Результаты настройки параметризаций численной модели прогноза погоды по измеренным характеристикам температурных инверсий в планетарном пограничном слое мегаполиса Москвы

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В данной работе проводится поиск оптимальной параметризации мезомасштабной метеорологической модели на основе сравнительного анализа модельных прогнозов и результатов измерений температурных инверсий в планетарном пограничном слое атмосферы московского мегаполиса. Тестировалась модель WRF-ARW с несколькими различными комбинациями физических параметризаций для оценки качества прогнозов параметров инверсии температуры над г. Москва. При отборе критериев для сравнений была проведена оценка динамических и статистических характеристик температурных инверсий. Представлены результаты оценки сроков разрушения температурных инверсий в зависимости от типа инверсий. Источником данных были результаты измерений профилей температуры в слое до 1 км, полученные пассивным микроволновым профилемером МТР-5 c 2018 по 2021 гг. Один MTP-5 на севере Москвы использовался для настройки параметров модели, а другой на востоке Москвы – для валидации. Результаты сравнения показывают, что для настройки модели может быть оптимален набор из нескольких вариантов параметризации.

Полный текст

Доступ закрыт

Об авторах

Р. В. Журавлев

Центральная аэрологическая обсерватория Росгидромета

Email: tissary@gmail.com
Россия, ул. Первомайская, 3, Долгопрудный, 141700

Е. А. Миллер

Центральная аэрологическая обсерватория Росгидромета

Автор, ответственный за переписку.
Email: tissary@gmail.com
Россия, ул. Первомайская, 3, Долгопрудный, 141700

