ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 4. С. 38-47

Оценка влияния спутниковой информации на качество численных прогнозов погоды

С.А. Cолдатенко 1 , А.В. Тертышников 2 , Н.В. Ширшов 3 
1 Институт физики атмосферы РАН, Москва, Россия
2 Институт прикладной геофизики им. Е.К. Федорова, Москва, Россия
3 ЦЭНКИ, Москва, Россия
Существенное улучшение качества численных прогнозов погоды, произошедшее за последние 10–15 лет, было достигнуто не только за счет совершенствования математических моделей и роста вычислительных мощностей, но и за счет существенно возросшего объема используемой метеорологической информации, в первую очередь спутниковой. Постоянное развитие глобальной наблюдательной системы за состоянием природной среды, технологий ДЗЗ, с помощью которых добывается информация, ставит задачу оценки влияния конкретного вида и источника информации на качество численных прогнозов погоды.
Обычно эта задача решается путем исключения из рассмотрения информации определенного вида и последуюшего сравнения полученного таким образом прогноза с контрольным экспериментом, в котором учитывается весь объем получаемых метеорологических данных.
В рамках четырехмерного вариационного подхода к усвоению метеорологической информации рассмотрен универсальный метод оценки влияния различных видов метеорологических данных на качество численных прогнозов погоды, использующий аппарат теории оптимального управления, теории чувствительности и сопряженных уравнений. Мерой ошибки прогноза служит энергетическая норма.
Рассмотрено влияние различных видов информации, получаемой со спутников, на ошибку прогноза.
Представленный подход дает возможность получить количественную оценку вклада каждого источника метеорологической информации в качество прогноза погоды, что позволяет не только оценить достоинства и недостатки существующей наблюдательной сети, но и обосновать развитие этой сети на основе наилучшего соотношения цены и качества.

Ключевые слова: вариационное усвоение, сопряженные уравнения, теория чувствительности, численный прогноз погоды, GPS, ГЛОНАСС, ДЗЗ, наблюдательная сеть, информация
Полный текст

Список литературы:

  1. Агошков В.И., Пармузин Е.И., Лебедев С.А. Численный алгоритм решения задачи усвоения оперативных данных наблюдений о температуре поверхности Мирового океана // Современные проблемы дистанционного зондирования земли из космоса. 2010. Т. 7. № 4. С. 9–20.
  2. Марчук Г.И. Численное решение задач динамики атмосферы и океана. Л.: ГМИ, 1974.
  3. Марчук Г.И. Сопряженные уравнения и анализ сложных систем. М.: Наука, 1992.
  4. Пененко В.В. Вариационные методы усвоения данных и обратные задачи для изучения атмосферы, океана и окружающей среды // Сиб. Ж. Вычисл. Матем. 2009. Т. 12. № 4. С. 421–434.
  5. Пененко В.В., Образцов Н.Н. Вариационный метод согласования полей метеорологических элементов // Метеорология и гидрология. 1976. № 11. С. 3–16.
  6. Тимофеев Ю.М. Глобальная система мониторинга параметров атмосферы и поверхности. СПб.: Изд. Физ. Факультета СпбГУ, 2010. 129 с.
  7. Daley R. Atmospheric data analysis. Cambridge University Press, 1993. 472 p.
  8. Baker N. L., Daley R. Observation and background adjoint sensitivity in the adaptive observation targeting problem. // Q. J. R. Meteorol. Soc. 2000. Vol. 126. P. 1431–1454.
  9. Cacuci D.G. Sensitivity and uncertainty analysis. Volume I: Theory. Boca Raton: CRC Press, 2003. 304 p.
  10. Kalnay E. Atmospheric modeling, data assimilation and predictability. Cambridge University Press, 2002. 364 p.
  11. Kelly G., Thepaut J-N., Buizza R., Cardinali C. The value of targeted observations. Part I. Data denial experiments for the Atlantic and the Pacific. // Q. J. R. Meteorol. Soc. 2007. Vol. 133. P. 1803–1815.
  12. Langland R. H., Baker N. Estimation of observation impact using the NRL atmospheric variational data assimilation adjoint system // Tellus. 2004. V.56A. P. 189–201.
  13. Lorenz E.N. Deterministic non-periodic flow // J. Atmos. Sci. 1963. Vol. 20. P. 130–141.
  14. Navon I.M. Data assimilation for numerical weather prediction: a review // Data Assimilation for Atmospheric, Oceanic, and Hydrologic Applications. Eds. S.K. Park, X. Liang. New York: Springer-Verlag, 2009. P. 21-65.
  15. Nichols N.K. Mathematical concepts of data assimilation // Data assimilation. Eds. W. Lahos et al. Berlin-Heidelberg: Springer-Verlag, 2010. P. 13-39.
  16. Joo S., Eyre J., Marriott R. The impact of MetOp and other satellite data within the Met Office Global NWP system using an adjoint-based sensitivity method // Mon. Wea. Rev. 2013. Vol. 141. P. 3331–3342.