ASSESSMENT OF STATISTICAL CHARACTERISTICS OF CLOUD LIQUID WATER PATH OVER LAND SURFACE AND WATER BODIES IN THE BALTIC SEA REGION AND THE NORTHWEST RUSSIA BASED ON SEVIRI SATELLITE INSTRUMENT DATA

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The results of remote sensing of cloud liquid water path (LWP) by the SEVIRI satellite instrument in the Baltic Sea region and northwestern Russia in 2011–2017 are analyzed. For a detailed study, characteristic geographic points in the water areas of large water bodies and on land were selected. Based on special criteria, the LWP measurement data were selected into several separate arrays, which made it possible to study both the so-called «intrinsic» properties of clouds and the properties of the cloudy/cloudless atmosphere as a whole. The main conclusions of the work were obtained for non-precipitating clouds with LWP not exceeding the threshold value of 0.4 kg · m−2. Precipitating clouds were classified as having LWP of more than 0.4 kg · m−2 and were considered separately. The statistical distributions of cloud liquid water path, as well as its interannual and seasonal variability, were analyzed. The analysis of the seasonal variation is limited to the period from February to October due to the lack of SEVIRI measurements in autumn/winter when the solar zenith angle is large. For all the considered data arrays, the obtained main statistical characteristics are presented in tabular form, which can be used for solving problems of cloud modeling, weather forecasting and climate change, as well as for composing statistical models of the cloudy atmosphere applied for training of regression and neural network algorithms for derivation of the cloud LWP from remote measurements.

