Микромасштабная детализация прогнозов климатических изменений XXI века для Московского мегаполиса при различных сценариях развития городаНИР

M

Источник финансирования НИР

грант РФФИ

Этапы НИР

# Сроки Название
1 1 января 2016 г.-31 декабря 2016 г. Годовой этап 2016
Результаты этапа: В 2016 году работа по Проекту велась по нескольким направлениям, связанным с решением поставленных на этого год задач. В первую очередь, была собрана база данных метеорологических наблюдений, необходимых для верификации региональной климатической модели, включающая в себя длительные (с 1977 г. по настоящее время) ряды наблюдении более чем 70 метеостанций Московской и соседних областей, и более короткие ряды наблюдений новых автоматических метеостанций (АМС), установленных в последние годы в Москве и окрестностях, а также автоматических станций контроля загрязнения атмосферы (АСКЗА) МосЭкоМониторинга, охватывающих плотной сетью застроенные районы города. Предварительно для измерений АСКЗА МосЭкоМониторинга был проведен контроль качества данных, необходимость которого была обусловлена тем, что измерения этих автоматических станций не соответствуют принятым стандартам метеорологических измерений. Тем не менее, было показано, что эти данные могут быть использованы для изучения пространственного распределения температуры внутри города, также эти данные уже успешно использовались для подобных задач ранее (Gorchakov et al., 2014). Анализ всех доступных данных наблюдений позволил выделить ключевые количественные и качественные характеристики климатических особенностей Московского мегаполиса и формируемого им городского острова тепла (ОТ), характеризующие его суточную и сезонную изменчивость, многолетние тренды его интенсивности (разности температуры город – фон) и пространственные особенности поля температуры. Наиболее важные из этих особенностей перечислены ниже: 1) Рост численности населения (за последние 40 лет оно выросло с 7 до 12 миллионов человек) и активное расширение застроенных территорий привели к тому, что средняя интенсивность острова тепла с 1970-х годов выросла на 0.4 градуса Цельсия – то есть потепление климата в городе происходило существенно быстрее, чем на окружающих территориях. Примечательно, что «городское усиление» потепления климата проявляется как в центре Москвы (метеостанция Балчуг), так и в других частях города, включая периферию городской агломерации – районы расположения метеостанций Немчиновка и Тушино, аэропорты Шереметьево и Внуково. При этом максимальная скорость интенсификации острова тепла наблюдается не на окраинах города, где происходит застройка новых территорий, а в центре города, как хорошо видно на рис. 1 (рисунки, ссылки на которые приводятся здесь и далее, прикреплены к отчету в отдельном файле «illustrations.pdf»). Также стоит отметить различия трендов интенсификации острова тепла для отдельных сезонов – они минимальны зимой и максимальны летом: так, средняя летняя интенсивность острова тепла за рассматриваемый временной период увеличилась примерно на 1 градус Цельсия, еще сильнее увеличилась максимальная интенсивность, наблюдаемая в вечерние и ночные часы. 2) Поле температуры в Московском мегаполисе имеет характерную форму «купола тепла». Оно относительно однородно в пределах центральной частью города (грубо говоря, внутри третьего транспортного кольца), далее между центральной частью города и «фоновыми» загородными территориями температура меняется относительно плавно. Примечательно, что резкий скачок температуры на окраинах города, который отмечается для городов США и Европы (Oke, 1987), для Москвы не выражен слабо. Также по данным наблюдений на фоне «купола тепла» хорошо прослеживаются локальные микроклиматические особенности – «острова холода» в городских зеленых зонах и более теплые пятна в плотно застроенных районах. Эти особенности пространственной структуры поля температуры наглядно демонстрирует рис. 2, на котором показано распределение средней температуры воздуха для выборки ясных и безоблачных ночей летом и зимой, при этом видно, что летом микроклиматическая пестрота внутри мегаполиса выше, чем зимой. 3) На распределение температуры воздуха в пределах города и его окрестностей в конкретный момент времени оказывает влияние скорость и направление ветра (теплое «ядро» городского острова тепла «сдувается» на подветренную сторону города), как показано на рис. 3 на примере выборки случаев с разными направлениями ветра в течение зимнего сезона. 