Assessing the reproduction quality of meteorological characteristics by several atmospheric reanalysis models on the territory of Crimean Peninsula

全文:

ВВЕДЕНИЕ

Пространственное распределение метеорологических величин – как непрерывных (температура и влажность воздуха), так и дискретных (атмосферные осадки, в особенности – высокой интенсивности) – определяющий фактор для формирования речного стока на территории суши. Данные о пространственном распределении температуры и осадков используются в гидрологических моделях для расчета стока воды с водосбора за период инструментальных наблюдений, а также для разработки методов гидрологического прогноза различной заблаговременности [1, 4]. Пространственная изменчивость этих величин, в особенности осадков, – основной лимитирующий фактор точности исходных данных для моделей формирования речного стока. Инструментальные измерения позволяют определять характеристики полей метеовеличин только в точке наблюдения, что вынуждает прибегать к сложным методам интерполяции для восстановления структуры поля на обширной территории рассматриваемого водосбора. В горных районах, где орография существенно влияет на пространственное распределение температуры и осадков, а ограниченная доступность местности не позволяет разместить достаточное количество измерительных станций, могут возникать существенные отклонения между интерполированными и реальными значениями метеовеличин, в особенности при прохождении осадков высокой интенсивности в короткие промежутки времени.

Эволюция методов расчета полей метеорологических величин в последние десятилетия была направлена в сторону разработки методов атмосферного реанализа – глобальных физически обоснованных атмосферных моделей, учитывающих данные наблюдений при помощи их ассимиляции в расчетные зависимости для воспроизведения основных процессов тепло- и массообмена в атмосфере в узлах глобальной регулярной расчетной сетки [5, 6, 18, 24, 31]. Использование таких моделей позволяет получить значения целого ряда метеорологических переменных с высоким разрешением по пространству и во времени. Такие данные, в особенности распределение атмосферных осадков и приземной температуры воздуха, критически важны для оценки водных ресурсов любой территории.

С ранних лет развития моделей атмосферного реанализа, таких как NCEP1 [21], NCEP2 [23], MERRA [26], MERRA-2 [14], JRA-55 [12], и до серии наиболее современных, разрабатываемых в Европейском центре среднесрочных метеорологических прогнозов методов реанализа ERA-15, ERA-40 [30], ERA-Interim [10], ERA5 [19] и ERA5-Land [25] в последние годы они были предметом оценки качества воспроизведения данных измерений как в глобальном, так и в региональном масштабе [3, 16], а также оценки возможности использования этих данных как источник данных для гидрологического моделирования [27–29].

Географическое положение и орографическое строение п-ова Крым – причина пестрой картины распределения природных зон на этой сравнительно небольшой по площади территории [11]. Распределение атмосферных осадков в пространстве здесь очень контрастно – от 250 мм/год на севере полуострова до 1000 мм в южной горной части. При этом наблюдательная сеть за атмосферными осадками достаточно редкая, особенно в горах на юге полуострова, там – верховья всех речных систем и формируется основная масса его водных ресурсов. Для целей исследования распределения осадков и моделирования формирования речного стока полуострова целесообразно использовать данные атмосферного реанализа. Настоящее исследование направлено на локальную верификацию двух продуктов атмосферного реанализа и одного синтетического набора данных об атмосферных осадках на территории Крыма по данным наземных наблюдений.

МАТЕРИАЛЫ И МЕТОДЫ

Исходные материалы

В качестве тестируемых на соответствие данным наблюдений были выбраны наборы сеточных атмосферных данных ERA5-Land, EWEMBI и MSWEP.

