ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ МЕТЕОРОЛОГИЧЕСКОГО ОБЕСПЕЧЕНИЯ АВИАПЕРЕВОЗОК В АРКТИЧЕСКОМ РЕГИОНЕ
Авторы:
1.
Санкт-Петербургский университет гражданской авиации
Россия
Россия
2.
Санкт-Петербургский университет гражданской авиации
Россия
Россия
3.
Санкт-Петербургский университет гражданской авиации
Россия
Россия
Тип:
Статья конференции
Опубликовано:
06.01.2019
Классификаторы:
УДК 551.509.313.314
ББК 26 Науки о Земле
BISAC NAT010000 Ecology
BISAC NAT045050 Ecosystems & Habitats / Coastal Regions & Shorelines
BISAC NAT025000 Ecosystems & Habitats / Oceans & Seas
BISAC NAT045030 Ecosystems & Habitats / Polar Regions
BISAC SCI081000 Earth Sciences / Hydrology
BISAC SCI092000 Global Warming & Climate Change
BISAC SCI020000 Life Sciences / Ecology
BISAC SCI039000 Life Sciences / Marine Biology
BISAC SOC053000 Regional Studies
BISAC TEC060000 Marine & Naval
ББК 26 Науки о Земле
BISAC NAT010000 Ecology
BISAC NAT045050 Ecosystems & Habitats / Coastal Regions & Shorelines
BISAC NAT025000 Ecosystems & Habitats / Oceans & Seas
BISAC NAT045030 Ecosystems & Habitats / Polar Regions
BISAC SCI081000 Earth Sciences / Hydrology
BISAC SCI092000 Global Warming & Climate Change
BISAC SCI020000 Life Sciences / Ecology
BISAC SCI039000 Life Sciences / Marine Biology
BISAC SOC053000 Regional Studies
BISAC TEC060000 Marine & Naval
Язык материала:
русский
Ключевые слова:
гидродинамические модели атмосферы, статистическая интерпретация, синоптическая климатология, синоптические объекты, элементы погоды, опасные гидрометеорологические явления
Аннотация (русский):
Рассмотрены возможности применения современных оперативных численных глобальных, региональных и мезомасштабных моделей атмосферы для прогнозов элементов погоды, в том числе опасных и неблагоприятных для авиации гидрометеорологических явлений.
Рассмотрены возможности применения современных оперативных численных глобальных, региональных и мезомасштабных моделей атмосферы для прогнозов элементов погоды, в том числе опасных и неблагоприятных для авиации гидрометеорологических явлений.
Ключевые слова:
гидродинамические модели атмосферы, статистическая интерпретация, синоптическая климатология, синоптические объекты, элементы погоды, опасные гидрометеорологические явления
гидродинамические модели атмосферы, статистическая интерпретация, синоптическая климатология, синоптические объекты, элементы погоды, опасные гидрометеорологические явления
Масштабное освоение арктического региона невозможно без создания на территории северных прибрежных регионов России надежного транспортного сообщения, основным видом которого являются авиаперевозки. При организации авиаперевозок следует учитывать, что рассматриваемый регион мало освещен данными метеорологических на блюдений и характеризуется особыми климатическими условиями, что требует более эффективного метеорологического обеспечения полетов, направленного на повышение их регулярности и безопасности с привлечением современных технологий получения гидрометеорологической информации. Для получения фактической и прогностической информации об опасных явлениях и неблагоприятных условиях погоды для авиации могут использоваться различные методы (синоптические, физико-статистические, гидродинамические). Авторами предлагается использовать методы синоптической климатологии в автоматизированных системах статистической интерпретации выходной продукции прогностических гидродинамических моделей атмосферы. При этом представляется целесообразным объединить модели физико-статистического прогнозирования элементов погоды с методом синоптической интерпретации выходной продукции гидродинамической модели атмосферы на средние сроки [2]. Следует отметить, что результаты применения предлагаемого метода зависят от качества прогностических полей метеорологических величин, полученных от гидродинамических моделей атмосферы. В свою очередь результаты работы гидродинамической моделей атмосферы зависят от точности и полноты исходных данных. Поэтому в настоящей работе основное внимание уделяется актуальным вопросам применения гидродинамических методов прогнозирования, основанным на решении системы уравнений гидродинамики при заданных начальных и граничных условиях. Повышение успешности гидродинамического прогнозирования связано не только с совершенствованием численных схем и алгоритмов, использованием более производительных вычислительных средств, но и с разработкой новых инструментальных средств наблюдений и развитием методов усвоения данных наблюдений в моделях гидродинамического прогнозирования. Дальнейшие перспективы развития прогнозирования атмосферных процессов и явлений связаны с внедрением в оперативную практику метеорологических подразделений технологий мезомасштабного краткосрочного прогноза погоды [4]. Как правило, мезомасштабная прогностическая модель работает совместно с глобальной моделью для формирования исходных полей метеорологических параметров и задания граничных условий. В настоящее время прогностические