А. К. Князев

Центральная аэрологическая обсерватория Росгидромета

Email: tissary@gmail.com
Россия, ул. Первомайская, 3, Долгопрудный, 141700

Н. А. Баранов

Вычислительный центр им. А. А. Дородницына ФИЦ ИУ РАН

Email: tissary@gmail.com
Россия, ул. Вавилова, 40, Москва, 119333

Е. А. Лезина

ГПБУ Мосэкомониторинг

Email: tissary@gmail.com
Россия, ул. Новый Арбат, 11, стр. 1, Москва, 119992

А. В. Троицкий

Нижегородский государственный университет им. Н. И. Лобачевского

Email: tissary@gmail.com
Россия, ул. Ашхабадская, 4, Нижний Новгород, 603105

Список литературы

  1. Баранов Н.А. Прогнозирование временных рядов метеопараметров на основе подхода нейронных дифференциальных уравнений // Диф ференциальные уравнения, математическое моделирование и вычислительные алгоритмы: сборник материалов международной конференции. Белгород. 25–29 октября 2021. Под ред. В.Б. Васильева, И. С. Ломова. Белгород: ИД “БелГУ” НИУ “БелГУ” 2021. C. 127–130.
  2. Вазаева Н.В., Чхетиани О.Г., Максименков Л.О., Каллистратова М.А., Кузнецов Р.Д., Куличков С.Н., Миллер Е.А., Юшков В.П. Прогноз вертикальных распределений температуры и ветра в атмосферном пограничном слое с использованием модели wrf-arw и усвоением данных содара и температурного профилемера // Турбулентность, динамика атмосферы и климата. 2018. С. 191–201.
  3. Звягинцев А.М., Блюм О.Б., Глазкова А.А., Котельников С.Н., Кузнецова И.Н., Лапченко В.А., Лезина Е.А., Миллер Е.А., Миляев В.А., Попиков А.П., Семутникова Е.Г., Тарасова О.А., Шалыгина И.Ю. Загрязнение воздуха на Европейской части России и в Украине в условиях жаркого лета 2010 года // Изв. РАН. Физика атмосферы и океана. 2011. Т. 47. № 6. С. 757–766.
  4. Кузнецова И.Н., Хайкин М.Н., Кадыгров Е.Н. Влияние городской среды на температуру в пограничном слое атмосферы по данным микроволновых измерений в Москве и окрестностях // Изв. РАН. Физика атмосферы и океана. 2004. Т. 40. № 5. С. 678–688.
  5. Кузнецова И.Н., Нахаев М. И., Кадыгров Е. Н., Миллер Е.А. Методические рекомендации по использованию данных профилемеров МТП-5. РОСГИДРОМЕТ. 2010. http://method.meteorf.ru/norma/rec/profile.pdf
  6. Кузнецова И.Н., Кадыгров Е.Н., Миллер Е.А., Нахаев М.И. Характеристики температуры в нижнем 600-метровом слое по данным дистанционных измерений приборами МТП-5 // Оптика атмосферы и океана. 2012. Т. 25. № 10. С. 877–883.
  7. Кузнецова И.Н., Шалыгина И.Ю., Нахаев М.И., Глазкова А.А., Захарова П.В., Лезина Е.А., Звягинцев А.М. Неблагоприятные для качества воздуха метеорологические факторы // Труды Гидрометцентра России. 2014. Вып. 351. С. 154–172.
  8. Локощенко М.А., Богданович А.Ю., Еланский Н.Ф., Лезина Е.А. Температурные инверсии в Москве и их влияние на состав приземного воздуха // Изв. РАН. Физика атмосферы и океана. 2021. Т. 57. № 6. С. 641–650.
  9. Oке Т.Р. Климаты пограничного слоя. Ленинград: Гидрометеоиздат, 1982. 359 с.
  10. РБ-046–21. Руководство по безопасности при использовании атомной энергии // Мониторинг гидро логических, метеорологических и аэрологических условий в районах размещения объектов использования атомной энергии. Федеральная служба по экологическому, технологическому и атомному надзору. 2021.
  11. Шалыгина И.Ю., Кузнецова И.Н., Нахаев М.И., Коновалов И.Б., Захарова П.В. Прогнозирование метеорологических условий и загрязнения воздуха с применением данных численной модели атмосферы и химической транспортной модели // Труды гидрометеорологического научно-исследовательского центра Российской Федерации. 2017. № 365. С. 81–93.
  12. Эзау И.Н., Вольф Т., Миллер Е.A., Репина И.А., Тро ицкая Ю.И., Зилитинкевич С.С. Анализ результатов дистанционного мониторинга профиля температуры в нижних слоях атмосферы долины г. Берген (Норвегия) // Издательство Планета. Метеорология и гидрология. 2013. № 10. С. 93–103.