Набор данных EWEMBI (EartH2Observe, WFDEI, ERA-Interim data Merged, Bias-corrected for ISIMIP [13]), синтезированный в Потсдамском институте климата (Германия) из нескольких глобальных наборов данных, таких как реанализ ERA-Interim [10], WFDEI [32], E2OBS [8], NASA/GEWEX SRB [9], – наиболее ранний по времени создания из анализируемых продуктов. Реанализ EWEMBI был изначально предназначен для корректировки результатов расчетов по ансамблю глобальных климатических моделей в эксперименте ISI-MIP (The Inter-Sectoral Impact Model Intercomparison Project) за исторический период с 1979 по 2016 г. и приведения этих расчетов в соответствие с данными инструментальных наблюдений, тем самым – ликвидации систематической ошибки (так называемая “bias-correction”) и уточнения данных климатических расчетов до конца XXI в. [15, 22]. Данные в наборе представлены в виде хронологических рядов в узлах глобальной сетки с пространственным разрешением 0.5° × 0.5°. Территория Крыма покрыта 50 ячейками расчетной сетки (рис. 1). Для сопоставления с инструментальными наблюдениями взяты ряды среднесуточных величин приземной температуры воздуха tas (°C) и суточной суммы осадков pr (мм).

 

Рис. 1. Картосхема территории расположения метеостанций, использованных в исследовании. Цифрами на схеме обозначены: 1 – метеостанции, 2 – города, 3 – железнодорожные магистрали. Индексы – по табл. 1. Во врезках представлены фрагменты расчетных сеток MSWEP (1), ERA5-Land (2) и EWEMBI (3).

 

Продукт оперативного атмосферного реанализа ERA5-Land представляет собой результат расчета по модели земной системы с начальными условиями из модели общей циркуляции атмосферы [25]. Расчет проводится ансамблевым методом на часовом интервале по глобальной расчетной сетке пространственным разрешением 0.1° × 0.1°. Архив расчетов начинается с 1950 г. и доступен в квазиоперативном режиме с запаздыванием 5 сут от даты обращения к архиву. Для настоящего исследования взяты данные по температуре воздуха и количеству осадков с 1970 по 2022 г., которые были агрегированы до суточных значений.

Набор глобальных данных об осадках MSWEP (Multi-Source Weighted-Ensemble Precipitation [7]) представляет собой результат оптимального взвешивания данных наблюдений на глобальной сети метеостанций, измерений со спутников и расчетов по модели общей циркуляции, т. е. постобработки данных нескольких источников информации с помощью методов машинного обучения. В наборе содержатся только данные об осадках на расчетной сетке 0.1° × 0.1°, при этом временна́я дискретность данных – 3 ч, начало данных – с 1979 г. практически в реальном времени (запаздывание последнего срока в данных – 3 ч от среднего времени по Гринвичу). Для анализа срочные данные были агрегированы до суточных значений.

Для верификации данных атмосферных реанализов использованы различные источники данных, находящиеся в свободном доступе в сети Интернет. В базе данных ВНИИГМИ-МЦД [2] содержатся сведения о наблюдениях только на трех метеостанциях на исследуемой территории (рис. 1): Симферополь (код WMO 33946), Феодосия (33976) и Керчь (33983). Очевидно, что для надежной оценки продуктов реанализа этого недостаточно. В связи с этим в качестве основного массива данных наземных наблюдений использован массив суточного осреднения по данным более 9000 метеостанций глобального охвата Global Surface Summary of the Day (GSOD), полученный из глобальной базы Национального центра информации по окружающей среде Национальной администрации по атмо сфере и океану США NOAA NCEI [17], здесь и далее именуемый “Данные GSOD”. Для исследуемой территории получены временны́е ряды среднесуточных значений температуры воздуха и суточных сумм осадков с 13 метеостанций на территории Крымского п-ова (рис. 1).

Период наблюдений на них колеблется от 10 до 120 лет (табл. 1). Несмотря на это, по каждой станции использованы все данные, период которых пересекается с периодом реанализа 1950–2021 гг.

 

Таблица 1. Перечень метеостанций и периодов, за которые получены данные о среднесуточной температуре воздуха и суточной сумме осадков. Характеристики использованных рядов наземных наблюдений

