АНАЛИЗ ХАРАКТЕРИСТИК СНЕЖНОГО ПОКРОВА ДЛЯ БАССЕЙНОВ ...
DESCRIPTION
АНАЛИЗ ХАРАКТЕРИСТИК СНЕЖНОГО ПОКРОВА ДЛЯ БАССЕЙНОВ КРУПНЫХ РОССИЙСКИХ РЕК ПО РЕЗУЛЬТАТАМ ЧИСЛЕННЫХ ЭКСПЕРИМЕНТОВ, ДАННЫМ НАЗЕМНЫХ И СПУТНИКОВЫХ НАБЛЮДЕНИЙ А ТАКЖЕ NCAR / NCEP (США) И ERA (Европейский центр среднесрочных прогнозов) РЕАНАЛИЗОВ - PowerPoint PPT PresentationTRANSCRIPT
АНАЛИЗ ХАРАКТЕРИСТИК СНЕЖНОГО ПОКРОВАДЛЯ БАССЕЙНОВ КРУПНЫХ РОССИЙСКИХ РЕКПО РЕЗУЛЬТАТАМ ЧИСЛЕННЫХ ЭКСПЕРИМЕНТОВ,ДАННЫМ НАЗЕМНЫХ И СПУТНИКОВЫХ НАБЛЮДЕНИЙ А ТАКЖЕ NCAR/NCEP(США) И ERA(Европейский центр среднесрочных прогнозов) РЕАНАЛИЗОВ
ANALYSYS OF SNOW COVERANALYSYS OF SNOW COVERFOR BIGGEST RUSSIAN RIVERSFOR BIGGEST RUSSIAN RIVERSON RESULTS OF NUMERICAL EXPERIMENTS,ON RESULTS OF NUMERICAL EXPERIMENTS,SNOW MESURMENTS AND SATALITE ESTIMATIONSSNOW MESURMENTS AND SATALITE ESTIMATIONSAND NCAR/NCEP(USA) AND ERA (ECMWP) REANALYSYSAND NCAR/NCEP(USA) AND ERA (ECMWP) REANALYSYS
КонстантинКонстантин Рубинштейн Рубинштейн [email protected](Konstantin Rubinstein)(Konstantin Rubinstein)
VALENTINA KHAN, SERGEY GROMOVVALENTINA KHAN, SERGEY GROMOV,,Roman Ignatov Roman Ignatov Hydrometeorological Centre of Russia,Hydrometeorological Centre of Russia,
ОСНОВНЫЕ ЗАДАЧИ ПРОЕКТАОСНОВНЫЕ ЗАДАЧИ ПРОЕКТА ::Main tasksMain tasks:: Что хотим сделатьЧто хотим сделать?? 1.Развитие физических параметризаций процессов в атмосфере и 1.Развитие физических параметризаций процессов в атмосфере и
на суше, связанных на суше, связанных c c образованием, накоплением и изменением образованием, накоплением и изменением свойств снежного покрова, в первую очередь учет вертикальной свойств снежного покрова, в первую очередь учет вертикальной структурыструктуры
Fig. 1Fig. 1 Пример изменения вертикальной структуры снега Пример изменения вертикальной структуры снега
2. 2. Анализ характеристик структуры снежного покроваАнализ характеристик структуры снежного покрова в в ““реальностиреальности” ” Анализ характеристик структуры снежного покроваАнализ характеристик структуры снежного покрова в в ““реальностиреальности” ” и в результатах моделирования для демонстрации и в результатах моделирования для демонстрации результатов развития параметризациирезультатов развития параметризации3.3. Численные эксперименты с новыми методами параметризации Численные эксперименты с новыми методами параметризации снега.снега. 44. Связь тенденций климатических изменений характеристик . Связь тенденций климатических изменений характеристик снежного покрова и экономических показателейснежного покрова и экономических показателей..
Анализ характеристик структуры снежного Анализ характеристик структуры снежного покровапокрова в в ““реальностиреальности””
Что мы имеем и что знаем об снегеЧто мы имеем и что знаем об снеге????
