Подбор оптимальной модели климатического реанализа по годовой сумме осадков для территории Республики Саха (Якутия)

Региональные сценарные климатические прогнозы требуют знания исходного «базового климата», в частности, пространственного распределения годовой суммы осадков в современных климатических условиях в пределах региона. Данные о годовой сумме осадков за период с 1961 по 2020 г. по 40 метеостанциям на территории Республики Саха (Якутия) использованы для оценки точности моделей реанализа CRU TS, ERA5-Land, GPCC, NCEP-NCAR, PREC/L и JRA55 и выбора оптимальной модели реанализа. Оценка точности реанализа выполнялась сравнением данных наблюдений со значением поля реанализа в пикселе, в котором расположена метеостанция. В статистическом анализе использовались метрики сходства: коэффициент конкордации Лина, индекс согласия Вильмота, тау-критерий Кендалла, среднеквадратичная ошибка. Интерполяционные модели реанализа (CRU TS, GPCC, PREC/L) точнее воспроизводят наблюденные данные, тогда как модельные реанализы завышают сумму осадков на 100 мм/год и более (от 30 до 50 %), а также недооценивают изменение суммы осадков. Модель GPCC наиболее точно воспроизводит наблюдения, однако при этом имеет признаки «переподгонки», наиболее значимый из которых – отрицательная пространственная корреляция среднемноголетних полей годовой суммы осадков за разные климатические периоды. В результате оптимальной для территории РС(Я) по годовой сумме осадков признана модель CRU TS 4, точнее прочих воспроизводящая изменение суммы осадков. Модель CRU TS 4 допустимо использовать в качестве модели «базового климата». По данным CRU TS 4, среднегодовая сумма осадков на территории РС(Я) в 1991–2020 гг. составляет 293 ± 92 мм; в 1961–1990 гг. она была равна 285 ± 81 мм. Между двумя климатическими периодами, следовательно, годовая сумма осадков в РС(Я) выросла на 8 ± 18 мм, что не является статистически значимой величиной.

1. Alessa L., Kliskey A., Lammers R., et al. The Arctic Water Resources Vulnerability Index: An integrated assessment tool for community resilience and vulnerability with respect to freshwater. Environmental Manage ment. 2008;42:523–541. https://doi.org/10.1007/s00267-008-9152-0

2. Богданова Э.Г., Гаврилова С.Ю. Устранение неоднородности временных рядов осадков, вызванной заменой дождемера с защитой Нифера на осадкомер Третьякова. Метеорология и гидрология. 2008;(8): 87–102.

3. Rasmussen R., Baker B., Kochendorfer J., et al. How well we are measuring snow? The NOAA/FAA/ NCAR Precipitation Test Bed. Bulletin of the American Meteorological Society. 2012;93:811–829. https://doi.org/10.1175/BAMS-D-11-00052.1

4. Струзер Л.Р., Брязгин Н.Н. Методика вычисления поправок к измеренным величинам атмосферных осадков в полярных районах. Труды ГГО им. А.И. Воейкова. 1971;260:61–76.

5. Goodison B.E. Accuracy of the Canadian snow gage measurements. Journal of Applied Meteorology. 1978;17:1542–1548.

6. Богданова Э.Г., Голубев В.С., Ильин Б.М. и др. Новая модель корректировки измеренных осадков и ее применение в полярных районах. Метеорология и гидрология. 2002;(10):68–93.

7. Жильцова Е.Л., Анисимов О.А. О точности воспроизведения температуры и осадков на территории России глобальными климатическими архивами. Метеорология и гидрология. 2009;(10):79–89.

8. Гройсман П.Я., Богданова Э.Г., Алексеев В.А. и др. Влияние погрешности в измерениях снегопадов на суммы атмосферных осадков и их тренды по Северной Евразии. Лед и снег. 2014;54(2):29–43. https://doi.org/10.15356/2076-6734-2014-2-29-43

9. Кокорев В.А., Шерстюков А.Б. О метеорологических данных для изучения современных и будущих изменений климата на территории России. Арктика. XXI век. Естественные науки. 2015(2);5–23.

10. Третий оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации (Катцов В.М., ред.). СПб.: Наукоемкие технологии; 2022. 676 с.

11. Kidd C., Huffman G., Maggioni V., et al. The global satellite precipitation constellation: current status and future requirements. Bulletin of the American Meteorological Society. 2021;102:Е1844–Е1861. https://doi.org/10.1175/BAMS-D-20-00299.1

12. Harris I., Osborn T.J., Jones P., et al. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset. Scientific Data. 2020;7:109. https://doi.org/10.1038/s41597-020-0453-3

13. Месячные суммы осадков с устранением систематических погрешностей осадкомерных приборов (месячные данные). 2021. Режим доступа: http://aisori-m.meteo.ru/waisori/select.xhtml (дата обращения: 17.10.2023).

14. Ильин Б.М., Булыгина О.Н., Богданова Э.Г. Описание массива месячных сумм осадков, с устранением систематических погрешностей осадкомерных приборов. 2021. Режим доступа: http://meteo.ru/data/506-mesyachnye-summy-osadkov-sustraneniem-sistematicheskikh-pogreshnostejosadkomernykh-priborov#описание-массива-данных (дата обращения: 12.10.2023).