№	Индекс ВМО	Название	Высота, м абс.	Начало	Конец	$\overline{T}$, °C	$\overline{P}$, мм
	33924	Черноморское	10	09.01.1955	26.08.2021	11.3	338
	33929	Евпатория	6	03.01.1959	11.06.2009	8.8	402
	33934	Джанкой	8	02.01.1955	11.06.2009	10.5	405
	33945	Почтовое	176	01.01.2000	11.06.2009	13.5	459
	33946	Симферополь	181	01.03.1898	26.08.2021	10.7	495
	33959	Алушта	7	01.01.1959	11.06.2009	11.9	466
	33962	Нижнегорск	20	01.01.1959	11.06.2009	8.0	399
	33973	Владиславовка	37	02.01.1959	11.06.2009	12.9	419
	33976	Феодосия	22	01.01.1982	30.03.2015	11.9	388
	33981	Мыс Казантип	101	03.09.1977	11.06.2009	9.8	368
	33983	Керчь	49	01.01.1936	26.08.2021	11.3	416
	33990	Ялта	72	29.08.1949	30.03.2015	12.8	573
	33999	Ай-Петри	1180	01.09.1899	31.12.2012	5.0	932

 

Методы

Для анализа исходных массивов данных, полученных из соответствующих источников в сети Интернет, разработан программный код на языке R. Для сопоставления данных на метеостанциях и в узлах расчетных сеток использован пакет (библиотека программных функций) raster [20]. Данные из узлов сетки пересчитывались в ближайшую точку расположения метеостанции с помощью метода билинейной интерполяции.

Первоначально данные, полученные из архива GSOD, были проверены на соответствие данным из архива ВНИИГМИ-МЦД [2] путем сопоставления значений на метеостанциях 33946 Симферополь, 33976 Феодосия и 33983 Керчь. Результаты показали, что коэффициенты линейной корреляции для температуры и осадков между наборами данных GSOD и ВНИИГМИ-МЦД составляют >0.99, среднеквадратическая ошибка по температуре – 0.16°С, по осадкам – 0.07 мм. Наличие ошибки в данных объясняется двойной конвертацией единиц: особенность набора данных GSOD – хранение в американской системе мер. Несмотря на наличие этих незначительных ошибок, было принято решение использовать данные GSOD для оценки продуктов реанализа и сеточных осадков на всех метеостанциях.

Для оценки качества воспроизведения данных наблюдений за температурой воздуха и осадками на трех интервалах осреднения (сутки, месяц, год) рассчитаны следующие метрики: средняя абсолютная ошибка (“mean absolute error”, MAE), средняя квадратическая ошибка (“root mean square error”, RMSE) и коэффициент линейной корреляции R. Для осадков отдельно оценивалось среднее количество дней с осадками >0 мм за месяц, а также рассчитывались бинарные метрики условного распределения модели и наблюдений: вероятность определения наличия осадков (“probability of detection”, POD) и вероятность ложного определения наличия осадков (“false alarm rate”, FAR):

$\mathrm{POD}=\frac{a}{a+c},$ (1)

$\mathrm{FAR}=\frac{b}{a+b},$ (2)

где a – количество корректно определенных реанализом дней с осадками, b – количество ложно определенных дней с осадками, с – количество реально наблюдавшихся дней с осадками, не обнаруженных в данных реанализа. Воспроизведение моделями экстремальных осадков оценено отдельно путем расчета индексов POD и FAR для событий с фактическими суточными суммами осадков >10 мм.

РЕЗУЛЬТАТЫ

Все описанные метрики рассчитаны для всех метеостанций по отдельности, затем осреднены и далее демонстрируются в виде средних значений для массива станций либо распределения величины метрики. Распределение суточных значений температуры воздуха по наборам данных реанализов EWEMBI и ERA5-Land на всех метео станциях близко к наблюдавшемуся (рис. 2а). При этом распределение суточных сумм осадков зачастую существенно занижено (рис. 2б), как и максимальные суточные осадки.

 

Рис. 2. Сравнение распределений суточных значений температуры (а) и сумм осадков (б) по метеостанциям. Закрашенные области показывают 50% распределения, линии – по 25%, горизонтальная черта – медиана, точки – выбросы. Вертикальная ось (б) – логарифмическая.

 

Средняя по всем станциям корреляция суточных значений температуры воздуха по данным наблюдений с данными реанализа EWEMBI составляет 0.975, реанализа ERA5-Land – 0.979 (табл. 2).

