Том 35, номер 11, статья № 9

Аннотация:

Исследуется влияние физических параметров подстилающей поверхности суши в районе Санкт-Петербурга на численный прогноз метеоэлементов. Эксперименты проводились с 14 по 22 июня 2015 г., когда в Санкт-Петербурге наблюдались случаи интенсивного проявления городского острова тепла (ГОТ) – положительная разность температур между городом и сельской местностью. Проведены контрольный эксперимент с параметрами урбанизированной поверхности, заданными по умолчанию, и серии расчетов численной модели с последовательным изменением некоторых из этих параметров, выбранных на основе анализа исследований по схожей тематике. Установлено, что прогностические приземные метеорологические поля чувствительны к изменению влагосодержания почвы, параметра шероховатости, коэффициента тепловой инерции почвы, альбедо и излучательной способности поверхности. В соответствии с результатами экспериментов подготовлен финальный эксперимент – с совместным изменением физических параметров городской поверхности. По расчетам, в прогностические сроки с максимальным проявлением ГОТ разница приземных температур между контрольным и финальным прогнозами достигала 2° для области, соответствующей центру Санкт-Петербурга. Изменение параметров урбанизированной поверхности может оказывать влияние на прогноз метеорологических полей в радиусе до 150 км от центра мегаполиса.

Ключевые слова:

численный прогноз погоды, модель WRF-ARW, Санкт-Петербург, физические параметры подстилающей поверхности, городской остров тепла

Список литературы:

1. 1. United Nations, Department of Economic and Social Affairs, Population Division. World Population Prospects 2019 (medium-fertility variant). New York, 2022. URL: https://worldometers.info/world-population/ world-population-projections (last access: 10.01.2022).
2. United Nations, Department of Economic and Social Affairs, Population Division. World Urbanization Prospects 2018. New York, 2022. URL: https:// population.un.org/wup/Maps (last access: 10.01.2022).
3. Климат Ленинграда / Ц.А. Швер (ред.). Л.: Гидрометеоиздат, 1982. 252 c.
4. Морозова С.В. Статистическое исследование волн тепла и холода в Северо-Западном регионе зимой и летом (на примере Санкт-Петербурга) // Уч. зап. Рос. гос. гидромет. ун-та. 2014. № 36. C. 50–53.
5. Оке Т.Р. Климаты пограничного слоя. Л.: Гидрометеоиздат, 1982. 360 с.
6. METROMEX: A Review and Summary / Changnon S. (ed.). Springer, 2016. 181 p.
7. Ландсберг Г.Е. Климат города. Л.: Гидрометеоиздат, 1983. 248 c.
8. Gartland L.M. Heat Islands: Understanding and Mi­tigating Heat in Urban Areas. England: Routledge, 2012. 208 p.
9. Deilami K., Kamruzzaman M., Liu Y. Urban heat is­land effect: A systematic review of spatio-temporal factors, data, methods, and mitigation measures // Int. J. Appl. Earth Obs. 2018. N 67. P. 30–42.
10. Kim S.W., Brown R.D. Urban heat island (UHI) in­tensity and magnitude estimations: A systematic li­terature review // Sci. Total Environ. 2021. N 779. P. 146–389.
11. Kusaka H., Chen F., Tewari M., Dudhia J., Gill D.O., Duda M.G., Wang W., Miya Y. Numerical simulation of urban heat island effect by the WRF model with 4-km grid increment: An inter-comparison study between the urban canopy model and slab model // J. Meteorol. Soc. Jpn. Ser. II. 2012. N. 90. P. 33–45.
12. Giannaros T.M., Melas D., Daglis I.A., Keramitsog­lou I., Kourtidis K. Numerical study of the urban heat island over Athens (Greece) with the WRF model // Atmos. Environ. 2013. N 73. P. 103–111.
13. Dudhia J. A multi-layer soil temperature model for MM5. Preprints // The Sixth PSU/NCAR mesoscale model users’ workshop (Boulder, CO, USA). 1996. P. 22–24.
14. Kusaka H., Kondo H., Kikegawa Y., Kimura F. A simple single-layer urban canopy model for atmospheric models: Comparison with multi-layer and slab models // Bound.-Lay. Meteorol. 2001. V. 101, N 3. P. 329–358.
15. Taha H. Modifying a mesoscale meteorological model to better incorporate urban heat storage: A bulk-paramete­rization approach // J. Appl. Meteorol. 1999. V. 38, N 4. P. 466–473.
16. Masson V. A physically-based scheme for the urban energy budget in atmospheric models // Bound-Lay. Meteorol. 2000. V. 94, N 3. P. 357–397.
17. Nunez M., Oke T.R. The energy balance of an urban canyon // J. Appl. Meteorol. Clim. 1977. V. 16, N 1. P. 11–19.
18. Salamanca F., Martilli A. A new building energy model coupled with an urban canopy parameterization for urban climate simulations – Part I (II). Validation with one dimension off-line simulations // Theor. Appl. Climatol. 2010 V. 99, N 3. P. 345–356.
19. Rockel B., Will A., Hense A. The regional climate model COSMO-CLM (CCLM) // Meteorol. Z. 2008. V. 17, N 4. P. 347–348.
20. Trusilova K., Früh B., Brienen S., Walter A., Masson V., Pigeon G., Becker P. Implementation of an urban parameterization scheme into the regional climate model COSMO-CLM // J. Appl. Meteorol. Clim. 2013. V. 52, N 10. P. 2296–2311.
21. Doms G., Baldauf M. A Description of the Nonhyd­rostatic Regional COSMO Model. Part II: Physical Parameterization. Offenbach: Deutscher Wetterdienst, 2011. 154 p.
22. Wouters H., Demuzere M., Blahak U., Fortuniak K., Maiheu B., Camps J., Tielemans D., van Lipzig N.P. The efficient urban canopy dependency parametrization (SURY) v1.0 for atmospheric modelling: Description and application with the COSMO-CLM model for a Belgian summer // Geosci. Model Dev. 2016. V. 9, N 9. P. 3027–3054.
23. Garbero V., Milelli M., Bucchignani E., Mercogliano P., Varentsov M., Rozinkina I., Rivin G., Blinov D., Wouters H., Schulz J.-P., Schättler U., Bassani F., Demuzere M., Repola F. Evaluating the urban canopy scheme TERRA_URB in the COSMO model for selected European cities // Atmosphere. 2021. V. 12, N 2. P. 237–261.
24. Варенцов М.И., Самсонов Т.Е., Кислов А.В., Константинов П.И. Воспроизведение острова тепла Московской агломерации в рамках региональной климатической модели COSMO-CLM // Вестн. МГУ. 2017 Т. 5, № 6. С. 25–37.
25. Самсонов Т.Е., Варенцов М.И. Определение параметров городской среды Московского мегаполиса для детализированного численного прогноза погоды в рам­ках модели COSMO // Метеорол. и гидрол. 2020. № 7. С. 112–119.
26. Nemunaitis-Berry K.L., Klein P.M., Basara J.B., Fe­dorovich E. Sensitivity of predictions of the urban surface energy balance and heat island to variations of urban canopy parameters in simulations with the WRF model // J. Appl. Meteorol. Clim. 2017. V. 56, N 3. P. 573–595.
27. Varentsov M., Samsonov T., Demuzere M. Impact of urban canopy parameters on a megacity’s modelled thermal environment // Atmosphere. 2020. V. 11, N 12. P. 1349.
28. Wang Z.H., Bou-Zeid E., Au S.K., Smith J.A. Ana­lyzing the sensitivity of WRF’s single-layer urban canopy model to parameter uncertainty using advanced Monte Carlo simulation // J. Appl. Meteorol. Clim. 2011. V. 50, N 9. P. 1795–1814.
29. Au S.K., Beck J.L. Estimation of small failure pro­babilities in high dimensions by subset simulation // Probabilist. Eng. Mech. 2001. V. 16, N 4. P. 263–277.
30. Morris K.I., Chan A., Morris K.J.K., Ooi M.C., Oozeer M.Y., Abakr Y.A., Nadzir M.S.M., Mohammed I.Y. Urbanisation and urban climate of a tropical conurbation, Klang Valley, Malaysia // Urban Clim. 2017. N 19. P. 54–71.
