычно 4- метров), о значительной высоте волнения (Hs), среднем периоде волн (Ta) и периоде пика спектра (Tp). Помимо этих сведений часто имеются дополнительные метеоданные по температуре воды и воздуха, давлению, и т.п. Далее путем специальной фильтрации эти сведения отсеивались за ненадобностью для наших целей.

Таблица 2.1. Параметры буйковых станций, выбранных для первичной верификации модели Идентификатор Широта Долгота Идентификатор Широта Долгота Идентификатор Широта Долгота Рис. 2.2. Схематическое изображение расположения буйковых станций в восточной части северной Атлантики Наряду с указанными «излишествами», в ряде случаев либо полностью отсутствуют данные по волнению, либо, как например, для данных английских буев (см. Табл.2.1), полностью отсутствуют сведения по периодам пика (Tp). Все эти дефекты буйковых данных нуждаются в программной корректировке, которая и была выполнена до процедуры верификации. Информация о качестве волновых данных приведена в табл. 2.2.

После указанной доработки волновых данных они стали пригодны для выполнения процедуры верификации.

Относительно точности волновых данных буйковых измерений существуют определенные разночтения. Однако мы придерживаемся оценок, представленных в работе (Tolman et al, 2002), согласно которым типична ошибка в определении Hs имеет порядок 0.10-0.15 м в зависимости от силы волнения, а ошибка по периодам имеет порядок 1-1.5 с.

Таблица 2.2. Характеристика полноты базы данных (тонирование строки означает, что качество ниже среднего, буква «м» означает слово «месяц»).

№ буя Число строк Нет записи волн Число пропусков Комментарий Некоторые результаты верификации модифицированной модели WAM Процедуры построения, модификации и верификации модели являются наиболее творческим и весьма трудоемким этапом работы. Во всех деталях они будут описаны в отчетах последующих этапов выполнения договора. Здесь же, только для полноты картины ожидаемых результатов, мы приведем краткое изложение предварительных оценок, полученных в процессе сравнительной верификации модифицированной модели WAM.

Итак в качестве исходного поля ветра на данном этапе был выбран ветер NCEP, заданный на сетке 1.0х1.25 градусов по широте и долготе и шагом по времени 3 часа.

Первоначальные расчеты проводились за январь 2006г на акватории северной Атлантики.

Сопоставление с измерениями выполнялось для 16 буйковых станций.

В качестве основных оценок погрешности модели по параметру Р выполнялись расчеты следующих характеристик: а) среднеквадратичная ошибка P, б) относительная среднеквадратичная ошибка, в) арифметическая ошибка P Результаты расчета указанных выше ошибок приведены в табл. 3 и 4 для оригинальной и модифицированной моделей WAM соответственно.

Таблица 2.3. Ошибки оригинальной модели WAM (C4) на акватории СА за январь Оставляя описание методологии и детальное сравнение ошибок, отметим лишь, что средний выигрыш по точности для величины значительной высоты волн (на момент предварительных результатов) имеет порядок 15-20%. Кроме того, элементарное сравнение затрат машинного времени на выполнение фиксированного объема расчетов показывает также, что замена метода DIA на метод FDIA в параметризации слагаемого Nl модели WAM приводит к ускорению счета почти в 1.5 раза. Все это внушает обоснованный оптимизм относительно успешности решения главной поставленной задачи проекта – а именно, создания наилучшей модели ветровых волн мирового уровня.

Таблица 2.4. Ошибки модифицированной модели WAM (C4) на акватории СА за январь 2006. (Тонированием показаны те буи, где модифицированная модель теряет в точности более 5%).

Дополнительно следует обратить внимание на тот факт, что для выбранного здесь поля ветра, ошибки даже для оригинальной версии WAM почти на 50% меньше, чем в более ранних расчетах авторов (Полников и др. 2008), когда шаг расчетов брался на сетке 2,5х2,5 градуса. Этот факт говорит о существенном влиянии шага сетки на результаты прогноза поля волн (по крайней мере, на указанных пространственных масштабах).

3. Оптимизация алгоритма по идентификации синоптических вихрей в атмосфере (циклонов и антициклонов) Внетропические циклоны и антициклоны играют важную роль в общей циркуляции атмосферы, в формировании региональных погодных и климатических режимов. С циклонами связаны пониженное давление, облачность, осадки, изменения ветра и температуры. Изменение режима циклонической активности в атмосфере, смещение характерных путей циклонов и их интенсивности приводит к усиленным осадкам в одних регионах и иссушению других. С наиболее интенсивными циклонами связаны ливневые осадки (или сильные снегопады зимой) и наводнения.

Результаты разных исследований количественно различаются (Wang et al. 2007; Trigo 2006). При этом различаются методы идентификации циклонической активности, используемые данные, их разрешение и анализируемые периоды (Бардин 2000; Бардин и Полонский 2005; Акперов и др. 2007; Голицын и др. 2007; Grigoriev et al. 2000; Gulev et al.

2001; Serreze 1995; Serreze et al. 1997; Murray and Simmonds 1991; Sinclair 1994; Sinclair and Watterson 1999; Blender et al. 1997; Лагун и Язев 1994; Raible et al. 2008).

Проведено сравнение характеристик внетропических циклонов Северного полушария (СП), полученных с использованием различных методов их идентификации и на основе разных данных реанализа (NCEP/NCAR, ERA-40, ERA-INTERIM) для одних и тех же временных рядов. В табл. 3.1 представлены данные, использовавшиеся для определения характеристик внетропических циклонов (20-800 с.ш.) СП:

NCEP/NCAR реанализ. Данные реанализа NCEP/NCAR (Kalnay et al. 1996; Kistler et Национального центра предсказания окружающей среды (NCEP). Модель характеризуется спектральным разрешением Т62 с 28 уровнями в атмосфере по вертикали. Усвоение данных в модели при этом производилось при помощи трехмерного вариационного анализа (3D-Var) (Parrish and Derber 1992). В данной работе использовались данные с января 1948 г. по июнь 2009 г. с широтно-долготным разрешением 2.5ох2.5о и 6 часовым шагом по времени.

ERA-40 реанализ. Для получения данных реанализа ERA-40 (Uppala et al. 2005) использовалась спектральная модель Европейского центра среднесрочных прогнозов погоды (ECMWF). Модель характеризуется спектральным разрешением Т159 с уровнями в атмосфере по вертикали. Усвоение данных наблюдений также производилось при помощи трехмерного вариационного анализа (Courtier 1998). Анализировались данные для периода с сентября 1957 г. по август 2002 г. с широтно-долготным разрешением 2.5ох2.5о и 6 часовым шагом по времени.

ERA-INTERIM реанализ. Данные ERA-INTERIM реанализа (Dee et al. 2011) получены с использованием спектральной модели прогноза погоды ECMWF с более высоким горизонтальным пространственным разрешением, чем при получении данных реанализа ERA-40. Модель характеризуется спектральным разрешением T255 с уровнями в атмосфере по вертикали. Данные усваиваются при помощи четырехмерного вариационного анализа (4D-Var) с использованием данных оперативного анализа ECMWF.

Анализировались данные с января 1989 г. по апрель 2009 г. с широтно-долготным разрешением 5ох5о и 6 часовым шагом по времени.

В данной работе сопоставляются три различных метода идентификации циклонов с использованием данных реанализа для полей приповерхностного атмосферного давления.