Sobre autores

V. Kostsov

Saint Petersburg State University

Email: v.kostsov@spbu.ru
Petergof, Russia

D. Ionov

Saint Petersburg State University

Petergof, Russia

A. Andryukova

Saint Petersburg State University

Petergof, Russia

Bibliografia

  1. Вольперт Е.В., Чубарова Н.Е. Изменение солнечной радиации на территории Северной Евразии в теплое время года за многолетний период по данным измерений и модели реконструкции // Метеорология и гидрология. 2021. № 8. С. 21–37. https://doi.org/10.52002/0130-12906-2021-8-21-37
  2. Косцов В.С., Ионов Д.В., Андрюкова А.Б., Рябушко Е.П. Влияние эффекта «облачной радуги» в измерениях спутникового прибора SEVIRI на результаты определения суточного хода контраста водозапаса облаков «суша—море» на севере Европы // Оптика атмосферы и океана. 2024. Т. 37. № 9. С. 736–745. https://doi.org/10.15372/AOO20240903
  3. Синькевич А.А., Михайловский Ю.П., Матросов С.Ю., Попов В.Б., Снегуров В.С, Снегуров А.В, Довгалюк Ю.А., Веремей Н.В. Связь структуры конвективных облаков с частотой молний по результатам радиофизических измерений // Метеорология и гидрология. 2019. № 6. С. 37–51.
  4. Синькевич А.А., Попов В.Б., Михайловский Ю.П., Торопова М.Л., Довгалюк Ю.А., Веремей Н.В., Старых Д.С. Характеристики кучево-дождевого облака с водяным смерчем над Ладожским озером по данным дистанционных измерений // Оптика атмосферы и океана. 2020a. Т. 33. № 2. С. 153–158. https://doi.org/10.15372/AOO20200211
  5. Синькевич А.А., Михайловский Ю.П., Торопова М.Л., Попов В.Б., Старых Д.С., Довгалюк Ю.А., Веремей Н.В. Строение грозового облака со смерчем и зависимость частоты молний от его характеристик // Оптика атмосферы и океана. 20206. Т. 33. № 9. С. 705–709. https://doi.org/10.15372/AOO20200907
  6. Синькевич А.А., Михайловский Ю.П., Куров А.Б., Тарабукин И.А., Веремей Н.В., Дмитриева О.А., Торгунаков Р.Е., Торговая М.Л. Характеристики конвективных облаков Северо-Запада России, формирующих интенсивные осадки // Оптика атмосферы и океана. 2023. Т. 36. № 8. С. 662–670. https://doi.org/10.15372/AOO20230806
  7. Фокина К.В., Бумаков К.Ю., Восканян К.Л. Численное моделирование бризовой циркуляции // Ученые записки РГГМУ. 2019. № 56. С. 50–60.
  8. Шокуров М.В., Краевская Н.Ю. Бризовая циркуляция: теория и двумерное моделирование (обзор) // Морской гидрофизический журнал. 2024. Т. 40. № 4. С. 493–513.
  9. Adler B., Turner D.D., Bianco L., Djalalova I.V., Myers T., Wilczak J.M. Improving solution availability and temporal consistency of an optimal-estimation physical retrieval for ground-based thermodynamic boundary layer profiling // Atmos. Meas. Tech. 2024. V. 17. P. 6603–6624. https://doi.org/10.5194/amt-17-6603-2024
  10. Benas N., Finkensieper S., Stengel M., van Zadelhoff G.-J., Hanschmann T., Hollmann R., Meirink J.F. The MSG-SEVIRI-based cloud property data record CLAAS-2 // Earth Syst. Sci. Data. 2017. V. 9. P. 415–434. https://doi.org/10.5194/essd-9-415-2017
  11. Benas N., Solodovnik I., Stengel M., Hüser I., Karlsson K.-G., Håkansson N., Johansson E., Eliasson S., Schröder M., Hollmann R., Meirink J.F. CLAAS-3: the third edition of the CM SAF cloud data record based on SEVIRI observations // Earth Syst. Sci. Data. 2023. V. 15. P. 5153–5170. https://doi.org/10.5194/essd-15-5153-2023
  12. Dong B., Gregory J.M., Sutton R.T. Understanding Land–Sea Warming Contrast in Response to Increasing Greenhouse Gases. Part I: Transient Adjustment // J. Climate. 2009. V. 22. P. 3079–3097. https://doi.org/10.1175/2009JCLI2652.1
  13. Elsaesser G.S., O’Dell C.W., Lebsock M.D., Bennartz R., Greenwald T.J., Wentz, F.J. The multi-sensor advanced climatology of liquid water path (MAC–LWP) // J. Climate. 2017. V. 30. P. 10193–10210. https://doi.org/10.1175/JCLI-D-16-0902.1
  14. Eriksson C., Omstedt A., Overland J.E., Percival D.B., Mofjeld H.O. Characterizing the European Sub-Arctic Winter Climate since 1500 Using Ice, Temperature, and Atmospheric Circulation Time Series // J. Climate. 2007. V. 20. P. 5316–5334. https://doi.org/10.1175/2007JCLI1461.1
  15. Greuell W., Roebeling R.A. Toward a Standard Procedure for Validation of Satellite-Derived Cloud Liquid Water Path: A Study with SEVIRI Data // J. Appl. Meteor. Climatol. 2009. V. 48. P. 1575–1590. https://doi.org/10.1175/2009JAMC2112.1
  16. GSHHG, 2019. A Global Self-consistent, Hierarchical, High-resolution Geography Database. Version 2.3.7 Released June 15, 2017. https://www.soest.hawaii.edu/pwessel/gshhg/ (Access date 15 July, 2019).
  17. Joshi M., Gregory J., Webb M., Sexton D., Johns T. Mechanisms for the land/sea warming contrast exhibited by simulations of climate change // Clim. Dyn. 2008. V. 30. P. 455–465. https://doi.org/10.1007/s00382-007-0306-1
  18. Karlsson K. Cloud climate investigations in the Nordic region using NOAA AVHRR data // Theor. Appl. Climatol. 1997. V. 57. P. 181–195.
  19. Karlsson K. Satellite sensing techniques and applications for the purposes of BALTEX // Meteor. Z. 2000a. V. 9. P. 109–115.
  20. Karlsson K. Mean cloud conditions in Scandinavia during the last decade derived from high-resolution NOAA AVHRR data // Proc. 2000 EUMETSAT Meteorological Satellite Data Users’ Conf., Bologna, Italy, EUMETSAT, EUM P29. 2000b. P. 594–600.
  21. Karlsson K. A 10 Year Cloud Climatology Over Scandinavia Derived From NOAA Advanced Very High Resolution Radiometer Imagery // Int. J. Climatol. 2003. V. 23. P. 1023–1044. https://doi.org/10.1002/joc.916
  22. Karlsson K.-G., Willén U., Jones C., Wyser K. Evaluation of regional cloud climate simulations over Scandinavia using a 10-year NOAA Advanced Very High Resolution Radiometer cloud climatology // J. Geophys. Res. 2008. V. 113. D20203. https://doi.org/10.1029/2007JD008658