31. Loridan T., Lindberg F., Jorba O., Kotthaus S., Grossman-Clarke S., Grimmond C.S.B. High resolution simulation of the variability of surface energy balance fluxes across central London with urban zones for energy partitioning // Bound-Lay. Meteorol. 2013. V. 147, N 3. P. 493–523.
32. Chen L., Zhang M., Wang Y. Model analysis of urbanization impacts on boundary layer meteorology under hot weather conditions: A case study of Nanjing, China // Theor. Appl. Climatol. 2016. V. 125, N 3. P. 713–728.
33. Holt T., Pullen J. Urban canopy modeling of the New York City metropolitan area: A comparison and va­lidation of single-and multilayer parameterizations // Mon. Weather Rev. 2007 V. 135, N 5. P. 1906–1930.
34. Salamanca F., Martilli A., Yagüe C. A numerical study of the urban heat island over Madrid during the DESIREX (2008) campaign with WRF and an eva­luation of simple mitigation strategies // Int. J. Cli­matol. 2012. V. 32, N 15. P. 2372–2386.
35. Morini E., Touchaei A.G., Castellani B., Rossi F., Cotana F. The impact of albedo increase to mitigate the urban heat island in Terni (Italy) using the WRF model // Sustainability. 2016. V. 8, N 10. P. 1–14.
36. Jandaghian Z., Akbari H. The effect of increasing surface albedo on urban climate and air quality: a detailed study for Sacramento, Houston, and Chicago // Climate. 2018. V. 6, N 2. P. 1–19.
37. Barlage M., Miao S., Chen F. Impact of physics parameterizations on high resolution weather prediction over two Chinese megacities // J. Geophys. Res.: Atmos. 2016. V. 121, N 9. P. 4487–4498.
38. Lam J.S.L., Lau A.K.H., Fung J.C.H. Application of refined land-use categories for high resolution mesoscale atmospheric modelling // Bound.-Lay. Meteorol. 2006. V. 119, N 2. P. 263–288.
39. Stewart I.D., Oke T.R. Local climate zones for urban temperature studies // Bull. Am. Meteorol. Soc. 2012. V. 93, N 12. P. 1879–1900.
40. Ching J., Mills G., Bechtel B., See L., Feddema J., Wang X., Ren C., Brousse O., Martilli A., Neophytou M., Mouzourides P., Stewart I., Hanna A., Ng E., Foley M., Alexander P., Aliaga D., Niyogi D., Shreeva­stava A., Bhalachandran P., Masson V., Hidalgo J., Fung J., Andrade M., Baklanov A., Dai W., Milcinski G., Demuzere M., Brunsell N., Pesaresi M., Miao S., Mu Q., Chen F., Theeuwes N. WUDAPT: An urban weather, climate, and environmental modeling infrastructure for the anthropocene // B. Am. Meteorol. Soc. 2018. V. 99, N 9. P. 1907–1924.
41. Zonato A., Martilli A., Di Sabatino S., Zardi D., Gio­vannini L. Evaluating the performance of a novel WUDAPT averaging technique to define urban morphology with mesoscale models // Urban Clim. 2020. V. 31. P. 100584
42. Chen F., Dudhia J. Coupling an advanced land surfacehydrology model with the Penn State-NCAR MM5 modeling system. Part I: Model implementation and sensitivity // Mon. Weather Rev. 2001. V. 129, N 4. P. 569–585.
43. Tewari M., Chen F., Wang W., Dudhia J., LeMone M.A., Mitchell K., Ek M., Gayno G., Wegiel J., Cuenca R.H. Implementation and verification of the unified NOAH land surface model in the WRF model (Formerly Paper Number 17.5) // 20th Conference on Weather Analysis and Forecasting/16th Conference on Numerical Weather Prediction, Seattle, 2004. V. 14. P. 11–15.
44. Мостаманди С.В., Тарабукин И.А., Дорофеев Е.В. Развитие технологий сверхкраткосрочных и краткосрочных прогнозов опасных метеорологических явлений на основе анализа данных наблюдений и результатов численного прогноза гидродинамической модели WRF // Тр. Главной геофиз. обсерватории им. А.И. Воей­кова. 2015. № 579. C. 178–204.
45. Смирнова М.М., Рубинштейн К.Г., Юшков В.П. Оценка воспроизведения региональной моделью характеристик пограничного слоя атмосферы // Метеорол. и гидрол. 2011. № 12. C. 5–16.
46. Торопова М.Л., Русин И.Н. Воспроизведение стратификации атмосферы с целью прогноза конвективных явлений при помощи мезомасштабной модели WRF–ARW // Тр. Главной геофиз. обсерватории им. А.И. Воейкова. 2019. № 593. C. 160–176.
47. Iacono M.J., Delamere J.S., Mlawer E.J., Shep­hard M.W., Clough S.A., Collins W.D. Radiative for-cing by long lived greenhouse gases: Calculations with the AER radiative transfer models // J. Geophys. Res.: Atmos. 2008. V. 113, N 13. P. 22.
48. Thompson G., Field P.R., Rasmussen R.M., Hall W.D. Explicit forecasts of winter precipitation using an im­proved bulk microphysics scheme. Part II: Implemen­tation of a new snow parameterization // Mon. Weather Rev. 2008. V. 136, N 12. P. 5095–5115.
49. Janjic Z.I. The step-mountain eta coordinate model: further developments of the convection, viscous sub­layer, and turbulence closure schemes // Mon. Weather Rev. 1994. V. 122. P. 927–945.
50. Zhang C., Wang Y., Hamilton K. Improved representation of boundary layer clouds over the southeast Pacific in ARW–WRF using a modified Tiedtke cumulus parameterization scheme // Mon. Weather Rev. 2011. V. 139, N 11. P. 3489–3513.
51. Friedl M.A., Sulla-Menashe D., Tan B., Schneider A., Ramankutty N., Sibley A., Huang X. MODIS Col­lection 5 global land cover: Algorithm refinements and characterization of new datasets // Remote Sens. Environ. 2010. V. 114, N 1. P. 168–182.
52. Ладохина Е.М., Рубинштейн К.Г. Анализ влияния мегаполиса Санкт-Петербург на осадки и ветер для валидации численного прогноза погоды // Оптика атмосф. и океана. 2021. T. 34, № 1. C. 36–45; La­dokhina E.M., Rubinshtein K.G. Analysis of the effect of the St. Petersburg megalopolis on precipitation and wind for validation of numerical weather forecasts // Atmos. Ocean. Opt. 2021. V. 34, N 3. P. 239–249.
53. Матвеев Л.Т., Матвеев Ю.Л. Облака и вихри – основа колебаний погоды и климата. СПб.: РГГМУ, 2005. 327 с.
54. Ладохина Е.М., Рубинштейн К.Г., Цепелев В.Ю. Определение периодов максимальной интенсивности острова тепла в Санкт-Петербурге для валидации модели численных прогнозов погоды в городе // Гидромет. исслед. и прогнозы. 2020. № 2. С. 109–125.