Аннотация результатов, полученных в 2021 году
1. Конфигурация поля озона является значительным фактором, влияющим на динамику стратосферы. Включение блока фотохимии озона в модели общей циркуляции атмосферы позволит учитывать динамическую взаимосвязь озона и динамики стратосферы и рассматривается как важный источник предсказуемости атмосферы на сезонном временном масштабе. В большинстве случаев в системы сезонного прогноза погоды внедряются простые полуэмпирические «линейные модели озона». В настоящем проекте, версия модели атмосферы ПЛАВ для сезонного прогноза объединяется с моделью фотохимии CHARM, что позволит использовать для сезонного прогноза погоды модель с описанием озонового слоя, соответствующим по сложности и подробности химико-климатическим моделям атмосферы. На этапе 2021 года выполнялась технологическое объединение моделей в один научный программный комплекс с задачей достичь устойчивости расчетов и требуемой вычислительной эффективности. Задача выполнена, в частности, реализована параллельная версия блока фотохимии модели CHARM. В численных экспериментах модель устойчива при расчетах как минимум на несколько лет и воспроизводит основные особенности динамики озонового слоя. На следующих этапах проекта будет производится настройка модели для устранения найденных систематических ошибок. 2. В модели деятельного слоя суши ИВМ РАН-МГУ выполнена замена основной гидрофизической характеристики с формы Брукса-Кори [Brooks and Corey, 1964; Clapp and Hornberger, 1978] на форму Муалема-ван Генухтена [Mualem, 1976; van Genuchten,1980] в модели почвы ИВМ РАН-МГУ. Она показала, что параметризация Муалема-ван Генухтена в меньшей степени вызывает артефакты немонотонности конечно-разностной схемы для слагаемого гравитационного просачивания. В модель деятельного слоя также включены параметризации теплопроводности Йохансена [Johansen, 1975] и Коте-Конрада [Cote, 2005], более явно учитывающие влажность и структуру почвы. Результаты модели с параметризациями Юровой, Коте-Конрада и Йохансена отличаются незначительно, и эти формулировки могут быть рекомендованы для дальнейшего использования. Сравнительная оценка вклада различных факторов в систематическую ошибку влажности почвы в модели деятельного слоя на примере станции Хьютиала (Финляндия) позволила установить важность спецификации вертикального распределения гранулометрического состава почвы. Минимизация ошибки задания этого состава может быть достигнута использованием современных баз данных о теплогидрофизических параметрах почвы. Программная реализация новых параметризаций тепло- и влагопроводности включена в полную модель атмосферы ПЛАВ. 3. В глобальной модели атмосферы ПЛАВ реализован алгоритм параметризации глубокой конвекции 3MT, разработанный европейским консорциумом по краткосрочному прогнозу погоды RC-LACE. Рассчитаны ансамбли долгосрочных прогнозов для летнего и зимнего сезонов за период 1995-2008 гг. Рассчитаны ошибки воспроизведения среднемесячной циркуляции атмосферы для модели с модификацией схемы глубокой конвекции и без нее. Выполнена предварительная диагностика воспроизведения колебания Мэддена-Джулиана, важного источника предсказуемости долгосрочных прогнозов, в версии модели со старой параметризацией глубокой конвекции, и с новой. Для этого модель интегрировалась на 10 лет c заданной из реанализа ERA5 эволюцией температуры поверхности океана и концентрации морского льда. Выполнен спектральный анализ поля исходящей длинноволновой радиации на верхней границе модельной атмосферы. Ансамбли долгосрочных прогнозов, посчитанные с новой параметризацией глубокой конвекции, пока уступают по качеству прогнозам со старой. Возможной причиной этого является большая работа, выполненная по настройке в целом версии модели со старой параметризацией конвекции, а также взаимодействие между глубокой конвекцией, пограничным слоем атмосферы и облачностью. Это же относится и к диагностике колебания Мэддена Джулиана. Оказалось, что настроенная модель ПЛАВ со старой параметризацией глубокой конвекции воспроизводит это колебание вполне удовлетворительно. 4. В глобальную модель атмосферы ПЛАВ внедрен метод агрегации потоков, позволяющий учитывать неоднородность характеристик поверхности внутри каждой ячейки расчетной сетки. Новый алгоритм основан на подходе, в рамках которого для каждого типа поверхности внутри ячейки производится расчет всех процессов подсеточного масштаба и соответствующих им потоков, на основе которых затем вычисляются тенденции прогностических величин. Данные потоки суммируются с весами, равными долям ячейки, занимаемых соответствующими типами поверхности. Оценка весов производится на каждом шаге по времени, что позволяет учитывать характеристики поверхности, изменяющиеся во времени (снежный покров, морской лед и др.) Новая версия ПЛАВ с описанием поверхности на основе метода агрегации потоков была проверена на серии ретроспективных долгосрочных прогнозов с заблаговременностью до четырех месяцев и серии климатических расчетов на срок до 10 лет. Анализ качества воспроизведения атмосферной циркуляции в сравнении с данными реанализа ERA5 показал возможность повышения качества долгосрочного прогноза аномалий погоды на основе модели ПЛАВ за счет использования метода агрегации потоков. Отметим, что повышение точности было достигнуто в результате перенастройки модели (изменения характеристик поверхности, в первую очередь). 