Том 37, номер 02, статья № 12

Аннотация:

В работе решается задача выявления зависимости статистических характеристик измеряемых с помощью ГНСС-приемников параметров атмосферы от показателей конвективных процессов по данным мониторинга в Казани и ее окрестностях за 2013–2021 гг. Для оценки конвективных процессов использовались такие показатели атмосферной неустойчивости, как восходящая вертикальная скорость, параметр генерации вихря, индекс WMAXSHEAR, рассчитанные по данным реанализа ERA5. Показано, что величина градиента зенитной тропосферной задержки ГНСС-сигналов и его флуктуации значимо изменяются в условиях сильной конвекции. Результаты исследования могут быть использованы для разработки методики подспутникового мониторинга конвективных процессов в задачах оперативного прогноза опасных явлений.

Ключевые слова:

глобальные навигационные спутниковые системы, мониторинг тропосферы, атмосферная конвекция, зенитная тропосферная задержка, градиентные параметры

Список литературы:

1. Чернокульский А.В., Елисеев А.В., Козлов Ф.А., Коршунова Н.Н., Курганский М.В., Мохов И.И., Семенов В.А., Швець Н.В., Шихов А.Н., Ярынич Ю.И. Опасные атмосферные явления конвективного характера в России: наблюдаемые изменения по различным данным // Метеорол. и гидрол. 2022. № 5. С. 27–41.
2. Шихов А.Н., Чернокульский А.В., Спрыгин А.А., Ярынич Ю.И. Оценка конвективной неустойчивости атмосферы в случаях со шквалами, смерчами и крупным градом по данным спутниковых наблюдений и реанализа ERA5 // Оптика атмосф. и океана. 2022. Т. 35, № 6. С. 429–435; Shikhov A.N., Chernokulsky A.V., Sprygin A.A., Yarinich Yu.I. Estimation of convective atmospheric instability during squalls, tornadoes, and large hail events from satellite observations and ERA5 reanalysis data // Atmos. Ocean. Opt. 2022. V. 35, N 6. P. 793–801.
3. Семенов А.О., Виролайнен Я.А., Тимофеев Ю.М., Поберовский А.В. Сравнение наземных ИК-спектроскопических измерений общего содержания водяного пара с данными радиозондовых измерений // Оптика атмосф. и океана. 2014. Т. 27, № 11. С. 976–980; Semenov A.O., Virolainen Ya.A., Timofeyev Yu.M., Poberovskii A.V. Comparison of ground-based FTIR and radio sounding measurements of water vapor total content // Atmos. Ocean. Opt. 2015. V. 28, N 2. P. 121–125.
4. Santerre R. GPS Satellite Sky Distribution: Impact on the Propagation of Some Important Errors in Precise Relative Positioning. Brunswick: UNB, 1989. 240 p.
5. Bevis M.S., Businger T.A. GPS meteorology: Remote sensing of atmospheric water vapor using the Global Positioning System // J. Geophys. Res. 1992. V. 97, N D14. P. 15787–15801.
6. Bar-Sever Y.E., Kroger P.M., Borjesson J.A. Estimating horizontal gradients of tropospheric path delay with a single GPS receiver // JGR. 1998. V. 103, N B3. P. 5019–5035. DOI: 10.1029/97JB03534.
7. Elgered G, Ning T., Forkman P., Haas R. On the information content in linear horizontal delay gradients estimated from space geodesy observations // Atmos. Meas. Tech. 2019. V. 12. P. 3805–3823.
8. Li X., Zus F., Lu C., Ning T., Dick G., Ge M., Wickert J., Schuh H. Retrieving high-resolution tropospheric gradients from multiconstellation GNSS observations // Geophys. Res. Lett. 2015. V. 42. P. 4173–4181.
9. Barindelli S., Realini E., Venuti G., Fermi A., Gatti A. Detection of water vapor time variations associated with heavy rain in northern Italy by geodetic and low-cost GNSS receivers // Earth Planets Space. 2018. V. 70, N 1. P. 1–18.
10. Brenot H., Neméghaire J., Delobbe L., Clerbaux N., De Meutter P., Deckmyn A., Delcloo A., Frappez L., Van Roozendael M. Preliminary signs of the initiation of deep convection by GNSS // Atmos. Chem. Phys. 2013. V. 13. P. 5425–5449.
11. Nykiel G., Figurski M., Baldysz Z. Analysis of GNSS sensed precipitable water vapour and tropospheric gradients during the derecho event in Poland of 11th August 2017 // J. Atmos. Solar-Terr. Phys. 2019. V. 193. P. 105082.
12. Graffigna V., Hernández Pajares М., Azpilicueta F., Gende M. Comprehensive study on the tropospheric wet delay and horizontal gradients during a severe weather event // Remote Sens. 2022. V. 14, N 4. P. 888.