 

Таблица 2. Оценка качества воспроизведения температуры воздуха и суммы осадков по суточным, месячным и годовым интервалам (полужирным шрифтом – лучшие значения показателя из всех продуктов)

Набор данных	Температура воздуха			Сумма осадков
	R	MAE, °С	RMSE, °С	R	MAE, мм	RMSE, мм
Сутки
EWEMBI	0.975	1.82	2.34	0.480	1.85	4.58
ERA5-Land	0.979	1.73	2.21	0.525	1.69	4.40
MSWEP	-	-	-	0.497	1.72	4.56
Месяц
EWEMBI	0.785	1.53	1.87	0.364	28.0	38.2
ERA5-Land	0.791	1.55	1.89	0.611	24.4	31.8
MSWEP	-	-	-	0.287	27.3	36.9
Год
EWEMBI	0.741	1.66	2.24	0.796	156	184
ERA5-Land	0.708	1.96	2.77	0.752	192	214
MSWEP	-	-	-	0.630	128	154

 

Cуточные значения температуры воздуха и суммы осадков воспроизведены с большей точностью реанализом ERA5-Land, при этом линейная связь уменьшается с увеличением периода осреднения при практически неизменной ошибке. Это имеет обратный эффект для корреляции осадков – значения возрастают при увеличении периода осреднения. Годовые средние значения корреляции температуры и осадков лучше у модели EWEMBI, хотя ошибка осадков меньше у MSWEP при меньшей линейной связности.

Ошибки воспроизведения годовой суммы осадков меньше у MSWEP, хотя корреляция выше также у EWEMB, при несколько большей ошибке. Распределение ошибок среднемесячных значений температуры показывает, что воспроизведение по всем метеостанциям достаточно равномерное и ошибка составляет в среднем ~1°С как по реанализу ERA5Land, так и по ре анализу EWEMBI (рис. 3а). При этом наблюдается небольшое увеличение ошибок в декабре–январе и августе–сентябре.

 

Рис. 3. Распределение среднеквадратических ошибок реанализа среднемесячных значений температуры (а) и сумм осадков (б).

 

Ошибки определения среднемесячных сумм осадков минимальны для реанализа MSWEP (рис. 3б), однако в отдельные месяцы весной и осенью реанализ EWEMBI также показывает низкие значения. В летние месяцы наибольшая ошибка у ERA5Land могут достигать 30–40 мм.

Количество дней с осадками не воспроизводится адекватно ни одной моделью (рис. 4). В среднем каждая модель в два раза, а ERA5Land – до 3 раз завышает количество дней с осадками, особенно в летние месяцы. Связанные с этим показатели POD определения наличия суточных осадков >0.01 мм наивысшие у ERA5Land (рис. 5а), но для нее также характерны и наивысшие значения доли ложного определения наличия осадков FAR – до 0.7 в летние месяцы, т. е. >70% событий выпадения осадков было неверно определено моделью. Такая тенденция сохраняется и для событий выпадения сумм осадков >10 мм в сутки: ERA5Land показывает самые высокие значения как POD, так и FAR (рис. 5б). MSWEP при этом почти так же правильно определяет наличие осадков, но делает меньше ошибочных определений.

 

Рис. 4. Внутригодовое распределение количества дней с осадками >0 мм.

 

Рис. 5. Показатели условного распределения наличия осадков по модели и данным наблюдений: а – для осадков >0.01 мм, б – для осадков >10 мм.

 

ОБСУЖДЕНИЕ

Воспроизведение температуры воздуха в моделях реанализа происходит с приемлемой точностью, так как систематическая ошибка отсутствует, а случайные ошибки в среднем <1.2 градусов. Что касается воспроизведения осадков, то все модели реанализа показывают систематическое занижение суточных сумм на фоне двух- и трехкратного превышения количества дней с осадками в месяц над реальным. Очевидно, это происходит для достижения лучшего соответствия модельных осадков данным наблюдений на более длительных интервалах осреднения – месяц, год; это подтверждается увеличением коэффициента корреляции осадков при увеличении периода осреднения. Дополнительное подтверждение завышения моделями количества событий выпадения осадков – оценка по метрикам условного распределения выпадения осадков. По критерию вероятности определения дня с осадками POD наилучшие показатели у модели ERA5-Land, при этом показатель ложного определения FAR – также у этой модели, и его величина доходит до 0.75, что характеризует три четверти событий осадков как ложно определенные. Эти результаты соответствуют некоторым известным из литературы оценкам реанализа ERA5-Land для регионов Средиземноморья [16]. Показатели у MSWEP несколько лучше, так как доли и корректно определенных событий по критерию POD, и некорректно выявленных осадков по критерию FAR ниже, чем у других продуктов.