4) Регрессионный анализ значений температуры и характеристик застройки и землепользования, которые были рассчитаны на основе открытых данных OpenStreetMap согласно методике, приведенной в работе (Samsonov et al., 2015), также показал, что микроклимат отдельной точки в пределах города обуславливается влиянием как локальных (плотность и высота застройки, площадь зеленых зон в окрестностях конкретной точки) и более крупномасштабных (расстояние от центра города) факторов. При этом наблюдается различная роль одних и тех же факторов в формировании термического режима в различное время суток и для различных сезонов года. Так, летом больше роль локальных факторов, обуславливающая более ярко выраженную микроклиматическую пестроту в пределах города. Зимой, напротив, бОльшую роль играет расстояние от центра города, и в результате формируется более гладкое поле температуры. Это можно объяснить тем, что в холодный сезон года больший вклад в формирование острова тепла вносит антропогенный поток тепла от зданий, машин и промышленных предприятий. Это тепло перемешивается в пределах города и окрестностей, а максимум его «концентрации» достигается в центре. Более подробно данная часть исследования приведена в докладе “Mikhail Varentsov, Konstantinov Pavel, Samsonov Timofey. Investigation of detailed spatial structure of the Moscow urban heat island with application of the newest meteorological observations and regional climate modelling // European Geosciences Union General Assembly 2016. — Vol. 18 of Geophysical Research Abstracts. — Germany: Germany, 2016”, материалы которого прикреплены к отчету. Далее была проведена серия численных экспериментов с региональной климатической моделью атмосферы COSMO-CLM с целью определения её оптимальной конфигурации. Данная модель является климатической версией модели COSMO, разрабатываемой одноименным консорциумом (Consortium for Small-cale Modeling), во главе с немецкой службой погоды DWD (Deutscher Wetter Dienst). Она свободно распространяется для научного использования в рамках сообщества CLM (Climate Limited-area Modelling Community). Полное описание модели COSMO приведено в работах (Doms et al., 2011; Doms et al., 2015; Böhm et al., 2006). Общая схема постановки численных экспериментов была следующая: вначале модель запускалась для «базового» домена (области моделирования) размером примерно 1600x1600 километров (140х140 модельных ячеек с разрешением 12 км) в режиме детализации реанализа ERA-Interim (Dee et al., 2011), по данным которого задавались боковые граничные условия. Дополнительно, для обеспечения согласованности динамики крупномасштабных процессов в модели и реанализе, применялась технология «спектрального подталкивания» (англ. spectral nudging) для температуры и двух компонент скорости ветра выше уровня 850 гПа. Более подробно эта технология описана в работе (Von Storch et al., 2000), а важность ее применения в подобных задачах показана в работах (Feser, Barcikowska, 2012; Варенцов и др., 2016). Далее осуществлялся следующий шаг детализации (даунскейлинга), в котором результаты расчетов для «базового» домена использовались для задания боковых граничных условий в численных экспериментах для домена размером примерно 740х740 км с разрешением 4 км, охватывающего территорию Московской и соседних областей. Пространственная конфигурация используемых доменов показана на рисунке 4. Необходимо отметить, что с учетом особенностей пространственного разрешения, для базового домена конвекция полностью параметризовывалась, а для домена с разрешением 4 км параметризовывалась только мелкая конвекция. Параметры подстилающей для обоих доменов, поверхности (рельеф, альбедо, шероховатость, характеристики растительности и др.) задавались средствами утилиты WebPEP (http://www.clm-community.eu/index.php?menuid=221&reporeid=260) на основе глобальной базы данных Globcover (Bontemps S. et al., 2011). Организованные таким образом численные эксперименты проводились для нескольких летних и зимних сезонов, в первую очередь, для летнего сезона 2014 года, который характеризовался повторяемость различных типов погоды, включая достаточно жаркие периоды, и для которого имелись данные как для верификации модели для фоновых загородных территорий, так и большое количество данных наблюдений внутри города. Период интегрирования в большинстве проведенных тестовых экспериментов составлял 4 месяца: модель запускалась либо в мае, и далее анализировалось и сопоставлялись с данными наблюдений результаты расчетов за три летних месяца, либо в ноябре, и анализировались зимние месяцы. Таким образом получалось, что на «разгон» (spin-up) модель отводился один месяц. На заключительном этапе тестирования