13. Kalinnikov V.V., Khutorova O.G. Diurnal variations in integrated water vapor derived from a GPS ground network in the Volga–Ural region of Russia // Ann. Geophys. 2017. V. 35. P. 453–464. DOI: 10.5194/angeo-35-453-2017.
14. Хуторова О.Г., Хуторов В.Е., Дементьев В.В., Близоруков А.С., Корчагин Г. Е. Изменчивость полей атмосферного влагосодержания по данным зондирования сигналами GPS-ГЛОНАСС в окрестностях г. Казани // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15, № 3. С. 252–260.
15. Camisaya M.F., Rivera J.A., Mateo M.L., Morihetti P.V., Mackern M.V. Estimation of integrated water vapor derived from Global Navigation Satellite System observations over Central-Western Argentina (2015–2018). Validation and usefulness for the understanding of regional precipitation events // J. Atmos. Solar-Terr. Phys. 2020. V. 197. P. 1–12.
16. Хуторова О.Г., Маслова М.В., Хуторов В.Е. О мониторинге конвективных процессов с помощью приемников спутниковых навигационных систем // Оптика атмосф. и океана. 2022. Т. 35, № 6. С. 505–509.
17. Ziarani M.R., Bookhagen B., Schmidt T., Wickert J., De la Torre A., Deng Z., Calori A.A. Model for the Relationship between rainfall, GNSS-derived integrated water vapour, and CAPE in the Eastern Central Andes // Remote Sens. 2021. V. 13, N 18. P. 1–19.
18. Hersbach H., Bell B., Berrisford P., Hirahara S., Horányi A., Muñoz-Sabater J., Nicolas J., Peubey C., Radu R., Schepers D., Simmons A., Soci C., Abdalla S., Abellan X., Balsamo G., Bechtold P., Biavati G., Bidlot J., Bonavita M., De Chiara G., Dahlgren P., Dee D., Diamantakis M., Dragani R., Flemming J., Forbes R., Fuentes M., Geer A., Haimberger L., Healy S., Hogan R.J., Hólm E., Janisková M., Keeley S., Laloyaux P., Lopez P., Lupu C., Radnoti G., de Rosnay P., Rozum I., Vamborg F., Villaume S., Thépaut J.-N. The ERA5 global reanalysis //  Q.J.R. Meteorol. Soc. 2020. V. 146, N 730. P. 1999–2049.
19. Blanchard D.O. Assessing the vertical distribution of convective available potential energy // Weather Forecast. 1998. V. 13, N 3. P. 870–877.
20. Brooks H.B., Doswell C.A., Wilhelmson R.B. The role of midtropospheric winds in the evolution and maintenance of low-level mesocyclones // Mon. Weather Rev. 1994. V. 122. P. 126–136.
21. Burgess D.W., Lemon L.R. Severe thunderstorm detection by radar // Radar Meteorol. Am. Meteorol. Soc. 1990. P. 619–647.
22. Miller R.C. Notes on analysis and severe storm forecasting procedures of the Air Force Global Weather Center. Tech. Report N 200.  Illinois: Scott AFB, 1972. 190 p.
23. Rasmussen E.N., Blanchard D.O. A baseline climatology of sounding-derived supercell and tornado forecast parameters // Weather Forecast. 1998. V. 13, N 13. P. 1148–1164.
24. Gracier J. Convection parameters. 2012 [Electronic resours] URL: http://www.juergen-griser.de/Convection Parameters/ConvectionParameters.pdf (last access: 20.06.2023).
25. Taszarek M., Brooks H.E., Czernecki B. Sounding-derived parameters associated with convective hazards in Europe // Mon. Weather Rev. 2017. V. 145, N 4. P. 1511–1528.
26. Jelić D., Prtenjak M.T., Malečić B., Vozila A.B., Megyeri O.A., Renko T. A new approach for the analysis of deep convective events: Thunderstorm intensity index // Atmosphere. 2021. V. 12, N 7. P. 908–934.
27. Губенко И.М., Рубинштейн К.Г. Тестирование комплексного метода прогноза молниевой активности // Оптика атмосф. и океана. 2020. Т. 33, № 12. С. 949–957.
28. ECMWF. IFS Documentation CY47R3 – Part IV: Physical Processes. URL: https://www.ecmwf.int/en/elibrary/81271-ifs-documentation-cy47r3-part-iv-physical-processes (last access: 20.06.2023).
29. Хуторова О.Г., Маслова М.В., Хуторов В.Е. Проявление конвективных процессов в рядах интегрального влагосодержания атмосферы по многолетним данным мониторинга тропосферы сигналами спутниковых навигационных систем в г.  Казани // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20, № 3. С. 271–281.
30. Guerova G., Douša J., Dimitrova T., Stoycheva A., Václavovic P., Penov N. GNSS storm nowcasting demonstrator for Bulgaria // Remote Sens. 2022. V. 14, N 15. P. 3746. DOI: 10.3390/rs14153746.