  13. Юшков В.П. Термическая стратификация воздушного бассейна мегаполиса: сопоставление модельных представлений и данных наблюдений // Изв. РАН. Физика атмосферы и океана. 2022. Т. 58. № 4. С. 424–437.
  14. Ячмёнева Н.В., Гольвей А.Ю. Повторяемость инверсий и их влияние на уровень загрязнения атмосфер ного воздуха в г. Челябинске // Вестн. Челябинского ГУ. 2011. № 5. С. 220.
  15. Akhmetshina A.S., Kizhner L.I., Kuzhevskaya I.V. et al. Using WRF mesoscale model to restore temperature profile in atmosphere boundary layer in Tomsk // Proceedings of SPIE. 2015. V. 9680: 21st International Symposium Atmospheric and Ocean Optics: Atmospheric Physics. June 22–26. 2015. Tomsk. Russian Federation. P. 968069–1–968069–5. URL: http://vital.lib.tsu.ru/vital/access/manager/ Repository/vtls:000552252
  16. Al-Hemoud A., Al-Sudairawi M., Al-Rashidi M. et al. Temperature inversion and mixing height: critical indicators for air pollution in hot arid climate // Nat Hazards 97. 2019. P. 139–155. https://doi.org/10.1007/s11069–019–03631–2
  17. Baranov N.A., Lemishchenko E.V. Forecasting temperature profile based on blending of measurement data and numerical prediction models // Int. J. of circuits, systems and signal processing. V. 12. 2018. P. 235–239.
  18. Borge R., Alexandrov V., del Vas J.J., Lumbreras J., Rodrıguez E. A comprehensive sensitivity analysis of the WRF model for air quality applications over the Iberian Peninsula // Atmos. Environ. 2008. V. 42. P. 8560–8574.
  19. Bougeault P., Lacarrère P. Parameterization of Orography-Induced Turbulence in a Mesobeta-Scale Model // Mon. Weather Rev. 1989. V.117. P. 1872–1890. http://dx.doi.org/10.1175/1520–0493(1989)
  20. Caumont O., Cimini D., Löhnert U., Alados-Arboledas L., Bleisch R., Buffa F., Ferrario M.E., Haefele A., Huet T., Madonna F., Pace G. Assimilation of humidity and temperature observations retrieved from ground-based microwave radiometers into a convective-scale NWP model // Q.J.R. Meteorol. Soc. 2016. V.142. P. 2692– 2704. https://doi.org/10.1002/qj.2860
  21. Chang Che-Ming, Long-Nan Chang, Hui-Chuan Hsiao, Fang-Chuan Lu, Ping-Fei Shieh, Chi-Nan Chen, Shish-Chong Lu. A Further Study of High Air Pollution Episodes in Taiwan Using the Microwave Temperature Profiler (MTP-5HE) // JSME International Journal Series B Fluids and Thermal Engineering. 2006. V 49. Issue 1. P. 60–64. ISSN1347–5371. Print ISSN 1340–8054. https://doi.org/10.1299/jsmeb.49.60
  22. Chen S.-H., Sun W.Y. A One-dimensional Time Dependent Cloud Model // J. Meteorol. Soc. Jpn. 2002. V. 80. № 1. P. 99–118.
  23. Cimini D., Haeffelin M., Kotthaus S. et al. Towards the profiling of the atmospheric boundary layer at European scale – introducing the COST Action PROBE // Bull. of Atmos. Sci.& Technol. 2020. V. 1. P. 23–42. https://doi.org/10.1007/s42865–020–00003–8
  24. Collins W., Rasch P.J., Boville B.A., McCaa J., Williamson D. L., Kiehl J.T., Dai Y. Description of the NCAR Community Atmosphere Model (CAM 3.0) (No. NCAR/TN-464+STR) // University Corporation for Atmospheric Research. 2004. https://doi.org/10.5065/D63N21CH
  25. EPA: United States Office of Air Quality EPA-454/ R-99–005, Environmental Protection Planning and Standards, Agency Research Triangle Park, NC27711 February 2000.
  26. EPA: Quality Assurance Guidance for the Collection of Meteorological Data Using Passive Radiometers, U. S. Environmental Protection Agency Region 10 Office of Environmental Assessment and U. S. Environmental Protection Agency Office of Air Quality Planning and Standards, 2011, FINAL 0611.
  27. Ferrario M. E. et al. 2008 IOP Conf. Ser.: // Earth Environ. Sci. 1 012067.
