Пространственная изменчивость метеорологической дальности

Пространственная изменчивость
метеорологической дальности видимости и алгоритмы оценки степени неопределенности идентификации метеорологических параметров
В.М. Токарев
ФГБУ Сибирский региональный научно­исследовательский
гидрометеорологический институт
г. Новосибирск, ул.Советская, 30
E­mail: vt@sibnigmi.ru
Введение
Опасные для авиации явления и условия погоды формируются и сопровождаются
атмосферными процессами как синоптического, так и мезомасштаба с наложением местных особенностей рельефа, подстилающей поверхности и влиянием
человеческой деятельности. Ключевым
метеорологическим параметром для авиации,
особенно для выполнения визуальных полетов по площадям, является видимость. Эта сложная комплексная характеристика сильно связана и с
явлениями погоды (с осадками, а значит с облаками), и с ветром (метели, пыльные бури), и с антропогенными аэрозолями. Исследования непрерывных временных рядов наблюдений [2, 3] дали оценки высокочастотной изменчивости
видимости в различных явлениях погоды вдоль ВПП, границы и пределы предсказуемости с
учетом неоднородности и нестационарности временных рядов видимости в мезомасштабе.
Проблема оценки и тем более прогноза погодных условий для авиации связана как с недостаточной пространственно­временной дискретностью наблюдений, так и с дисбалансом
авиационных требований к точности диагноза­
прогноза и необоснованной жесткостью используемых
градаций:
­ не учитываются различия частотных характеристик
изменчивости по явлениям и масштабам погоды
(мезо­ и синоптический);
­ не учитывается реальная плотность пунктов
наблюдений в различных регионах.
Объективно существующие неопределенности (вероятности) и связанные с ними риски скрыты в
формулировках, градациях и не формализованы в числовом виде. Особенно сложная ситуация с
диагнозом (идентификацией) условий погоды
сложилась в метеообеспечении полетов по площадям.
Выполненные исследования направлены на
систематизацию знаний о сложных для полетов условиях погоды: пространственно­временные масштабы, изменчивость, однородность, точность. В частности, решалась задача о численных оценках
степени неопределенности диагноза (идентификации) условий погоды между пунктами
наблюдений (площади полетов).
1 Разработка алгоритмов оценок степени неопределенности идентификации
метеорологических параметров.
Изменчивость актуальных для авиации
характеристик погоды в приземном и пограничном слое атмосферы превышает дискретность наблюдений как по пространству, так и по времени (подсеточный масштаб). Сложные и опасные
условия погоды чаще наблюдаются в мезомасштабном
диапазоне, чем в доступном для традиционного анализа синоптическом масштабе, что предполагает вероятностный характер не только прогнозов, но и самих фактов явлений и
характеристик погоды по площадям полетов.
Восстановить значение какого­либо параметра вне
точки наблюдений можно алгоритмами различной
сложности и физической обоснованности. Очевидно, что получение подходящей непрерывной двумерной функции искомого параметра на
плоскости (сфере) полностью решает задачу
восстановления значений функции в любой точке.
Вопрос только в точности модельного приближения к реальности, что определяется частотными (спектральными) характеристиками исследуемого
метеорологического параметра и пространственной дискретностью точек
наблюдений. Актуальный вопрос ­ какова доля колебаний подсеточного для имеющейся сети
станций масштаба, что и определяет в среднем величину и приемлемость ошибки восстановления.
Можно ожидать, что поля давления достаточно гладкие в мезомасштабе и должны хорошо восстанавливаться даже простыми модельными функциями. Поля температуры у земли уже будут иметь существенные орографические и
антропогенные особенности в мезомасштабе в
устойчивых инверсионных ситуациях. С
актуальными для авиации характеристиками
(видимость, высота облаков (ВНГО), ветер, опасные
явления) все сложнее. Связанные с явлениями погоды
видимость и ВНГО фактически являются разрывными функциями в пространственно­
временном масштабе стандартных 8­срочных
наблюдений (синоптические карты).
Поставим задачу численно оценить риски ошибочного диагноза условий погоды для площадей
полетов вдали не только от пунктов учащенных наблюдений АМЦ/АМСГ, но и обычных ГМС.
Непосредственно оценить точность восстановления
какого­либо параметра можно только в точке наблюдения, экстраполируя оценки на ближайшие площади полетов. В качестве опорных функций использовались сплайны на функциях Грина [1]. Но
отлично работая на гладких полях давления, они по
понятным причинам не справлялись с разрывными ситуациями, выдавая ложные осцилляции. Поэтому параллельно рассчитывались оценки по среднему
полю, и для картирования выбиралась минимальная из двух оценок. Это нам кажется лучшим
приближением к анализу опытного синоптика, который "видит" любое поле.
Еще одним настроечным параметром алгоритма является площадь (радиус) интерполяции. Исходя из
условия захвата не менее двух окружающих станций и бессмысленности расширения площади за пределы мезомасштаба радиус кластера был выбран равным
200 км, внутрь которого в зависимости от региона попадало от 2­х до 30 станций.
Важным методическим моментом является и
вопрос размерности параметров. Если точность
измерения давления и температуры примерно постоянна во всем диапазоне, то ошибки измерений видимости, ВНГО и даже скорости ветра аддитивны и примерно соответствуют квадратической функции, что нашло отражение и в синоптическом коде КН­01. Поэтому при расчетах для видимости и ВНГО использовались
градации, коды которых приведены в таблице 1.
Таблица 1 ­ Кодирование градаций видимости и
ВНГО
Размерность ошибок восстановления: гПа для давления,
град.С для температуры,
м/с для скорости ветра,
градации для видимости, ВНГО
Диапазон ошибок восстановления: 0..9 по модулю.
Категории параметра:
оценок ошибок восстановления
одна градация ­ зона приемлемого риска диагноза
2,3 градации ­ зона неопределенности диагноза
более 3­х градаций ­ разрывы, отсутствие данных
и т.п.
Описанная алгоритмическая основа использовалась для разработки ПО
вычислительных оценок неопределенности идентификации метеорологических параметров.
Список использованных источников:
1. Василенко В.А. Сплайн­функции: теория,
алгоритмы, программы. ­ Новосибирск: Наука, 1983. ­
214с.
2. Токарев В.М. Частотно­корреляционный анализ временных рядов метеорологической дальности видимости //Труды ЗапСибНИИ Госкомгидромета.­ 1985.­Вып 74.­С. 73­78.
3. Токарев В.М. Изменчивость метеорологической
дальности видимости и ее учет в авиационных
прогнозах погоды //Труды ЗапСибНИИ
Госкомгидромета. ­ 1986. ­ Вып. 79.­С. 3­10.