Метод I. Метод, разработанный (Бардин 2000), далее метод I, как и большинство методов, основан на стандартном выделении циклона, как области пониженного давления, ограниченной замкнутыми изобарами (изогипсами при использовании данных для геопотенциала). Достаточно подробное описание алгоритма выделения синоптических вихрей можно найти в (Бардин 2000; Бардин и Полонский 2005; Акперов и др. 2007;

Голицын и др. 2007). В данной работе использовалась модифицированная версия метода I по сравнению с (Бардин 2000), в частности была изменена дискретность шага при определении замкнутых изобар, добавлены условия для выделения траекторий. Была повышена точность определения параметров циклонов, добавлены условия определения циклонов и их параметров при пересечении полюса (Северного или Южного) (замкнутость полюса). При временной дискретности данных в 6 часов в единую траекторию объединялись два ближайших циклонических центра, если максимальное расстояние между центрами в последовательные моменты времени не превышало 800 км и изменение давления в центре при этом не должно превышать 20 гПа. При этом следующее положение циклона определялось на основе данных полей горизонтального и меридионального составляющего ветра (реального или геострофического, в зависимости от наличия данных и задачи) на высоте 700 гПа.

Метод II. Алгоритм идентификации циклонов и их траекторий, разработанный в Институте океанологии РАН (метод II), описан в (Grigoriev et al. 2000; Gulev et al. 2001).

При этом рассматриваются лишь те циклоны, значения давления в центре которых не более 1015 гПа и время жизни не менее 24 ч. В траекторию объединялись два ближайших циклона в последовательные моменты времени с расстоянием между их центрами не более 10о при временном шаге 6 часов.

Метод III. Метод III, разработанный в Климатическом диагностическом центре NOAA-CIRES, описан в (Serreze 1995; Serreze et al. 1997). Каждый циклон идентифицируется как область пониженного давления с замкнутыми изобарами с шагом гПа. Траектории определялись при условии, что максимальное расстояние, на которое может переместиться циклон за 6 часов (шаг по времени) не может превышать 800 км (при максимальной скорости циклона 133 км/ч) и изменение давления в центре при этом не должно превышать 20 гПа.

Сравнение методов идентификации циклонов На рис. 3.1 представлены межгодовые вариации общего количества внетропических циклонов СП N за год, нормированные на среднее значение для периода 1948- гг., по данным NCEP/NCAR реанализа над Атлантическим (а) и Тихим (б) океанами и в целом для СП (в) с использованием различных методов (I, II, III) идентификации циклонов. В таблице 2 приведено количество внетропических циклонов в среднем за год для периода 1948-2007 гг., а также для зимнего и летнего сезонов. Приведены также соответствующие среднеквадратические отклонения (СКО) количества циклонов N в межгодовой изменчивости.

Таблица 3.1. Характеристики используемых данных Таблица 3.2. Среднее количество внетропических циклонов СП в году и для различных регионов и сезонов по данным NCEP/NCAR реанализа для периода 1948-2007 гг.

определенное с использованием разных методов. В скобках приведены среднеквадратические отклонения в межгодовой изменчивости.

Согласно табл. 3.2 общее количество внетропических циклонов СП в среднем за год хорошо согласуется (в пределах СКО) с использованием методов I и II – около циклонов в среднем для периода 1948-2007 гг. Хорошо согласуются и соответствующие среднеквадратические межгодовые отклонения N – около 60 (различия менее 9%).

Существенно меньше внетропических циклонов в СП детектируется в среднем за год методом III ( = 1616) и межгодовая изменчивость при этом также существенно меньше (N = 43). Количество циклонов в целом за год на основе метода I только на 2% меньше, чем на основе метода II и на 32% больше, чем на основе метода III. Следует отметить, что относительная изменчивость, характеризуемая величиной N/, при использовании всех трех методов получена близкой - 0.026 для метода I, 0.028 для метода II и 0.027 для метода III.

Сравнение для различных сезонов выявило общее, при использовании всех трех методов, превышение числа летних внетропических циклонов СП над зимними в среднем для 60-летнего периода (1948-2007 гг.). При этом для межсезонных вариаций отмечены существенные количественные отличия результатов использования разных методов детектирования внетропических циклонов, в том числе и методов I и II, для которых в целом за год результаты близки. Количество циклонов, выделяемых методом III, во всех случаях существенно меньше, чем определяется другими двумя методами.

Зимой наибольшее количество циклонов выявляется методом I. На основе метода I определяется на 15% больше циклонов, чем на основе метода II и на 38% больше, чем на основе метода III. Летом на основе метода I выявляется на 18% меньше циклонов, чем с помощью метода II и на 27% больше циклонов, чем с помощью метод метода III. Средний диапазон внутригодовых вариаций N числа внетропических циклонов СП между зимой и летом при использовании метода I равен 35 (N/N = 6%), метода II – 254 (40%), метода III – 94 (23%). При этом величина N только в 4 раза превышает величину N при использовании метода I, тогда как при использовании других методов соотношение N/N существенно более значимо: около 10 для метода II и около 5 для метода III. Межгодовая изменчивость количества внетропических циклонов, детектированных разными методами, сравнивалась также для разных регионов, в частности для Атлантического океана (30N, 1000W-600E) (рис. 1а) и Тихого океана (300-750N, 900E-1100W) (рис. 3.1б), в том числе и для разных сезонов (рис. 3.2).

Для Атлантического океана наибольшее число циклонов выявляется методом II как для СП в целом, так и для зимы и лета. На основе метода I для зимы выявляется на 32% меньше циклонов, чем на основе метода II и на 27% больше циклонов, чем на основе метода III. Для лета на основе метода I выявляется на 26% меньше циклонов, чем на основе метода II и на 28% больше циклонов, чем на основе метода III. Для Атлантики на основе метода I идентифицируется на 19% меньше циклонов, чем на основе метода II и на 27% больше, чем на основе метода III. Средний диапазон вариаций N числа внетропических циклонов СП для Атлантического океана между зимой и летом на основе метода I равен 64 (N/N = 28%), на основе метода II – 66 (21%), а на основе метода III – (27%). При этом соотношение N/N около 10 на основе метода I, около 5 на основе метода II и около 6 на основе метода III.

Для Тихого океана зимой наибольшее число циклонов выявляется методом I (на 6% циклонов больше, чем на основе метода II и на 40% больше, чем на основе метода III), а для лета – методом II (на 12% циклонов больше, чем на основе метода I). Методом III для лета выявляется на 27% меньше циклонов, чем на основе метода I. В целом для Тихого океана на основе метода I выявляется на 17% меньше циклонов, чем на основе метода II и 32% больше циклонов, чем на основе методов III. Средний диапазон вариаций N числа внетропических циклонов СП для Атлантического океана между зимой и летом на основе метода I равен 82 (N/N = 39%), на основе метода II – 128 (57%), а на основе метода III – 81 (56%). При этом соотношение N/N существенно – около 11 на основе метода I, около 15 на основе метода II и около 17 на основе метода III. Коэффициент корреляции межгодовых вариаций числа внетропических циклонов СП, идентифицированных с помощью методов I и II, равен 0.62, при использовании методов I и III – 0.41, а на основе методов II-III - 0.55. Во всех этих случаях корреляция значима на уровне 99%.