5. Рассчитаны долгосрочные ансамблевые прогнозы погоды с заблаговременностью до 28 суток с разными размерами ансамбля – 60 и 120 участников. Эксперимент проводился с ансамблевой системой прогноза погоды на основе локального ансамблевого фильтра Калмана с преобразованием ансамбля и глобальной модели атмосферы ПЛАВ с разрешением 0,9×0,72 градуса по долготе и широте соответственно, 96 вертикальных уровней. Сравнивался разброс ансамбля и среднеквадратическая ошибка среднего по ансамблю прогноза с заблаговременностями 14 и 28 суток для температуры и ветра на разных уровнях, результаты осреднены для прогнозов, стартующих каждый день в период 1-14 января 2021 года. В среднем ошибка прогноза и разброс ансамбля почти не отличаются для ансамблей из 60 и 120 прогнозов. Вместе с тем, сравнение площадей под ROC-кривой показало, что надежность ансамблевых вероятностных прогнозов повышается при увеличении числа участников прогностического ансамбля. Особенно заметно это повышение для прогнозов с заблаговременностью 28 дней, тем самым подтверждая важность использования больших ансамблей (с числом участников около 100) в долгосрочных прогнозах. 6. Усовершенствована схема статистической коррекции месячных и сезонных прогнозов приземной температуры по модели ПЛАВ. Наиболее информативные для прогноза температуры главные компоненты предикторов были отобраны в режиме кросс-валидации с использованием регрессионной модели. Доказано, что применение предложенной схемы статистической коррекции позволяет повысить качество месячных и сезонных прогнозов приземной температуры.

Аннотация результатов, полученных в 2022 году
Выполнен ряд работ с моделью атмосферы ПЛАВ с с горизонтальным шагом 0.9 х 0.72∙градуса по долготе и широте, 96 уровнями по вертикали. 1. В совместную модель общей циркуляции атмосферы и фотохимии озона ПЛАВ-CHARM внесен ряд усовершенствований, которые позволили исправить систематическое уменьшение общего содержания озона и увеличение содержания оксидов азота при интегрировании на несколько лет. Реализованные модификации также делают возможной дальнейшую работу с моделью - реализацию гетерогенных химических реакций. Модифицированная модель адекватно воспроизводит среднее состояние озонового слоя в ходе многолетнего эксперимента. Проведены эксперименты по воспроизведению циркуляции атмосферы и динамики озонового слоя в декабре-феврале совместной моделью ПЛАВ-CHARM. В проведенных экспериментах решающее влияние на состояние озонового слоя оказывает режим циркуляции стратосферы (слабый полярный стратосферный вихрь - много озона у полюсов, сильный полярный стратосферный вихрь - мало озона). Влияние начальных условий фотохимической модели - слабое. 2. Подготовлены глобальные данные о распределении площади и глубины озёр на сетке модели ПЛАВ, на основе базы данных Global Lake Database (версия 2), цифровой модели рельефа ETOPO1 и оригинального алгоритма определения конфигурации и глубин водоёмов на грубой сетке, минимизируюшего ошибки площади и средней глубины. Учтены только наиболее крупные водоёмы (всего 17 озёр и эстуарий реки Святого Лаврентия). Модель озера LAKE включена в качестве параметризации внутренних озёр суши в систему прогноза погоды ПЛАВ. В модели реализован ряд модификаций, обеспечивающих численную устойчивость в широком диапазоне параметров водоёмов и шага по времени, включая выбор параметризации вертикального турбулентного обмена в водном столбе и использование линеаризованного уравнения теплового баланса. Сопряжение между моделями ПЛАВ и LAKE реализовано в одностороннем режиме, без обратного действия водоёмов на атмосферу. Численные эксперименты в режиме исторического прогноза показали, что температура поверхности воды, потоки явного и скрытого тепла воспроизводятся параметризацией озёр качественно верно, но систематически завышаются. На следующем этапе проекта планируется идентифицировать и устранить причины данного систематического сдвига. 