УДК 26.23.156 Керимли В. И. ВЛИЯНИЕ ОБЛАЧНОСТИ НА РАДИАЦИОННЫЙ БАЛАНС КАВКАЗСКО-КАСПИЙСКОГО РЕГИОНА
advertisement
УДК 26.23.156 Керимли В. И. ВЛИЯНИЕ ОБЛАЧНОСТИ НА РАДИАЦИОННЫЙ БАЛАНС КАВКАЗСКО-КАСПИЙСКОГО РЕГИОНА В статье рассматривается зависимость радиационного баланса от общей облачности результаты над расчетов искусственного Кавказско-Каспийским эффективного спутника Земли для количества трех регионом. облаков квадратов, Приведены по данным охватывающих Каспийское море. Сопоставлены спутниковые и наземные данные по количеству облаков для этого региона. Ключевые слова: уходящая радиация; радиационный баланс Земли; радиационный баланс атмосферы; искусственный спутник Земли; уходящая длинноволновая радиация. При исследовании климата [1, 2] особое внимание обращено на важность учета взаимодействия радиации и облачности как климатообразующего фактора. Это определяет актуальность создания глобального массива данных по климатологии облачного покрова, который позволит, в частности: 1) осуществлять сравнения результатов имитационного численного моделирования полей облачности на основе наиболее полных моделей климата с реальными данными; 2) наиболее надежно обосновать схемы параметризации облачнорадиационной обратной связи в простых моделях климата; 3) предпринять более надежные диагностические исследования климата. Одной из основных задач спутниковой климатологии облачного покрова является создание глобального массива калиброванных и пространственно осредненных данных по уходящей радиации (УР) в видимой и ИК областях спектра, допускающего восстановление характеристик облачного покрова, в том числе и над Кавказско-Каспийским регионом. Для понимания закономерностей формирования климата перспективными считаются данные по температуре земной поверхности, облачному покрову и радиационному балансу системы Земля – атмосфера. Последний (Вcn) представляет собой разность между поглощенной солнечной радиацией и уходящим в космос длинноволновым излучением Fcn : Bcn Q0 (1 Acn ) Fcn , где Q0 – поток солнечной радиации, поступающий на условную верхнюю границу атмосферы H 30 км, а Fcn – альбедо системы Земля-атмосфера. Влияние облачности n на радиационный баланс системы Земля – атмосфера или просто радиационный баланс Земли (РБЗ), осуществляется двумя путями. С одной стороны, облачный покров уменьшает поглощенную солнечную радиацию и величину Вcn, поскольку альбедо при облачности Acn больше альбедо безоблачной Ac системы Земля – атмосфера. С другой стороны, так как температура верхней границы облаков заметно ниже температуры земной поверхности, то облачность ослабляет уходящую в космос длинноволновую радиацию (УДР) Fcn и тем самым увеличивает РБЗ. Опубликованные результаты [3] показывают сложную картину этих влияний, различных для морей и суши. В модельных расчетах часто не обнаруживается согласованности между РБЗ и облачностью. Анализ наблюдений [4] показал, что использование энергобалансовых моделей климата приводит к завышенной роли облачно-альбедных ( Bcn , Acn ) связей. Облачнорадиационные ( Bcn , Fcn ) связи также противоречивы [5]. Это относится и к соотношениям ( Bcn , Acn ), ( Bcn , Fcn ),( Ban , Acn ) ,( Ban , Fcn ), где Bn -радиационный баланс земной поверхности, а Ban (Bcn Bn ) - радиационный баланс атмосферы в целом. Для радиационных балансов на трех уровнях на поверхности океана (РБП), в атмосфере в целом (РБА) и на верхней границе атмосферы (РБГ) исследуемые закономерности могут быть выявлены многолетних наземных и спутниковых наблюдений [6]. с помощью анализа В обычных условиях для распознавания облаков могут быть применены следующие методики: 1) задание пороговых значений яркости, зависящих от времени года и географических координат; 2) одномерные гистограммы яркости или радиационной температуры (в алгоритм распознавания должны быть заложены сведения о таких свойствах подстилающей поверхности, как береговые линии, наличие снега или льда); 3) двухмерные гистограммы; 4) более сложные методики распознавания пространственных структур. Восстановление характеристик облачности по спутниковым данным является трудной задачей и, не исключено, что в ряде случаев однозначное решение окажется невозможным при наличии данных с достигнутым в настоящее время пространственным разрешением. Это относится в частности, к задачам восстановления характеристик перистой и разорванной облачности. В настоящее время наиболее распространенными являются методики биспектрального анализа и кластеризации. Важной частью работ в рамках Международного проекта по спутниковой климатологии облачности (МПСКО) является создание архива данных, который должен не только удовлетворять соответствующим требованиям, но (по возможности) и решать ряд других проблем, что предполагает архивацию как данных о климатических характеристиках облачного покрова, так и некоторой дополнительной информации (интенсивность осадков, экстремальные температуры поверхности суши и водных бассейнов, суммарная радиация, площадь снежного покрова и др.). Восстановление характеристик облачного покрова по данным спутниковых наблюдений все еще наталкивается на трудности в тех случаях, когда имеют место низкие слоистые облака, трудно отличимые от подстилающей поверхности; полупрозрачная и мелкая разорванная облачность; участки суши с сильным суточным ходом температуры; районы лишенные обычных метеорологических наблюдений; участки с высоким или очень изменчивым альбедо. Компоненты радиационного баланса Земли определяют источники и стоки радиационной энергии, которые управляют общей циркуляцией атмосферы и океана, но в свою очередь зависят от метеорологических условий. Наблюдения искусственных спутников Земли позволяют осуществлять непрерывный мониторинг радиационного баланса вместе с непрерывными наблюдениями за облачным покровом. Многообразие типов облаков и их существенная изменчивость затрудняют использование однозначных критериев классификации типов и форм облачных образований при анализе спутниковых данных. Сравнение данных спутниковых измерений с наземными радиационными измерениями возможно после приведения спутниковых данных к уровню земной поверхности. Для этой цели целесообразно использовать решения прямых задач переноса излучения в атмосфере. При этом, на первый план выходит необходимость учета влияния облачности по средним месячным спутниковым данным. Трудности решения данной задачи увеличиваются в связи с отсутствием в этих данных текущей информации об облачности. Так как вариации метеорологических параметров атмосферы носят случайный характер [4], используются статические методы [3], в частности, анализируются корреляции между значениями УДР (уходящей в космос длинноволновой радиации) (F) и температуры воздуха (t), а также облачностью (n). В качестве характеристики термического режима используется температура атмосферы, на указанных в табл. 1 уровнях. Таблица1 Значения коэффициента корреляции R между F и t. Слои, Координаты мбар 40 0 в. д., 40 0 с. ш. 50 0 в. д., 40 0 с. ш. I (1000) 0.88 0.98 IX (200) 0.83 0.87 XI (100) - 0.67 - 0.68 XII (70) - 0.78 - 0.88 Как видно из табл. 1, в рассматриваемых приземных слоях значения коэффициентов корреляции достаточно велики. Так как основными компонентами атмосферы, поглощающими ИК-излучение и определяющими спектральный состав уходящей в космос длинноволновой радиации, являются облака, пары воды, углекислый газ и озон, то большие значения коэффициентов корреляции свидетельствуют о сильной взаимосвязи между значениями УДР и указанными метеопараметрами. В верхних слоях (особенно XI, XII) значения коэффициентов корреляции отрицательны. Это означает, что в атмосфере на высоте 15÷30 км наблюдается наибольшая скорость образования озона, поскольку вышележащие слои в наибольшей степени ответственны за поглощение УДР. В табл. 2 даны средние значения коэффициентов регрессии для аппроксимации уходящего длинноволнового излучения и температуры. Таблица 2 Значения коэффициента регрессии (экспериментальные данные, F, Вт/м2; t ○ С). Слои, мбар 400 в.д., 400 с.ш. 0 1 500 в.д., 400 с.ш. 0 1 I (1000) 158.69 5.48 187.46 3.84 IX (200) 487.55 4.63 477.41 4.29 XI (100) - 127.40 6.19 - 120.91 5.97 XII (70) - 169.97 7.01 - 153.87 6.11 Из таблицы 2 следует, что использование значений температуры воздуха, измеренных в разных слоях и оцененных по среднегодовым, позволяет уточнить коэффициенты регрессии. С помощью метода регрессионного анализа получены следующие формулы: F 164.27 2.81 t (400в.д., 400с.ш.) (1) F 197.79 2.06 t (500в.д., 400с.