На рис. 3.3 приведены функции распределения количества внетропических циклонов СП в зависимости от их времени жизни для года в целом и для разных сезонов.

Распределения имеют экспоненциальный характер. Около 70% циклонов, полученных на основе всех трех методов, имеют время жизни до 3 дней. Методом I для внетропических широт СП в целом идентифицируется на 7% больше короткоживущих вихрей (до 3 дней), чем на основе метода II и на 29% больше, чем с помощью метода III. Зимой методом I выявляется на 19% больше циклонов, чем методом II и на 30% больше, чем методом III.

Летом с помощью метода I идентифицируется на 8% меньше циклонов, чем методом II и почти на 50% больше, чем методом III.

Рис. 3.1. Межгодовые вариации общего количества внетропических циклонов СП N за год нормированные на среднее значение для периода 1948-2007 гг., по данным NCEP/NCAR реанализа над Атлантическим (а) и Тихим (б) океанами и в целом для СП (в) с использованием различных методов (I, II, III) идентификации циклонов Временной масштаб экспоненциального убывания числа циклонов в зависимости от их времени жизни на основе метода I и III составляет 17 часов, на основе метода II – 12 часов для года в целом. Подобные временные масштабы для зимы на основе методов I, II, III получены равными 19, 12 и 17 часам, а для лета – 17, 12 и 17 часам, соответственно.

На рис. 3.4 приведены функции распределения количества внетропических циклонов в целом за год и для зимы и лета в зависимости от средней интенсивности Pц - модуля разности давлений между центром циклона (Pц) и последней замкнутой изобарой (Рп).

Минимальное давление в центре внетропических циклонов для года в целом и для зимы, полученное с использованием трех методов идентификации, получено равным около гПа, при максимальном значении 1015 гПа. Для летнего сезона минимальное давление для циклонов, полученных с помощью трех методов, соответствует 970 гПа.

Доля циклонов со средней за время жизни интенсивностью не более 5 гПа составляет около 70% от общего количества, определенного на основе метода I, а на основе метода II - 62%. Для зимы – 66% и 50% на основе метода I и II, соответственно, а для лета – 80% и 77%. Интенсивные циклоны, характеризующиеся интенсивностью не менее 30 гПа, идентифицированные на основе методов I и II, составляют не более 1% от общего количества, как в целом, так и для отдельных сезонов.

Рис. 3.2. Межгодовые вариации общего количества зимних (а, б) и летних (в, г) внетропических циклонов СП N, нормированные на среднее значение для периода 1948гг., по данным NCEP/NCAR над Тихим (б, г) и Атлантическим (а, в) океанами.

При этом в целом для СП количество циклонов с интенсивностью не более 5 гПа, выявляемых с использованием метода I, всего на 4% меньше, чем с использованием метода II. Для диапазона интенсивностей не более 5 гПа с помощью метода I идентифицируется на 16% больше циклонов, чем на основе метода II, зимой и на 19% меньше летом. Функции распределения количества циклонов в зависимости от их характерного размера (радиуса) в целом за год и для отдельных сезонов представлены на рис. 3.5. Максимальный размер циклонов, идентифицированных с помощью метода I, равен 2000 км, а с помощью метода II – 1500 км. Около 85% циклонов, полученных на основе метода I, соответствуют средним размерам циклонов до 600 км, в то время как на основе метода II – это соответствует лишь 60%. При этом в целом для СП количество циклонов с размером до 600 км, идентифицируемых с использованием метода I, на 4% меньше, чем с использованием метода II. При этом зимой в диапазоне размеров не более 600 км с помощью метода I идентифицируется на 9% больше циклонов, чем на основе метода II, а летом на 19% меньше.

Рис. 3.3. Распределение количества внетропических циклонов СП в зависимости от времени жизни в среднем за год (а) и для сезонов (б, в), с использованием различных методов (I, II, III) идентификации циклонов для 1948-2007 гг.. по данным NCEP/NCAR реанализа.

Влияние орографии на идентификацию циклонов Одним из факторов, влияющих на количество идентифицируемых циклонов, является орография (см. напр. Tsukernik 2007). В табл. 3.3 представлены оценки количества внетропических циклонов СП с учетом областей с влиянием орографических эффектов и без их учета.

В целом за год с учетом областей с существенным влиянием орографических эффектов идентифицируется на 6% больше циклонов, чем без их учета (Табл. 3.3). Следует отметить, что в ряде работ циклоны, детектированные в этих областях, исключаются из анализа (например в областях с высотой земной поверхности более 1000 м (Pinto et al.

2007)). Это, в частности, центральная часть Гренландии, Тибетское нагорье, Атласские горы, Кордильеры и др.

В таблице 3.4 сравниваются траектории конкретного циклона и изменения его характеристик с использованием трех методов идентификации. Согласно табл. 3.4, в частности, с помощью метода II идентифицируется циклон 27 декабря 2007 в 00:00 часов, методом I – через 6 часов, а методом III – через 12 часов.

Таблица 3.3. Среднее количество внетропических циклонов СП за год по данным NCEP/NCAR реанализа для периода 1948-2007 гг. с учетом и без учета орографии. В скобках приведены среднеквадратические отклонения для межгодовой изменчивости.

Метод Рис. 3.4. Распределение числа внетропических циклонов в зависимости от средней интенсивности в среднем за год (а) и для сезонов (б, в), с использованием различных методов (I, II, III) идентификации циклонов для 1948-2007 гг. по данным NCEP/NCAR реанализа.

Рис. 3.5. Распределение числа внетропических циклонов в зависимости от средних размеров в среднем за год (а) и для сезонов (б, в), с использованием различных методов (I, II, III) идентификации циклонов для 1948-2007 гг. по данным NCEP/NCAR реанализа.

определенных по трем разным данным реанализа (NCEP/NCAR, ERA-40, ERA-INTERIM), с использованием метода I. Для сравнения разных данных было выбрано два периода:

1989-1998 гг. и 1999-2008 гг.

Согласно табл. 3.5 для периода с 1989 г. по 1998 г. для отдельных сезонов и в целом за год количество циклонов, детектируемых с использованием ERA-INTERIM реанализа, больше, чем с использованием других данных (NCEP/NCAR и ERA-40) с более грубым пространственным разрешением. Зимой на основе данных NCEP/NCAR реанализа идентифицируется на 15% меньше циклонов, чем на основе данных ERA-INTERIM реанализа и всего на 4% больше, чем по данным ERA-40 реанализа. Летом по данным NCEP/NCAR реанализа идентифицируется на 15% меньше циклонов, чем на основе данных ERA-INTERIM реанализа и на 11% меньше, чем по данным ERA-40 реанализа. В целом за год различия в количестве циклонов, идентифицируемых на основе NCEP/NCAR реанализа, на 15% меньше, чем по данным ERA-INTERIM реанализа и всего на 2% меньше, чем по данным ERA-40 реанализа.

Для периода с 1999 г. по 2008 г. на основе данных NCEP/NCAR реанализа идентифицируется на 24% меньше циклонов, чем по данным ERA-INTERIM реанализа для зимы и на 21% меньше для лета. В целом за год количество циклонов, идентифицируемых на основе NCEP/NCAR реанализа для этого периода, на 25% меньше, чем на основе ERAINTERIM реанализа. При этом различие количества циклонов между двумя периодами (1999-2008 гг. и 1989-1998 гг.) на основе данных NCEP/NCAR реанализа около 1% для отдельных сезонов и в целом за год, а для циклонов на основе ERA-INTERIM реанализа существенно больше – около 12%.