3. Проведены численные эксперименты по оценке чувствительности ансамблевых долгосрочных прогнозов состояния атмосферы модели ПЛАВ к замене глобальных полей гранулометрического состава почвы, полученных на основе информации из базы данных ECOCLIMAP, полями, созданными с использованием базы данных Global Soil Dataset for use in Earth System Models (GSDE). Были рассчитаны две серии прогнозов на июль с двумя различными составами почвы, со стартовыми данными от 30 апреля с размером ансамбля 10. В качестве климатического выбран период с 1991 по 2015 гг. Для анализа чувствительности ансамблевых долгосрочных прогнозов к изменению гранулометрического состава почвы были выбраны три июля с аномальной жарой: в 1998 г. (территория России), в 2003 г. (территория Северной и Южной Европы) и в 2010 г. (восточная часть Европы и территория европейской части России (ЕТР)). Долгосрочный прогноз аномальной жары в Северном полушарии моделью ПЛАВ оказался чувствительным к замене информации о гранулометрическом составе почвы. Использование новых почвенных полей позволило правильно спрогнозировать знак аномалий полей температуры и геопотенциала в ситуациях экстремальных явлений. Однако по данным модели ПЛАВ полученные аномалии, имея схожую структуру полей изотерм на высоте 850 гПа, оказались существенно меньше по величине, чем по данным реанализа ERA5. 4. На основе утвержденной ВМО методологии создан программный инструментарий для визуализации фазовых диаграмм колебания Маддена-Джулиана (КМД), с помощью которого показана принципиальная возможность предсказания этого явления и его отдельных фаз с заблаговременностью до 25 дней на основе долгосрочных прогнозов модели ПЛАВ. Исследование отклика на КМД в поле аномалий геопотенциала поверхности 500 гПа, показало, что ПЛАВ воспроизводит характерные отдельным фазам КМД аномалии геопотенциала в средних и высоких широтах северного и южного полушарий. Усовершенствование используемых в ПЛАВ параметризаций вместе с общей настройкой модели позволили существенно улучшить воспроизведение атмосферной циркуляции в высоких широтах и во внутритропической зоне конвергенции. Результаты численных экспериментов, выполненные на основе усовершенствованной версии ПЛАВ, показали существенное улучшение в точности воспроизведения атмосферной циркуляции над северной Евразией и во внутритропической зоне конвергенции. В частности, заметно уменьшена ошибка в описании среднегодового поля осадков, давления на уровне моря и зонального компонента скорости на уровне 850 гПа. Был устранен ряд систематических ошибок воспроизведения тропосферной динамики в модели ПЛАВ, что позволило исправить наиболее значимые с точки зрения обратной связи с тропосферой ошибки скорости ветра и температуры в стратосфере в зимний период в обоих полушариях. Устранен дисбаланс продолжительности фаз квазидвухлетнего колебания в сторону положительной фазы. 5. Подготовлена обновленная конфигурация модели ПЛАВ, в которой доработаны параметризации, разработанные вне рамок данного проекта. Был получен набор настроечных параметров в блоке стохастического возмущения параметров параметризаций, обеспечивающий примерно такие же детерминистские оценки долгосрочных прогнозов, как и в случае отключения стохастических возмущений параметров. Исследована успешности предсказания зимнего индекса Северо-Атлантического колебания (САК) как функции от размера ансамбля. Повышение качества прогноза САК является актуальным, поскольку зимние значения индекса САК коррелируют с аномалиями температуры воздуха в северной Евразии. Получена зависимость от размера ансамбля коэффициента корреляции временных рядов индекса САК для зимних месяцев между данными модели ПЛАВ и реанализа ERA5. Исследовались исторические сезонные прогнозы 1991-2015 годов (старт с 30 октября). При малом размере ансамбля (от 4 до 44 прогнозов) значение коэффициента корреляции меняется немонотонно (от 0,14 до 0,25), поэтому использование ансамбля небольшого размера не может гарантировать надежность сезонных прогнозов. При размерах ансамбля от 44 до 80 наблюдается квази-монотонный рост коэффициента корреляции, и максимальные его значения (от 0,3 до 0,32) достигаются при размере ансамбля от 60 до 80 прогнозов. 6 В рамках проекта протестирована усовершенствованная схема статистической коррекции месячных и сезонных оперативных прогнозов приземной температуры по модели ПЛАВ. Полученные оценки позволяют сделать вывод, что применение предложенной схемы статистической коррекции позволяет повысить качество оперативных месячных и сезонных прогнозов приземной температуры в различных районах территории России и в арктической зоне, особенно для прогнозов с заблаговременностью один месяц. По этим результатам Центральная методическая комиссия по гидрометеорологическим и гелиогеофизическим прогнозам Росгидромета рекомендовала использовать данную схему при составлении метеорологических прогнозов на сезон для территории Северной Евразии. 7 Подготовлен архив данных для применения метода нейронных сетей для статистической коррекции полей температуры в долгосрочном прогнозе. На данных этого архива опробованы два метода нейронных сетей: LSTM (Long short-term memory) и TCN (Temporal Convolutional Networks). Предварительные результаты позволяют предположить, что более высокое качество и скорость обучения у модели TCN, у модели LSTM менее стабильные результаты, результаты оптимизации глобальных прогнозов и для СНГ отличаются незначительно.