центры зарубежных стран и Гидрометцентр РФ разработали ряд мезомасштабных моделей атмосферы, характеристики которых рассматриваются в [1, 4]. В Европе известны три основных метеорологических консорциума ALADIN, COSMO, HIRLAM (www.hirlam.org). С 2011 г. для метеорологического обеспечения различных территорий в России функционирует негидростатическая модель мезомасштабного кра ткосрочного прогноза погоды COSMO-Ru. В частности, для метеорологического обеспечения Центральной и Восточной Европы, Урала и части Западной Сибири используется COSMO-Ru7 с шагом 7 км, заблаговременность прогноза 78 ч. Модель COSMO-Ru2 использовалась во время проведения Летней универсиады «Казань-2013» и Зимней Олимпиады «Сочи-2014». Разрешение версии COSMO-Ru2 составляет 2.2 км, размерность сетки 420*470 узлов, 40 уровней для атмосферы до высоты 23 км над уровнем моря и 7 слоев почвы до 7 м глубиной, заблаговременность прогноза составляет до 24 часов. В течение ряда лет в РФ используется общедоступная мезомасштабная модель атмосферы WRF (www.wrf-model.org) с динамическим ядром ARW национального центра исследований атмосферы (NCAR, США) [1]. В состав модели входят модуль инициализации, блок параметризации физических процессов и блок усвоения данных. Для возможного усвоения данных метеорологических измерений (наземных, дистанционных) используется трехмерный вариационный метод 3DVAR, в последних версиях поддерживается четырехмерный вариационный метод 4DVAR и метод ансамблевого фильтра Калмана. В качестве начальных данных используются анализы и прогнозы из крупномасштабных моделей, результаты наблюдений, а также данные о рельефе и подстилающей поверхности. Наиболее часто используются результаты глобального прогноза национального центра прогнозов окружающей среды NCEP. Но возможно использование данных Гидрометцентра РФ, что является в настоящее время более приоритетным. Для оптимизации использования выходной прогностической продукции Мировых метеорологических центров при постановке граничных условий авторами предлагается использовать адаптивный метод среднесрочного многомодельного прогнозирования полей метеорологических величин, основанный на процедуре комплексирования [3]. Была применена линейная модель оценивания математического ожидания математического ожидания случайной величины в случае неравноточных наблюдений. Решение задачи комплексирования сводится к отысканию значений весовых коэффициентов, при которых оценка математического ожидания будет удовлетворять требованиям несмещенности, эффективности и состоятельности. Необходимо отметить, что при мезомасштабном моделировании атмосферных процессов над районами, мало освещенными метеорологическими данными наблюдений, возникает проблема дефицита исходной информации. Использование перспективных средств получения метеорологических данных, в том числе и средств дистанционного зондирования, позволяет предположить, что решению проблемы дефицита исходной информации будет способствовать развитие систем усвоения разнородных данных наблюдений. При этом возникает ряд научно-исследовательских задач: 1) определение принципа организации специальных региональных сетей метеорологических наблюдений на основе современных средств наблюдений 2) и обоснование оптимального размещения измерительных систем для удовлетворения требованиям используемой мезомасштабной модели; 3) выбор системы усвоения данных разнородных наблюдений; доработка блока усвоения данных наблюдений для реализации возможности усвоения наибольшего числа получаемых данных. Заслуживает внимания технология, когда в качестве первого приближения начальных полей будут использоваться собственные прогностические поля (например, на основе климатических данных), скорректированные системой усвоения асиноптических данных наблюдений. При этом возрастает потребность использования собственной системы наблюдений, сбора и обработки гидрометеорологической информации
1. Вельтищев, Н.Ф. Численные прогнозы погоды по негидростатическим моделям общего пользования WRF-ARW и WRF-NMM / Н.Ф. Вельтищев, В.Д. Жупанов Современные системы мезомасштабного прогноза погоды: состояние и перспективы: 80 лет Гидрометцентру России.-М.: Триада ЛТД, 2010.- 456 с.
2. Моисеева, Н.О. Применение методов синоптической климатологии в автоматизированных системах статистической интерпретации выходной продукции прогностических гидродинамических моделей атмосферы/ Н.О. Моисеева, В.А. Ременсон, Е.А. Румянцева «Ученые записки РГГМУ», № 44, 2016.-С.157-164.
3. Моисеева, Н.О. Метод многомодельного среднесрочного прогнозирования полей метеорологических величин / Н.О. Моисеева. // Труды института прикладной геофизики имени академика Е.К. Федорова - Москва: 2011, вып. 90.- С. 182 - 188.
4. Ривин, Г.С. Современные системы мезомасштабного прогноза погоды: состояние и перспективы: 80 лет Гидрометцентру России. - М.: Триада ЛТД, 2010.-456 с.
5. СП 277.1325800.2016. Сооружения морские берегозащитные. Правила проектирования. - М.: Минстрой РФ, 2016. - 91 с.: ил.