В конечном итоге средняя ошибка по всем метеостанциям в месячном и годовом интервалах относительно невысока, хотя на станциях в северных степных районах Крыма наблюдается тенденция к завышению, а в горных – к занижению суммарного количества осадков.

Воспроизведение высоких (>10 мм) сумм суточных осадков сравнительно неудачно у всех моделей и повторяет описанную выше тенденцию – доля корректно определенных осадков у ERA5-Land несколько выше остальных на фоне очень большой доли ложно определенных высоких осадков. В этом отношении MSWEP снова выглядит более предпочтительно по причине наименьших из трех моделей значений FAR.

ЗАКЛЮЧЕНИЕ

Цель данной работы состояла в оценке применимости различных продуктов метеорологических реанализов для региональных исследований текущих и будущих изменений климата и водных ресурсов. Для этого было необходимо: 1) оценить набор данных EWEMBI, используе мый для коррекции климатических проекций до конца XXI в., по которым строятся проекции влияния изменений климата на местные водные ресурсы; 2) оценить два продукта квазиоперативного реанализа атмосферы, которые могут быть использованы для воспроизведения экстремальных гидрологических событий в недавнем прошлом и оценить их гидрологические параметры; 3) оценить эти квазиоперативные продукты на способность воспроизводить температуру и осадки за холодный период года, что может быть использовано для оценки имеющихся водных ресурсов для водоснабжения региона в теплый период года.

В результате были оценены ошибки моделей реанализа и особенности их воспроизведения естественных условий температуры воздуха и количества осадков. По воспроизведению температуры воздуха в суточном интервале осреднения более предпочтительным оказался реанализ ERA5Land, хотя на годовом интервале несколько лучше оценки у EWEMBI. В отношении суточных сумм осадков по характеристикам линейной связи также выделяется ERA5Land, хотя выявлено существенное превышение этой моделью количества дней с осадками в месяц. Средние ошибки меньше у модели MSWEP, а также она более корректно воспроизводит количество дней с осадками.

В отношении среднемесячных значений температуры и сумм осадков в южной гористой части полуострова все модели показали большие ошибки в зимний период, однако модель MSWEP по сумме осадков оказалась несколько ближе к данным наблюдений.

Корректировка моделей изменения климата по реанализу EWEMBI, в целом, выглядит оправданной по причине воспроизведения этой моделью средних характеристик по укрупненным интервалам времени и пространству. Интенсивные осадки лучше воспроизводятся моделью MSWEP, поскольку она характеризуется меньшей долей ложных событий осадков, чем модель ERA5Land. Оценку запасов воды в снежном покрове целесообразно проводить по данным реанализа ERA5Land, так как на месячном интервале осреднения она имеет наилучшие показатели воспроизведения температуры и осадков. Последняя, впрочем, имеет преимущество в виде учащенных по времени расчетных шагов (1 ч) по сравнению с MSWEP, поэтому может быть полезна в задачах моделирования волн быстроразвивающихся паводков, хотя, возможно, и в ущерб точности.

 

Работа выполнена в рамках Государственного задания ИВП РАН (темы 0126-2021-0001 (121040700170-9) и FMWZ-2022-0003).

作者简介

V. Moreido

Water Problems Institute, Russian Academy of Sciences; Moscow State University

编辑信件的主要联系方式.
Email: vsevolod.moreydo@iwp.ru
俄罗斯联邦, Moscow, 119333; Moscow, 119991

P. Terskii

Water Problems Institute, Russian Academy of Sciences; State Oceanographic Institute

Email: vsevolod.moreydo@iwp.ru
俄罗斯联邦, Moscow, 119333; Moscow, 119034

D. Abramov

Skolkovo Institute for Science and Technology

Email: vsevolod.moreydo@iwp.ru
俄罗斯联邦, Moscow, 121205

参考

补充文件