также проводились эксперименты с более длинным периодом разгона модели продолжительностью несколько лет. Для вычислений использовался суперкомпьютер МГУ «Ломносов-2». Различия между тестовыми численными экспериментами заключались в выборе модельных опций и используемых параметризаций, касающихся описания процессов в почве, на подстилающей поверхности и в пограничном слое атмосферы. В итоге, на основе сравнения результатов моделирования с данными наблюдений для температуры воздуха, удельной влажности и сезонных сумм осадков была определена оптимальная для Московского региона конфигурация, при которой модель лучше всего воспроизводит «фоновые» метеорологические условия. Ее ключевыми отличиями от «стандартной» конфигурации стала коррекция параметров схемы турбулентной диффузии в пограничном слое атмосферы, использование альтернативной параметризации для испарения с открытой почвы и изменение ряда других опций. В частности, было показано, что при использовании «стандартных» (т.е. используемых по умолчанию) параметров модель существенно завышает интенсивность турбулентной диффузии в пограничном слое в условиях устойчивой стратификации (что обычно наблюдается ночью), что приводит к существенному завышению моделью приземной (рассчитанной для двух метрах) температуры воздуха. Эта проблема была решена способом, предложенным в работе (Cerenzia et al., 2014) и заключающимся в уменьшении минимально возможных значений коэффициентов турбулентной диффузии, а также уменьшения до близких к нулю значения масштаба подсеточных термических неоднородностей подстилающей поверхности, влияющего на генерацию турбулентной кинетической энергии (Алферов, Ривин, 2011). Эффект от такой коррекции параметров турбулентной диффузии наглядно демонстрирует рисунок 5. После того, как была найдена оптимальная конфигурация модели, при которой достигалось хорошее качество воспроизведения «фонового» (т.е. загородного) метеорологического режима для Московского региона, были проведены тестовые расчеты для вложенной области, охватывающий территорию Московской области с разрешением 1 км, с применением широко используемой в современных моделях атмосферы параметризации городской застройки TEB (Town Energy Balance), основанной на явном моделировании теплового баланса и термического режима поверхностей так называемых «городских каньонов» (Masson, 2002; Trusilova et al, 2013). Для задания требуемых для работы схемы TEB параметров городской застройки (плотность, высота зданий, отношение высоты зданий к ширине улиц) использовалась значения, рассчитанные на основе открытых данных OpenStreetMap на основе оригинальной методики, разработанной коллегами с кафедры картографии Географического факультета МГУ имени М.В. Ломоносова и описанной в статье (Samsonov et al., 2015). Антропогенный поток тепла, также являющийся одним из важных факторов формирования феномена ОТ, рассчитывался следующим образом: его составляющая, связанная отоплением зданий, явно моделировалась за счет поддержания внутри зданий температура выше заданной константы (20 °С), при этом дополнительно задавался вклад от машин и промышленного производства, равный 30 Вт/м2. Расчеты с использованием этой схемы показали неплохое соответствие наблюдениям для среднесуточных значений интенсивности ОТ, как видно на рисунке 6. Однако, более детальный анализ результатов моделирования с учетом ключевых качественных особенностей данного явления показал, что модель COSMO-CLM со схемой TEB воспроизводит многие из них некорректно. Во-первых, суточный ход интенсивности острова тепла модель воспроизвела со значительными ошибками: на рис. 7 видно, что она завышает дневные значения интенсивности и занижает ночные, при этом время достижения максимальных значений сдвинуто по фазе. Во-вторых, при том, что модель неплохо воспроизвела отепляющее влияние мегаполиса на приземную температуру для застроенных ячеек, это влияние крайне слабо передавалось на незастроенные, но расположенные в пределах города модельные ячейки (городские парки), а также на вышележащие модельные уровни (рис. 8). Дополнительные тесты и консультации с разработчиками модели позволили прийти к выводу, что эта проблема связана не с самой схемой TEB, а с некорректным способом ее сопряжения с атмосферной моделью. После обнаружения обозначенных выше проблем со схемой TEB, было проведено тестирование более новой и существенно более простой схемы TERRA-URB (Wouters et. al, 2016), в которой влияние городской застройки параметризуется через коррекцию значений отражательной и излучательной способностей и ряда других параметров. Способ расчета антропогенного потока тепла в схеме TERRA-URB также существенно отличается от схемы TEB: его значение в конкретный момент времени рассчитывается на основе заданного среднегодового значения, задаваемого отдельно для каждой модельной ячейки, с учетом предопределенного суточного и годового хода согласно (Flanner, 2009). На основе оценки, приведенной в работе (Stewart, Kennedy, 2015), в расчетах для Москвы среднегодовое значение антропогенного потока тепла задавалось равным 70 Вт/м2 для урбанизированной поверхности и масштабировалось для каждой ячейки в зависимости от доли застроенной территории. Необходимо отметить, что такой подход является достаточно грубым, так как он не учитывает зависимость энергопотребления (и, как следствие, антропогенного потока тепла) от температуры воздуха в конкретный момент времени, что особенно актуально для холодного сезона. В дальнейшем планируется доработать схему TERRA-URB и реализовать учет данной зависимости в модели. Также доработка схемы TERRA-URB была необходима для реализации возможности задавать отдельно для каждой модельной ячейки параметры городской застройки, рассчитанные на основе данных OpenStreetMap, что было сделано совместными усилиями с автором этой параметризации (Hendrik Wouters). Параллельно было найдено и исправлено несколько важных ошибок в программном коде. После проведенной доработки было показано, что несмотря простоту схемы TERRA-URB, она корректно сопряжена с моделью атмосферы, и расчеты с ее использованием адекватно воспроизводят пространственно-временную изменчивость городского острова тепла, что наглядно видно в сравнении с данными наблюдений и результатами моделирования со схемой TEB на рисунках 6 и 7. Наиболее наглядно различия между схемами TEB и TERRA-URB демонстрируют вертикальные разрезы средних значений разницы температуры между экспериментами с включенной и выключенной городской схемой, построенные для ночных сроков (0 UTC), когда интенсивности острова тепла максимальна, и приведенны на рис. 8. Видно, что включение схемы TERRA-URB приводит к распространению термической аномалии на 100-200 метров вверх, что хорошо соответствует современным представлениям о вертикальной протяженности городского острова тепла Московского мегаполиса (Локощенко и др., 2016, Кадыгров и др., 2002), в то время на включение схемы TEB приземные модельные уровни реагируют крайне слабо. Ввиду выявленных проблем со схемой TEB и хорошего качества работы схемы TERRA-URB, принято решение использовать последнюю для выполнения дальнейших работ по Проекту. Дополнительно следует отметить, что также в 2016 году были проведены пробные расчеты характеристик метеорологической комфортности на основе данных метеорологических наблюдений в пределах Московского мегаполиса и результатов моделирования, полученных с использованием схемы TEB. На примере нескольких временных периодов (лето 2010 и 2014 годов, зима 2013-2014 годов) и нескольких индексов метеорологической комфортности (эффективная температура ЕТ, индекс WBGT (Wet-Bulb Globe Temperature), индекс тепла HI (Heat Index), ветро-холодовой индекс) было показано, что создаваемая городом термическая аномалия существенно влияет на повторяемость некомфортных значений этих индексов, увеличивая ее летом и уменьшая зимой. Также показана существенная неоднородность пространственного распределения характеристик комфортности: например, летом наибольшая повторяемость неблагоприятных значений индексов комфортности наблюдается в центре города и в его юго-восточной части. При этом сравнение повторяемости неблагоприятных условий метеорологической комфортности, полученным по данным наблюдений и моделирования показало неудовлетворительные результаты, что можно связать с общими проблемами схемы TEB, описанными выше. Более подробно данная часть исследования приведена в докладе “ Mikhail Varentsov, Pavel Konstantinov. Investigation of detailed spatial structure of the Moscow megacity climate features according to the newest meteorological observations and regional climate modelling with connection to human comfort”, материалы которого прикреплены к отчету. Подводя итоги, можно сделать вывод, что главным результатом работы про Проекту в 2016 году стало получение, проверка и настройка инструмента, способного адекватно воспроизводить особенности термического режима Московского мегаполиса. Полученные результаты позволяют в 2017 году перейти к выполнению заключительной фазы проекта – применению этого инструмента для изучения отклика климата региона на реализацию различных сценариев изменения городской застройки. Список цитируемой литературы: 1. Алферов Д.