ш.). (2) Как видно из (1) и (2), коэффициенты уравнений регрессии различны для разных точек данного региона. Это, скорее всего, связано с горизонтальными движениями воздушных масс. При увеличении облачности радиационный баланс уменьшается. Так как при положительном радиационном балансе появление облачности ведет к уменьшению суммарной радиации и эффективного излучения. Но уменьшение суммарной радиации значительно больше, чем эффективное излучение, в связи с этим радиационный баланс при появлении облачности уменьшается [6]. В качестве количественной меры влияния облачности на радиацию используется [7] параметр чувствительности Q n F , n где первый член описывает влияние облаков на коротковолновую радиацию, а второй – величину парникового эффекта. Значения для некоторых районов Каспийского региона равны: - 51.7; 47.2 и 17.3 Вm/м2. На рис. 1 приведены результаты расчетов эффективного количества облаков по данным искусственного спутника Земли (ИСЗ) для трех квадратов, охватывающих Каспийское море. Прослеживается периодичность количества облаков в годовом ходе. Максимальные значения соответствуют зимним и весенним месяцам, а минимальные – летним и осенним. Для определения эффективного количества облаков n и отраженного назад за счет облаков солнечного излучения D используется: nijd=(Aijd-A0ij)/(Aij-A0ij), Dijd=Iijd(Aij-A0ij) где i 1, ... , N – число определенных квадратов; (3) j 1, ... ,12 – число месяцев, d 1, 2 число годов; Aiyd – планетарное альбедо; Aoij – альбедо безоблачной системы Земля–атмосфера, которое предполагается не имеющее межгазовых колебаний и вычисляется по формуле: 0,037 Aoij 0,07 0,7 1 ij Asiy , i. j где Asiy – альбедо поверхности; альбедо облаков определяется по формуле: Aij 0,6 0,18 где i j 0,57 , – среднемесячное значение зенитного угла Солнца, а Tijd - поток падающего на верхнюю границу атмосферы солнечного излучения. ij s i n h0 c o s z ij , z 90 h0 , h0 a r c s i n h0 ij si n si n co s co s c o s h0 . Рис. 1. Годовой ход плотности облаков по данным ИСЗ в долях закрытости квадрата Результаты сравнения данным ИСЗ с 1 38,3 , 2 41,8 , 3 46,3 . расчетов эффективного количества облаков по наземными данными показывают, что в пределах приблизительно 12÷17 % количество облаков, определенное по спутниковым и наземным данным совпадает (рис. 2). 0.2 0.4 0.6 0.8 1.0 n Рис. 2. Плотность облачного покрова, наземные (•) и спутниковые (•) данные Отрицательные значения показывают, что альбедный эффект облаков доминирует по сравнению с парниковым эффектом. В настоящее время создание глобальной модели облачности затруднительно, вследствие недостатка данных наблюдений. Необходимо автоматизировать метод определения количества облаков по спутниковым изображениям. Качественная оценка зависимости радиационных потерь Земли, от высоты и глубины облачного покрова, по данным инструментального зондирования [8], свидетельствуют об их прямой пропорциональности с высотой и обратной пропорциональности с глубиной покрова. Анализ наземных и спутниковых данных показывает, что наибольшая облачность в Закавказье бывает в зимнее время и обусловливается большей частью воздействием морского воздуха умеренных широт проходящих над Каспийским морем и вдоль южных склонов Кавказского хребта. Литература: 1. Облака и облачная атмосфера. //Справочник. Под ред. И.П. Мазина и А.Х. Хргиана, – Л.: Гидрометеоиздат, 1989. – 648 с. 2. Ахмедов Ш.А. Радиационные факторы изменения климата. – Баку: 2000. – 132 с. 3. Тимофеев Н.А., Юровский А.В. Длинноволновое излучение в космос как индикатор радиационного режима океанов //Исследование Земли из космоса, № 1, 1999. – C. 9-17. 4. Кондратьев К.Я., Козодеров В.В., Ахмедов Ш.А. и др. Интерпретация данных «Nimbus-7» по радиационному балансу Земли для КавказскоКаспийского региона. //Докл. АН СССР, т. 317, № 6, 1991. – С. 1345-1347. 5. Беева И.М., Винников К.Я. О зависимости длинноволнового уходящего излучения системы земля-атмосфера от температуры и облачности. ТрГГИ. 1971, вып. 271. – C. 77-82. 6. Керимли В.И. Роль температуры облачности в изучении радиационного режима над Каспийском морем. //Научные труды Национальной Академии Авиации Азербайджана, 2007, № 1. – C. 56-62. 7. Ахмедов Ш.А., Керимли В.И., Мурадов Н.М., Бадалова А.Н.. О некоторых результатах определения количества облаков по данным измерений ИСЗ. Труды международной научно – технической конференции МЭПП. – Баку-Сумгаит: СГУ, 2005, – C. 182 – 185. 8. Скубилин М.Д., Фабрикант О.М., Самохвалов М.А. Устройство для оценки дисперсии параметров. //Патент SU 1334158, G06F 15/36. Бюл. № 32, 30.08.1987.