На рис. 3.6 представлены функции распределения количества внетропических циклонов СП, полученных с использованием метода I по разным данным для двух периодов (1999-2008 гг. и 1989-1998 гг.) в зависимости от времени жизни циклонов для разных сезонов и в целом за год. По более детальным данным ERA-INTERIM реанализа отмечено наибольшее количество внетропических циклонов со временем жизни до 2 дней.

По данным NCEP/NCAR и ERA-40 около 70% циклонов имеют время жизни до 3 дней для обоих периодов. При этом для ERA-INTERIM реанализа количество короткоживущих циклонов достигает 90%.

Таблица 3.4. Сравнение характеристик конкретного внетропического циклона, определявшихся разными методами.

дата/ Широта Долгота, град. Давление в Интенсивность, Характерный

I II III I II III I II III I II III I II III

Таблица 3.5. Среднее количество внетропических циклонов СП в году и для различных сезонов по данным NCEP/NCAR, ERA-40 и ERA-INTERIM реанализов для периода 1989- гг., определенное с использованием метода I. В скобках приведены среднеквадратические отклонения в межгодовой изменчивости.

Для периода с 1989 г. по 1998 г. на основе данных NCEP/NCAR реанализа отмечено на 5% меньше циклонов со временем жизни не более 3 дней, чем по данным ERA-40 и на 36% меньше, чем по данным ERA-INTERIM в целом за год. Зимой по данным NCEP/NCAR идентифицируется всего на 2% больше циклонов, чем по данным ERA-40 и на 33% меньше, чем по данным ERA-INTERIM. Для лета – соответственно на 13% меньше, чем по данным ERA-40 и на 35% меньше, чем по данным ERA-INTERIM. Для периода с 1999 г. по 2008 г. на основе данных NCEP/NCAR выявляется на 41% меньше циклонов, чем по данным ERA-INTERIM для зимы и на 40% меньше для лета, а в целом за год разница около 43%.

Количество циклонов, идентифицированных на основе данных NCEP/NCAR реанализа для периода 1999-2008 гг. на 1% больше, чем для периода 1989-1998 гг. в целом за год.

Соответственно зимой отмечено на 1% меньше циклонов, а летом - на 3% больше. При этом количество циклонов на основе данных ERA-INTERIM реанализа для второго периода (1999-2008 гг.) больше, чем для первого (1989-1998 гг.) и составляет около 12%, как в целом за год, так и для отдельных сезонов.

На рис. 3.7 приведены функции распределения количества внетропических циклонов СП для отдельных сезонов и в целом за год в зависимости от их интенсивности Pц (с использованием метода I) по разным данным (NCEP/NCAR, ERA-40 и ERA-INTERIM) для периодов 1989-1998 гг. и 1999-2008 гг.

В целом за год и для зимнего сезона по данным NCEP/NCAR и ERA-40 реанализа минимальное давление в центре циклонов получено равным около 940 гПа для обоих анализировавшихся периодов. Для летнего сезона минимальное давление в центре циклонов повышается до 970 гПа для периода 1989-1998 гг. и до 980 гПа для периода 1999-2008 гг. Для циклонов, идентифицированным на основе ERA-INTERIM реанализа для периода 1989-1998 гг., минимальное давление в центре циклонов для года в целом, так и для зимы, составляет 930 гПа. А летом – 940 гПа. Для второго периода 1999-2008 гг.

циклоны с минимальным давлением в центре 930 гПа характерны как для зимы, так и для лета. При этом количество таких циклонов на 50% больше зимой, чем летом.

Циклоны, выделенные на основе данных ERA-INTERIM реанализа, характеризуются большими значениями интенсивности, чем по данным с более грубым пространственным разрешением (NCEP/NCAR, ERA-40) (рис. 3.7) - выявлены циклоны с интенсивностью до 65 гПа. Такие циклоны были отмечены как для холодного, так и для теплого сезона. Для циклонов, полученных на основе данных NCEP/NCAR реанализа, максимальные значения интенсивности достигают 50 гПа для периода 1989-1998 гг. и 40 гПа для периода 1999гг., 35 гПа для зимнего сезона и 20 гПа для летнего сезона для обоих периодов. Для циклонов, идентифицированных на основе данных ERA-40 реанализа, интенсивность находится в диапазоне от 1 гПа до 45 гПа в целом за год и для зимы и до 25 гПа для лета.

В целом за год и для отдельных сезонов по разным данным доля циклонов со средней интенсивностью не более 5 гПа около 70%.

Для первого периода (1989-1998 гг.) для циклонов с интенсивностью не более 5 гПа на основе данных NCEP/NCAR реанализа идентифицируется на 4% меньше циклонов, чем по данным ERA-40 и на 26% меньше, чем по данным ERA-INTERIM в целом за год. Зимой – соответственно выявляется на 4% больше циклонов, чем по данным ERA-40 и на 30% меньше, чем по данным ERA-INTERIM. Летом - на 15% меньше, чем по данным ERA-40 и ERA-INTERIM. Для второго периода (1999-2008 гг.), на основе данных NCEP/NCAR реанализа идентифицируется на 19% меньше циклонов, чем по данным ERA-INTERIM для зимы и только на 1% больше для лета, а в целом за год разница около 13%.

Рис. 3.6. Распределение числа внетропических циклонов СП в зависимости от времени жизни (сут.): в среднем за год (а), для зимы (б) и лета (в) по разным данным реанализа для 1989- гг.. и для 1999-2008 с использованием метода I.

Для периода 1999-2008 гг. количество циклонов с интенсивностью не более 5 гПа, идентифицированных на основе данных NCEP/NCAR реанализа, только на 2% больше, чем для периода 1989-1998 гг. в целом за год и для отдельных сезонов. При этом различия в количестве циклонов на основе данных ERA-INTERIM реанализа для второго (1999- гг.) и первого (1989-1998 гг.) периодов около 13% (1999-2008 гг. - 1989-1998 гг.), как в целом за год, так и для отдельных сезонов.

Функции распределения количества циклонов, полученных с использованием метода I, в зависимости от их характерного размера (радиуса) в целом за год и для отдельных сезонов по разным данным для двух анализируемых периодов представлены на рис. 8.

При этом около 80% циклонов соответствуют размерам до 600 км. Для первого периода (1989-1998 гг.) для циклонов с размерами до 600 км по данным NCEP/NCAR реанализа идентифицируется только на 4% меньше циклонов, чем на основе данных ERA-40 и на 18% меньше, чем на основе данных ERA-INTERIM в целом за год. Для зимы по данным NCEP/NCAR реанализа идентифицируется лишь на 3% меньше циклонов, чем на основе ERA-40 и на 19% меньше, чем на основе ERA-INTERIM. Для лета на 3% меньше, чем на основе данных ERA-40 и на 13% меньше, чем на основе ERA-INTERIM. Для второго периода (1999-2008 гг.) по данным NCEP/NCAR реанализа идентифицируется на 29% меньше циклонов, чем на основе данных ERA-INTERIM для зимы и на 21% меньше для лета, а в целом за год разница около 28%.

