Повышение точности краткосрочных численных прогнозов погоды для территории Беларуси с использованием мезомасштабной модели WRF и данных дистанционного зондирования Земли
https://doi.org/10.29235/1561-8323-2023-67-1-66-73
Аннотация
Рассмотрена задача повышения точности численных прогнозов погоды для Беларуси на основе применяемой в национальной гидрометеорологической службе модели WRF за счет ассимиляции в ней данных дистанционного зондирования Земли. Показано, что для зимнего периода использование в модели спутниковых данных высокого пространственного разрешения по структуре землепользования, альбедо, листовом индексе и фотосинтетически активной радиации, поглощаемой подстилающей поверхностью, позволяет сократить среднеквадратическую погрешность краткосрочного прогноза приземной температуры воздуха (до 48 ч) на 0,53–1,11 °С. Для летнего периода на основе численных экспериментов установлен оптимальный коэффициент коррекции альбедо подстилающей поверхности, позволяющий сократить cреднеквадратическую погрешность прогноза температуры на метеорологических станциях Беларуси для заблаговременности +12, +24, + 36 и +48 ч в среднем на 0,30, 0,10, 0,15 и 0,16 °С соответственно.
Об авторах
С. А. Лысенко
Институт природопользования Национальной академии наук Беларуси
Беларусь
Беларусь
Лысенко Сергей Александрович – д-р физ.-мат. наук, профессор, директор
ул. Ф. Скорины, 10, 220076, Минск
П. О. Зайко
Институт природопользования Национальной академии наук Беларуси
Россия
Россия
Зайко Полина Олеговна – науч. сотрудник
ул. Ф. Скорины, 10, 220076, Минск
Список литературы
1. Evaluating the use of Aeolus satellite observations in the regional numerical weather prediction (NWP) model Harmonie–Arome / S. Hagelin [et al.] // Atmos. Meas. Tech. – 2021. – Vol. 14, N 9. – P. 5925–5938. https://doi.org/10.5194/amt-14-5925-2021
2. Effect of the ingestion in the WRF model of different Sentinel-derived and GNSS-derived products: analysis of the forecasts of a high impact weather event / М. Lagasio [et al.] // Eur. J. Remote Sens. – 2019. – Vol. 52, N 4. – P. 16–33. https://doi.org/10.1080/22797254.2019.1642799
3. Integrating remote sensing data with WRF model for improved 2-m temperature and humidity simulations in China / D. Yan [et al.] // Dynam. Atmos. Oceans. – 2020. – Vol. 89. – Art. 101127. https://doi.org/10.1016/j.dynatmoce.2019.101127
4. Sensitivity of the Weather Research and Forecast/Community Multiscale Air Quality modeling system to MODIS LAI, FPAR, and albedo / L. Ran [et al.] // J. Geophys. Res. Atmos. – 2015. – Vol. 120, N 16. – P. 8491–8511. https://doi.org/10.1002/2015jd023424
5. A New Land-Use Dataset for the Weather Research and Forecasting (WRF) Model / H. Li [et al.] // Atmosphere. – 2020. – Vol. 11, N 4. – P. 350. https://doi.org/10.3390/atmos11040350
6. Knist, S. Effects of land surface inhomogeneity on convection-permitting WRF simulations over central Europe / S. Knist, K. Goergen, C. Simmer // Meteorol. Atmos. Phys. – 2020. – Vol. 132, N 1. – P. 53–69. https://doi.org/10.1007/s00703-019-00671-y
7. Impact of refined land surface properties on the simulation of a heavy convective rainfall process in the Pearl River Delta region, China / M. Chang [et al.] // APJAS. – 2014. – Vol. 50, N 1. – P. 645–655. https://doi.org/10.1007/s13143-014-0052-3
8. A description of the Advanced Research WRF Model Version 4 / W. C. Skamarock [et al.]. Boulder, Colorado: National Center for Atmospheric Research, 2019. – 165 p.
9. Global Forecast System (GFS) [Rules for the citing sources] [Electronic Resource]. – Mode of access: https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-system-gfs.
10. Schaaf, C. MCD43A3: MODIS/Terra and Aqua BRDF/Albedo Daily L3 Global 500 m V006 [Data Set] / C. Schaaf, Z. Wang. – NASA EOSDIS Land Processes DAAC, 2015. https://doi.org/10.5067/MODIS/MCD43A1.006
Рецензия
Просмотров: 226
Послать статью по эл. почте 