  28. Gochakov A.V., Tokarev V.M., Kolker A.B. Verification of vertical temperature profiles in the COSMO and ICON models with available observational data // IOP Conf. Ser.: Earth Environ. Sci. 1023 012004. 2022.
  29. Golitsyn G.S., Kadygrov E.N., Kuznetsova I.N. Microwave remote sensing investigation of the atmospheric boundary layer thermal regime above an urban area // Proc. of 12 ARM Science Team Meeting. St. Petersburg. Florida. 2002. P. 1–7.
  30. Govardhan G., Nanjundiah R.S., Satheesh S.K., Krishnamoorthy K., Kotamarthi V.R. Performance of WRFChem over Indian region: Comparison with measurements // J. Earth Syst. Sci. 2015. V. 124. P. 875–896.
  31. Grell G.A., Devenyi D. A Generalized Approach to Parameterizing Convection Combining Ensemble and Data Assimilation Techniques // Geophys. Res. Lett. 2002. V. 29 P. 1693. http://dx.doi.org/10.1029/2002gl015311
  32. Grell G.A., Freitas S. R. A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling // Atmos. Chem. Phys. 2014. V. 14. P. 5233–5250. https://doi.org/10.5194/acp-14–5233–2014
  33. Hong S.-Y., Dudhia J., Chen S.-H. A Revised Approach to Ice Microphysical Processes for the Bulk Parameterization of Clouds and Precipitation // Mon. Weather Rev. 2004. V. 132. P. 103–120. http://dx.doi.org/10.1175/1520–0493(2004) 132<0103: ARATIM>2.0.CO;2
  34. Hong S. Y., Noh Y., Dudhia J. A New Vertical Diffusion Package with an Explicit Treatment of Entrainment Processes // Mon. Weather Rev. 2006. V. 134. P. 2318–2341. http://dx.doi.org/10.1175/MWR3199.1
  35. Iacono M.J., Delamere J.S., Mlawer E.J., Shephard M.W., Clough S. A., Collins W. D. Radiative forcing bylonglived greenhouse gases: Calculations with the AER radiative transfer models // Geophys. Res. 2008. P. 113. D13103. https://doi.org/10.1029/2008JD009944
  36. Illingworth A.J., Cimini D., Haefele A., Haeffelin M., Hervo M., Kotthaus S., Löhnert U., Martinet P., Mattis I., O’Connor E.J., Potthast R. How Can Existing Ground-Based Profiling Instruments Improve European Weather Forecasts? // Bull. Amer. Meteor. Soc. 2019. V. 100 (4). P. 605–619.
  37. Ilyin G.N., Troitsky A. V. Determining the Tropospheric Delay of a Radio Signal by the Radiometric Method // Radiophys. Quantum. Electron. 2017. V.60. № 4. P. 291–299.
  38. Janjic Z.I. The Step-Mountain Eta Coordinate Model: Further Developments of the Convection, Viscous Sublayer, and Turbulence Closure Schemes. // Mon. Weather Rev. 1994. V. 122. P. 927–945. http://dx.doi.org/10.1175/1520–0493(1994)122
  39. Kadygrov E.N., Miller E.A., Troitsky A.V. Study of atmospheric boundary layer thermodynamics during total solar eclipse on the basis of microwave radiometers data // Proc. of 12-th Spec.Meeting Microwave Radiometry and Remote Sensing of the Environment (Microrad-2012). Rome. Italy. 2012. P. 1–4. https://doi.org/10.1109/Microrad. 6185246
  40. Kain, J.S. (The Kain-Fritsch Convective Parameterization: An Update // J. Appl. Meteorol. 2004. V. 43. P. 170–181. https://doi.org/10.1175/1520–0450(2004)
  41. Khaikine M., Kuznetsova I., Kadygrov E. et al. Investigation of temporal-spatial parameters of an urban heat island on the basis of passive microwave remote sensing // Theor. Appl. Climatol. 2006. V. 84. P. 161–169. https://doi.org/10.1007/s00704–005–0154-z
  42. Kiktev D.B., Astakhova E. D., Zaripov R.B. et al. FROST-2014 project and meteorological support of the Sochi-2014 Olympics. Russ. // Meteorol. Hydrol. 2015. V. 40. P. 504–512. https://doi.org/10.3103/S1068373915080026
  43. Kim Y., Sartelet K., Raut J.C., Chazette P. Evaluation of the Weather Research and Forecast/Urban Model over Greater Paris // Bound.-Layer Meteorol. 2013. V. 149. P. 105–132.
  44. Koldaev A., Miller E., Troitsky A., Sarichev S. Experimental Study of Rain-induced Accuracy Limits for Microwave Remote Temperature Profiling // WMO Technical Conference on Meteorological and Environmental Instruments and Methods of Observation. Helsinki. Finland. 2010.