• Ежедневные данные высоты снежного покрова для бывшего Советского Союза 1345 станция и декадные данные водного эквивалента снега (1881 – 1995)
• Недельные спутниковые (NOAA) о водном эквиваленте снега для Северного полушария
шаг 25 км (1971 - 1995)• Данные по водному эквиваленту снега из реанализа
ECMWF ERA-40 шаг 250 км (1958 – 1998)• Данные по водному эквиваленту снега из реанализа NCEP/NCAR - 1 версия шаг 180 км (1979 – 1999)• Данные по водному эквиваленту снега из реанализа NCEP/NCAR - 2 версия шаг 180 км (1979 – 1999)
Ежедневные данные о высоте снежного покрова для бывшего Советского Союза 1310 станция и декадные
данные водного эквивалента снега (1881 – 1995)Где меряем?
30 40 50 60 70 80 90 100 110 120 130 140Longitude
50
60
70
Latit
ude
VolgaDon
Enisey LenaPechora
Sev. D vina
O b'Nem an
Am ur
Neva
O lenek Yana Карта бассейнов крупных рек России
Карта снегомерных станций в бассейнах крупных рек России
Реанализ Реанализ ERA 2,5ERA 2,5РеанализРеанализ NCAR T96NCAR T96Модель НМС Т4Модель НМС Т422
sn snsn sn sn
T TC
t z z
sn snsn sn sn
T TC
t z z
NCAR -1
ERA Пример изменения
недельных HMC данных
водного эквивалента
снега за 1998 г.в реанализах и в
эксперименте
Сравнение характеристик снега по реанализам с наземными
измерениями.
1. Из 1300 станций были отобрано 707 станций c точки зрения длин ряда, полноты данных, отсутствия выбросов, а также распределения по бассейнам выбранных рек.2. В рядах станционных данных убраны интервалы времени, в которых толщина снега меньше или равна 0 и получен сквозной ряд.3. По каждой станции за весь имеющийся интервал рассчитывались месячные нормы.4. В каждой станции все данные переводились в аномалии.5. Из данных реанализов выбирались ближайшие к каждой станции узлы.6. Также как и для станций рассчитывались месячные нормы и аномалии.7. Характеристиками сравнения рядов являлись коэффициенты корреляции, средние разности и их разброс. 8. Сравнение с данными спутников проводилось с точки зрения определения наличя информации.
Как это сделать ???
Примеры полученных рядов аномалийКак бывает?
Красная кривая – данные наземных измерений, синяя – данные ERA реанализа
Карта ранжированного коэффициента корреляции между рядами аномалий водного эквивалента ECMWF реанализом и
измерениями толщины снежного покроваЧто в итоге?
3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0 1 3 0 1 4 0
l o n g i t u d e
E C M W F
5 0
6 0
7 0
latit
ude
Для ERAГрадации %
к-во станций
-1 0.2 10.2 72
0.2 0.5 44 310
0.5 1 45.8 323
-0.26 to 0 .2 0 .2 to 0.5 0 .5 to 1
-0.26 to 0 .2 0.2 to 0 .5 0.5 to 1
Для NCAR IГрадации % Ns
-1 0.2 68.1 483
0.2 0.5 29.7 209
0.5 1 1.6 11
Для NCAR 2Градации % Ns
-1 0.2 41.7 294
0.2 0.5 41.0 289
0.5 1 17.3 122
3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0 1 3 0 1 4 0
l o n g i t u d e
N C E P - 2
5 0
6 0
7 0
lati
tud
e Карта ранжированного коэффициента корреляции
между рядами аномалий водного эквивалента NCAR-1 и 2 реанализом и измерениями толщины снежного
покроваЧто в итоге?
30 40 50 60 70 80 90 100 110 120 130 140
long itude
50
60
70
lati
tud
e
NCEP -1
Сравнение данных спутникового зондирования с данными наземных измерений
Сравнение интегральной массы снега для 12 моделей ОЦА
Eurasian Average Year Snow Mass Integral
0
500
1000
1500
2000
2500
SDC
SMM
R
ECH
AM
ARIE
S
GLA
CC
C
GIS
S
HC
GEN
ESIS
NC
EP
RH
MC
INM
MG
O
Snow
Mas
s (1
013 k
g)
ЕВРАЗИЯ
Северная АмнрикаNorth America Av erage Year Snow Mass Integral
0
200
400
600
800
1000
1200
1400
1600
SDC
SMM
R
ECH
AM
ARIE
S
GLA
CC
C
GIS
S
HC
GEN
ESIS
NC
EP
RH
MC
T40
INM
MG
O
Snow
Mas
s (1
013 k
g)
Области роста риска ПРИ ИЗМЕНЕНИИ
КЛИМАТА ПО РАБОТЕ:
P. C. D. Milly*, R. T. Wetheraldt, K. A. Dunne & T.
L. Del worth t
Данные снегомерных съемок для каждого бассейна
Красные звезды – станции использованные для сравнения
Коэффициенты корреляции аномалий по наблюдениям и экспериментам
Anomalies corellations (RHMC, INM, MGO, NCEP(RA2), STA, WDIS [prev .month])
-1
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0,8
RH
MC
-ER
A
RH
MC
-STA
RH
MC
-
NC
EP(R
A2)
RH
MC
-WD
IS
ERA-
STA
ERA-
NC
EP(R
A2)
ERA-
WD
IS
STA-
NC
EP(R
A2)
STA-
WD
IS
NC
EP(R
A2)-
WD
IS
march april may june ОбьAnomalies corellations (RHMC, INM, MGO, NCEP(RA2), STA, WDIS [prev .month])
-1
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0,8
1
RH
MC
-ER
A
RH
MC
-STA
RH
MC
-
NC
EP(R
A2)
RH
MC
-WD
IS
ERA-
STA
ERA-
NC
EP(R
A2)
ERA-
WD
IS
STA-
NC
EP(R
A2)
STA-
WD
IS
NC
EP(R
A2)-
WD
IS
march april may june
Anomalies corellations (RHMC, INM, MGO, NCEP(RA2), STA, WDIS [prev .month])
-1
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0,8
1
RH
MC
-ER
A
RH
MC
-STA
RH
MC
-
NC
EP(R
A2)
RH
MC
-WD
IS
ERA-
STA
ERA-
NC
EP(R
A2)
ERA-
WD
IS
STA-
NC
EP(R
A2)
STA-
WD
IS
NC
EP(R
A2)-
WD
IS
march april may june
Енисей
Лена
Годовой ход температуры и осадков в бассейнах Оби, Енисея и Лены по эмпирическим данным и результатам
экспериментов
Температура Эксперимент
-30
-20
-10
0
10
20
1 2 3 4 5 6 7 8 9 10 11 12
Месяцы
°С
01234
1 2 3 4 5 6 7 8 9 10 11 12
мм/с
ут Обь Енисей Лена
01234
1 2 3 4 5 6 7 8 9 10 11 12
мм/с
ут Обь Енисей Лена
Температура NCAR
-30
-20
-10
0
10
20
1 2 3 4 5 6 7 8 9 10 11 12
Месяцы
°С
Осадки Эксперимент
0
20
40
60
80
100
120
1 2 3 4 5 6 7 8 9 10 11 12
Месяцы
мм
/мес
яц
GPCP
0
20
40
60
80
100
120
1 2 3 4 5 6 7 8 9 10 11 12
Месяцы
мм
/мес
яц
01234
1 2 3 4 5 6 7 8 9 10 11 12
мм/с
ут Обь Енисей Лена
Годовой ход площади покрытия снегом бассейна р.Обь по данным реанализов и
экспериментовОбь
50100150
200250300350
1 2 3 4 5 6 7 8 9 10 11 12
Месяцы
Пло
щад
ь по
кры
тая
снег
ом,
1012
m2
0
5000
10000
15000
20000
25000
30000
35000
Сто
к, m
3 /s
500
1 2 3 4 5 6 7 8 9 10 11 120100000RHMC INM MGO ERA NCEP(RA2) Сток
Годовой ход площади покрытия снегом бассейна р. Енисей по данным реанализов и экспериментов
Енисей
50
100
150
200
250
300
350
1 2 3 4 5 6 7 8 9 10 11 12
Месяцы
Пло
щад
ь по
кры
тая
снег
ом,
1012
m2
0100002000030000400005000060000700008000090000
Сто
к, m
3 /s
500
1 2 3 4 5 6 7 8 9 10 11 120100000RHMC INM MGO ERA NCEP(RA2) Сток
Годовой ход площади покрытия снегом бассейна р.Лена по данным реанализов и
экспериментовЛена
50
100
150
200
250
300
1 2 3 4 5 6 7 8 9 10 11 12
Месяцы
Пло
щад
ь по
кры
тая
снег
ом,
1012
m2
0
1000020000
30000
40000
5000060000
70000
80000
Сто
к, m
3 /s
500
1 2 3 4 5 6 7 8 9 10 11 120100000RHMC INM MGO ERA NCEP(RA2) Сток
Изменения массы снега и площади покрытия при различных сценариях
изменения углекислого газаRiv ers av erage y ear snow mass integral
1613 1593
1312
1663 1650
1194
15941499
1159
500
1000
1500
2000
Enisey Lena Ob
Snow
Mas
s (1
012
kg)
control co2 slight co2 jump
Riv ers av erage y ear snow mass integral Relativ e error
3,00 3,47