Ю., Ривин Г.С. Система мезомасштабного прогноза погоды COSMO-Ru: ансамблевый прогноз. Тр. Гидрометцентра России. 2011, выпуск 346, с.5 – 16. 2. Варенцов М.И., Вереземская П.С., Заболотских Е.В., Репина И.А. Оценка качества воспроизведения полярных мезоциклонов по данным реанализов и результатам регионального климатического моделирования// Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 4. С. 56-79. 3. Локощенко М.А., Корнеева И.А., Кочин А.В., Дубовецкий А.З., Новицкий М.А., Разин П.Е. О высотной протяженности городского “острова тепла” над Москвой// Доклады Академии наук. 2016. Т. 466. №2. С. 213-217. 4. Кадыгров Е.Н., Кузнецова И.Н., Голицын Г.С. Остров тепла в пограничном слое атмосферы над большим городом: новые результаты на основе дистанционных данных// ДАН. 2002. Т. 385. № 4. С. 541–548. 5. Bontemps S. et al. GLOBCOVER 2009-Products description and validation report. 2011 6. Böhm, U., Kücken, M., Ahrens, W., Block, A., Hauffe, D., Keuler, K., Rockel, B., Will, A. CLM - the climate version of LM: Brief description and long-term applications // COSMO Newsletter. 2006. Vol. 6. P. 225-235. 7. Cerenzia I., Tampieri F., Tesini M. S. Diagnosis of Turbulence Schema in Stable Atmospheric Conditions and Sensitivity Tests //Cosmo Newsletter. 2014. V. 14. 8. Dee, D. P., Uppala, S. M., Simmons, A. J., Berrisford, P., Poli, P., Kobayashi, S., Andrae, U., Balmaseda, M. A., Balsamo, G., Bauer, P., Bechtold, P., Beljaars, A. C. M., van de Berg, L., Bidlot, J., Bormann, N., Delsol, C., Dragani, R., Fuentes, M., Geer, A. J., Haimberger, L., Healy, S. B., Hersbach, H., Hólm, E. V., Isaksen, L., Kållberg, P., Köhler, M., Matricardi, M., McNally, A. P., Monge-Sanz, B. M., Morcrette, J.-J., Park, B.-K., Peubey, C., de Rosnay, P., Tavolato, C., Thépaut, J.-N. and Vitart, F. The ERA-Interim reanalysis: configuration and performance of the data assimilation system// Q.J.R. Meteorol. Soc. 2011. V. 137. P. 553–597. doi:10.1002/qj.828 9. Doms G., Foerstner J., Heise E., Herzog H.-J., Mironov D., Raschendorfer M., Reinhardt T., Ritter B., Schrodin R., Schulz J.-P., Vogel G. A Description of the Nonhydrostatic Regional COSMO-Model. Part II: Physical Parameterization. COSMO-Model 4.20. Offenbach, 2011, 154 p., http://www.cosmo - model.org/ content /model/ documentation/core/cosmoPhysParamtr.pdf 10. Doms G., Baldauf M. A Description of the Nonhydrostatic Regional COSMO-Model. Part I: Dynamics and Numerics. COSMO-Model 5.1. Offenbach, 2015, 158 p., http://www.cosmo-model.org/content/model/documentation/core/cosmoDyncsNumcs.pdf 11. Feser F., Barcikowska M. The influence of spectral nudging on typhoon formation in regional climate models // Environmental Research Letters. 2012. V. 7. №. 1. P. 14-24. 12. Flanner M. G. Integrating anthropogenic heat flux with global climate models //Geophysical Research Letters. 2009. V. 36. №. 2. 13. Gorchakov, G. I., Kadygrov, E. N., Kunitsyn, V. E., Zakharov, V. I., Semutnikova, E. G., Karpov, A. V., Kurbatov G. A., Miller E. A., Sitanskii, S. I. The Moscow heat island in the blocking anticyclone during summer 2010 //Doklady Earth Sciences. Springer Science & Business Media, 2014. V. 456. №. 2. P. 736-740. 14. Masson V. A physically-based scheme for the urban energy budget in atmospheric models //Boundary-layer meteorology. 2000. V. 94. №. 3. P. 357-397. 15. Oke T. R. Boundary layer climates. Routledge, 2002. 16. Samsonov T. E., Konstantinov P. I., Varentsov M. I. Object-oriented approach to urban canyon analysis and its applications in meteorological modeling //Urban Climate. 2015. V. 13. P. 122-139. 24 17. Stewart I., Kennedy C. Estimating anthropogenic heat release from megacities. ICUC9 - 9th International Conference on Urban Climate held jointly with the 12th Symposium on the Urban Environment, 20–24 July 2015, Toulouse, France 18. Trusilova K. et al. Implementation of an urban parameterization scheme into the regional climate model COSMO-CLM //Journal of Applied Meteorology and Climatology. 2013. V. 52. №. 10. P. 2296-2311. 19. Von Storch H., Langenberg H., Feser F. A spectral nudging technique for dynamical downscaling purposes // Monthly weather review, 2000, v. 128, №. 10, p. 3664-3673 20. Wouters H. et al. The efficient urban canopy dependency parametrization (SURY) v1. 0 for atmospheric modelling: description and application with the COSMO-CLM model for a Belgian summer //Geoscientific Model Development. 2016. V. 9. №. 9. P. 3027-3054.

Прикрепленные к НИР результаты

Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".