  45. Kotthaus S., Bravo-Aranda J.A., Collaud Coen M., GuerreroRascado J.L., Costa M.J., Cimini D., O’Connor E.J., Hervo M., Alados-Arboledas L., Jiménez-Portaz M., Mona L., Ruffieux D., Illingworth A., Haeffelin M.: Atmospheric boundary layer height from groundbased remote sensing: a review of capabilities and limitations // Atmos. Meas. Tech. 2023. V. 16. P. 433– 479. https://doi.org/10.5194/amt-16–433–2023.
  46. Klügel T., Böer A., Schüler T., Schwarz W. Atmospheric data set from the Geodetic Observatory Wettzell during the CONT-17 VLBI campaign // Earth Syst. Sci. Data. 2019. V. 11. P. 341–353. https://doi.org/10.5194/essd-11–341–2019
  47. Kusaka H., Kondo H., Kikegawa Y., Kimura F. A simple singlelayer urban canopy model for atmospheric models: comparison with multi-layer and slab models // Boundary-Layer Meteorology. 2001. V. 101. P. 329–358.
  48. Kusaka H, Kimura F. Coupling a single-layer urban canopy model with a simple atmospheric model: impact on urban heat island simulation for an idealized case // Journal of the Meteorological Society of Japan. 2004. V.82. P. 67–80.
  49. Martilli A., Clappier A., Rotach M. W. An urban surface exchange parameterization for mesoscale models // Bound.-Layer Meteorol. 2002. V. 104. P. 261–304.
  50. Martinet P., Unger V., Burnet F., Georgis J., Hervo M., Huet T., Löhnert U., Miller E., Orlandi E., Price J., Schröder M., Thomas G. A dataset of temperature, humidity, and liquid water path retrievals from a network of ground-based microwave radiometers dedicated to fog investigation // Bulletin of Atmospheric Science and Technology. 2022. V. 3. № 1–4. https://doi.org/10.1007/s42865–022–00049-w
  51. Matsui H., Hamilton D. S., Mahowald N. M. Black carbon radiative effects highly sensitive to emitted particle size when resolving mixing-state diversity // Nat. Commun. 2018. V. 9. P. 3446.
  52. Matsui I., Sugimoto N., Maksyutov S., Inoue G., Kadygrov E., Vyazankin S. Comparison of Atmospheric Boundary Layer Structure Mesured with a Microwave Temperature Profiler and a Mie Scattering Lidar // Jpn. J. Appl. Phys. 1996. V. 35. Port I. № 4A. P. 2168–2169.
  53. Mendoza Uribe I., Lugo Morín D. R. Performance of the WRF model with different physical parameterizations in the precipitation simulation of the state of Puebla // Atmósfera. 2020. V. 33. № 4. P. 357–383. https://doi.org/10.20937/ATM.52640
  54. Misenis C., Zhang Y. An examination of sensitivity of WRF/Chem predictions to physical parameterizations, horizontal grid spacing, and nesting options // Atmos. Res. 2010. V. 97. P. 315–334.
  55. Mooney P. A., Mulligan F. J., Fealy R. Evaluation of the Sensitivity of the Weather Research and Forecasting Model to Parameterization Schemes for Regional Climates of Europe over the Period 1990–95 // J. Clim. 2013. V. 26. P. 1002–1017. https://doi.org/10.1175/JCLI-D-11–00676.1
  56. Nakanishi M., Niino H. An Improved Mellor-Yamada Level 3 Model: Its Numerical Stability and Application to a Regional Prediction of Advection Fog // Bound.Layer Meteorol. 2006. V. 119. P. 397–407. http://dx.doi.org/10.1007/s10546–005–9030–8
  57. Odintsov S., Miller E., Kamardin A., Nevzorova I., Troitsky A., Schröder M. Investigation of the Mixing Height in the Planetary Boundary Layer by Using Sodar and Microwave Radiometer Data // Environments. 2021. V. 8 (11). P. 115. https://doi.org/10.3390/environments8110115
  58. Pasquill F. The estimation of the dispersion of windborne material // Meteorol. Mag. 1961. V. 90. P. 33–49.
  59. Pervin L., Gan T.Y., Sensitivity of physical parameterization schemes in WRF model for dynamic downscaling of climatic variables over the MRB // Journal of Water and Climate Change. 2020. https://doi.org/10.2166/wcc.2020.036