Аннотация результатов, полученных в 2023 году
Модель фотохимии CHARM и технология ее подключения к модели ПЛАВ были значительно усовершенствованы: - Для локально-консервативной и монотонной полулагранжевой схемы адвекции, реализован механизм согласования поля плотности воздуха с моделью ПЛАВ. - Повышена скорость расчетов модели фотохимии. - Обновлена информация о константах химических реакций и полях концентраций веществ-источников. - Реализован блок гетерогенных химических реакций в стратосфере. Проведенные усовершенствования позволили улучшить качество воспроизведения фотохимических процессов, в частности добиться воспроизведения антарктической озоновой дыры в расчетах на несколько лет. Была показана чувствительность модели ПЛАВ к наличию прогностического фотохимического блока. Оценки качества долгосрочного прогноза погоды в зависимости от способа задания начальных условий влагосодержания почвы (методом упрощенного расширенного фильтра Калмана и в режиме «открытого цикла») на основе серии ансамблевых исторических прогнозов по данным реанализа ERA5 показали отсутствие значимого влияния способа задания начального состояния на прогноз основных метеорологических переменных, характеризующих атмосферный блокинг. В модели ПЛАВ была реализована параметризация жидкой влаги в снеге с учетом особенностей модели ПЛАВ. Был опробован метод задания начальных условий для пропорции воды в водном эквиваленте снежного покрова. Оказалось, что такая параметризация слабо влияет на прогноз метеорологических элементов в свободной атмосфере, за исключением температуры на поверхности 850 гПа в регионе, где происходят частые переходы приземной температуры через 0°C. Однако данная параметризация улучшает прогноз приземной температуры для заблаговременностей 36 и 60 часов. Имеется перспектива улучшения прогноза, в том числе на ранних заблаговременностях прогноза, с помощью более совершенного алгоритма задания начальных данных для характеристик снежного покрова. Для оценки чувствительности прогноза аномалий атмосферных полей моделью атмосферы ПЛАВ к процентному содержанию песка и глины в физиографических полях почвы был проведен численный эксперимент, состоящий из двух серий ансамблевых прогнозов погоды. В первой серии состав почвы был задан по данным базы GSDE (Global Soil Dataset for use in Earth System Models), во второй –согласно глобальной базе параметров подстилающей поверхности ECOCLIMAP. Изменение состава почвы в модельных данных привело к усилению испарения в июле как в глобальном масштабе, так и в региональном (на территории Европы). Увеличение испарения способствовало повышению количества выпавших осадков. При этом случай 2018г сопровождается отрицательными аномалиями влажности поверхностного слоя почвы, а случай 2010г – нет. Заметим, что для случая 2018г аномалия дефицита влаги на поверхности сильнее в случае прогнозов с данными GSDE. Более слабый сигнал в современных моделях по сравнению с наблюдениями является типичным. Аномалии температуры на поверхности 850 гПа воспроизводятся для случаев 2010г на территории ЕТР и 2018г в Западной Европе. Они правильнее по расположению и амплитуде при использовании набора данных по гранулометрическому составу почвы GSDE, хотя их амплитуда меньше наблюдавшейся. Блокирующие антициклоны для этих случаев воспроизводятся моделью ПЛАВ при использовании обоих составов почвы, хотя и в ослабленном виде. При этом амплитуда аномалии сильнее для эксперимента с набором данных GSDE. Для сокращения ошибок воспроизведения процессов взаимодействия водоёмов суши с атмосферой в совместной модели ПЛАВ+LAKE создана система оптимизации автономной модели LAKE в части воспроизведения температуры поверхности с использованием метеорологических переменных из реанализа ERA5 и с привлечением спутниковых данных по озёрам Байкал, Балхаш, Большое Медвежье, Верхнее, Виктория, Виннипег, Ладожское, Онежское, Танганьика. Оптимизация коэффициента фоновой диффузии (температуропроводности) и коэффициента