Рис. 3.7. Распределение числа внетропических циклонов СП в зависимости от их средней интенсивности (гПа): в среднем за год (а), для зимы (б) и лета (в) по разным данным реанализа для 1989-1998 гг. и для 1999-2008 с использованием метода I.

Рис. 3.8. Распределение числа внетропических циклонов СП в зависимости от характерного размера (радиуса) (км): в среднем за год (а), для зимы (б) и лета (в) по разным данным реанализа для 1989-1998 гг. и для 1999-2008 с использованием метода I.

Количество циклонов с размерами до 600 км, идентифицированных на основе данных NCEP/NCAR реанализа для периода 1999-2008 гг., только на 2% больше, чем для периода 1989-1998 гг. в целом за год и для отдельных сезонов. При этом различия в количестве циклонов на основе данных ERA-INTERIM реанализа для второго (1999-2008 гг.) и первого (1989-1998 гг.) периодов около 14%, как в целом за год, так и для отдельных сезонов.

4. Разработка аппаратно-программного комплекса для измерения характеристик атмосферной турбулентности в полярных районах Турбулентность играет весьма значительную и многообразную роль в физических процессах, определяющих режим приземного и пограничного слоев атмосферы. Любая модель пограничного слоя атмосферы должна учитывать ряд основных характеристик турбулентности, таких как турбулентный перенос тепла, влаги и количества движения.

Без учета этих факторов невозможно правильное понимание и описание процессов взаимодействия атмосферы с подстилающей поверхностью и процессов трансформации воздушных масс в результате такого взаимодействия.

Среди характеристик процессов взаимодействия слоя трения с подстилающей поверхностью наибольший интерес вызывают вертикальные турбулентные потоки импульса (), тепла (H), влаги или скрытого тепла (LE), углекислого газа или любой другой примеси. Практически во всей толще пограничного слоя, где эффекты молекулярного обмена пренебрежимо малы по сравнению с вертикальным турбулентным переносом импульса, тепла и влаги, эти величины характеризуют полные потоки, пересекающие подстилающую поверхность.

Методы определения турбулентных потоков подразделяются на три основных группы: прямые, то есть основанные на специальных измерениях атмосферной турбулентности; параметрические, использующие данные стандартных метеонаблюдений;

и полуэмпирические, применяющие модельные расчеты.

Но существует только один способ непосредственного определения турбулентных потоков – это пульсационный метод или, как его называют в западной литературе, eddy correlation (или более корректно eddy covariance) (далее EC). Измеряются пульсации двух компонент (продольной, вдоль оси ветра и поперечной) горизонтальной составляющей скорости ветра u и v, вертикальной скорости w, потенциальной температуры T, удельной влажности углекислого газа c в слое постоянных потоков (Smith, 1974; Волкова и Репина, 2002;

Волков и Копров, 1974; Baldocchi et al., 2001). Турбулентные потоки рассчитываются как ковариации между двумя высокочастотными временными сериями записи вертикальной скорости ветра и скаляра, которым может быть температура, влага или любой другой газ, измеренные в той же точке в пространстве и во времени (Andreas et al., 2005; Baldocchi, 2003).

Основные уравнения:

где cp и 0 – теплоемкость и плотность воздуха, H – турбулентный поток тепла, – поток импульса, LE - турбулентный поток влаги (скрытого тепла); Fco - поток углекислого газа; u* - динамическая скорость. u’, v’, w’ – пульсации трех компонент скорости ветра:

продольной (вдоль ветра), поперечной и вертикальной соответственно. T’ - пульсации температуры. Поток считается положительным, если он направлен от поверхности в атмосферу.

Выражения (4.1) являются модификацией основной формулы Рейнольдса для добавочных турбулентных напряжений, относящихся к уравнению для концентрации примеси, т.е. представляют собой прямое определение потоков (Монин и Яглом, 1965, 1967).

Т.е. само определение турбулентного потока показывает, что поток этот может быть приравнен одноточечному смешанному моменту пульсаций скорости ветра в вертикальном (по отношению к поверхности Земли) направлении и пульсаций примеси(температуры).

Для реализации прямого метода определения турбулентных потоков необходимо использование высокочастотной чувствительной техники для измерения пульсаций метеопараметров и концентраций исследуемых переносимых веществ. Для измерения пульсаций скорости ветра и температуры используются акустические анемометрытермометры (Kaimal and Gairon, 1991). Первый акустический анемометр был разработан в ИФА в 1958 г. В.М. Бовшеверовым (Бовшеверов и др., 1959; Бовшеверов и др., 1962). В нем фазовым методом измерялась разность времен распространения ультразвука от центрального источника к двум или четырем симметрично расположенным приемникам.

Путем применения специально разработанных в ИФА миниатюрных конденсаторных электроакустических преобразователей, работавших на частотах в несколько десятков килогерц, удалось уменьшить базу прибора до нескольких сантиметров. Благодаря линейности характеристики, высокой чувствительности (несколько сантиметров в секунду), малой инерционности (сотые доли секунды) и простоте калибровки (не требует аэродинамической трубы), акустический анемометр оказался очень привлекательным для использования в полевых условиях, получил в дальнейшем широкое применение в стране и за рубежом и оказал значительное влияние на исследование турбулентности (Kaimal and Businger, 1963; Mitsuta, 1974; Mitsuta, 1966; Foken and Oncley, 1995; Kaimal et al., 1974).

Прибор основан на эффекте Доплера. Опорная частота 100 КГц от кварцованного генератора подаётся на излучающий микрофон, который излучает в атмосферу звуковые колебания. В зависимости от конфигурации прибора приемных микрофонов может быть от 2 (для измерения только одной компоненты) до 4-х (для измерения трех компонент).

Смещение воздушных масс в промежутке между излучающим и приемными микрофонами вызывает доплеровский сдвиг частоты, который можно измерить измерителями фаз. Принятый микрофонами сигнал усиливается микрофонными усилителям и затем разность фаз опорного сигнала и компонент после усиления интегрируется и поступает на выход прибора.

Анемометр в дополнительной калибровке не нуждается. Чувствительность прибора рассчитывается по базе l, скорости ультразвука c и частоте излучения f = 100 Кгц по формуле Питается прибор от напряжения постоянного тока +12 и –12 Вольт.

Более сложной оказалась задача измерения пульсаций влажности e. Наиболее удобным является оптический метод, использующий линейную зависимость поглощения света в определенном диапазоне длин волн от количества паров воды в воздухе. В ИФА первый оптический гигрометр, работающий в инфракрасной области спектра, был создан Л.Г. Елагиной в 1962 г. (Елагина, 1963). Позднее он многократно модернизировался и усовершенствовался. Другой вариант инфракрасного гигрометра для измерения пульсаций влажности был разработан в 1974 г. Л.В. Богомоловой, В.И. ДиановымКлоковым и С.Л. Зубковским. Оптические гигрометры, как и акустические анемометры, также осредняют измеряемые пульсации по некоторому «пути луча», и поэтому непригодны для измерения более мелкомасштабных пульсаций, но для измерения пульсаций, относящихся к инерционному интервалу спектра, и тем более для измерения турбулентных потоков влаги они оказались достаточно удобны.