  23. Keevallik S., Post P., and Tuulik J. European circulation patterns and meteorological situation in Estonia // Theor. Appl. Climatol. 1999. V. 63. P. 117–127.
  24. Kniffka A., Stengel M., Lockhoff M., Bennartz R., Hollmann R. Characteristics of cloud liquid water path from SEVIRI onboard the Meteosat Second Generation 2 satellite for several cloud types // Atmos. Meas. Tech. 2014. V. 7. P. 887–905. https://doi.org/10.5194/amt-7-887-2014
  25. Kostsov V.S., Kniffka A., Ionov D.V. Cloud liquid water path in the sub-Arctic region of Europe as derived from ground-based and space-borne remote observations // Atmos. Meas. Tech. 2018. V. 11. P. 5439–5460. https://doi.org/10.5194/amt-11-5439-2018
  26. Kostsov V.S., Kniffka A., Stengel M., and Ionov D.V. Cross-comparison of cloud liquid water path derived from observations by two space-borne and one ground-based instrument in northern Europe // Atmos. Meas. Tech. 2019. V. 12. P. 5927–5946. https://doi.org/10.5194/amt-12-5927-2019
  27. Kostsov V.S., Ionov D.V. Specific features of the land-sea contrast of cloud liquid water path in Northern Europe as obtained from the observations by the SEVIRI instrument: artefacts or reality? // Meteorology. 2023. V. 2. № 4. P. 464–488. https://doi.org/10.3390/meteorology2040027
  28. Maetzler C. Ground-based observations of atmospheric radiation at 5, 10, 21, 35, and 94 GHz // Radio Sci. 1992. V. 27. P. 403–415.
  29. Pfeifroth U., Bojanowski J.S., Clerbaux N., Manara V., Sanchez-Lorenzo A., Trentmann J., Walawender J.P., Hollmann R. Satellite-based trends of solar radiation and cloud parameters in Europe // Adv. Sci. Res. 2018a. V. 15. P. 31–37. https://doi.org/10.5194/asr-15-31-2018
  30. Pfeifroth U., Sanchez-Lorenzo A., Manara V., Trentmann J., Hollmann R. Trends and variability of surface solar radiation in Europe based on surface- and satellite based data records // J. Geophys. Res.-Atmos. 2018b. V. 123. P. 1735–1754. https://doi.org/10.1002/2017JD027418
  31. Post P., Aun M. Changes in satellite-based cloud parameters in the Baltic Sea region during spring and summer (1982–2015) // Adv. Sci. Res. 2020. V. 17. P. 219–225. https://doi.org/10.5194/asr-17-219-2020
  32. Post P., Aun M. Changes in cloudiness contribute to changing seasonality in the Baltic Sea region // Oceanologia. 2024. V. 66. № 1. P. 91–98. https://doi.org/10.1016/j.oceano.2023.11.004
  33. Ranasinghe R., Ruane A.C., Vautard R., Arnell N., Coppola E., Cruz F.A., Dessai S., Islam A.S., Rahimi M., Carrascal D.R., Sillmann J., Sylla M.B., Tebaldi C., Wang W., Zaaboul R. Climate Change Information for Regional Impact and for Risk Assessment // Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change / Eds. V. Masson-Delmotte V. et al. Cambridge: University Press, 2021. P. 1767–1926. https://doi.org/10.1017/9781009157896.014
  34. Raschke E., Meywerk J., Warrach K., Andrea U., Bergstrom S., Beyrich F., Bosveld F., Bumke K., Fortelius C., Graham L.P., Gryning S.-E., Halldin S., Hasse L., Heikinheimo M., Isemer H.-J., Jacob D., Jauja I., Karlsson K.-G., Keevallik S., Koistinen J., van Lamme-ren A., Lass U., Launianen J., Lehmann A., Liljebladh B., Lobmeyr M., Matthaus W., Mengelkamp T., Michelson D.B., Napiorkowski J., Omstedt A., Piechura J., Rockel B., Rubel F., Ruprecht E., Smedman A.-S., Stigebrandt A. The Baltic Sea Experiment (BALTEX): A European Contribution to the Investigation of the Energy and Water Cycle over a Large Drainage Basin // B. Am. Meteorol. Soc. 2001. V. 82. № 11. P. 2389–2413. https://doi.org/10.1175/1520-0477(2001)0822389:TBSABA2.3.CO;2
  35. Roebeling R.A., Feiji A.J., Stammes P. Cloud property retrievals for climate monitoring: Implications of differences between Spinning Enhanced Visible and Infrared Imager (SEVIRI) on METEOSAT-8 and Advanced Very High Resolution Radiometer (AVHRR) on NOAA-17 // J. Geophys. Res. 2006. V. 111. D20210. https://doi.org/10.1029/2005JD006990
  36. Ruosteenoja K., Markkanen T., Räisänen J. Thermal seasons in northern Europe in projected future Climate // Int. J. Climatol. 2020. V. 40. № 10. P. 4444–4462. https://doi.org/10.1002/joc.6466
  37. Schmetz J., Pili P., Tjemkes S., Just D., Kerkmann J., Rota S., Ratier A. An introduction to Meteosat second generation (MSG) // B. Am. Meteorol. Soc. 2002. V. 83. P. 977–992. https://doi.org/10.1175/1520-0477(2002)0830977:AITMSG2.3.CO;2
  38. Stephens G.L., Christensen M., Andrews T., Haywood J., Malovelle F.F., Suzuki K., Jing X., Lebsock M., Li J.F., Takahashi H., Sy O. Cloud physics from space // Q. J.R. Meteorol. Soc. 2019. V. 145. P. 2854–2875. https://doi.org/10.1002/qj.3589
  39. Tooming H. Changes in surface albedo and air temperature at Tartu, Estonia // Tellus A: Dynamic Meteorology and Oceanography. 1996. V. 48. № 5. P. 722–726.
  40. Tzallas V., Hünerbein A., Stengel M., Meirink J.F., Benas N., Trentmann J., Macke A. CRAAS: A European Cloud Regime dAtAset Based on the CLAAS-2.1 Climate Data Record // Remote Sens. 2022. V. 14. 5548. https://doi.org/10.3390/rs14215548
  41. Woodhams B.J., Barrett P.A., Marsham J.H., Birch C.E., Bain C.L., Fletcher J.K., Hartley A.J., Webster S., Mangeni S. Aircraft observations and sub-km modelling of the lake–land breeze circulation over Lake Victoria // Q. J.R. Meteorol. Soc. 2022. V. 148. № 743. P. 557–580.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial–SemDerivações 4.0 Internacional.

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».