поглощения фотосинтетически-активной радиации производится в водной толще производится методом ROPE. Модель водоёма LAKE удовлетворительно воспроизводит временной ход средней по поверхности месячной температуры поверхности, со среднеквадратическим отклонением в диапазоне 1-2 градуса после калибровки параметров. Калибровка выбранных параметров позволяет эффективно сократить годовую амплитуду температуры поверхности за счёт более эффективной “передачи” тепла от поверхности на большие глубины; в то же время, проблема занижения моделью температуры поверхности в летний период, вызванная запоздалым сходом в модели ледяного покрова, вариацией данных параметров не решается. Кроме того, модель систематически завышает на 2-3 градуса температуру поверхности тропических озёр Виктория и Танганьика; настоящий эффект связан, вероятно, с качеством данных ERA5 и требует отдельного изучения. Полученные калибровочные параметры применены в модели LAKE, В модель атмосферы ПЛАВ включена модель озера LAKE, с помощью которой можно рассчитывать температурный профиль озера с глубиной. Для проверки правильности подключения одномерной параметризации озера к модели ПЛАВ была проведена серия численных экспериментов по воспроизведению атмосферной циркуляции в летний сезон 2014 года. Анализ результатов моделирования показал, что эволюция температуры поверхности и глубины перемешенного слоя каждого из 17 озер, представленных в ПЛАВ, находится в качественном согласии с реанализом ERA5. Усовершенствованная версия модели также была проверена на серии ретроспективных ансамблевых прогнозов с начальными данными от 15 июня на полтора месяца за период с 1991 по 2018 гг. Показано, что версия ПЛАВ с включенной параметризацией озер позволяет немного улучшить точность прогноза осредненной за июль 2010 года аномалии температуры на уровне два метра по сравнению с версией ПЛАВ072L96 без данной параметризации. Улучшений в качестве прогноза метеопараметров атмосферы на летний сезон 2018 года, обусловленного включением параметризации озер в модель ПЛАВ, не отмечено. Для применения усовершенствованной версии ПЛАВ в зимний и переходные сезоны ее необходимо доработать с учетом нового подхода к описанию снежного покрова. В рамках работ по проекту было проведено исследование воспроизводимости сопутствующего засухам 2010 и 2018 гг. явления атмосферного блокирования в разрабатываемой с участием Гидрометцентра России совместной модели SLNE (включает ПЛАВ, NEMO и SI3). Для этого на основе совместной модели были рассчитаны ансамблевые прогнозы на летний сезон 2010 года со стартовыми датами, соответствующими 30 мая и 15 июня 2010 года. Аномалии погоды вычислялись по отношению к ретроспективным прогнозам по SLNE для тех же календарных дней за период с 2011 по 2021 гг. Анализ прогнозов в сравнении с аналогичными результатами по модели ПЛАВ 072L96 показал принципиальную возможность описания явлений блокирования на основе совместной модели SLNE. Аномалия геопотенциала 500 гПа над европейской территорией России в SLNE воспроизводится несколько хуже, чем в ПЛАВ, а его центр смещен в к северу. Аналогичная ситуация прослеживается для прогнозов на летний сезон 2018 года: аномалия геопотенциала в совместной модели присутствует, но с меньшей по сравнению с ПЛАВ и ERA5 амплитудой. Разработанная в ходе проекта схема статистической коррекции прогнозов приземной температуры воздуха была протестирована на исторических прогнозах новой версии модели ПЛАВ072L96 на сроки 1–4 месяца за 1991-2015 годы. Полученные результаты выявили значительное повышение качества детерминистских прогнозов температуры воздуха на всей территории Северной Евразии в целом, а также отдельно на европейской территории России и в Центральной Азии. Это особенно важно в контексте использования прогнозов модели ПЛАВ в работе Северо-Евразийского климатического центра, в задачи которого входит обеспечение прогностической информацией на месяц и сезон национальных гидрометеорологических служб (НГМС) СНГ.