Оценка параметров горных волн, рассчитанных по данным численных моделей прогноза погоды высокого пространственного разрешения в Восточной Сибири и на Дальнем Востоке России

Обложка

Цитировать

Полный текст

Аннотация

Прогнозирование местоположения возможного возникновения горных волн (ГВ), их интенсивности и вертикального развития – весьма актуальная задача обеспечения безопасности полетов воздушных судов. Это особенно важно в условиях полного отсутствия методов прогнозирования ГВ на территории РФ вообще и Дальневосточного региона в частности. Основной сложностью решения задачи прогнозирования ГВ является практически полное отсутствие наблюдений за ГВ и инструментальных измерений их параметров. В статье представлен подход к оценке степени соответствия прогнозируемых по данным численной модели прогноза погоды параметров ГВ (местоположения, интенсивности, вертикального развития и горизонтального распространения) реальным значениям, которые предлагается приближенно определять по космическим снимкам чечевицеобразной облачности (Sc и Ac lenticularis) и данным радиоэондирования. Показано, что расчетные параметры ГВ, полученные по модели Weather Research and Forecasting (WRF) на сетке с горизонтальным шагом 1 км, близки к реальным. Обсуждается возможность калибровки значений параметров ГВ, рассчитанных по оперативной модели WRF на сетке с горизонтальным шагом 5 км, данными, рассчитанными на сетке с шагом 1 км.

Об авторах

Е. М Вербицкая

Дальневосточный региональный научно-исследовательский гидрометеорологический институт

Email: werbaem@gmail.com
кандидат географических наук, ведущий научный сотрудник Владивосток, Россия

С. О Романский

Дальневосточный региональный научно-исследовательский гидрометеорологический институт

Email: khvrom@ya.ru
кандидат физико-математических наук, старший научный сотрудник Владивосток, Россия

Список литературы

  1. Sharman R.D., Lane T. (Eds.). Aviation turbulence: processes, detection, prediction. Springer International Publishing, 2016. doi: 10.1007/978-3-319-23630-8.
  2. Barry R.G. Mountain weather and climate. Cambridge: Cambridge University Press, 2008. doi: 10.1017/CBO9780511754753.
  3. Винниченко Н.К., Пинус Н.З., Шметер С.М., Шур Г.Н. Турбулентность в свободной атмосфере. Л.: Гидрометеоиздат, 1976. 288 с.
  4. Романский С.О., Вербицкая Е.М. Сильные шквалистые ветры в Южно-Сахалинске летом 2014 г. // Геосферные исследования. 2023. № 4. С. 141–154. EDN: LZBUBM.
  5. Вербицкая Е.М., Крохин В.В., Романский С.О. Прогноз опасных для авиации явлений погоды на территории Восточной Сибири и Дальнего Востока России // Труды ДВНИГМИ. 2024. Вып. 157. С. 18–40.
  6. Galway J.G. The lifted index as a predictor of latent instability // Bulletin of the American Meteorological Society. 1956. Vol. 37. P. 528–529. doi: 10.1175/1520-0477-37.10.528.
  7. Skamarock W.C., Klemp J.B. A time-split non-hydrostatic atmospheric model for research and NWP applications // Journal of Computational Physics. 2007. Vol. 227 (7). P. 3465–3485. doi: 10.1016/j.jcp.2007.01.037.
  8. Fritts D.C., Lund A.C., Lund T.S., Yudin V. Impacts of limited model resolution on the representation of mountain wave and secondary gravity wave dynamics in local and global models. 1: Mountain waves in the stratosphere and mesosphere // Journal of Geophysical Research: Atmospheres. 2022. Vol. 127. e2021JD035990. doi: 10.1029/2021JD035990.
  9. Fritts D.C., Lund A.C., Lund T.S., Yudin V. Impacts of limited model resolution on the representation of mountain wave and secondary wave dynamics in local and global models. 2: Mountain wave and secondary wave evolutions in the thermosphere // Journal of Geophysical Research: Atmospheres. 2022. Vol. 127. e2021JD036035. doi: 10.1029/2021JD036035.
  10. Feltz W.F., Bedka K.M., Otkin J.A., Greenwald T., Ackerman S.A. Understanding satellite-observed mountain-wave signatures using high-resolution numerical model data // Weather and Forecasting. 2009. Vol. 24. P. 76–86. doi: 10.1175/2008WAF2222127.1.
  11. Wilms H., Bramberger M., Dörnbrack A. Observation and simulation of mountain wave turbulence above Iceland: turbulence intensification due to wave interference // Quarterly Journal of the Royal Meteorological Society. 2020. Vol. 146. P. 3326–3346. doi: 10.1002/qj.3848.
  12. Xia G., Draxl C., Raghavendra A., Lundquist J.K. Validating simulated mountain wave impacts on hub-height wind speed using SoDAR observations // Renewable Energy. 2021. Vol. 163. P. 2220–2230. doi: 10.1016/j.renene.2020.10.127.
  13. Eckermann S.D., Lindeman J., Broutman D., Ma J., Boybeyi Z. Momentum fluxes of gravity waves generated by variable Froude number flow over three-dimensional obstacles // Journal of Atmospheric Sciences. 2010. Vol. 67. P. 2260–2278. doi: 10.1175/2010jas3375.1.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».