Влияние вариаций облачности на температурный режим

«Состав атмосферы. Атмосферное электричество, Климатические эффекты»
Влияние вариаций облачности на температурный режим
приземного воздуха в различных регионах России
А.В. Чернокульский
Институт физики атмосферы им. А.М. Обухова РАН, Пыжевский пер., 3, Москва.
e-mail: [email protected]
Регулируя радиационный баланс Земли, облачность оказывает существенное влияние как на
температурный режим приземного воздуха, так и
на и температурный режим подстилающей поверхности [1, 2]. Согласно [3], как по данным
наблюдений, так и по модельным расчётам, в зимнее время над сушей умеренных широт северного
полушария температура воздуха у поверхности
может быть на 4-8 градусов выше в периоды
сплошной облачности по сравнению с периодами
с ясной погодой (за счет парникового эффекта
облаков). В летнее время разница между безоблачными и облачными условиями, напротив, противоположна по знаку с зимней и составляет 1-2
градуса (за счет альбедного эффекта облаков).
Положительная корреляция между облачностью и
приземной температурой в зимний период и отрицательная в летний отмечена также в [2]. Таким
образом, возможные изменения облачного покрова на территории России могут влиять на изменение приземной температуры – при этом они могут
как усилить, так и ослабить наблюдаемое потепление.
В данной работе были получены оценки влияния облачности на значение максимальной температуры TM в российских регионах в разные сезоны
по данным станционных наблюдений (архив Всероссийского научно-исследовательского институ-
та гидрометеорологической информации - Мирового центра данных, ВНИИГМИ-МЦД) [4]. Использовались суточные данные по максимальной
температуре для российских станций гидрометеорологической сети для периода с 1990 по 2009 гг.
и для двух десятилетних периодов отдельно (19901999 и 2000-2009 гг.). Для этих же станций анализировались среднесуточные значения общей облачности n (в долях единицы; рассчитывались из
трехчасовых визуальных наблюдений) [5].
Из всего массива станций (более 1800) были
отобраны 173 станции, которые за указанный временной период не претерпели существенных изменений: не переносились, оставались в однородных условиях (в частности, не было смены экосистем: лес-поле, поле-город и др.). Станции были
разбиты на 9 регионов: 1) Московский регион, 2)
Центральный район европейской территории Росси (ЕТР), 3) Черноземье, 4) Поволжье, 5) Юг ЕТР,
6) Юг Западной Сибири и Урала, 7) Юго-восток
Западной Сибири, 8) Юг Восточной Сибири, 9)
Забайкалье (рис. 1).
Анализ приведен для аномалий максимальной
температуры и облачности относительно их средних значений, при этом полученные ряды аномалий удовлетворяют критерию Лиллиефорса и
имеют нормальное распределение.
Рис.1. Метеорологические станции (по регионам), используемые в работе
216
«Состав атмосферы. Атмосферное электричество, Климатические эффекты»
В таблице 1 приведены коэффициенты линейной регрессии аномалий максимальной температуры TM на аномалии количества облаков n (для
суточных
данных),
полученные
методом
наименьших квадратов отдельно для зимнего и
летнего периода для всех станций в рассматриваемых регионах (в таблице также указаны коэффициенты корреляции между n и TM). Все отмеченные коэффициенты линейной регрессии статистически значимы на уровне 1% (значимость оценивалась с помощью t-критерия Стьюдента с учетом
эффективного количества степеней свободы, зависящего от длины ряда и коэффициентов автокорреляции рядов TM и n). Средние значения TM и n
(для двух рассматриваемых десятилетних периодов) приведены в таблице 2.
В зимнее время во всех анализируемых регионах отмечена положительная корреляция между
количеством облаков TM и n (на уровне 0,2 для
Забайкалья и 0,3-0,5 для остальных регионов), при
этом коэффициент линейной регрессии в отдельных регионах (в частности в Московском регионе,
в Черноземье и на юге Сибири) близок к 10 К. Таким образом, наблюдаемый рост количества облаков в зимний период над российскими регионами,
отмеченный в работах [5, 6] способствует наблюдаемому потеплению. Рост количества облаков в
зимнее время над российскими регионами прогнозируется по данным модельных расчетов и для
XXI века [6, 7] (см. также табл. 2), что будет способствовать дальнейшему усилению потепления.
В частности, изменение количества облачности на
10% может привести к дополнительному росту
максимальной температуры на 1 градус. В то же
время, на юге ЕТР (5-й регион) чувствительность
максимальной температуры к изменениям облачности не такая сильная, коэффициент линейной
регрессии TM на n составляет 1,7 К (при коэффициенте корреляции 0,09), здесь возможные изменения облачности будут слабее влиять на температурный режим.
В летний период отмечается отрицательная
связь облачности и максимальной температуры,
при этом коэффициент корреляции между TM и n
несколько меньше, чем зимой (около 0,2-0,4). Коэффициент линейной регрессии TM на n находится
в диапазоне от -3 до -7 К.
