Эффекты облачно-радиационного взаимодействия в прогнозе положительного длинноволнового баланса и температуры воздуха в модели ICON в условиях адвекции теплого воздуха на снежную поверхность
Д.А. ПИСКУНОВА1, Н.Е. ЧУБАРОВА1, М.В. ШАТУНОВА1,2, Ю.О. ШУВАЛОВА1,2, Н.А. ПЕТРОВ1
1Московский государственный университет им. М.В. Ломоносова, Москва, Россия
piskunovada@my.msu.ru
2Гидрометеорологический научно-исследовательский центр РФ, Москва, Россия
shatunova@mecom.ru
Ключевые слова: длинноволновая радиация, облачно-радиационное взаимодействие, трехмерные эффекты, ecRAD, ICON, температурная чувствительность
Страницы: 469-478
Аннотация
Для изучения особенностей влияния эффектов облачности на прогноз длинноволновой радиации и температуры воздуха в условиях адвекции теплого воздуха на снежную поверхность для Московского региона были проведены эксперименты с моделью ICON (версия 2025.04). Использовались различные алгоритмы учета облачной неоднородности, а также автономная радиационная схема ecRAD. Модель ICON с алгоритмом McICA показала способность воспроизводить положительные значения длинноволнового радиационного баланса (NLR), однако наблюдалось их занижение. Применение алгоритма SPARTACUS, учитывающего трехмерные эффекты облачности, позволило снизить среднеквадратическую ошибку NLR на 4 Вт/м2. В автономной версии ecRAD эффекты достигали 15 Вт/м2, что с учетом погрешности измерений хорошо соответствовало измеренным величинам NLR. Анализ показал, что уменьшение ошибки при использовании алгоритма SPARTACUS в модели ICON связано с обратным влиянием NLR на облачные свойства. С помощью автономной модели ecRAD выявлены нелинейные зависимости NLR от водо- и ледосодержания облаков. Температурная чувствительность к изменениям NLR составила 2,7 °С на 100 Вт/м2 в модельных экспериментах с McICA и 4,9 °С на 100 Вт/м2 в экспериментах со SPARTACUS для ночных периодов с положительным NLR. Были оценены также различия в температурном отклике модели ICON на изменения длинноволновой радиации, обусловленные использованием разных алгоритмов описания облачности. Результаты, полученные в работе, могут использоваться для усовершенствования моделей численного прогноза погоды.
DOI: 10.15372/AOO20260602 |