Техника для измерения пульсаций концентраций СО2 разработана сравнительно недавно (Елагина, 1962; Jones et al., 1978; Ohtaki and Matsui, 1982) и использует поглощение инфракрасной радиации молекулами газов. Сложность таких измерений заключается в том, что полоса поглощения водяного пара накладывается на полосу поглощения углекислого газа. Оптические интерференционные фильтры и различные способы обработки аналоговых сигналов минимизируют это влияние. Но все инфракрасные газоанализаторы сохраняют некоторую чувствительность к водяному пару, что может привести к ошибкам в оценке потоков углекислого газа и влаги. Поэтому необходима дополнительная калибровка анализаторов или введение соответствующей поправки (Leuning and Moncrieff, 1990). Также необходимо корректировать ошибки, возникающие из-за флуктуаций плотности воздуха. Для диагностики качества прямых измерений как правило проводится спектральный анализ измеряемых величин.

Для правильного применения метода EC недостаточно просто посчитать ковариации по формуле (4.1). Этим атмосферным измерениям присущи определенные недостатки, которые вызывают более или менее значительные ошибки в расчете потоков.

Измеренные сигналы нуждаются в серьезной обработке с применением различных фильтров и коррекций. В таблице 4.1 приведены процедуры обработки данных, применяемые для реализации расчета турбулентных потоков методом прямых пульсаций и ошибки, которые могут возникать если их не использовать. При использовании различных типов аппаратуры требуются и другие коррекции. В морских условиях отдельно проводится коррекция движения судна, о чем будет более подробно указано ниже.

Таблица 4.1. Коррекции метеорологических данных, используемые для расчета турбулентных потоков.

флуктуаций плотности воздуха) Общая ошибка может быть более 100%, а в нестационарных условиях и на порядок измеряемой величины.

Разработанный нами измерительный комплекс представляет собой измерительные элементы (рис. 4.1) (акустический анемометр USA-1 (1) и газоанализатор Licor 7500 (2) – возможно использование других высокочастотных датчиков), установленные на специальном выносе или стреле. Измерительные головки присоединены кабелями длиной 5м к блоку обработки сигнала (БОС) (3). БОС имеет в своем составе микроконтроллер, который обеспечивает управление излучателями и приемниками анемометра, синхронизацию частот анемометра и газоанализатора, регистрацию сигналов, преобразование их в цифровую форму, расчет трех компонент скорости ветра и температуры, расчет концентраций углекислого газа и водяного пара, расчет и накопление средних статистических параметров (интервал осреднения составляет 10-30 мин), сохранение всех полученных параметров в памяти. Так же в него входит 8-канальный интегральный аналого-цифровой преобразователь и интерфейсные схемы для передачи цифрового сигнала по длинному кабелю. Кроме того, он выполняет функции логгера, обеспечивая обмен с компьютером по интерфейсу RS232C, гарантируя при этом передачу данных без потерь, прием и отработку команд для настройки режимов работы измерительных датчиков. Питание БОС обеспечивается через блок питания 24 Вт (4).

Блок питания построен по стандартной трансформаторной схеме с диодным мостом. В качестве стабилизаторов выходного напряжения используются интегральные стабилизаторы 7812 и 7912. БОС разработан в ИФА им. А.М. Обухова РАН. Новизна блока по сравнению с используемыми ранее аналогами – внутренняя синхронизация данных и расчет и накопление статистических характеристик. Структурная схема БОС представлена на рис. 4.2.

Рис. 4.1. Блок-схема автоматизированного комплекса для регистрации и обработки микрометеорологических данных: (1) Акустический анемометр-термометр; (2) Газоанализатор; (3) Блок обработки сигналов (БОС); (4) Блок питания, 24 В; (5) Беспроводной адаптер (2 шт); (6) Компьютер Рис. 4.2. Структурная схема Блока обработки сигнала.

Возможны два варианта организации обмена данными:

1) От компьютера (6) к БОС через кабельные соединения – кабель питания (+24В) и кабель данных для передачи сигнала в цифровом виде в стандарте интерфейса RS232C.

Длина кабелей составляет 100 м для обеспечения работы в различных условиях.

2) Передача цифровых сигналов по радиоканалу. Для решения данной задачи используются два адаптера BT-0240 RS232 (5) (стандарт BlueTooth). Адаптер BT- RS232, используя свойства беспроводной технологии, служит для замены кабельного соединения компьютера и периферийного устройства с интерфейсом RS232.

Использование беспроводной системы передачи сигналов является новой характеристикой комплекса для пульсационных измерений.

Основные технические характеристики адаптера BT-0240 RS232:

Стандарт Bluetooth v1.1.; передача осуществляется посредством радиосигнала на частоте от 2,4 до 2,4865 ГГц, не требуется лицензирования; скорость передачи данных от 9600 до 230 400 бод; выходная мощность по радиоканалу – в соответствии с классом 1, типичное значение 13дБ; антенна встроенная; максимальное расстояние передачи сигнала – до 100м на прямой видимости (зависит от конкретных условий); чувствительность приемника не менее 88дБ; питание 7,5В постоянного напряжения, от адаптера 220В.

Может использоваться при температуре окружающей среды от 0 до 600С и влажности от 5 до 90% (недопустимо образование конденсата), габаритные размеры 81х54х21мм.

Перед подключением адаптеров необходимо настроить их для работы в паре друг с другом.

Характеристики измерительных элементов:

1. Акустический термоанемометр USA-1 (Изготовлен фирмой “METEK”, Германия). Позволяет измерять пульсации трех компонент скорости ветра ( X, Y, Z) и пульсации температуры с частотой до 50 Гц. Диапазоны и погрешности измерений:

Направление ветра Температура 2. Газоанализатор Licor 7500 (Изготовлен фирмой Licor, США). Позволяет измерять пульсации концентраций водяного пара и углекислого газа в атмосфере с частотой до 20 Гц. Диапазоны и погрешности измерений:

Концентрации углекислого газа Концентрации водяного пара Температура На Рис. 4.3 представлен пример использования комплекса в морских и Арктических условиях.

Рис. 4.3. Использование автоматизированного комплекса в морских и полярных условиях.

Пример использования Автоматизированного комплекса для регистрации и обработки данных микрометеорологических измерений в приземном слое атмосферы на основе измерений углеродного обмена в морях Восточной Арктики.

Измерения турбулентных потоков тепла, влаги и углекислого газа проводились в центральном бассейне Арктики и в морях Арктического шельфа в летне-осенний период в 2005-2009 гг как с борта ледокола «Капитан Драницын», так и с гидрографических судов.

Отдельная серия измерений была проведена непосредственно со льда.

Аппаратура находилась на баке судна на выносе, высота измерений 8 метров. При работах на льду высота измерений составляла 2 метра. Li-Cor размещался рядом с акустическим анемометром, но ниже него (Kristensen et al, 1997). При этом головка прибора размещалась под наклоном 150 чтобы минимизировать радиационные эффекты.

Его данные синхронизировались с данными анемометра и использовались для вычисления турбулентных потоков тепла, импульса, влаги и углекислого газа по методике, описанной выше с помощью разработанного нами программного обеспечения с учетом всех требуемых коррекций.

Для диагностики качества прямых измерений проводился спектральный анализ измеряемых величин.

На рисунке 4.4 показан пример спектров изменяемых величин при измерении со льда. В высокочастотной части спектры подчиняются закону 5/3.

Рис. 4.4. Спектры пульсаций углекислого газа, водяного пара и температуры, полученные при измерении со льда.