Отдельно был проведен расчёт характеристик
линейной регрессии TM на n для двух десятилетних периодов (1990-1999 и 2000-2009 гг.). В ряде
регионов отмечено увеличение коэффициентов
регрессии и корреляции в начале XXI века, в ряде
регионов – уменьшение. Уменьшение отмечено,
главным образом, для регионов, где проявляется
сокращение средней максимальной температуры,
увеличение – для регионов с ростом средней максимальной температуры (см. табл.2).
В целом, ожидаемое по модельным расчетам
сокращение количества облаков в летний период в
XXI веке [7, 8] будет способствовать росту максимальной температуры. В частности, уменьшение количества облаков на 0,1 может привести к
дополнительному росту максимальной температуры на 0,5-0,7 K. Необходимо отметить, что по
данным наблюдений сокращение летней облачности пока не отмечается. Напротив, в ряде работ
выявлен рост летней облачности над регионами
Северной Евразии [5, 9] (см. также табл. 2), таким
образом изменения облачности могут регионально
в какой-то мере маскировать общий рост температуры [9].
Полученные результаты и для зимы и для лета
близки к оценкам, полученным в [1]. Прогнозируемое над российскими регионами увеличение количества облаков зимой и сокращение летом с
ростом глобальной температуры указывает на
наличие положительной обратной связи между
облачностью и температурой – облака в целом в
21 веке во все сезоны будут способствовать усилению потепления в наиболее густонаселенных
районах России. Тем не менее, на уровне многолетних средних подобная тенденция не проявляется. В частности, по двум десятилетиям (на уровне
средних за десять лет) для некоторых регионов
зимой рост облачности сопровождается похолоданием, а летом в отдельных регионах рост температуры сопровождается ростом доли общей облачности (табл. 2).
Стоит отметить, что высокие значения коэффициента регрессии TM на n в зимний период могут не являться прямым следствием влияния облачного покрова, а могут быть обусловлены синоптическими особенностями циркуляционного
режима атмосферы в зимнее время над российскими регионами. Большее количество облаков в
зимний период связано, главным образом, с циклонами, преобладанием зональной циркуляции и
как следствие – адвекцией тепла из Атлантики
[10], в то же время меньшее количество облаков
связано зимой главным образом с антициклонами,
преобладанием меридиональной циркуляцией и
адвекцией холода из Арктики.
Необходим более детальный анализ, позволяющий разделить влияние адвективных процессов,
и радиационных, связанных с отепляющим радиационным воздействием облаков. Кроме того, в
данной работе рассмотрено только одностороннее
влияние – облачности на температуру, в принципе
не исключена и обратная зависимость (особенно
летом, когда повышение температуры поверхности будет провоцировать развитие конвекции и
рост количества конвективной облачности) [5].
217
«Состав атмосферы. Атмосферное электричество, Климатические эффекты»
Таблица 1
Коэффициенты линейной регрессии максимальной суточной температуры (TM) на долю общей облачности (n)
(K) (в скобках указаны значения СКО) и коэффициенты корреляции между TM и n для зимы и лета и для различных
регионов
Регион
1. Московский регион
2. Центр ЕТР
3. Черноземье
4. Поволжье
5. Юг ЕТР
6. Юг Западной Сибири и Урала
7. Юго-восток Западной Сибири
8. Юг Восточной Сибири
9. Забайкалье
Зима
Коэффициент
Коэффициент
регрессии (К)
корреляции
9,4 (0,4)
0,42
8,4 (0,3)
0,38
9,9 (0,3)
0,50
6,5 (0,3)
0,32
1,7 (0,3)
0,09
7,6 (0,3)
0,32
10,1 (0,3)
0,45
9,6 (0,4)
0,39
3,7 (0,3)
0,20
Лето
Коэффициент
Коэффициент
регрессии (К)
корреляции
-6,5 (0,3)
-0,39
-4,7 (0,2)
-0,29
-7,3 (0,2)
-0,45
-3,2 (0,3)
-0,19
-4,6 (0,2)
-0,36
-5,6 (0,3)
-0,28
-6,2 (0,2)
-0,38
-6,0 (0,2)
-0,36
-6,2 (0,2)
-0,37
Таблица 2
Среднесезонные значения максимальной температуры ( TM ) и доли общей облачности (n) для рассматриваемых
регионов для двух десятилетий (в скобках указаны относительные изменения величин во втором десятилетии относительно первого)
Регион