  60. Rivin G.S., Rozinkina I.A., Vil’fand R.M. et al. Development of the High-resolution Operational System for Numerical Prediction of Weather and Severe Weather Events for the Moscow Region // Russ. Meteorol. Hydrol. 2020. V. 45. P. 455–465. https://doi.org/10.3103/S1068373920070018
  61. Rotach M.W. Kadygrov E.N., Kadygrov V.N., Miller E.A., et al. Turbulence structure and exchange processes in an alpine valley: The Riviera Project // Bull. Amer, Meteorol. Soc. 2004. V. 85. № 9. P. 1367–1385.
  62. Starchenko A.V., Tolstykh M.A., Mizyak V.G., Svarovsky A.I., Prokhanov S.A. A local observation data assimilation in mesoscale numerical weather prediction models // Proc. SPIE12341 28th International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics. 2022. 123416N. https://doi.org/10.1117/12.2644943
  63. Stergiou I., Tagaris E., Sotiropoulou R.-E.P. Sensitivity Assessment of WRF Parameterizations over Europe // Proceedings. 2017. V. 1. P. 119. https://doi.org/10.3390/ecas2017–04138
  64. Sukoriansky S., Galperin B., Perov V. Application of a New Spectral Theory of Stably Stratified Turbulence to the Atmospheric Boundary Layer over Sea Ice // Bound.-Layer Meteorol.. 2005. V. 117. P. 231–257. https://doi.org/10.1007/s10546–004–6848–4
  65. Thompson G., Field P.R., Rasmussen R.M., Hall W.D. Explicit Forecasts of Winter Precipitation Using an Improved Bulk Microphysics Scheme. Part II: Implementation of a New Snow Parameterization // Mon. Weather Rev. 2008. V. 136. № 12. P. 5095–5115. http://dx.doi.org/10.1175/2008MWR2387.1
  66. Triantafyllou A.G., Kalogiros J., Krestou A. et al. Evaluation of an atmospheric model with surface and ABL meteorological data for energy applications in structured areas // Theor. Appl. Climatol. 2019. V. 135. P. 1227–1242. https://doi.org/10.1007/s00704–018–2429–1
  67. Troitsky A.V., Gaikovich K.P., Gromov V.D., Kadygrov E. N., Kosov A. S. Thermal sounding of the atmospheric boundary layer in the oxygen band center at 60 GHz // IEEE Trans. on Geoscience and Remote Sensing. 1993. V. 31. № 1. P. 116–120.
  68. Vaisala. Accuracy Matters in Radiosonde Measurements // White Paper. 2016. https://www.vaisala.com/sites /default/files/documents/Accuracy-Matters-inRadiosonde-Measurements-White-PaperB211548EN.pdf
  69. Vorobyeva E., Miller E., Kadygrov E. Study of seasonal and interannual features of urban heat island vertical structure above Moscow city // The 7th International Conference on Urban Climate (ICUC-7). 2009. Yokohama. Japan. P. 1–5.
  70. Westwater E.R., Han Y., Irisov V.G., Lenskiy V., Kadygrov E.N., Viazankin A.S. Remote sensing of boundary layer temperature profiles by a scanning 5-mm microwave radiometer and RASS: Comparison Experiments // J. Atmos. Ocean. Tech. 1999. V. 16. P. 805–818.
  71. WMO: Global NWP Statement of Guidance for the EUCOS region. https://www.eumetnet.eu/wp-content/uploads/ 2020/08/EMN_StatementofGuidance_ EUCOSregion_GlobalNWP.pdf
  72. Zhang C., Wang Y., Hamilton K. Improved Representation of Boundary Layer Clouds over the Southeast Pacific in ARW-WRF Using a Modified Tiedtke Cumulus Parameterization Scheme // Mon. Weather Rev. 2011. V. 139 (11). P. 3489–3513.
  73. Zhang Y., Sartelet K., Wu S.Y., Seigneur C. Application of WRF/Chem-MADRID and WRF/Polyphemus in Europe – Part 1: Model description, evaluation of meteorological predictions, and aerosol-meteorology interactions // Atmos. Chem. Phys. 2013. V. 13. P. 6807–6843.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Распределение долей площадей классов подстилающей поверхности в области чувствительности двух приборов МТР-5 (Долгопрудный и Косино) и квадрата вокруг центра Москвы со стороной 20 км (центр Москвы).