Рисунок 4.5 показывает пример реализации пульсаций концентраций водяного пара и углекислого газа и вертикальной скорости ветра на пятиминутном интервале.

Наблюдается обратная корреляция между концентрациями углекислого газа и водяного пара.

Рис. 4.5. Пульсации углекислого газа, водяного пара и вертикальной скорости ветра.

Отрицательные корреляции концентрации газов подтверждает и спектральная обработка сигналов (рис. 4.6). Потоки углекислого газа и водяного пара имеют разный знак.

На рисунке 7 показаны характерные формы коспектров для положительных потоков углекислого газа. В данном случае использовалось 30-минутное осреднение.

Рис. 4.6. Коспектр вертикальной скорости ветра с концентрациями углекислого газа и водяного пара и с температурой.

(f), (m/s) (g/g) f*S Рис. 4.7. Коспектры вертикальной скорости ветра и концентраций углекислого газа и водяного пара при положительном потоке углекислого газа.

В таблице 4.2 представлены результаты измерений характеристик энергообмена, полученные со стационарной мачты на морском льду 11 сентября 2005 года, то есть в конце арктического лета, когда фотосинтетическая активность резко понижается.

Измерения проводились в районе северной оконечности Северной Земли. Поверхность моря была покрыта остаточным однолетним льдом со снегом, сплоченностью 9 баллов, торосистостью 1 балл (средняя высота торосов 0.5 м). Со стороны натекания воздушного потока имелась гряда торосов.

Во время этих измерений наблюдалась положительная стратификация атмосферы, близкая к нейтральной. Как видно из таблицы, потоки тепла и влаги малы, поток тепла направлен к поверхности. Наблюдаемые потоки (поглощение атмосферного СО2 льдом) СО2 и их вариации были незначительны, (-0.5±0.2) ммол/(м2 день) – в данном случае лед препятствовал не только энергообмену, но и газообмену. При усилении устойчивости атмосферы поток углекислого газа стремился к нулю. Интересно, что прямые измерения турбулентного газобмена морского льда и атмосферы в районе мыса Барроу (Чукотское фотосинтетической активности, показали более высокие абсолютные величины потоков СО2–направленных в основном из атмосферы в лед-морскую воду 1.2-2.4 ммол/(м2 день) (Semiletov et al, 2004). Предполагается, что это объясняется процессами фотосинтеза в рассолах льда и в подледной воде. Отметим, что в этой работе использовался Этот результат свидетельствует о том, что акватория Чукотского моря может быть более значимым стоком для атмосферного по сравнению с оценками выполненными только для безледного периода (Pipko et al, 2002). Из этого следует, что для реалистичной оценки измерений потоков СО2 в различных характерных районах СЛО, как над открытыми акваториями, так и над акваториями покрытыми различными типами морского льда.

Таблица 4.2. Характеристики энерго- и газообмена на ледовой станции (средние значения).

Уровень измерений – 2 метра V – скорость ветра на уровне измерений; D – направление ветра; f – влажность воздуха на уровне измерений; T возд оС – температура воздуха на уровне измерений; T пов С – температура поверхности; H – поток явного тепла; LE - поток скрытого тепла (поток влажности); – поток импульса; u* - динамическая скорость ветра; T* - масштаб температуры; z/L – параметр устойчивости, z – высота измерений, L – масштаб МонинаОбухова; z0 – параметр шероховатости; u - стандартное отклонение компоненты u горизонтальной скорости ветра; w - стандартное отклонение вертикальной скорости ветра, t - стандартное отклонение температуры; CD – коэффициент сопротивления; CH – коэффициент обмена для потока явного тепла; CE - коэффициент обмена для потока скрытого тепла.

На рисунке 4.8 представлено распределение значений потоков CO2 на полигонах в различные годы.

Измерения проводились, в основном, над открытой водой. Средняя температура воздуха во время всего периода работ была близка к 0С, скорость ветра изменялась в диапазоне 5-10 м/с. На большей части акватории океан поглощал CO2 из атмосферы, что может быть следствием повышения абсобционной емкости воды вызванного осенним охлажением, и/или остаточной фотосинтетической активностью. Поток меняет знак в восточной части полигона, где отмечается значительное падение солености и увеличение поверхностной температуры, что свидетельствует о присутствии речных вод, которые как правило перенасыщены по СО2 относительно атмосферы (Semiletov, 1999; Pipko et al., 2002). Этот факт подтверждают и спутниковые данные о температуре поверхности в регионе и концентрации хлорофилла, а также измерения солености, проведенные в то же время в дельте Лены, которые показывают язык пресных вод, уходящий в район измерений. Надо льдом поток отрицателен и близок к 0 ммол/(м2 день). Положительные аномалии в Восточно-Сибирском море и проливе Вилькитского могут быть связаны с наличием речного стока. А увеличение поглощения СО2 из атмосферы в море Лаптевых, возможно, объясняется влиянием снежниц на газообмен (Semiletov et al., 2004).

Рис. 4.8. Распределение вертикального потока углекислого газа ммол/(м2сут) над морской поверхностью в сентябре 2005 (a), 2006 (б) и 2008 (в).

Увеличение поглощения углекислого газа в снежницах подтверждается и измерениями на ледовых станциях (рис. 4.9). Наибольшая концентрация снежниц наблюдалась на первой станции. Рядом с измерительным полигоном на второй станции присутствовало замерзающее разводье, которое, напротив, отдавало СО2 в атмосферу.

Рис. 4.9. Средний поток углекислого газа по измерениям на ледовых станциях в центральных районах Арктики в 2006 году.

По непосредственным измерениям над снежницей и замерзающим разводьем получился поток F = 0.64 mmol/м2с с разводья и F = -0.52 mmol/м2с со снежницы.

Проведенные исследования даже на примере относительно небольшого района показывают разнообразие локальных газообменных процессов в морях Арктики.

Результаты прямых измерений потоков хорошо согласуются с результатами предыдущих исследований выполненных в этом регионе другими методами. При формировании представления о роли СЛО в глобальном углеродном газообмене необходимо учитывать динамику и состояние ледового покрова, продуктивность шельфовых морей, а также сезонную изменчивость вышуказанных параметров.

5. Проведение патентных исследований По результатам разработки автоматизированного комплекса для регистрации и обработки данных микрометеорологических измерений в приземном слое проведены патентные исследования, подготовлен отчет о патентных исследованиях.

1. Репина Ирина Анатольевна, ведущий научный сотрудник.

2. Артамонов Арсений Юрьевич, младший научный сотрудник.

3. Бучнев Игорь Алексеевич, ведущий инженер.

4. Смирнов Александр Сергеевич, ведущий инженер.