Зима
1990-1999
n
TM (°C)
Лето
2000-2009
n
TM (°C)
1990-1999
n
TM (°C)
2000-2009
n
TM (°C)
1. Московский
регион
-2,3
0,81
-0,8 (+1,5)
0,83
(+0,02)
21,3
0,62
20,9
(-0,4)
0,64
(+0,02)
2. Центр ЕТР
-1,7
0,81
0,62
-2,5
0,77
23,5
0,55
4. Поволжье
-3,7
0,75
23,5
0,57
5. Юг ЕТР
1,8
0,71
27,9
0,48
6. Юг Западной
Сибири и Урала
7. Юго-восток
Западной Сибири
8. Юг Восточной
Сибири
9. Забайкалье
-9,2
0,67
23,0
0,64
-8,8
0,66
24,9
0,59
-10,0
0,68
23,3
0,69
-14,6
0,43
0,83
(+0,02)
0,80
(+0,03)
0,75
(0)
0,73
(+0,02)
0,66
(-0,01)
0,65
(-0,01)
0,68
(0)
0,43
(0)
19,9
3. Черноземье
-3,7
(-2,0)
-2,8
(-0,3)
-4,2
(-0,5)
2,6
(+1,3)
-10,0
(-0,8)
-9,7
(-0,9)
-7,8
(+2,2)
-14,7
(-0,1)
22,1
0,64
22,8
(+1,9)
24,8
(+1,3)
24,6
(+1,1)
29,0
(+1,1)
23,4
(+0,4)
24,8
(-0,1)
20,3
(-3,0)
23,0
(+0,9)
0,63
(+0,01)
0,54
(-0,01)
0,56
(-0,01)
0,48
(0)
0,66
(+0,02)
0,61
(+0,02)
0,70
(+0,01)
0,64
(0)
Также важно отметить, что в данной работе
проведен анализ влияния облачности на максимальную температуру. В то же время, для более
адекватного представления зависимости температуры от облачности, важно также оценить влияния
облачного покрова на среднюю и минимальную
температуру. При этом если для среднесуточной
температуры знак зависимости от облачности
останется таким же, как и для максимальной температуры, то для минимальной температуры положительная связь может отмечаться не только
зимой, но и летом (минимум температуры достигается в ночное время, когда альбедный эффект
облаков равен нулю, и все облачно-радиационное
воздействие определяется парниковым эффектом
облаков).
Работа выполнена при поддержке гранта
РФФИ 12-05-00972-а, гранта Президента РФ МК3259.2012.5 и партнерства «Глобальная энергия»
(договор № МГ-2012/04/1).
1. Марчук, Г.И. Облака и климат / Г.И. Марчук,
К.Я. Кондратьев, В.В. Козодеров, В.И. Хворостьянов –
Л.: Гидрометеоиздат, 1986. – 512 с.
2. Матвеев, Ю.Л. Глобальное поле облачности /
Ю.Л. Матвеев, Л.Т. Матвеев, С.А. Солдатенко – Л.:
Гидрометеоиздат, 1986. – 278 с.
3. Groisman, P.Ya. The Relationship of Cloud Cover to
Near-Surface Temper- ature and Humidity: Comparison of
GCM Simulations with Empirical Data / P.Ya. Groisman,
R.S. Bradley, B. Sun // J. Climate. 2000. V. 13. No 11. P.
1858–1878.
4.
Razuvaev
V.N.
Sixand
Three-Hourly
Meteorological Observation from 223 USSR Stations
(NDP-048) / V.N. Razuvaev, E.G. Apasova, R.A.
218
«Состав атмосферы. Атмосферное электричество, Климатические эффекты»
Martuganov – Oak Ridge, TN: Carbon Dioxide Information
Analysis Center, 1995. – 69 pp. and appendices.
5. Chernokulsky A.V. Recent variations of cloudiness
over Russia from surface daytime observations / A.V.
Chernokulsky,
O.N.
Bulygina,
I.I.
Mokhov
//
Environmental Research Letters. 2011. V.6. N.3. P.035202.
6. Хлебникова Е.И. Особенности климатических
изменении облачного покрова над территорией России /
Е.И. Хлебникова, И.А. Салль // Метеорология и гидрология. 2009. №.7. С. 5–13.
7. IPCC, 2007. Climate Change 2007: The Physical
Science Basis. Contribution of Working Group I to the
Fourth Assessment Report of the Intergovernmental Panel
on Climate Change. / S. Solomon, D. Qin, M. Manning et
al. (eds.). Cambridge, United Kingdom and New York, NY,
USA: Cambridge University Press. 2007. 996 p.
8. Groisman P.Ya. Climate Changes in Siberia. / P.Ya.
Groisman, T.A. Blyakharchuk, A.V. Chernokulsky et al. in:
Regional Environmental Changes in Siberia and Their
Global Consequences (P.Ya. Groisman and G. Gutman
eds.). Dordrecht: Springer. 2012. P.57-109.
9. Tang Q. Damped summer warming accompanied
with cloud cover increase over Eurasia from 1982 to 2009 /
Q. Tang, G. Leng // Environmental Research Letters. 2012.
V.7. P.014004.
10. Мохов И.И. Изменения характеристик циклонической активности и облачности в атмосфере внетропических широт северного полушария по модельным расчетам в сопоставлении с данными реанализа и спутниковыми данными / И.И. Мохов. А.В. Чернокульский,
М.Г Акперов и др. // Доклады РАН. 2009. Т.424. №3.
С.393-397.
219