-9,84
-1,18-6,27
-13,21-20
-10
0
10
control co2 slight co2 jump
Riv ers av erage y ear snow cov er integral
1733 173916281657 1707
1513
1821 18191728
200
400
600
800
1000
1200
1400
1600
1800
2000
Enisey Lena Ob
Snow
Cov
er (1
012 m
2 )
control co2 slight co2 jump
Riv ers av erage y ear snow cov er integral Relativ e error
-4,55-1,91
-7,62
4,84 4,40 5,79
-10-505
10
control co2 slight co2 jump
Масса Площадь
Годовой ход разницы в интегральных характеристиках массы и площади
покрытия снега в бассейнах рек для двух сценариев изменения углекислого газа
Av erage snow cov er difference (w ith control ex p) - co2 slight
-40
-30
-20
-10
10
jan feb mar apr may jun jul aug sep oct nov dec
Snow
Cov
er (1
012 m
2 )Enisey Lena Ob
Av erage snow cov er difference (w ith control ex p) - co2 jump
-30
-20
-10
10
20
30
40
jan feb mar apr may jun jul aug sep oct nov dec
Snow
Cov
er (1
012
m2 )
Enisey Lena Ob
Масса
Площадь
Годовой ход разницы массы снега в бассейнах рек для различных сценариев
Riv er av erage monthly snow mass difference (w ith control ex p)
-100
-50
50
jan feb mar apr may jun jul aug sep oct nov dec
Mas
s, 1
012 k
g
co2 slight co2 jump
Riv er av erage monthly snow mass difference (w ith control ex p)
-20
20
40
jan feb mar apr may jun jul aug sep oct nov decMas
s, 1
012
kg
co2 slight co2 jump
Riv er av erage monthly snow mass difference (w ith control ex p)
-40-20
2040
jan feb mar apr may jun jul aug sep oct nov dec
Mas
s, 1
012 k
g
co2 slight co2 jump
Ob
Lena
Enisey
Годовой ход разницы площади покрытия снегом в бассейнах рек для различных сценариев
Riv er av erage monthly snow cov er difference (w ith control ex p)
-50
50
jan feb mar apr may jun jul aug sep oct nov dec
Mas
s, 1
012 kg
co2 slight co2 jump
Riv er av erage monthly snow cov er difference (w ith control ex p)
-50
50
jan feb mar apr may jun jul aug sep oct nov decMas
s, 1
012
kg
co2 slight co2 jump
Riv er av erage monthly snow cov er difference (w ith control ex p)
-20
20
40
jan feb mar apr may jun jul aug sep oct nov decMas
s, 1
012 kg
co2 slight co2 jump
Ob
Lena
Enisey
Выводы• Сравнение аномалий наземных измерений толщины снега с
данными реанализов показали, что лучше всего описывают аномалии данные реанализа ERA, вторая версия реанализа NCAR значительно лучше первой, но уступает ERA.
• Российские модели воспроизводят интегральные характеристики снежного покрова сравнимо с мировым уровнем. Модель Гидрометцентра России воспроизводит массу снега для Евразии и Сев.Америки близко к климатическим величинам.
• Российские модели удовлетворительно описывают средний годовой ход площади под снегом для бассейнов великих сибирских рек. Наибольшие отличия в период таяния снега.
• Наиболее близкий режим схода снега в результатах эксперимента модели ГМЦ.
• Корреляции рядов аномалий снега для бассейнов трех рек не высоки.
• При сравнении изменения массы снежного покрова для различных сценариев роста углекислого газа масса снега в западной Сибири уменьшилась, а в восточной увеличилась.
• The study is supported by INTAS grant № 03-51-5296