Скачать (513KB)
Метаданные
3. Рис. 2. Характеристики температурных инверсий.

Скачать (320KB)
Метаданные
4. Рис. 3. Пример сравнений измеренных профилей МТР-5 (зеленая линия) с радиозондами (RS-красные точки) в SOFOG3D и голубая линия – профили T(h), посчитанные из яркостных температур Tbr(Ө) радиозонда. (а) G-инверсия; (б) приподнятая E-инверсия; (в) высоко приподнятая инверсия НЕ.

Скачать (483KB)
Метаданные
5. Рис. 4. Характеристики инверсий в период с 01/04 по 15/10 и с 16/10 по 31/03 по данным МТР-5 г. Долгопрудный с 2018 по 2021 гг.

Скачать (1MB)
Метаданные
6. Рис. 5. Среднечасовые характеристики инверсий (а) в период с 16/10 по 31/03 и (б) в период с 01/04 по 15/10.

Скачать (861KB)
Метаданные
7. Рис. 6. Распределение по продолжительности инверсий в период с 16/10 по 31/03 (“зима”) и с 01/04 по 15/10 (“лето”)

Скачать (465KB)
Метаданные
8. Рис. 7. Среднечасовые характеристики инверсий в период с 01/04 по 15/10 и с 16/10 по 31/03 по данным МТР-5 SN050с 2018 по 2021 гг.

Скачать (571KB)
Метаданные
9. Рис. 8. Распределение срока разрушения инверсии мощностью dT от угла Солнца инверсий в период с 01/04 по 15/10 по данным МТР-5 в Долгопрудном.

Скачать (224KB)
Метаданные
10. Рис. 9. Пример динамики температурных инверсий в ППС в период с 18/06 по 24/06 2021 г. (г. Долгопрудный).

Скачать (861KB)
Метаданные
11. Рис. 10. Характеристики инверсий в период с 01/04 по 15/10 по данным МТР-5 SN050 в Долгопрудном с 2018 по 2021 гг.

Скачать (333KB)
Метаданные
12. Рис. 11. Результаты метрики F1 для инверсий типа G + E (слева) и HE (справа).

Скачать (154KB)
Метаданные
13. Рис. 12. Результаты метрики Fb (b = 0.75) для инверсий типа G + E (слева) и HE (справа).

Скачать (197KB)
Метаданные
14. Рис. 13. Результаты точности (Precision) для инверсий типа G + E (слева) и HE (справа).

Скачать (267KB)
Метаданные
15. Рис. 14. Результаты полноты (Recall) для инверсий типа G + E (слева) и HE (справа).

Скачать (178KB)
Метаданные
16. Рис. 15. Результаты RMSE для инверсий типа G + E (левый столбец) и HE (правый столбец).

Скачать (386KB)
Метаданные
17. Рис. 16. Результаты bias для инверсий типа G + E (левый столбец) и HE (правый столбец).

Скачать (828KB)
Метаданные
18. Рис. 17. Результаты varratio для инверсий типа G + E (левый столбец) и HE (правый столбец).

Скачать (218KB)
Метаданные
19. Таблица 1. Распределение сроков разрушения инверсий dT через угловое положение Солнца

Скачать (878KB)
Метаданные
20. Таблица 2. Распределение сроков разрушения инверсий dT времени с момента восхода

Скачать (284KB)
Метаданные


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах