Моделирование трехмерных полей концентрации диоксида углерода в атмосфере с использованием эйлерово-лагранжевого подхода для анализа спутниковых наблюдений тема диссертации и автореферата по ВАК РФ 25.00.29, кандидат физико-математических наук Ганьшин, Александр Викторович

• Ганьшин, Александр Викторович
• кандидат физико-математических наук
• 2013

Оглавление диссертации кандидат физико-математических наук Ганьшин, Александр Викторович

Оглавление

Введение

Глава 1. Обзор по теме диссертации

1.1 Введение

1.2 Спутниковые измерения диоксида углерода

1.3 Методы ¡моделирования переноса атмосферных примесей

1.4 Выводы

Глава 2. Описание метода расчета концентрации диоксида углерода и полученные результаты

2.1 Введение

2.2 Объединенная эйлерово-лагранжевая модель переноса (ОЕЬСА) и метод расчета концентрации диоксида углерода

2.3 Поверхностные потоки С02 высокого разрешения

2.3.1 Метод использования потоков высокого разрешения в модели

2.3.2 Антропогенные эмиссии диоксида углерода

2.3.3 Биосферные эмиссии диоксида углерода

2.3.4 Потоки С02 от океана

2.4 Результаты моделирования С02 и сравнение с наблюдениями при использовании информации об эмиссиях с разрешением 1°х1°

2.4.1 Результаты сравнения с наземными станциями мониторинга

2.4.2 Результаты сравнения с вертикальными профилями самолетных измерений концентрации диоксида углерода

2.4.3 Оценка вклада выбросов с территории Китая в наблюдаемую концентрацию на о. Хатерума

2.5 Моделирование концентрации диоксида углерода с потоками высокого разрешения (1x1 км)

2.5.1 Тестовые расчеты при использовании разных подходов

2.5.2 Результаты моделирования для наземных станций мониторинга

2.5.3 Сравнение модельной и наблюдаемой кратковременной изменчивости

2.6 Результаты моделирования концентрации С02 для спутника GOSAT

2.7 Выводы

Глава 3. Обнаружение областей возникновения перистых облаков для фильтрации спутниковых измерений диоксида углерода

3.1 Введение

3.2 Траекторная модель TRAC АО с блоком параметризации перистых облаков

3.3 Валидация траекторной модели с блоком параметризации перистых облаков на примере исследования процессов переноса водяного пара в области

тропической тропопаузы

3.4 Алгоритм расчета оптической толщины перистых облаков

3.5 Результаты расчётов оптической толщи перистых облаков и сравнений со спутниковыми наблюдениями

3.6 Выводы

Заключение

Список литературы

Приложение А. Валидация дисперсионной и траекторной моделей

Введение диссертации (часть автореферата) на тему «Моделирование трехмерных полей концентрации диоксида углерода в атмосфере с использованием эйлерово-лагранжевого подхода для анализа спутниковых наблюдений»

Введение

В выводах доклада Межправительственной группы экспертов по изменению климата [57] отмечается, что наблюдаемые температурные тренды [1] воспроизводятся климатическими моделями только при учёте растущих антропогенных выбросов парниковых газов, основным из которых является диоксид углерода (С02). Поэтому оценка выбросов С02 является важной задачей для определения его влияния на климатические изменения [5].

Для достижения этой цели необходимо решить целый комплекс задач, включающий в себя восстановление пространственно-временной структуры источников диоксида углерода, их влияние на наблюдаемую концентрацию С02 и перенос эмиссий воздушными массами. В России в рамках тематики Росгидромета под руководством ФГБУ «ИГКЭ Росгидромета и РАН» проводятся измерения концентраций парниковых газов на станциях фонового мониторинга и составляются кадастры их антропогенных выбросов на основе локальных измерений потоков парниковых газов с последующим их осреднением на региональном уровне [9]. Однако в настоящее время инвентаризация выбросов парниковых газов затруднена ввиду ограниченности сети наземных измерений.

Поэтому для оценки приземных эмиссий также широко применяется другой подход, характерной чертой которого является использование данных глобальных наблюдений концентраций атмосферных компонент и математических моделей переноса для восстановления пространственно-временной структуры источников и стоков, т.е. обратного моделирования. В этом случае количественные оценки потоков интересующих нас веществ определяются путём минимизации разницы наблюдаемых и модельных концентраций [6;7].

Для реализации этого подхода необходимы четыре ключевые составляющие: сами данные наблюдений за концентрациями (наземные, самолетные, спутниковые), модель переноса (позволяющая корректно описывать концентрацию интересующей нас примеси), метеорологические поля

(используемые в модели переноса), а также априорные оценки эмиссий парниковых газов.

Для увеличения количества наблюдений и получения более однородного покрытия в последнее время осуществляются запуски спутниковых приборов, способных предоставить информацию о содержании парниковых газов в толще атмосферы.

Так в 2009 году был дан старт международному проекту по мониторингу парниковых газов GOSAT (Greenhouse gases Observing SATellite), в котором автор принимает участие в части разработки и применения моделей переноса примесей, чем и обусловлена тематика диссертации. Конечной целью проекта является определение источников и стоков диоксида углерода и метана, их местонахождения, сезонную изменчивость, что в итоге поможет лучше понять механизмы, регулирующие углеродный баланс и причины глобального потепления. Кроме того, автор принимает участие в работах по тематике Росгидромета, связанной с измерением концентраций парниковых газов на станциях фонового мониторинга.

Точность решения обратной задачи по восстановлению источников и стоков парниковых газов напрямую зависит от точности прямого моделирования концентраций этих компонент. Усовершенствование прямых моделей переноса парниковых газов и являлось основной задачей диссертации.

Кроме того спутниковые данные, полученные в условиях облачности, необходимо либо отфильтровывать, либо корректировать. Особенную проблему представляют перистые облака, которые трудно обнаружить вспомогательными приборами. В этой связи в задачу автора также входило моделирование пространственного распределения перистых облаков, что являлось дополнительным независимым критерием качества данных наблюдений парниковых газов. Эти направления и определили основное содержание диссертации.

Целью данной работы являлось

1. Моделирование концентрации диоксида углерода на станциях фонового мониторинга, вдоль трасс самолетов и орбиты спутника, что позволяет исследовать суточные и сезонные вариации СО2 в точке наблюдения, определять области влияния на измеряемую концентрацию, а также корректировать глобальные и региональные эмиссии С02на основе обратного моделирования.

2. Моделирование оптической толщи перистых облаков для отбора наиболее достоверных спутниковых данных концентраций парниковых газов, полученных в безоблачных условиях.

В данной работе решались следующие основные задачи

• разработка алгоритма расчёта концентрации диоксида углерода с использованием объединенной эйлеровой/лагранжевой модели и приземных потоков высокого разрешения, включающая в себя выбор подходящих моделей переноса, а также метеорологических данных, модификацию выбранных моделей под поставленную задачу и создание программного кода на языке ФОРТРАН;

• анализ данных измерений на основе модельных расчетов;

• разработка алгоритма расчёта оптической толщи перистых облаков с помощью траекторной модели, включающей схему параметризации перистых облаков;

• валидация моделей по схеме модель/наблюдения;

Научная новизна работы состоит в следующем

• Разработана глобальная совмещенная эйлеровая/лагранжевая модель переноса атмосферных примесей, позволяющая получить более достоверные результаты;

• Впервые совмещенная эйлеровая/лагранжевая модель переноса атмосферных примесей была применена для расчета концентрации диоксида углерода в точке наблюдения;

• Впервые были рассчитаны концентрации углекислого газа в точке наблюдения с использованием глобальных поверхностных потоков углекислого газа с пространственным разрешением 1x1 км;

• Разработана атмосферная траекторная модель с параметризацией перистых облаков, позволяющая рассчитывать оптическую толщину перистых облаков, которые затруднительно обнаружить приборами, установленными на спутники мониторинга парниковых газов.

Достоверность полученных результатов

Достоверность полученных результатов и положений, выносимых на защиту, прямо или косвенно подтверждается корректностью применяемых методов. Модели прошли валидацию с помощью сравнения с другими моделями, демонстрирующими хорошее согласие с экспериментальными данными. Кроме того проведено сравнение модельных значений с данными наблюдений. Полученные результаты и сделанные на их основе выводы опубликованы в реферируемых научных журналах и получили международное признание.

Практическое значение полученных результатов заключается в том, что разработанные модели позволяют

• рассчитать концентрацию атмосферных компонент в любой заданной точке;

• проводить анализ данных станционных, самолетных и спутниковых наблюдений;

• восстанавливать источники и стоки парниковых газов с применением обратного моделирования;

• получать информацию о пространственном распределении перистых облаков для фильтрации спутниковых данных концентрации парниковых газов.

На защиту выносятся

• Совмещённая эйлеровая/лагранжевая модель переноса атмосферных примесей. Алгоритм расчёта концентрации диоксида углерода на станциях фонового мониторинга и вдоль орбиты спутника с использованием совмещённой модели и приземных потоков высокого разрешения (1 км х 1 км).

• Результаты расчётов концентрации диоксида углерода на станциях фонового мониторинга, вдоль трассы самолёта и орбиты спутника. Результаты сравнений с наблюдениями.

• Атмосферная траекторная модель с параметризацией перистых облаков. Алгоритм расчёта оптической толщи перистых облаков с помощью траекторией модели.

• Результаты расчётов оптической толщи перистых облаков и сравнений со спутниковыми наблюдениями.

Личный вклад автора

Автор принимал участие на всех этапах работы, в формулировке задачи, выборе методов решения, разработке численных алгоритмов, проведения расчетов, интерпретации результатов. Все результаты, представленные в диссертационной работе, получены автором самостоятельно или при его непосредственном участии в коллективе соавторов.

Апробация работы

Основные результаты, представленные в диссертации, докладывались на всероссийских и международных ежегодных конференциях в Европе, Японии и США, а также научных семинарах в ЦАО. Некоторые результаты использования разработанных моделей по расчету и анализу экспериментальных данных, включая представленные в диссертации, опубликованы автором в работах [1;4;9;11;12;15;19;47;90;106].

Структура и объём работы

Диссертация состоит из введения, трех глав, заключения и приложения.

В первой главе приведен литературный обзор по теме диссертации, в том числе информация о спутниковых наблюдениях за парниковыми газами, а также определен эйлеров и лагранжев метод описание среды.

Во второй главе дано описание разработанной объединенной (эйлеровой/лагранжевой) модели, приведено описание методики расчета концентрации с её помощью, дано описание используемых поверхностных потоков С02, приведена методика получения и использования потоков с пространственным разрешением 1x1 км. Кроме того, приведены модельные расчеты и сравнения с наблюдениями на станциях мониторинга с различными разрешениями используемых потоков, показано преимущество километровых, а также совмещенной модели. Исследована кратковременная изменчивость с применением фильтрация сезонной изменчивости. Приведены результаты расчетов самолетных вертикальных профилей концентрации диоксида углерода и проведено сравнение с наблюдаемыми величинами. Показано воспроизведение моделью спутниковых измерений. Произведена оценка влияния антропогенных источников с территории Китая на станцию фонового мониторинга Хатерума (Япония).

В третьей главе приведена информация по разработке алгоритма расчета толщи перистых облаков и их глобального распределения, что помогает фильтровать данные спутниковых наблюдений, описана используемая модель и

техника, проведена валидация модели по данным измерения влажности в районе тропической тропопаузы, а также приведены модельные глобальные карты перистых облаков и их сравнения с данными спутникового прибора МСШ18.

Заключение диссертации по теме «Физика атмосферы и гидросферы», Ганьшин, Александр Викторович

1.4 Выводы

В данной главе было показано, что до настоящего времени, измерение концентраций парниковых газов проводилось только с помощью разреженных систем наземного мониторинга. Однако после запуска спутниковых приборов появилось реальная возможность получить большое количество измерений, а также осуществить глобальное равномерное покрытие, которые могут быть использованы для сравнения с модельными результатами.

В плане развития моделей переноса примесей на настоящем этапе перспективным видится использование совмещенных моделей, которые учитывают сильные и слабые стороны моделей обоих классов. Так, эйлеровым моделям присуща численная диффузия и расчеты ведутся на сетке, размеры которой ограничены, однако данные модели хорошо описывают процессы в глобальном масштабе. Для приемлемых расчетов по лагранжевым моделям требуются очень длинные траектории, которые требуют значительных вычислительных мощностей. Кроме того продолжительным траекториям не всегда можно доверять, ввиду того, что со временем нарастает ошибка положения воздушной частицы. Поэтому предлагается первоначальные расчеты проводить на грубой сетки эйлеровой модели, а затем использовать лагранжевую дисперсионную моделью на коротком промежутке по времени. Данная схема позволяет значительно сократить время счета и улучшить точность расчетов. Кроме того такая совмещенная модель является необходимым инструментом для валидации станционных, самолетных и спутниковых измерений, которая впоследствии может быть использована для восстановления источников и стоков парниковых газов, а также улучшения имеющихся банков данных по эмиссиям.

Глава 2. Описание метода расчета концентрации диоксида углерода и полученные результаты

2.1 Введение

Способность моделей переноса воспроизводить концентрации атмосферных компонент в точках наблюдения имеет важное значение для анализа этих наблюдений и для восстановления приземных источников этих компонент на основе обратного моделирования. Необходимо иметь модельный инструмент, позволяющий точно и с наименьшими ресурсными затратами проводить оценку концентрации парниковых газов, в частности С02, в точке наблюдения.

Обычно такая задача решается с использованием эйлеровых моделей, которые позволяют получить поля концентраций на сетке с определенным разрешением. В этом случае значения в точке наблюдения получаются интерполированием сеточных величин. Полученные таким образом данные, хорошо воспроизводят сезонную и межгодовую изменчивость, но сглаживают суточные и часовые вариации концентраций.

Сравнение моделей переноса С02 показало, что синоптическая изменчивость лучше воспроизводится моделями переноса высокого пространственного разрешения и более высокого порядка аппроксимации по сравнению в моделями среднего разрешения [112]. При переходе к более мелкому разрешению модельные результаты приближаются к данным наблюдений, однако точная структура не воспроизводится [72], и кроме того требуются большие затраты машинного времени. Лагранжевы модели, основанные на расчете траекторий отдельных частиц, могут эффективно использоваться в задачах прямого и обратного переноса для расчета откликов на выбросы газов в атмосферу[13;14] Кроме того, этот тип моделей воспроизводят краткосрочные вариации, но описание сезонной изменчивости требует продолжительных траекторий (месяцы), что также приводит к большим вычислительным затратам.

Поэтому вполне логичным является 2-х шаговое моделирование концентраций в точке наблюдения, т.е. объединение моделей.

В нескольких работах, опубликованных в последнее время, заявлено о преимуществе объединенных моделей. Так, было предложено использовать систему моделирования WRF-STILT [33] для оценки потоков С02 на территории Северной Америки [80]. Ригби [82] и Кояма [89] отметили возможность комбинирования эйлеровой и лагранжевой моделей для оценки эмиссий в глобальном масштабе. Также предыдущие исследования были направлены на использование объединенных эйлерово-лагранжевых моделей с высоким разрешением, но для региональных исследований. Вермеулен [114] использовал «вложение» (nesting) региональной лагранжевой модели в глобальную модель, а кроме того произвел региональное решение обратной задачи. Трусилова [99] представила результаты совмещённой модели ТМЗ-STILT, основанные на схеме «вложенного» обращения, разработанной Роденбеком [22].

В данном разделе представлено описание результата объединения Эйлеровой модели (National Institute for Environmental Studies-Transport Model, далее NIES-TM [63;72]) и Лагранжевой дисперсионной модели (FLEXPART [100]). Объединение моделей выполнено не на пространственной границе регионов с помощью региональных подходов, как в описанных выше работах, а на временных границах в глобальном масштабе.

2.2 Объединенная эйлерово-лагранжевая модель переноса (GELCA) и метод расчета концентрации диоксида углерода

Численная транспортная модель NIES ТМ, предназначенная для расчета переноса пассивных трассеров в атмосфере, представляет комбинацию трех основных блоков: блока адвективного переноса, учета конвекции в кучевых облаках и блока расчета переноса в пограничном слое. Уравнение переноса для к-й составляющей записывается в виде: йдк аг

2.1) где отношение смеси трассера в единице объема; - время;

V - Зх мерный вектор скорости;

V = —*+ !.

- радиус Земли; ф, Я - широта и долгота; о* - вертикальная скорость в изобарической системе координат (отрицательные значения означают, что поток направлен вверх); а - вертикальная координата (а = —); р — атмосферное давление; р5 - давление на поверхности земли;

Fk - вертикальный поток трассера, обусловленный турбулентной диффузией и влажной проникающей конвекцией; $к~ источники и стоки, связанные с фотохимическими процессами.

Вертикальный перенос в стратосфере описывается радиационным нагревом и охлаждением, скорости которого берутся непосредственно из базы данных Л1А-25ЯСБА8 [103]. В модели используется нерегулярная широтно-долготная сетка, в которой размер ячеек увеличивается путем объединения ячеек при приближении к полюсам. Этот подход позволяет выполнить условие Куранта в полярных регионах.

Также в модели используется параметризация турбулентной диффузии на основе числа Ричардсона. В настоящий момент в модели используется гибридная сигма-изоэнтропической вертикальная система координат, позволяющая более точно воспроизводить перенос в нижней стратосфере и верхней тропосфере.

В усовершенствованном варианте модели была применена более эффективная численная схема расчета адвективного переноса - схема Пратера, характеризующаяся малой численной диффузией. При этом оригинальная схема Пратера, разработанная для прямоугольной сетки, была модифицирована с целью возможности проведения расчетов на сфере.

Результаты сравнения модели NIES ТМ с другими моделями переноса, а также с экспериментальными данными показывают, что модель качественно и количественно верно воспроизводит пространственно-временные вариации атмосферных трассеров на временных масштабах месяц и более.

Дисперсионная модель FLEXPART является мульти-траекторной моделью, в которой рассчитываются траектории множества частиц с учётом их турбулентного перемешивания и конвекции. На выходе дисперсионной модели вычисляются концентрации примеси в ячейках заданной сетки, что приближает такую модель к сеточным эйлеровым моделям.

FLEXPART принадлежит к классу так называемых «офлайн» моделей, т.е. использует готовые метеорологические поля (анализ и прогноз) для расчетов, а не сама моделирует их. В качестве таких полей можно использовать данные в формате Gridded Binary (GRIB) версии 1 и 2 из численной модели прогноза погоды ECMWF [40] и NCEP GFS [104].

Произведена модификация модели для использования данных Japanese 25-year ReAnalysis (JRA-25) и JMA Climate Data Assimilation System (JCDAS), a также валидация модели по данным лидарных наблюдений за извержением вулкана в Исландии (более подробная информация приведена в приложении А).

В данном случае, необходимым является предварительная обработка метеорологических полей, включающая в себя раскодировку их из формата GRIB и билинейную интерполяцию с Гауссовой нерегулярной сетки (Т106) на регулярную широтно-долготную сетку с сохранением вертикальных модельных уровней.

Кроме того, существуют версии модели, которые позволяют использовать выход мезомасштабных моделей, таких как ММ5 http://www.mmm.ucar.edu/mm5/) и \¥11Р (http://www.wrf-model.org/). Метеорологические поля могут быть заданы глобально, или же покрывать ограниченную область. Кроме того, могут быть использованы метеоданные более высокого разрешения для ограниченной области, интегрированные в глобальный домен более низкого разрешения.

Все координаты внутри модели находятся внутри области, ограниченной с юго-запада координатами (0,0), а с северо-востока (пх-1,пу-1), где (пх,пу) -горизонтальное разрешение сетки с самым низким разрешением (т.н. «материнская сетка»). В случае использования глобальных данных, т.е. данных, покрывающих весь Земной шар, на модельной сетке метеорологических данных РЬЕХРАЯТ восточная граница дублируется западной для того, чтобы интерполяция была возможна во всех точках глобуса (например, если метеополя элементов расположены на сетке от 0° до 359° с разрешением 1°, то в этом случае данные, соответствующие 0°, повторяются на 360°).

Для расчетов РЬЕХРАКТ необходимо иметь пять трехмерных полей: горизонтальные и вертикальные составляющие ветра, температуру и удельную влажность. Вертикальная структура входных данных должна быть задана на гибридных модельных (г]) уровнях (соответствует модельным уровням ЕСМ\\Т). Переход с у координатной системы на уровни давления осуществляется по формуле рк= Ак + Вкр5, а высоты г] поверхностей задаются по формуле г]к = Ак/р0 + Вк. Здесь т]к - значение г] на £-ом модельном уровне, р5 - поверхностное давление, а р0 = 101325 Па. Ак и Вк являются коэффициентами, выбираемыми таким образом, что уровни, расположенные вблизи поверхности Земли, следуют за топографией, а верхние модельные уровни совпадают с уровнями давления. Средние же уровни являются переходными между ними. На поверхности добавляется один дополнительный ц уровень, для которого используется значения температуры на уровне 2 метра, а также значения ветра и удельной влажности на 10 метрах над поверхностью Земли. Для данных ЕСМ\\Т вертикальный ветер в гибридных координатах рассчитывается исходя из сохранения массы из спектральных данных с помощью препроцессора. Для данных 1ЧСЕР вББ и 1СБА8 вертикальный ветер берется непосредственно из этих баз данных.

Кроме трехмерных полей, модель использует следующие двумерные поля: поверхностное давление, общую облачность, компоненты скорости ветра на уровне 10м, температуру и температуру точки росы на уровне 2 м, крупномасштабные и конвективные осадки, тепловой поток, поверхностное напряжение восток-запад и север-юг, топографию, маску суша-океан и подсеточное стандартное отклонение топографии. Кроме этого, используется информация по землепользованию.

В модели ЕЬЕХРАКТ используется простая численная схема «без ускорения» первого порядка точности:

Х(Ь + ДО = Х(Х) + у(Х, (2.2) где X - вектор положения; - время;

Дt - приращение времени;

V = V + + Ут - вектор скорости вектор, являющийся суммой сеточного значения скорости ветра V, турбулентных колебаний ветра а также мезомасштабных флуктуаций Ут.

Схема используется для интегрирования уравнения движения

2.3)

В модели введена параметризация погранслоя на основе числа Ричардсона. Турбулентное движение уь для ьтой компоненты ветра параметризуется с помощью процессов Маркова на основе уравнения Ланжевена, где дрифтовый член а и диффузионный член Ь являются функциями пространства, турбулентной скорости и времени, а йУУ] являются дополнительными компонентами винеровских процессов с нулевым средним и дисперсией <1Ь , которые некоррелированны во времени:

Во FLEXPART предполагается Гауссова турбулентность, которая, строго говоря, справедлива только для стабильных или нейтральных условий. В модели учитываются такие процессы, как конвекция, сухое и влажное осаждение, радиоактивный распад, введена параметризация флуктуаций скорости ветра.

Основным преимуществом лагранжевых моделей является отсутствие численной диффузии. Эти модели могут использоваться как в прямом направлении по времени для моделирования переноса трассеров от источников, так и в обратном направлении для определения потенциального вклада источников в заданные рецепторы. Подробное описание используемых моделей дано в работах [63;72;100].

Расчётные формулы для совмещённой модели представлены ниже. Модельная концентрация лагранжевой модели в точке наблюдения обычно рассчитывается, как интеграл «времени пребывания» (residence time) всех частиц в каждой ячейке на выбранной сетке, умноженной на поток в этой же ячейки сетки [21;86].

Следуя [21;52], концентрация в точке наблюдения может быть представлена в виде: dvt. = at (х, vt, t)dt + bij(x, vt, t)dWj

2.4)

C{xr,tr) = \dt\dVI(xr,tr\x,t)S(x,t) + \dVI(xr,tr |*,/0)C(*,/0), (2.5) где С(д:г,/г) — концентрация (в единицах отношения смеси - ррт) в точке наблюдения хг в момент времени tr\ dV — элемент объёма;

С(дс,?0) — начальное поле концентраций в момент времени t0 (поле, получаемое на выходе эйлеровой модели); l{xr,tr\x,t) (размерность плотности, т.е. объём-1 ) — "influence function" или функция Грина, которая количественно связывает источники и стоки S(x,t) (ppm/час) с концентрациями C[xr,tr); l(xr,tr | x,t) определяет какую долю воздушной массы мы найдем в точке хг в момент времени tr, предполагая, что воздушная масса находилась в точке я: в момент времени

Первый член в уравнении (2.5) характеризует изменение концентрации в точке наблюдения под действием источников/стоков в объёме V за промежуток между начальным временем ¿0 и временем в момент наблюдения 1Г. Второй же член отвечает за вклад в концентрацию в точке наблюдения от начального поля С(л:,^0) при движении воздушных потоков. С лагранжевой точки зрения функция

1[хг^г |-V,/) соответствует функции вероятности перехода р[хг^г | х,/) вдоль траекторий воздушных частиц *;(£)> которые рассчитывает РЬЕХРАЯТ: t п=1

2.6) где N — количество частиц, выброшенных в точке наблюдения;

8 — дельта-функция, которая характеризует присутствие или отсутствие частицы п в точке х.

В дискретной форме формула (2.5) может быть записана как:

1 гг1Ж Ь N л ПК N

Ь ук 1=0 п=1 ^ ук 11=1 где Т- продолжительность траектории; Ь - количество шагов по времени;

1,],к- индексы, характеризующие положение частицы в ячейке; / - индекс по времени; фе — принимает значения 1 (если частица находится в ячейке у,к) или 0 (частица находится за пределами ячейки 1,],к)\

С/д, — начальные фоновые концентрации Эйлеровой модели.

В том случае, если заданы поверхностные потоки Р(х,уД) (кг/м2/сек), можно считать их влияние значимым до высоты к.

Р\х,у,{)та со-,

2.8) где та1г и тсо^ - молярные массы воздуха и диоксида углерода соответственно; р - средняя плотность воздуха ниже высоты к.

Тогда формулу (2.8) можно записать в виде

Расчет при таком подходе осуществляется способом, описанным ниже. Первоначально, в течение года до момента измерений эйлерова модель (NIES ТМ) рассчитывает глобальные фоновые концентрации, в которых отражается сезонная изменчивость.

Затем в обратном направлении по времени используется лагранжевая дисперсионная модель (FLEXPART), которая в течение недели собирает вклад локальных наземных эмиссий в точку наблюдения за этот срок, а также определяет вклад в итоговую концентрацию в точке от фоновых значений, рассчитанных глобальной моделью (рисунок 2.1). Вследствие отсутствия численной диффузии, присущей эйлеровым моделям, FLEXPART обеспечивает менее сглаженные концентрации.

Расчет фоновой концентрации продолжительностью 1 год обусловлен так называемым «spin up» эффектом, связанным с тем, что в начальный момент времени в модели поля концентраций задаются нулевыми, что приводит к быстрому увеличению концентрации в течение нескольких первых месяцев. За год концентрации и потоки выходят на определенный баланс, и становится возможным изучать сезонную изменчивость концентраций.

2.9)

Алгоритм совмещённой модели

NIES ТМ

FLEXPART К

1 год

1 неделя время

Рисунок 2.1 - Алгоритм работы объединенной модели

Сеточные фоновые значения концентраций составляют второе слагаемое правой части формулы (2.9). Первое слагаемое этой формулы обусловлено вкладом источников рассматриваемой компоненты, которые расположены вдоль траекторий внутри слоя к (500 м). В конечном итоге значение первого слагаемого пропорционально потоку в каждой ячейке вдоль траектории и времени, в течение которого воздушная частица находится внутри этой ячейки.

Так как изначально модель РЬЕХРАЯТ рассчитана на использование метеорологических данных ЕСМХУ!7, была произведена модификация модели под данные 1СОА8 [103], которые предоставляются на гибридной вертикальной сетке «сигма-давление», а также горизонтальной Гауссовой сетке (40 модельных уровней, сетка Т106).

Кроме того, произведена интерполяция необходимых полей метеоэлементов на регулярную сетку с разрешением 1.25° х 1.25° с сохранением вертикальной структуры. Временное разрешение используемых данных - 6 часов. Численные особенности модели, такие как максимальный временной шаг, необходимый для адекватного воспроизведения концентраций, зависят от используемой сетки поверхностных потоков.

Временной шаг (т) должен быть пропорционален h/U, где h - размер ячейки сетки потоков, a U— скорость ветра. При скорости ветра U= 50 км/ч, получается т = 2,0.2, и 0.02 часа для h = 100, 10, и 1 км соответственно.

Поэтому в случае использования потоков с разрешением 1 км, был выбран временной шаг, а также шаг интегрирования потоков (T/L из уравнения 5), равный 1 минуте.

Для моделирования с градусным разрешением использовался шаг 15 минут. Модель NIES TM может работать как с вышеописанными японскими метеорологическими данными JCDAS на сетке 1.25° х 1.25° (40 вертикальных уровней), так и с американскими метеополями NCEP на сетке 2.5° х 2.5°. Версия модели NIES TM, рассчитанная на использование данных JCDAS, обладает выходной сеткой 2.5° х 2.5° и 32 вертикальными комбинированными сигма-изоэнтропическими уровнями. Более старая версия модели, использующая данные NCEP, выдает результаты на вертикальной сигма-сетке с 15 уровнями.

2.3 Поверхностные потоки С02 высокого разрешения

Для моделирования были использованы три вида источников диоксида углерода: антропогенные источники, обмен биосферы и атмосферы, обмен океана и атмосферы. Совместно они описывают основные типы источников и стоков диоксида углерода. Также можно использовать информацию о лесных пожарах (в качестве компонент биосферных потоков), но в этой работе она не применялась.

Упомянутые выше три основных типа потоков обычно используются на сетке 1° х 1°, однако такого разрешения может быть недостаточно для описания сильных локальных источников диоксида углерода. Поэтому были использованы потоки с высоким пространственным разрешением -1x1 км.

Результаты моделирования представлены, как с градусным, так и с километровым разрешением. Градусные потоки аналогичны километровым, отличие заключается лишь в разрешении.

2.3.1 Метод использования потоков высокого разрешения в модели

Т.к. каждое глобальное поле с разрешением 1x1 км (антропогенные, биосферные, океанические потоки) занимает около 3.5 Гигабайт в оперативной памяти компьютера, использование их напрямую является технически трудной задачей, которая требует огромных вычислительных мощностей. Поэтому для уменьшения требований к используемой памяти были предприняты следующие шаги: а) Километровое поле поверхностных потоков в заданной точке пространства строится непосредственно в модели с использованием комбинации полей высокого и среднего разрешения. В случае антропогенных поверхностных потоков происходит умножение среднегодового потока с разрешением 1x1 км на поля с разрешением 1° х 1°, которые описывают сезонную изменчивость с месячным разрешением.

Коэффициенты получены из реестра по антропогенным эмиссиям [69] с разрешением 1° х 1°, в котором учитывается сезонная изменчивость, и пронормированы на среднегодовое значение. Для получения биосферных потоков использовалась маска океан-суша с километровым разрешением, которая позволяет перераспределить эмиссии с более грубым разрешением для каждого из 15 типов растительности.

Этот подход позволяет значительно снизить требования к компьютерным ресурсам и уменьшить время счета. Описание каждого типа потоков дано в соответствующем разделе, а в таблице 2.1 приведена суммарная информация по используемым комбинациям для получения потоков с километровым разрешением.

Значения потоков на каждом временном шаге получаются линейной интерполяцией между месячными полями, за исключением биосферных потоков, для которых значения доступны с шагом 1 день.

Заключение

1. Разработаны объединенная эйлеровая/лагранжевая модель переноса атмосферных примесей и алгоритмы расчёта концентрации диоксида углерода на её основе для станций наземного мониторинга, вдоль трасс самолетов и орбиты спутника с использованием информации о приземных эмиссиях высокого разрешения (вплоть до 1 км х 1 км) антропогенного, биосферного и океанического происхождения.

2. Приведены результаты расчётов концентрации диоксида углерода на станциях наземного мониторинга, вдоль трассы самолёта и орбиты спутника и проведено сравнение с наблюдениями. При этом отмечается рост коэффициентов корреляции модельных расчетов с наблюдениями и уменьшение центрированного среднеквадратичного отклонения при использовании совмещённой модели вместо эйлеровой, дальнейшее улучшение достигается путем использования поверхностных потоков более высокого пространственного разрешения. Так для ст. Федоровское (фоновая станция) корелляция улучшается с 0.65 до 0.73, а для двух станций в Лондоне (сильнозагрязненная городская черта) с 0.66 до 0.81 и с 0.68 до 0.78, при этом проведенные оценки показывают, что разница в коэффициентах корреляции статистически значима. Для спутниковых данных было промоделировано более 120000 событий за период с июня 2009 по июль 2010 года, коэффициент корреляции составил 0.7, а среднеквадратичное отклонение 2.2 ррт, при этом ошибка спутниковых измерений составляет 2.5 ррт.

3. В качестве приложения разработанной объединенной модели переноса атмосферных примесей проведено исследование влияния антропогенных выбросов Китая на значения концентрации на станции мониторинга, расположенной на о. Хатерума (Япония), с применением разработанной объединенной модели переноса атмосферных примесей. Значения коэффициентов корреляции между модельным данным и наблюдениями падают с 0.63 до 0.59 для 2002 года, и с 0.44 до 0.31 для 2006 года (здесь приведены значения коэффициентов корреляции для зимнего периода времени без учета сезонного хода) при удалении из рассмотрения эмиссий от Китая, что говорит об их влиянии на наблюдаемые вариации в концентрации. Показанное доминирование вклада региональных антропогенных выбросов в наблюдаемом сигнале указывает на возможности эффективного использования данных мониторинга на станции Хатерума при моделировании переноса в регионе и решении обратных задач об межгодовой изменчивости антропогенных выбросов С02 и других газов.

4. Построена атмосферная траекторная модель с параметризацией перистых облаков и разработан алгоритм, позволяющие получить информацию о пространственном распределении перистых облаков и скорректировать алгоритм восстановления концентрации парниковых газов при проведении спутниковых измерений.

5. Обоснован и апробирован метод применения траекторией модели с блоком параметризации перистых облаков для корректных оценок оптической толщи и пространственного распределения перистых облаков, проведено сравнение с данными по отражающей способности, полученных со спутникового прибора МОБ18, которые хорошо согласуются между собой.

6. На примере анализа данных полевых кампаний по измерению влажности в районе тропической тропопаузы проведена валидация модельных значений влажности.

Разработанный алгоритм позволяет эффективно реконструировать и анализировать мачтовые, самолётные и спутниковые наблюдения с целью последующего определения глобальных и региональных источников и стоков измеряемой компоненты г

Объединённая модель активно используется для исследования переноса различных примесей как в стратосфере, так и тропосфере, для восстановления источников и стоков парниковых газов, а также уточнения имеющихся данных по эмиссиям с высоким разрешением.

Разработка моделей и исследования с их применением проводились в рамках международного спутникового проекта GOSAT и темы Росгидромета 1.3.1.4.

Автор выражает свою признательность научному руководителю Лукьянову А.Н. и Максютову Ш.Ш. за помощь и рекомендации при выполнении работы, Журавлеву Р.В. за полезные обсуждения, Оде Т., Сайто М., Валсала В. за сотрудничество при подготовке информация по поверхностным потокам диоксида углерода, сотрудникам ЦАО, ИПГ, ИФА и NIES за ценные замечания, а также сотрудникам организаций, предоставивших данные наблюдений. Автор благодарен Штолу А. - разработчику модели FLEXPART, сотрудникам JMA и CRIEPI, предоставивших данные JCDAS. Автор выражает благодарность официальным оппонентам Дианскому H.A. и Зарипову Р.Б., а также эксперту Тертышникову A.B. за ценные замечания, которые помогли улучшить структуру и содержание работы.

Список литературы диссертационного исследования кандидат физико-математических наук Ганьшин, Александр Викторович, 2013 год

Список литературы

1. Будыко, М.И. Ожидаемые изменения климата к 2000 году / М.И. Будыко и П. Гройсман // Метеорология и гидрология. 1991. № 7. С.84-94.

2. Варгин, П.Н. Исследование динамических процессов в период формирования и развития блокирующего антициклона над Европейской частью России в конце июня 2010 г. / П.Н. Варгин, А.Н. Лукьянов, A.B. Ганыпин // Известия РАН. Физика атмосферы и океана. 2012. Т. 48. № 5. С. 537-557.

3. Веселовский, И. А. Дистанционная лазерная диагностика аэрозольных и газовых составляющих атмосферы методами Рамановского и упругого рассеяния: дис. ... д-ра физ.-мат. наук: 01.04.21 / Веселовский Игорь Александрович. М. 2005.401с.

4. Ганыпин, A.B. Исследование процессов массообмена через тропопаузу / A.B. Ганыпин // Труды Института Прикладной Геофизики им. академика Е.К. Федорова. 2010. Т.88. С. 118-124.

5. Дымников, В.П. Проблемы моделирования климата и его изменений / В.П. Дымников, В.Н. Лыкосов, Е.М. Володин // Изв. РАН, ФАиО. 2006. Т.42. № 5. С.618-636.

6. Марчук, Г.И. Методы вычислительной математики / Г.И. Марчук. М. 1977. 456с.

7. Марчук, Г.И. Глобальный перенос примеси в атмосфере / Г.И. Марчук и А.Е. Алоян // Известия РАН. Физика атмосферы и океана. 1995. Т. 31. №5. С. 597-606.

8. Микроспектрометр парниковых газов / О.И. Кораблев, И.И. Виноградов, В.И. Гнедых и др. // Вопросы миниатюризации в современном космическом приборостроении. Сб. ст. выездного семинара. Таруса. М. ИКИ. 2005. С. 235-248.

9. НАЦИОНАЛЬНЫЙ ДОКЛАД О КАДАСТРЕ антропогенных выбросов из источников и абсорбции поглотителями парниковых газов не

регулируемых Монреальским протоколом за 1990 - 2010гг. Часть 1. М. 2012.386с.

10. Моделирование вклада континентальных антропогенных источников в изменчивость концентрации С02 в зимний период на острове Хатерума / A.B. Ганынин, Р.В. Журавлев, Ш.Ш. Максютов и др. // Оптика атмосферы и океана. 2012. Т. 25. № 08. С. 727-732.

11. Оценка глобальных потоков С02 для 2009-2010 гг. с использованием данных наземных и спутниковых (GOSAT) наблюдений при помощи эмпирических ортогональных функций / Р.В. Журавлев, A.B. Ганьшин, Ш.Ш. Максютов и др. // Оптика атмосф. и океана. 2013. Т. 26. № 5. С. 388-397.

12. Оценки переноса водяного пара, озона в верхней тропосфере-нижней стратосфере и потоков через тропопаузу в полевой кампании на ст. Соданюола (Финляндия) / А.Н. Лукьянов, АЛО. Карпечко, В.А. Юшков и др. // Известия РАН. Физика атмосферы и океана. 2009. Т. 45. № 3. С. 316324.

13. Пененко, В.В. Вариационные методы усвоения данных и обратные задачи для изучения атмосферы, океана и окружающей среды / В.В. Пененко // Сиб. журн. вычисл. матем. 2009. Т. 12:4. С. 421-434.

14. Пененко, В.В. Выявление областей повышенной экологической уязвимости: концепция и подходы к реализации /В.В. Пененко // Оптика атмосферы и океана. 2001. Т. 14. № 6/7. С. 596-600.

15. Присутствие вулканического пепла над территорией РФ вследствие извержения вулкана в Исландии 14-го апреля 2010 г. по данным модельных расчётов и наблюдений / A.B. Ганьшин, А.Н. Лукьянов, В.У. Хаттатов и др. // Метеорология и гидрология. 2012. № 9. С. 35-41.

16. Самарский, A.A. Введение в теорию разностных схем / A.A. Самарский М. 1971. 552с.

17. Самарский, A.A. Численные методы / A.A. Самарский, A.B. Гулин. М. 1989. 432с.

18. A dispersion modelling system SILAM and its evaluation against ETEX data / M. Sofiev, P. Siljamo, I. Valkama et al. // Atmospheric Enviroment. 2006. V.40. P. 674-685.

19. A global coupled Eulerian-Lagrangian model and lxl km C02 surface flux dataset for high-resolution atmospheric CO2 transport simulations / A. Ganshin, T. Oda, M. Saito et al. // Geosci. Model Dev. 2012. V.5. P.231-243.

20. A meteorological analysis of the precipitation chemistry event samples at Hubbard Brook (N.H.) / R.E. Munn, G.E. Likens, B. Weisman et al. // Atmospheric Environment. 1984. V.18. P.2775-2779.

21. A near-field tool for simulating the upstream influence of atmospheric observations: The Stochastic Time-Inverted Lagrangian Transport (STILT) model / J.C. Lin, C. Gerbig, S.C. Wofsy et al. // J. Geophys. Res. 2003. V.108 N.D16. P.4493.

22. A two-step scheme for high-resolution regional atmospheric trace gas inversions based on independent models / C. Rodenbeck, C. Gerbig, K. Trusilova et al. // Atmos. Chem. Phys. 2009. V.9. P.5331-5342.

23. Airborne observations of the Eyjafjalla volcano ash cloud over Europe during air space closure in April and May 2010 / U. Schumann, B. Weinzierl, O. Reitebuch et al. //Atmos. Chem. Phys. 2011. V.l 1. P.2245-2279.

24. An analytical inversion method for determining regional and global emissions of greenhouse gases: Sensitivity studies and application to halocarbons / A. Stohl, P. Seibert, J. Arduini et al. // Atmos. Chem. Phys. 2009. V.9. P. 15971620.

25. Anderson, D. A comparison of numerical solutions of the advective equations / D. Anderson and B. Fattahi // J. Atmos. Sci. 1974. V.31. P. 15001506.

26. Application of randomly oriented spheroids for retrieval of dust particle parameters from multiwavelength lidar measurements /1. Veselovskii, O. Dubovik, A. Kolgotin et al. // J. Geophys. Res. 2010. V.l 15. D21203.

27. Ashbaugh, L.L. A statistical trajectory technique for determining air pollution source regions / L.L. Ashbaugh // Journal of Air Pollution Control Association. 1983. V.33. P.1096-1098.

28. Ashbaugh, L.L. A residence time probability analysis of sulfur concentrations at Grand Canyon National Park / L.L. Ashbaugh, W.C. Malm and W.Z. Sadeh//Atmospheric Environment. 1985. V.19. P.1263-1270.

29. BP: Statistical Review of World Energy. L. 2008. Режим flociyna:http://www.bp.com/productlanding.do?categoryld=6929&contentld=70 44622.

30. Carbon balance of a southern taiga spruce stand in European Russia / I.M. Milyukova, O. Kolle, A.V. Variagin et al. // Tellus B. 2002. V.54. P.429-442.

31. Carnahan, B. Applied Numerical Methods / Carnahan, В., Luther, H.A., Wilkes, J.O. // John Wiley. N-Y. 1969. 604 pp.

32. Characterization of atmospheric C02 observed at two-background air monitoring stations (Hateruma and Ochi-ishi) in Japan (abstract), paper presented at Sixth International Carbon Dioxide Conference / H. Mukai, M. Katsumoto, R. Ide et al. // Org. Comm. of Sixth Int. Carbon Dioxide Conf. Sendai. Japan. 2001.

33. Coupled weather research and forecasting-stochastic time-inverted lagrangian transport (WRF-STILT) model / T. Nehrkorn, J. Eluszkiewicz, S.Wofsy et al. // Meteorol. Atmos. Phys. 2010. V.107. P.51-64.

34. Courant, R., Friedrichs, К., Lewy, H. Über die partiellen Differenzengleichungen der mathematischen Physik / R. Courant, K. Friedrichs, H. Lewy // Mathematische Annalen. 1928. V.100. N.l. P.32-74.

35. Danielsen, E.F. Trajectories: isobaric, isentropic and actual / E.F. Danielsen // Journal of Meteorology. 1961. V.18. P.479-486.

36. Detection of optical path in spectroscopic space-based observations of greenhouse gases: Application to GOSAT data processing / S. Oshchepkov, A. Bril, S. Maksyutov et al. // J. Geophys. Res. 2011. V. 116. D14304.

37. Determination of time- and height-resolved volcanic ash emissions and their use for quantitative ash dispersion modeling: the 2010 Eyjafjallajokull eruption / A. Stohl, A. J. Prata, S. Eckhardt et al I I Atmos. Chem. Phys. 2011. V 11, P.4333-4351.

38. Diagnostic downscaling of large scale wind fields to compute local scale trajectories / A. Stohl, K. Baumann, G. Wotawa et al. // Journal of Applied Meteorology. 1997. V.36. P.931-942.

39. Dutton, J.A. The Ceaseless Wind. An Introduction to the Theory of Atmospheric Motion / J.A. Dutton // Dover. N-Y. 1986.

40. ECMWF. User Guide to ECMWF Products 2.1 // Meteorological Bulletin M3.2. Reading. UK. 1995.

41. Estimation of the vertical profile of sulfur dioxide injection into the atmosphere by a volcanic eruption using satellite column measurements and inverse transport modeling / S. Eckhardt, A.J. Prata, P. Seibert et al. // Atmos. Chem. Phys. 2008. V.8. P.3881-3897.

42. Evaluating the structure and magnitude of the ash plume during the initial phase of the 2010 Eyjafjallajokull eruption using lidar observations and NAME simulations / H.F. Dacre, A.L. M. Grant, R.J. Hogan et al. // J. Geophys. Res. 2011. V.116. D00U03.

43. Examination of model-estimated ecosystem respiration by use of flux measurement data from a cool-temperate deciduous broad-leaved forest in central Japan / A. Ito, M. Inatomi, W. Mo et al. // Tellus B. 2007. V.59. P.616-624.

44. First continuous measurements of C02 mixing ratio in central London using a compact diffusion probe / M. Rigby, R. Toumi, R. Fisher et al. // Atmos. Environ. 2008. V.42. P.8943-8953.

45. Gerbig, C. On observational and modelling strategies targeted at regional carbon exchange over continents / C. Gerbig, A.J. Dolman, M. Heimann // Biogeosciences. 2009. V. 6. P. 1949-1959.

46. Global Concentrations of C02 and CH4 Retrieved from GOSAT: First Preliminary Results / T. Yokota, Y. Yoshida, N. Eguchi et al. // SOLA. 2009. V.5.P.160-163.

47. Global high resolution atmospheric C02 simulation with lxl km surface fluxes and coupled (Eulerian/Lagrangian) model / A. Ganshin, S. Maksyutov, T. Oda et al. // Abstract A41J-04 presented at 2010 Fall Meeting. AGU. San Francisco. Calif. 13-17 Dec. 2010.

48. Global land cover mapping from MODIS: Algorithms and early results / M.A. Friedl, D.K. Mclver, J.C.F. Hodges et al. // Remote Sensing of Environment. 2002. V.83(l-2). P.287-302.

49. Haltiner, G.J. Numerical Prediction and Dynamic Meteorology / G.J. Haltiner, and R.T. Williams // John Wiley. N-Y. 1980. 477 pp.

50. Harris, J.M. An analysis of 5-day midtropospheric flow patterns for the South Pole: 1985-1989 / J.M. Harris // Tellus. 1992. V.44B. P.409-421.

51. Henderson, R.G. Trajectory analysis of MAP3S precipitation chemistry data at Ithaca / R.G. Henderson and K. Weingartner // New York. Atmospheric Environment. 1982. V.16. P. 1657-1665.

52. Holzer, M. Transit-time and tracer-age distributions in geophysical flows / M. Holzer and T.M. Hall // J. Atmos. Sci. 2000. V.57. P.3539 3558.

53. Inoue, H.Y. Measurements of atmospheric C02 from a meteorological tower in Tsukuba, Japan / H.Y. Inoue and H. Matsueda // Tellus. 2001. V.53B. P.205-219.

54. Inoue, H.Y. Variations in atmospheric CO2 at the Meteorological Research Institute, Tsukuba, Japan / H.Y. Inoue and H. Matsueda // J. Atmos. Chem. 1996. V.23. P.137-161.

55. Interpolation errors in wind fields as a function of spatial and temporal resolution and their impact on different types of kinematic trajectories / A. Stohl, G. Wotawa, P. Seibert et al. // J. Appl. Meteor. 1995. V.34. P.2149-2165.

56. Inversion with regularization for the retrieval of tropospheric aerosol parameters from multi-wavelength lidar sounding / I. Veselovskii, A. Kolgotin, V. Griaznov et al. // Appl.Opt. 2002. V.41. P.3685-3699.

57. IPCC. Climate change 2007: The physical science basis, Contribution of working group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change (IPCC). / IPCC (2007), S. Solomon, D. Qin et al. // Cambridge University Press. Cambridge. N-Y. 2007. 996 pp.

58. Karcher, B. Properties of subvisible cirrus clouds formed by homogeneous freezing / B. Karcher // Atmos. Chem. Phys. 2002. V.2. P. 161-170.

59. Klett, J.D. Lidar inversion with variable backscatter/extinction ratios / J.D. Klett // Appl. Opt. 1985. V.24. P.1638-1643.

60. Krishnamurti, T.N. Numerical Integration of Primitive Equations by a Quasi-Lagrangian Advective Scheme / T.N. Krishnamurti // Journal of Applied Meteorology. 1962. V.l. N.4. P.508-521.

61. Ludwig, F.L. Use of mass conservation and critical dividing streamline concepts for efficient objective analysis of wind fields in complex terrain / F.L. Ludwig, J.M. Livingston and R.M. Endlich // Journal of Applied Meteorology. 1991. V.30. P. 1490-1499.

62. Lukyanov, A. Lagrangian Estimation of Ozone Loss in the core and Edge Region of the Arctic Polar Vortex 1995/1996: Model Results and Observations / A. Lukyanov, H. Nakane, V. Yushkov // Journal of Atmospheric Chemistry. 2003. V.44. P.191-210.

63. Mass-conserving tracer transport modelling on a reduced latitude-longitude grid with NIES-TM / D. Belikov, S. Maksyutov, T. Miyasaka, et al. // Geosci. Model Dev. 2011. V.4. P.207-222.

64. Merrill, J.T. Techniques of Lagrangian trajectory analysis in isentropic coordinates / J.T. Merrill, R. Bleck and D. Boudra // Monthly Weather Review. 1986. V.l 14. P.571-581.

65. Meyer, K. Optical thickness of tropical cirrus clouds derived from MODIS 0.66- and 1.375 -^im channels / K. Meyer, P. Yang, and B.-C. Gao // IEEE-TGRS. 2004. V.24. P.833-841.

66. Miller, J.M. A Five-year climatology of back trajectories from the Mauna Loa observatory, Hawaii / J.M. Miller // Atmospheric Environment. 1981. V.15. P.1553-1558.

67. Miller, J.M. The use of back air trajectories in interpreting atmospheric chemistry data: a review and bibliography. / J.M. Miller // NOAA Technical Memo. ERL ARL-155. Air Resources Laboratory. NOAA Environmental Research Laboratories. Silver Spring. Maryland. USA. 1987. 60 pp.

68. Modeling carbon dynamics in two adjacent spruce forests with different soil conditions in Russia / J. Kurbatova, C. Li, A. Varlagin et al. // Biogeosciences. 2008. V.5. P.969-980.

69. Monthly, global emissions of carbon dioxide from fossil fuel consumption / R.J. Andres, J.S. Gregg, G. Marland et al. // Tellus B. 2011. V.63(3) P.309-327.

70. Moody, J.L. Quantifying the relationship between atmospheric transport and the chemical composition of precipitation on Bermuda / J.L. Moody and J.N. Galloway// Tellus. 1988. V.40B. P.463-479.

71. Moody, J.L. The influence of atmospheric transport on precipitation chemistry at two sites in the midwestern United States / J.L. Moody and P.J. Samson // Atmospheric Environment. 1989. V.23. P.2117-2132.

72. NIES/FRCGC global atmospheric tracer transport model: description, validation, and surface sources and sinks inversion / S. Maksyutov, P.K. Patra, R. Onishi et al. // J. of the Earth Simulator. 2008. V.9. P.3-18.

73. Oda, T. A very high-resolution (lkmxl km) global fossil fuel C02 emission inventory derived using a point source database and satellite observations of nighttime lights / T. Oda and S. Maksyutov // Atmos. Chem. Phys. 2011. V. 11. P. 543-556.

74. Petersen, R.A. The computation of isentropic atmospheric trajectories using a «Discrete Model» formulation / R.A. Petersen and L.W. Uccellini // Monthly Weather Review. 1979. V.107. P.566-574.

75. Petterssen, S. Weather Analysis and Forecasting / S. Petterssen // McGraw-Hill Book Company. N-Y. 1940. P. 221-223.

76. Prather M.J. Numerical advection by conservation of second-order moments / M.J. Prather // J. Geophis. Res. 1986. V.91. P.6671-6681.

77. Preliminary validation of column-averaged volume mixing ratios of carbon dioxide and methane retrieved from GOSAT short-wavelength infrared spectra / I. Morino, O. Uchino, M. Inoue et al. // Atmos. Meas. Tech. 2011. V.4. P.1061-1076.

78. Ramonet, M. C02 Baseline concept in 3-D atmospheric transport models / M. Ramonet and P. Monfray // Tellus. 1996. V. 48B. P. 502-520.

79. Rayner, P.J. The utility of remotely sensed C02 concentration data in surface inversions / P.J. Rayner and D.M. O'Brian // Geophys. Res. Lett. 2001. V.28. P.175-178.

80. Regional-scale geostatistical inverse modeling of North American C02 fluxes: a synthetic data study / S.M. Gourdji, A.I. Hirsch, K.L. Mueller et al. //Atmos. Chem. Phys. 2010. V.10. P.6151-6167.

81. Ren, C. Cirrus parametrization and the role of ice nuclei / C. Ren, and A.R. Mackenzie // Q. J. R. Meteorol. Soc. 2005. V.131. P.1585-1605.

82. Rigby, M. Inversion of long-lived trace gas emissions using combined Eulerian and Lagrangian chemical transport models / M. Rigby, A.J. Manning and R.G. Prinn // Atmos. Chem. Phys. Discuss. 2011. V.ll. P.14689-14717.

83. Rood, R.B. Numerical advection algorithms and their role in atmospheric transport and chemistry model / R.B. Rood // Reviews of Geophysics. 1987. V.25. N.l. P.71-100.

84. Saey, P.R.J. A long distance measurement of radioxenon in Yellowknife, Canada, in late October 2006 / P.R J. Saey, M. Bean and A. Becker // GEOPHYSICAL RESEARCH LETTERS. 2007. V.34. N.20. L20802.

85. Saito, M. Evaluation of Biases in JRA-25/JCDAS precipitation and their Impact on the Global Terrestrial Carbon Balance / M. Saito, A. Ito, S. Maksyutov//J. Clim. 2011. V. 21. P. 4109^125.

86. Seibert, P. Source-receptor matrix calculation with a Lagrangian particle dispersion model in backward mode / P. Seibert and A. Frank // Atmos. Chem. Phys. 2004. V.4. P.51-63.

87. Seibert, P. Inverse modelling of sulfur emissions in Europe based on trajectories / P. Seibert // Inverse Methods in Global Biogeochemical Cycles. Geophysical Monograph. American Geophysical Union. 2000. V. 114. P. 147154.

88. Sherman, C.A. A mass-consistent model for wind fields over complex terrain / C.A. Sherman // Journal of Applied Meteorology. 1978. V.17. P.312-319.

89. Simulation of atmospheric carbon dioxide variability with a global coupled Eulerian-Lagrangian transport model / Y. Koyama, S. Maksyutov, H. Mukai et al. // Geosci. Model Dev. 2011. V.4. P.317-324.

90. Simulation of CO2 concentrations using coupled (Eulerian/Lagrangian) model with global high resolution (1km x lkm) surface fluxes / A. Ganshin, T. Oda, M. Saito et al. // European Geosciences Union General Assembly 2010. Vienna. Austria. 02-07 May 2010.

91. Steinacker, R. Airmass and frontal movement around the Alps / R. Steinacker // Rivista di Meteorologia Aeronautica. 1984. V.44. P.85-93.

92. Stohl, A. Origin of ozone in Vienna and surroundings, Austria / A. Stohl and H. Kromp-Kolb // Atmospheric Environment. 1994. V.28. P. 12551266.

93. Stohl, A. A method for computing single trajectories representing boundary layer transport / A. Stohl and G. Wotawa // Atmospheric Environment. 1995. V.29. P.3235-3239.

94. Stohl, A. Accuracy of trajectories as determined from the conservation of meteorological tracers / A. Stohl and P. Seibert // Q. J. Roy. Met. Soc. 1998. V.124. P.1465-1484.

95. Stohl, A. Computation, accuracy and applications of trajectories - a review and bibliography / A. Stohl // Atmos. Environ. 1998. V.32. P.947-966.

96. Stohl, A. Validation of the Lagrangian particle dispersion model FLEXPART against large scale tracer experiments / A. Stohl, M. Hittenberger, and G. Wotawa // Atmos. Environ. 1998. V.32. P.4245-4264.

97. Stohl, A., Trajectory statistics - a new method to establish source-receptor relationships of air pollutants and its application to the transport of particulate sulfate in Europe / A. Stohl // Atmospheric Environment. 1996. V.30. P.579-587.

98. Taylor, K.E., Summarizing multiple aspects of model performance in a single diagram/ K.E. Taylor//J. Geophys. Res. 2001. V.106. P.7183-7192.

99. Technical Note: A new coupled system for global-to-regional downscaling of C02 concentration estimation / K. Trusilova, C. Rodenbeck, C. Gerbig et al. //Atmos. Chem. Phys. 2010. V.10. P.3205-3213.

100. Technical Note: The Lagrangian particle dispersion model FLEXPART version 6.2 / A. Stohl, C. Forster, A. Frank et al. // Atmos. Chem. Phys. 2005. V.5. P.2461-2474.

101. Tewarson, R.P. Sparse matrices / R.P. Tewarson // Academic Press.

1973.

102. The 16 April 2010 major volcanic ash plume over central Europe: EARLINET lidar and AERONET photometer observations at Leipzig and Munich, Germany / A. Ansmann, M. Tesche, S. Groß et al. // Geophys. Res. Lett. 2010. V.37. L13810.

103. The JRA-25 Reanalysis / K. Onogi, J. Tsutsui, H. Koide et al. // J. Meteor. Soc. Japan. 2007. V.85. P.369-432.

104. The NCEP Climate Forecast System / S. Saha, S. Nadiga, C. Thiaw et al. //J. Climate. 2006. V.19. N.15. P.3483-3517.

105. The relationship between atmospheric transport and the particle scattering coefficient at the Grand Canyon / J.D. Kahl, D. Liu, W.H. White et al. // Journal of Air and Waste Management Association. 1997. V.47. P.419-425.

106. The Use of a High-Resolution Emission Data Set in a Global Eulerian-Lagrangian Coupled Model / T. Oda, A. Ganshin, M. Saito et al. // Lagrangian Modeling of the Atmosphere. AGU Geophysical monograph series. 2012. P.173-184.

107. Thermal and near infrared sensor for carbon observation Fouriertransform spectrometer on the Greenhouse Gases Observing Satellite for greenhouse gases monitoring / A. Kuze, H. Suto, M. Nakajima et al. // Appl. Opt. 2009. V.48. N.35. P. 6716-6733.

108. Thomson, D.J. Criteria for the selection of stochastic models of particle trajectories in turbulent flows / D.J. Thomson // J. Fluid Mech. 1987. V.180. P.529-556.

109. Towards robust regional estimates of C02 sources and sinks using atmospheric transport models / K.R. Gurney, R.M. Law, A.S. Denning et al. // Nature. 2002. V.415. P.626-630.

110. Trajectory analysis of highalpine air pollution data / P. Seibert, H. Kromp-Kolb, U. Baltensperger et al. // In Air Pollution Modelling and its Application X. eds. S.-E. Gryning and M.M. Millan. Plenum Press. New York. 1994. P. 595-596.

111. Trajectory modeling of emissions from lower stratospheric aircraft / L.C. Sparling, M.R. Schoeberl, A.R. Douglass et al. // Journal of Geophysical Research. 1995. V.100. P. 1427-1438.

112. TransCom model simulations of hourly atmospheric C02: Analysis of synoptic-scale variations for the period 2002-2003 / P.K. Patra, R.M. Law, W. Peters et al. // Global Biogeochem. Cy. 2008. V.22. GB4013.

113. Transport climatology of tropospheric ozone: Bermuda. 1988-1991 / J.L. Moody, S.J. Oltmans, H. Levy et al. // Journal of Geophysical Research. 1995. V.100. P.7179-7194.

114. Transport model calculations of NW-Europe methane emissions / A.T. Vermeulen, R. Eisma, A. Hensen et al. // Environ. Sei. Policy. 1999. V.2. P.315-324.

115. Valsala, K.V. Simulation and assimilation of global ocean pC02 and air-sea CO2 fluxes using ship observations of surface ocean pC02 in a simplified biogeochemical offline model / K.V. Valsala, S. Maksyutov // Tellus. 2010. V. 62B. P. 821-840.

116. Van De Hülst, H.C. Light Scattering by Small Particles / H.C. Van De Hülst // John Wiley. N-Y. 1957.

117. Volcanic ash from Iceland over Munich: mass concentration retrieved from ground-based remote sensing measurements / J. Gasteiger, S. Groß, V. Freudenthaler et al. // Atmos. Chem. Phys. 2011. V.l 1. P.2209-2223.

118. Walmsley, J.L. On the numerical accuracy of trajectory models for long-range transport of atmospheric pollutants / J.L. Walmsley and J. Mailhot // Atmos.-Ocean. 1983. V.21. P.14-39.

119. What is the concentration footprint of a tall tower / M. Gloor, P. Bakwin, D. Hurst et al. // J. Geophys. Res. 2001. V. 106. N. D16. P. 1783117840.

Приложение А. Валидация дисперсионной и траекторной моделей

Адаптация траекторной и дисперсионной модели к метеорологическим данным JCDAS и последующая валидация моделей

Для проведения модельных расчетов, описанных в главе 2 и 3 необходимы метеорологические данные. Единственные данные, находящиеся в открытом доступе и имеющие подходящее разрешение для поставленных задач на момент начала работы, - это данные японского метеорологического агентства JCDAS[103]. Основная проблема состояла в том, что модель FLEXPART использует для расчетов метеорологические данные европейского центра среднесрочных прогнозов ECMWF или американского центра NCEP . Для усвоения данных в модели используется библиотека этого же агентства, работа с которой возможна только в UNIX подобных системах. Сама модель также настроена под особенности данных ECMWF, хотя и существует версия под данные NCEP. Для адаптации модели под данные JCDAS было решено использовать универсальный декодировщик GRIB файлов WGRIB, переводящий метеорологические данные из специфического GRIB формата в бинарные файлы заданного известного формата. В результате возникла задача получения модели FLEXPART, адаптированной под метеорологические данные в бинарном виде, работающей в системах Windows и Linux, которая была успешна решена.

Ниже на рисунках AI и А2 приведены результаты расчетов модели FLEXPART с данными NCEP на 26 уровнях изобарических поверхностей с пространственным разрешением 1°х1° , а также с данными данных JCDAS на 23 уровнях с разрешением 1.25°х1.25° при одинаковых исходных условиях (выброс — 1000 частиц на высоте 1000 м, долгота - 123.81°, широта - 24.05°, продолжительность симуляции - 5 дней (2-7 января 2002г).

Рисунок А1 - Распределение концентрации (рр1:у) трассера при расчете в обратном направлении по времени по 5 высотным уровням (сверху-вниз: 0-100, 100-500, 500-1000, 1000-5000, 5000-10000м). Слева - использованы данные

.1СЭА8, справа - МСЕР

Рисунок А2 - Распределение концентрации (рр1у) трассера при расчете в прямом направлении по времени по 4 высотным уровням (сверху-вниз: 0-100, 100-500, 500-1000, 1000-5000м). Слева - использованы данные ЮЭАБ, справа-

NCEP

Также получен годовой ход концентрации С02 на станции Хатерума по алгоритму, описанному в главе 2 с использованием как данных ЫСЕР, так и .ГСОАБ (рисунок АЗ).

ГчЮЕР

иСОАБ I Хатерума, 2002 год

_I_I_I-1_I_I_I__1_I_I_I_

1 2 3 4 5 6 7 8 9 10 11 12

Месяц

Рисунок АЗ - Концентрация С02,рассчитанная по данным 1МСЕР и .1СОА8 с использованием объединённой модели.

Как видно из приведенных рисунков, модифицированная модель полностью работоспособна, а также заметно хорошее соответствие между разными модельными данными.

Кроме этого, была выполнена адаптация модели ТЯАСАО для использования мегеополей ,1СОА8, с последующим сравнением результатов расчетов траекторных моделей ТЯАСАО и РЬЕХРАКТ. На рисунке А4 ниже приведены результаты расчетов моделей ТЯАСАО и РЬЕХРАРТ, выполненных с использованием метеорологических данными ДСЭА8 и одинаковыми начальными условиями (начало траекторий 18.02.2004 12иТ в Соданкюла на высоте 380К, продолжительность траектории 3 дня). Для модели РЬЕХРАЯТ приведено среднее значение 10 траекторий ввиду дисперсионности модели.

Долгота

ем ч

Рисунок А4 - Сравнение моделей РЬЕХРАЯТ и ТИАСАО: горизонтальная траектория (верхний), вертикальная траектория (средний), температура (К) вдоль

траектории (нижний)

Проведенное моделирование показало хорошее соответствие траекторий, рассчитанных по РЬЕХРАЛТ и ТЯАСАО при одинаковых исходных условиях. Таким образом, можно ожидать получения корректных результатов по методам, описанных в главе 2 и 3.

Валидация дисперсионной модели РЬЕРХАИТ с данными лидарных наблюдений при извержении вулкана в Исландии 2010г.

В конце марта 2010 г. началось извержение вулкана в Исландии, при этом максимальные по массе и высоте выбросы пепла произошли 14-го апреля 2010 г. Вследствие преобладающего западного переноса воздушные массы, содержащие пепел, распространились над территорией Европы и России, что привело к остановке воздушного сообщения на несколько дней в целях безопасности.

С использованием дисперсионной модели РЬЕХРА11Т было обнаружено присутствия вулканической пыли на территории РФ и проведены грубые оценки её массовой концентрации, а также проведены качественные сравнения модельных и экспериментальных результатов.

В качестве наблюдений использованы данные измерений в г. Троицк Московской обл. (55°28' с. ш. 37° 18' в. д.), проводимые с помощью разработанного в Центра Физического Приборостроения ИОФРАН многоволнового рамановского лидара на основе ШУАв лазера с генератором третьей гармоники [3].

Расчёты переноса вулканического пепла проводились с помощью дисперсионной модели БЕЕХРАЯТ с использованием как прогностических, так и архивных метеоданных.

Основную проблему составляла неопределённость в распределении по высоте и размеру частиц начальной массы выброса мелких частиц вулканического пепла, подверженных переносу на большие расстояния.

В качестве входных данных для модели РЕЕХРАИТ были выбраны следующие:

Координата выброса:

Высота выброса:

Начало выброса:

Продолжительность расчёта:

Выброс:

Состав:

Средний размер частиц (диаметр): Метеоданные:

63.63°К 19.62°¥/ 500 - 8000м 14 апреля 2010, 06 ВСВ 6 суток

пепел, 2000 кг/сек

кремний (плотность 2.33 г/смЗ)

1 мкм

ЫСЕР

Значения выброса были взяты из начальных данных модели 81ЬАМ [18], которая для этих же целей использовала данные спутниковых наблюдений.

Результаты расчётов переноса вулканического пепла по модели РЬЕХРАЯТ показаны на рисунке А5. Здесь представлена средняя концентрация частиц (мг/мЗ) в высотном слое 4- 6 км.

15.04.2010 6 УТС

до.-

С-К' ■ 6СК-5СЛ > 4С(ч-зск'.

16.04.2010 биГС

601ЛГ 4СЛ' 20V/ 0 20Ь «ОС. вСЬ 'С0с 120Ь бО№/ 40'Л 20'Л О 201. 4СЬ 60:. «X 1001

-|9СМ-

17.04.2010 6 У ГС

80 N 70М-6СЧ 50М; 404'

18.04.2010 6 1 К

304-

60УУ 4 ОМ' 2М 0 20Е 40Е 60Е ЗСЕ "СЗЕ 120Е 60Л' 4СЛ' 20'Л' 0 20Е 40Е «0Е 8СЕ 'СЗЕ '20Е

-—

19.04.2010 6 1! 1С

&Э1Ч

эм-60М|

40ы\ ИМ.

_ 20.04.2010 6 С'ГС

20'Л 0 ?СЕ 42Е 63Е 80Е 100Е ! ? 3 г

0.03 0.06 0.09 0.12 0.15 0.18 (мгмЗ) Рисунок А5 - Эволюция распространения вулканического пепла по данным

модельных расчетов

Данные многоволнового рамановского лндара могли бы дать информацию о физических параметрах частиц вулканического пепла на различных высотах[26;56]. Лидары активно использовались для мониторинга распространения частиц [42; 102] в процессе извержения вулкана, однако в опубликованных на настоящий момент измерениях использовались главным образом каналы упругого рассеяния, либо рамановские измерения на одной длине волны, что ограничивает возможности метода. В многоволновом лидаре ЦФП ИОФРАН на момент извержения функционировали также только каналы упругого рассеяния, поэтому представленные результаты дают представление о вертикальном перемещении слоев, но не позволяют проводить оценку микрофизических параметров частиц.

Основные параметры лидарной системы ЦФП ИОФРАН приведены ниже.

Энергия лазера в импульсе на 355/532/1064 нм 80/120/200 мДж

Частота повторения 10 Гц

Высотное разрешение от 7.5 м

Время измерения от 1 мин

Апертура телескопа 400 мм

Поле зрения телескопа 0.25-0.5 мрад

Ширина спектра пропускания каналов 0.3 - 0.5 нм

Мощность рассеянного излучения принятая с высоты ъ определяется лидарным уравнением:

1 -21а(г)с/г

2 , (А1)

где С - параметр не зависящий от расстояния;

а (г) - коэффициенты обратного рассеяния и экстинкции

аэрозоля.

Поскольку лидарное уравнение содержит две неизвестных характеристики Р(г) и а(г), то для отображения результатов зачастую используют величину Р(г)г2

х ' , то есть мощность, скорректированную на квадрат расстояния.

Р( г)г2

Соответствующая величина ' для 19-го апреля 2010 представлена на рисунке А6 в виде цветной карты. Измерения проводились на длине волны 1064 нм в период с 15:00 по 18:00 ЦТС в г. Троицк Московской области (55°28'; 37° 18'). Длительность одного измерения составляла 8 минут.

Мощность рассеянного излучения, скорректированная на квадрат расстояния (а.и.)

3.4е9

10 000 9 000

_ 8 000

«г».

7 000

5 бооо

Ч 5 000 4 000 3 000 2 000

ты

16 00

17:00

18:00

3 0е9 2.6е9 2 2е9 1 9е9 1 5е9 1 1 € ^ ..___ 7 5е8

Время и 1С Модельная концентрация (мг мЗ)

).

I

15:00 15:30

16:00 16:30 17:00 Время и ТС

17 30

Рисунок А6 - Временная эволюция вулканического пепла по данным: а) лидарного зондирования (сверху) и б) модельным расчетам РЬЕХРАЯТ (снизу)

На рисунке отчётливо виден загрязнённый пеплом погранслой простирающийся до 2.5 км. Следует отметить, что в это время года редко

наблюдается ярко выраженный пограничный слой и обычно он не превосходит ~1 км. Кроме того на рисунке А6 видны перистые облака на высотах 8-9 км и слой в районе 5 км, вероятно представляющий собой вулканический пепел. Наличие такого слоя также подтверждается данными других лидарных [117] и самолётных [23] наблюдений.

Следует отметить, что слои пепла и перистые облака не всегда оказывается возможным разделить, поскольку частицы пепла приводят к активному формированию ледяных облаков [42].

Лидарное уравнение (А1) может быть решено с использованием априорного

ОС

соотношения между коэффициентами экстинкции и обратного рассеяния И — - и

выбором точки привязки , где рассеяние определяется чисто молекулярным вкладом и соответственно может быть рассчитано с достаточной точностью [59]. На рисунке А7 показаны профили коэффициента экстинкции частиц, рассчитанные данным способом (методом Клетта) для трех временных интервалов.

10 ООО _ 8 ООО

г-.

£ 6 ООО ^

о

3 4 ООО ОЭ

2 ООО О

Коэффициент экстинции, км

Рисунок А7 - Профили коэффициента экстинкции для разных моментов

времени.

Значение лидарного отношения выбиралось равным 50, в соответствие с результатами измерений для пепла полученных на рамановском лидаре [102]. Вулканический слой на высоте 5 км демонстрирует сильные вариации. Перистые

облака появляются на высоте 9 км и в процессе измерения опускаются вниз. В 17:35 вклад перистых облаков в полную оптическую толщину становится определяющим.

Для сравнения с наблюдениями были проведены расчёты по модели FLEXPART с выводом концентраций в районе Троицка 19-го апреля, начиная с 15 UTC с шагом по времени 10 минут и с вертикальном шагом 250 м. Результаты расчётов на рисунке А6 указывают на наличие слоя пепла на высоте 5 км, что находится в соответствии с лидарными наблюдениями (рисунки А6, А7). Модельные расчёты также указывают на присутствие вулканического пепла в погранслое.

Лидарные профили коэффициента экстинкции позволяют оценить также массовую концентрацию частиц. Для этого может быть использован фактор, преобразующий экстинкцию аэрозоля в его массовую концентрацию MECF (mass extinction conversion factor). Подобный подход применялся в работе [102] использовавшей MECF для пыли с размерами менее 10 мкм, соответствующий MECF=1.11 g/m2 должен давать удовлетворительные результаты для вулканической пыли возрастом свыше нескольких дней. Сравнение массовой концентрации полученной подобным образом из лидарных данных с самолетными измерениями в районе высокого содержания вулканической пыли продемонстрировали хорошее согласие между двумя этими подходами. Поскольку частицы пепла достаточно крупные, MECF не должен проявлять значительную спектральную зависимость. В нашем случае на высоте 2000 м коэффициент экстинкции частиц сильно варьируется во времени и по высоте, его среднее значение в 15:00 составляет около 0.05 км-1, что соответствует массовой

л

концентрация порядка 0.05 мг/м , и согласуется по порядку величины с модельным расчетом.

Следует отметить, что определение количества выброшенных мельчайших частиц пепла само по себе является нетривиальной задачей, так как основную массу выброса составляет твердая фракция крупных размеров, выпадающая в

&

непосредственной близости от вулкана. Поэтому в силу технических причин, связанных с лидарными наблюдениями, проведены лишь качественные сравнения модельных концентраций и сигнала обратного рассеяния. Но в принципе совместное использование данных лидарных наблюдений и моделирования позволяет в перспективе решать обратную задачу по определению и коррекции источника выброса вулканического пепла. Зная концентрацию в точке наблюдения, появляется возможность поправлять источник, добиваясь минимальной разницы этой концентрации с модельными значениями. Примером обратного моделирования источника вулканического пепла с использованием дисперсионной модели и спутниковых наблюдений является работа [37]. Также перспективным направлением для изучения распространения и состава вулканического пепла является совместное использование моделей переноса и самолёта-лаборатории [23].

Выводы

В приложении приведены результаты адаптации моделей ТЯАСАО и РЬЕХРАТГГ под метеорологические данные .ГСБАЗ, сделано сравнение результатов расчетов с использование разных метеополей (ЫСЕР и .1СОА8), которые показывают согласие между собой. Проведена валидация по схеме модель-модель, приведены результаты вычислений по двум моделям. Представлена эволюция облака вулканического пепла, полученная с помощью дисперсионной модели ЕЬЕХРАКТ, а также результаты качественных сравнений модельных концентраций пепла и лидарных наблюдений в г. Троицк. Результаты демонстрируют наличие вулканического пепла на высотах 4-6 км и в погранслое. Таким образом, выполнена валидация модели ЕЬЕХРАКТ по схеме модель-наблюдения.