15. Наставление гидрометеорологическим станциям и постам. Вып. 3. Ч. 1. Метеорологические наблюдения на станциях. Л.: Гидрометеоиздат; 1985. 301 с.

16. CRU TS v. 4.05. 2021. Available at: https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.05/cruts.2103051243.v4.05/pre/ (accessed: 10.10.2023).

17. CRU TS v. 4.06. 2022. Available at: https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.06/cruts.2205201912.v4.06/pre/ (accessed: 10.10.2023).

18. CRU TS v. 4.07. 2023. Available at: https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.07/cruts.2304141047.v4.07/pre/ (accessed: 10.10.2023).

19. Muñoz-Sabater J., Dutra E., Agusti-Panareda A., et al. ERA5-Land: a state-of-the-art global reanalysis dataset for land applications. Earth System Science Data. 2021;13:4349–4383. https://doi.org/10.5194/essd13-4349-2021

20. Rustemeier E., Hänsel S., Finger P., et al. GPCC Climatology Version 2022 at 0.25°: Monthly land-surface precipitation climatology for every month and the total year from rain-gauges built on GTS-based and historical data. 2022. https://doi.org/10.5676/DWD_GPCC/CLIM_M_V2022_025.

21. Becker A., Finger P., Meyer-Christoffer A., et al. A description of the global land-surface precipitation data products of the Global Precipitation Climatology Centre with sample applications including centennial (trend) analysis from 1901–present. Earth System Science Data. 2013;5(1):71–99. https://doi.org/10.5194/essd-5-71-2013.

22. NCEP-NCAR Reanalysis 1. 2023. Available at: ftp://ftp.cpc.ncep.noaa.gov/wd51we/reanalysis-1/6hr/rotating/ (accessed: 12.12.2023).

23. Kalnay E., Kanamitsu M., Kistler R., et al. The NCEP/NCAR 40-Year Reanalysis Project. Bulletin of the American Meteorological Society. 1996;77(3):437–472. https://doi.org/10.1175/1520-0477(1996)0772.0.CO;2

24. NOAA’s Precipitation Reconstruction over Land (PREC/L). 2023. Available at: https://downloads.psl.noaa.gov//Datasets/precl/0.5deg/precip.mon. mean.0.5x0.5.nc (accessed: 14.12.2003).

25. Chen M., Xie P., Jankowiak J.E., et al. Global Land Precipitation: A 50-yr Monthly Analysis Based on Gauge Observations. Journal of Hydrometeorology. 2002;(3): 249–266. DOI: 10.1175/1525-7541(2002)0032.0.CO;2.

26. JRA-55: Japanese 55-year Reanalysis. 2023. Available at: https://doi.org/10.5065/D60G3H5B (accessed: 13.12.2023).

27. Kobayashi S., Ota Y., Harada Y., et al. The JRA-55 Reanalysis: General specifications and basic characteristics. Journal of the Meteorological Society of Japan. Ser. II. 2015;93(1):5–48. https://doi.org/10.2151/jmsj.2015-001.

28. RStudio: Integrated Development for R, v.2023.09.01 Build 494. 2023. RStudio, Inc., Boston, MA, USA. Available at: https://posit.co/products/opensource/rstudio/ (accessed: 17.10.2023).

29. R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2023. Available at: https://www.R-project.org/ (accessed: 17.10.2023).

30. QGIS Development Team. QGIS Geographic Information System. Open Source Geospatial Foundation Project. 2023. Available at: http://qgis.osgeo.org (accessed: 12.12.2023).

31. Тананаев Н.И. Подбор оптимальной модели климатического реанализа по среднегодовой температуре воздуха для территории Республики Саха (Якутия). Вестник Северо-Восточного федерального университета им. М.К. Аммосова. Серия «Науки о Земле». 2023;(2):88–101. https://doi.org/10.25587/SVFU.2023.30.2.008

32. Sun H., Su F., Yao T., et al. General overestimation of ERA5 precipitation in flow simulations for High Mountain Asia basins. Environmental Research Communications. 2021;3(12):121003. https://doi.org/10.1088/2515-7620/ac40f0

33. Lavers D.A., Simmons A., Vamborg F., et al. An evaluation of ERA5 precipitation for climate monitoring. Quarterly Journal of the Royal Meteorological Society. 2022;148(748):3152–3165. https://doi.org/10.1002/qj.4351

34. Xu X., Frey S.K., Boluwade A., et al. Evaluation of variability among different precipitation products in the Northern Great Plains. Journal of Hydrology: Regional Studies. 2019;24:100608. https://doi.org/10.1016/j.ejrh.2019.100608

35. Serra Y.L., Rutledge S.A., Chudler K., et al. Rainfall and convection in ERA5 and MERRA-2 over the Northern Equatorial Western Pacific during PISTON. Journal of Climate. 2023;36(3):845–863. https://doi.org/10.1175/JCLI-D-22-0203.1

36. Hassler B., Lauer A. Comparison of reanalysis and observational precipitation datasets including ERA5 and WFDE5. Atmosphere. 2021;12:1462. https://doi.org/10.3390/atmos12111462

37. Палеоклимат полярных областей Земли в голоцене. Большиянов Д.Ю., Веркулич С.Р. (ред.). СПб.: ААНИИ, 2018. 204 с.