Дата ПОСТУПЛЕНИЯ оригиналов документов заявки (регистрационный номер международной заявки и дата международной подачи, установленные получающим ведомством) (номер и дата международной публикации международной заявки)

ЗАЯВЛЕНИЕ

(54) НАЗВАНИЕ ПОЛЕЗНОЙ МОДЕЛИ Автоматизированный комплекс для регистрации и обработки данных микрометеорологических измерений в приземном слое атмосферы (71) ЗАЯВИТЕЛЬ (Указывается полное имя или наименование (согласно учредительному документу), место жительство или место нахождения, включая официальное наименование страны и полный ОГРН почтовый адрес) Учреждение Российской академии наук Институт физики атмосферы Указанное лицо является государственным заказчиком муниципальным заказчиком, исполнитель работ исполнителем работ по государственному муниципальному контракту, заказчик работ Контракт от _ № _ (74) ПРЕДСТАВИТЕЛЬ(И) ЗАЯВИТЕЛЯ Указанное(ые) ниже лицо(а) назначено(назначены) заявителем(заявителями) для ведения дел по получению патента от его(их) имени в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам Звонов Александр Александрович RU, 170023, Тверь, ул. Рихарда Зорге, д. 5а, кв. Адрес:

Бланк заявления ПМ лист (заполняется в случае назначения иного представителя без представления доверенности) Я Подпись автора документ об уплате патентной пошлины документ, подтверждающий наличие оснований для освобождения от уплаты патентной пошлины для отсрочки уплаты патентной пошлины копия первой заявки (при испрашивании конвенционного приоритета) перевод заявки на русский язык доверенность другой документ (указать) Фигуры чертежей, предлагаемые для публикации с рефератом _фиг. 1_ ЗАЯВЛЕНИЕ НА ПРИОРИТЕТ (Заполняется только при испрашивании приоритета более раннего, чем Прошу установить приоритет полезной модели по дате 1 подачи первой заявки в государстве-участнике Парижской конвенции по охране промышленной собственности (п.1 ст.1382 Гражданского кодекса Российской Федерации) (далее - Кодекс) 2 поступления дополнительных материалов к более ранней заявке (п.2 ст. 1381 Кодекса) 3 подачи более ранней заявки (п.3 ст.1381 Кодекса) (более ранняя заявка считается отозванной на дату подачи настоящей заявки) 4 подачи/приоритета первоначальной заявки (п. 4 ст. 1381 Кодекса), из которой выделена настоящая заявка

ХОДАТАЙСТВО ЗАЯВИТЕЛЯ:

начать рассмотрение международной заявки ранее установленного срока (п.1 ст. 1396 Кодекса) Подпись Патентный поверенный РФ (рег. № 294) Бланк заявления ПМ лист Подпись заявителя или патентного поверенного, или иного представителя заявителя, дата подписи (при подписании от имени юридического лица подпись руководителя или иного уполномоченного на это лица удостоверяется печатью) Бланк заявления ПМ лист Автоматизированный комплекс для регистрации и обработки данных микрометеорологических измерений в приземном слое атмосферы микрометеорологических данных (пульсаций трех компонент скорости ветра, температуры, концентраций водяного пара и углекислого газа) в приземном слое атмосферы в интересах расчета турбулентных потоков явного и скрытого тепла, содержания углекислого газа и измерения атмосферной турбулентности с судов и неподвижных платформ.

Уровень техники. Турбулентность играет весьма значительную и многообразную роль в физических процессах, определяющих режим приземного и пограничного слоев атмосферы. Любая модель пограничного турбулентности, таких как турбулентный перенос тепла, влаги и количества движения. Без учета этих факторов невозможно правильное понимание и поверхностью и процессов трансформации воздушных масс в результате такого взаимодействия. Среди характеристик процессов взаимодействия слоя трения с подстилающей поверхностью наибольший интерес вызывают вертикальные турбулентные потоки импульса (), тепла (H), влаги или скрытого тепла (LE), углекислого газа или любой другой примеси.

Практически во всей толще пограничного слоя, где эффекты молекулярного обмена пренебрежимо малы по сравнению с вертикальным турбулентным переносом импульса, тепла и влаги, эти величины характеризуют полные потоки, пересекающие подстилающую поверхность. Методы определения турбулентных потоков подразделяются на три основных группы: прямые, то есть основанные на специальных измерениях атмосферной турбулентности;

параметрические, использующие данные стандартных метеонаблюдений; и полуэмпирические, применяющие модельные расчеты. Но существует только один способ непосредственного определения турбулентных потоков – это пульсационный метод или, как его называют в /1-4/, eddy correlation (или более корректно eddy covariance) (далее EC). Измеряются пульсации двух компонент (продольной, вдоль оси ветра и поперечной) горизонтальной потенциальной температуры T, удельной влажности q или любого другого переносимого вещества, например, углекислого газа c в слое постоянных потоков. Турбулентные потоки рассчитываются как ковариации между двумя высокочастотными временными сериями записи вертикальной скорости ветра и скаляра, которым может быть температура, влага или любой другой газ, измеренные в той же точке в пространстве и во времени /5,6/.

Основные уравнения:

где cp и 0 – теплоемкость и плотность воздуха, H – турбулентный поток тепла, – поток импульса, LE - турбулентный поток влаги (скрытого тепла);

Fco 2 - поток углекислого газа; u* - динамическая скорость. u’, v’, w’ – пульсации трех компонент скорости ветра: продольной (вдоль ветра), поперечной и вертикальной соответственно. T’ - пульсации температуры.

Поток считается положительным, если он направлен от поверхности в атмосферу. Выражения (1) являются модификацией основной формулы Рейнольдса для добавочных турбулентных напряжений, относящихся к уравнению для концентрации примеси, т.е. представляют собой прямое определение потоков /7/. Т.е. само определение турбулентного потока показывает, что поток этот может быть приравнен одноточечному смешанному моменту пульсаций скорости ветра в вертикальном (по примеси(температуры).

Для реализации прямого метода определения турбулентных потоков необходимо использование высокочастотной чувствительной техники для измерения пульсаций метеопараметров и концентраций исследуемых переносимых веществ. Для измерения пульсаций скорости ветра и температуры используются акустические анемометры-термометры /8/.

Первый акустический анемометр был разработан в ИФА в 1958 г.

В.М. Бовшеверовым /9,10/. В нем фазовым методом измерялась разность времен распространения ультразвука от центрального источника к двум или четырем симметрично расположенным приемникам. Путем применения специально разработанных в ИФА миниатюрных конденсаторных электроакустических преобразователей, работавших на частотах в несколько десятков килогерц, удалось уменьшить базу прибора до нескольких сантиметров. Благодаря линейности характеристики, высокой чувствительности (несколько сантиметров в секунду), малой инерционности (сотые доли секунды) и простоте калибровки (не требует аэродинамической трубы), акустический анемометр оказался очень привлекательным для использования в полевых условиях, получил в дальнейшем широкое применение в стране и за рубежом и оказал значительное влияние на исследование турбулентности /11-15/. Прибор основан на эффекте Доплера.

Опорная частота 100 КГц от кварцованного генератора подаётся на излучающий микрофон, который излучает в атмосферу звуковые колебания.

В зависимости от конфигурации прибора приемных микрофонов может быть от 2 (для измерения только одной компоненты) до 4-х (для измерения трех компонент). Смещение воздушных масс в промежутке между излучающим и приемными микрофонами вызывает доплеровский сдвиг частоты, который можно измерить измерителями фаз. Принятый микрофонами сигнал усиливается микрофонными усилителям и затем разность фаз опорного сигнала и компонент после усиления интегрируется и поступает на выход прибора. Анемометр в дополнительной калибровке не нуждается.

Чувствительность прибора рассчитывается по базе l, скорости ультразвука c и частоте излучения f = 100 КГц по формуле Питается прибор от напряжения постоянного тока +12 и –12 Вольт.

Более сложной оказалась задача измерения пульсаций влажности e.