Калинин Н.А., Толмачёва Н.И. Космические методы исследований в метеорологии

Подождите немного. Документ загружается.

Облачная зона, соответствующая фронту окклюзии, представля-

ет собой плотную (яркую) облачную полосу шириной около 300 км.

Облач

лачной полосы фронта окклюзии, внешняя (пе-

редняя

ная полоса обычно имеет форму спирали, напоминающую

внешним видом спираль, вершина которой находится в центре цикло-

нической циркуляции. Для облачной спирали характерна резко очер-

ченная внутренняя (тыловая) граница. За ней наблюдается безоблачная

или малооблачная полоса. На некотором расстоянии от нее могут быть

видны облака кучевообразных форм в виде гряд, конвективных ячеек

или скопления облаков, не имеющих четкой структуры. В отличие от

внутренней границы об

) граница более расплывчатая, часто изорванная. Облачная по-

лоса в этом случае состоит из отдельных валов облаков, которые чере-

дуются с просветами.

Рис. 7.4. Облачные системы атмосферных фронтов

Для облачности, связанной с фронтом окклюзии, характерно

уменьшение яркости облаков по направлению к фокусу облачной спи-

рали, где верхняя граница облаков становится ниже (на ИК снимках).

302

По этой причине тыловая часть облачной спирали выглядит темнее,

чем на снимках в видимом диапазоне.

Положение точки окклюзии на снимках облачности определяет-

ся по наибольшему ее расширению, оставшемуся от теплого фронта, с

правой стороны облачной спирали. Ее можно также обнаружить по

границе массива перистых облаков струйного течения, которая отсека-

ет облачную спираль центральной части циклона от основной фрон-

тальной облачности. Точка окклюзии располагается под этим масси-

вом перистых облаков на пересечении края перистых облаков с фрон-

тальной облачностью.

Линия фронта окклюзии у поверхности Земли расположена в

пределах облачной полосы. Если полоса имеет резкую внутреннюю

границ

м, связанных с атмо-

сферн

мущест-

венно

ости об-

у, то фронт окклюзии находится в тыловой части облачной спи-

рали, если же внутренняя граница аморфна, фронт окклюзии у поверх-

ности Земли смещается к центральной части облачной полосы. Облач-

ная система фронта окклюзии часто переходит в облачную систему

холодного фронта без деления на облачность холодного и теплого

фронтов. Со временем фронт окклюзии может трансформироваться в

холодный, теплый или стационарный фронты. В этом случае облачная

полоса начинает приобретать характерные признаки и конфигурацию

облачных систем этих фронтов.

На рис. 7.4 показан пример облачных систе

ыми фронтами и типичное положение приземных фронтов отно-

сительно фронтальных полос в облачном вихре. В данном примере с

центром облачного вихря связаны облачные полосы теплого, холодно-

го фронтов и фронта окклюзии.

Линия холодного фронта проведена ближе к тыловой стороне

облачной полосы, в зоне фронта преобладает кучевая и кучево-

дождевая облачность.

На этом снимке, в его северной части, прослеживается еще одна

облачная система, связанная с циклоном в районе С.–Петербурга. В

этой системе облачная полоса холодного фронта состоит преи

из слоистообразных облаков, поэтому линия фронта проведена

ближе к передней части полосы. Облачность теплого фронта дегради-

рует и наблюдается в виде уступа. На холодном фронте прослеживает-

ся волна.

Облачность стационарного фронта. Облачная полоса стацио-

нарного фронта часто не имеет циклонической кривизны. Облачная

система имеет полосу шириной примерно 200–300 км, с неоднородной

структурой и частыми прояснениями. Средняя протяженность облач-

ных полос стационарного фронта намного больше протяженн

303

лачны

нейшего развития они не получают и смешаются вдоль

фронт

овых снимках облачности в

теплой

ответствуют скопления кучево-

дожде

определяется интенсивностью конвек-

тивны

х полос, связанных с быстро перемещающимися фронтами. В

случае волнообразования на стационарном фронте в облачной полосе

заметны лишь незначительные прогибы в сторону теплого и холодного

воздуха. По изображениям облачности на снимках можно разделить

стационарные фронты на две группы: активные и неактивные. Для

активных квазистационарных фронтов характерна широкая облачная

полоса. На таких фронтах часто возникают приземные волны, но

обычно даль

а. Если воздушный поток на высотах параллелен фронтальной

полосе, то у поверхности Земли фронт проходит по ее центральной

части. Если же наблюдается волнообразование, то холодные участки

фронта смещаются в сторону теплой воздушной массы.

Неактивным квазистационарным фронтам

соответствуют об-

лачные полосы с чередующимися малооблачными пространствами.

Обычной синоптической обстановкой для квазистационарных фронтов

является продолжительное существование над континентом блоки-

рующего антициклона, на западной периферии которого устанавлива-

ется интенсивный южный поток. В этих случаях облачные системы

стационарных фронтов имеют меридиональную ориентацию. Часто

фронты стационируют у горных препятствий. Тогда облачные полосы

просматриваются на снимках вдоль горных хребтов, а прямая связь с

основными циклоническими системами теряется.

Облачность предфронтальных и зафронтальных линий неус-

тойчивости. В ряде случаев на спутник

воздушной массе параллельно холодному фронту наблюдаются

облачные полосы, которые отделены от фронтальной облачности без-

облачными зонами шириной 50–100 км. Это предфронтальные линии

неустойчивости в

теплом секторе. Наиболее интенсивным участкам

линий неустойчивости на снимках со

вых облаков с наковальнями, имеющими яркий тон изображе-

ния. В теплое время года на линиях неустойчивости отмечается интен-

сивная грозовая деятельность с усилением ветра (шквалами).

Облачные системы, связанные с зафронтальными линиями не-

устойчивости (вторичными холодными фронтами), представляют со-

бой спиралевидные прерывистые облачные полосы. Эти полосы рас-

полагаются в тыловой части основного облачного вихря. Ширина об-

лачных полос небольшая, она

х процессов на фронте и колеблется от 50 до 200 км. Облачные

полосы вторичных фронтов сформированы из кучево-дождевых и ку-

чевообразных облаков. Линия фронта у поверхности Земли обычно

проходит вдоль тыловой (холодной) части облачной спирали.

304

Меридионально ориентированная облачная полоса соответству-

ет активному квазистационарному фронту, на котором возникают вол-

новые возмущения. Такая картина типична для синоптической обста-

новки, когда над восточными районами Европейской территории Рос-

сии стационирует антициклон и блокирует прохождение фронтов с

запада. Возникающие волны на фронте, как правило, не развиваются и

с южными потоками на высотах быстро перемещаются в северном на-

правлении.

Признаки формирования и эволюции атмосферных фронтов.

Использование снимков облачного покрова для прогноза эволюции

атмосферных фронтов является наиболее сложной задачей спутнико-

вой метеорологии, так как не существует прямой связи между облач-

ным полем фронта и основными параметрами, характеризующими его

активность — горизонтальными градиентами температуры и сдвигами

ветра. Нет также строгой последовательности в эволюции фронта.

Одинаковая по внешнему виду фронтальная облачность может отра-

жать различные процессы. Например, появление полосы плотной пе-

ристой облачности возможно при фронтогенезе на начальной стадии

формирования фронта и на стадии разрушения фронта, когда перистая

облачность еще сохраняется. То же можно сказать и об облачности

вертикального развития в теплое полугодие. Кучево-дождевые облака

могут интенсивно развиваться как на фронте с небольшими контра-

стами температуры и малыми сдвигами ветра, так и на фронте, хорошо

выраженном в поле ветра и температуры.

По этим причинам признаки формирования атмосферного

фронта и его эволюцию по снимкам облачности необходимо связывать

с фронтогенетическими признаками, вытекающими из анализа термо-

барических полей. Облачное поле при этом рассматривается как пока-

затель активности бароклинной зоны.

Наиболее показательными для анализа фронтов являются сним-

ки обл

спектра имеют много деталей облачного покрова, обусловлен-

ных ло

аям кажущегося несоответствия термодинамических характери-

стик в зоне фронта облачным полям. В первом случае возникает такая

ачности в инфракрасном диапазоне, поскольку на них четко ви-

ден рисунок облаков средней и верхней тропосферы, обусловленный

полем крупномасштабных движений воздуха. Снимки же в видимой

части

кальной циркуляцией, не характерной для генерального процес-

са. На них трудно отделить фронтальную облачность от внутримассо-

вой, особенно слоистых форм.

При совместном анализе атмосферных фронтов по снимкам об-

лачности и термобарическим полям следует уделять внимание трем

случ

305

ситуац

о придавать особое

значен

облачной полосы в сторону теплого

воздух

ия, при которой атмосферный фронт хорошо выражен в поле

ветра и температуры, а облачность на нем отсутствует. На снимках

просматриваются полосы облаков, как бы изолированные от него.

Этим облачным полосам на снимках необходим

ие, так как они могут быть следствием начала активизации дан-

ного участка фронта за счет изменения термобарического поля. При

сохранении этой тенденции в дальнейшем на фронте может развиться

мощная облачная система. Ко второму случаю относятся такие, когда

из-за более консервативных свойств облачности среднего и верхнего

яруса обнаруживаются кажущиеся несоответствия картины облачного

снимка с термобарическим полем в зоне фронта. Атмосферный фронт

прослеживается по характерным облачным полосам, но в поле ветра и

температуры обнаружить его бывает трудно. В этих случаях особое

внимание следует уделить моменту появления облачной полосы как

индикатору начала фронтогенеза, даже если в термобарическом поле

ее признаки еще не обнаруживаются. Если проследить процесс фор-

мирования и размывания фронта, то на снимках можно обнаружить его

более длительное существование, при наличии остаточной облачности

среднего и верхнего ярусов. При анализе карт погоды эти обстоятель-

ства необходимо учитывать. В третьем случае, так же как и во втором,

облачность обнаруживается раньше, чем фронт в термобарическом

поле. Это объясняется тем, что процесс фронтогенеза уже начался,

влажность на него реагирует, но контрастов температуры еще нельзя

обнаружить. Такие случаи характерны для интенсивной адвекции теп-

ла и больших вертикальных движений воздуха, в результате которых

гасятся адвективные изменения температуры и ее контрасты на фронте

не увеличиваются. При таких ситуациях идет бурное формирование

облачности, когда поступает теплый и влажный воздух, но фронт в

поле температуры выражен слабо, зато наблюдается конвергенция воз-

душных потоков.

Облачность холодных фронтов и фронтов окклюзии к настоя-

щему времени изучена детально. При анализе снимков облачности

холодного фронта необходимо использовать следующие рекоменда-

ции:

– на стадии развивающегося циклона холодный фронт обостря-

ется, на что указывают признаки: появление и увеличение от снимка к

снимку циклонического прогиба

а; нечеткость границ облачного массива; увеличение вертикаль-

ной мощности облаков (от снимка к снимку их яркость увеличивает-

ся);

306

– признаками деградации холодного фронта и фронта окклюзии

являются: сужение облачной полосы; уменьшение вертикальной мощ-

ности (яркости облаков); расчленение облачной спирали на отдельные

полосы

елов постоянно находится в

центре проблем, связанных с анализом синоптического положения.

Сложность этой задачи подчеркивает тот факт, что в оперативной

практике фронтальный анализ все еще проводится вручную и опирает-

ся в значительной степени на опыт синоптика, а схемы анализа синоп-

тического положения, передаваемые метеоцентрами, часто дают раз-

ную интерпретацию синоптической ситуации. Проведено сопоставле-

ние результатов расчета положения фронтальных разделов, получен-

ных при использовании специализированного программного обеспе-

чения, с картами анализа синоптического положения, передаваемыми

в оперативном порядке. Специализированное программное обеспече-

ние предназначено для автоматического расчета положения фронталь-

ных зон и основано на использовании спутниковых данных в различ-

ных спектральных диапазонах, получаемых с МСЗ. При этом исполь-

зуются подпрограммы фильтрации данных (градиентная, частотная и

логическая). Частотные фильтры осуществляют сглаживание поля

данных, что важно при построении фронтальных линий. Логические

фильтры выполняют проверку выполнения совокупности критериев,

характерных для различных типов фронтальных зон. Наличие гради-

ентных фильтров связано с необходимостью поиска областей, где из-

меняется знак градиента, что характерно для фронтальных зон. В ви-

симости от типа решаемых задач ое програм ное

обеспече явлен-

ных п иро-

ванное ты с

данными, полученными в оперативном порядке при анализе фронталь-

ных с

; появление просветов в облачной полосе.

Автоматическая и интерактивная методика идентификации

фронтальных разделов на основе спутниковой информации. Автома-

тическое определение фронтальных разд

за

м специализированн

ние поддерживает несколько уровней детализации вы

роцессов. Результаты исследований показали, что специализ

программное обеспечение дает сопоставимые результа

истем. Для четко выраженных синоптических ситуаций зоны

фронта, рассчитанные в автоматическом режиме, хорошо согласуются

с картами анализа синоптического положения. Пример сопоставления

положения фронтальных разделов с данными центров Брэкнелл и Оф-

фенбах представлен на рис. 7.5.

Пример подтверждает важность использования спутниковой

информации при анализе фронтальных разделов. Вместе с тем пред-

ставленные результаты показывают и наличие серьезных недостатков

при использовании автоматизированного метода для анализа положе-

307

ния фронтальных разделов (в особенности в слабо выраженном поле

облачности), что указывает на необходимость дальнейшей исследова-

тельской работы.

Несмотря на существенный прогресс в разработке специализи-

рованного программного обеспечения ля автоматической идентифи-

кации все

еще находится на стад

атмосферных фронтов на космических снимках, этот подход

ии исследования.

Рис. 7.5. Пример сопоставления фронтальных разделов:

1 —автоматический фронтальный анализ, 2 — схема фронтов

из центра Брекнелл, 3 — схема фронтов из центра Оффенбах

Отметим, что при снятии координат точек фронта со спутнико-

вого снимка в действительности определяются декартовы координаты

относительно снимка, которые не являются географическими коорди-

натами (широтой и долготой). Для того чтобы привести снимаемые

координаты к географическим, на первом этапе работы спутниковым

снимком осуществляется его географическая привязка и преобразова-

ние ис б о гр

печение автономного пункта приема спутниковой информации. При-

ходного изо ражения к п лярной стерео афической проекции.

Для этой цели можно использовать стандартное математическое обес-

308

ведение исходных данных к единой картографической проекции имеет

очень важное значение, особенно при совместной интерпретации

спутни

тся время t. Для каждой из этих функций при

исполь

в ап-

прокси

ковых снимков с полярных и геостационарных МСЗ или назем-

ных и спутниковых данных.

7.1.5. Прогнозирование динамики атмосферных фронтов

и облачных образований

Подход к малопараметрическому заданию положения и формы

атмосферных фронтов и облачных образований удобен для осуществ-

ления анализа и текущего прогнозирования их динамики. Наличие вре-

менного ряда, состоящего из небольшого количества параметров, оп-

ределяющих положение и форму атмосферного фронта или облачного

образования, позволяет решить задачу прогноза этих параметров и,

используя прогностические значения параметров, восстанавливать по

ним прогностические значения положения и формы атмосферного

фронта или облачного образования.

При всей традиционности задачи аппроксимации и экс-

траполяции временных рядов ее решение встречает многочисленные

трудности, поскольку требует очень тщательной проработки всех де-

талей схемы прогноза.

Текущее прогнозирование динамики атмосферных фронтов.

Для проведения текущего прогнозирования положения и формы атмо-

сферных фронтов с заблаговременностю до трех часов можно исполь-

зовать полиномиальную временную аппроксимацию динамики коор-

динат его «общих» точек с последующей временной экстраполяцией

этих координат. При этом траектории перемещения каждой «общей»

точки фронта рассматриваются независимо, т.е. предполагается, что

движение фронта описывается пп траекториями «общих» точек.

Траектория перемещения «общих» точек задается в па-

раметрическом виде на основе рассмотрения двух функций: x(t) и y(t),

где параметром являе

зовании полиномиальной аппроксимации строится свой поли-

ном степени n, коэффициенты которых определяются по данным на-

блюдений. Причем при расчете коэффициентов вместо фактического

времени t целесообразно использовать либо его параметрическое зада-

ние (0, 1, 2 ...), либо осуществлять масштабирование временной коор-

динаты.

Поскольку алгоритмы определения коэффициенто

мирующих функций x(t) и y(t) не отличаются друг от друга, то в

309

дальнейшем будем рассматривать лишь функцию х(t). По тем же при-

чинам ограничимся рассмотрением лишь одной «общей» точки.

Построение аппроксимационного полинома может быть расши-

рено введением дополнительных эмпирических критериев при поиске

оптимальной аппроксимационной функции. В частности, в качестве

такого дополнительного условия может быть использована минимиза-

ция суммы квадратов скоростей перемещения «общих» точек фронта.

Использование полиномов или других детерминированных

функций естественно не исчерпывает возможных подходов к решению

рассматриваемой задачи. Среди методов прогноза, нашедших широкое

распространение в последнее время, можно особо выделить так назы-

ваемые адаптивные, или самонастраивающиеся, алгоритмы. В них по-

лучаю

е некоторой физической

величи

систему. В этом состоит принципиальная особен-

ность

о В ра

менно это и позволяет им осуществить про-

гнозир

действ

горитмы фильтра-

ции сл

тся оценки параметров временного ряда с использованием ре-

зультатов самонастройки для целей прогноза. Термин «адаптивный»

не означает, что алгоритм адаптируется (подстраивается) к измеряе-

мой величине. Адаптация (подстройка) происходит к параметрам

физического процесса, формирующего данный временной ряд. Напри-

мер, если временной ряд описывает поведени

ны, которая, в свою очередь, определяется результатом воз-

действия случайного процесса на некоторую инерционную ди-

намическую систему, то фильтр будет адаптироваться к параметрам

этой динамической системы, а не к результату случайного воздействия

через динамическую

работы адаптивных фильтров. Следует подчеркнуть, что адапта-

ция осуществляется путем обраб тки наблюдений. процессе боты

адаптивного фильтра происходит вычисление «оценок» параметров

динамической системы. И

ование. Ведь параметры динамической системы изменяются,

как правило, значительно медленнее, чем измеряемая физическая ве-

личина. При прогнозировании проигрывается поведение динамической

системы после последнего измерения при отсутствии случайного воз-

ия на ее входе.

Калман и Бьюси разработали оптимальные ал

учайных процессов при полностью известных параметрах дина-

мической системы и ковариационной матрице случайного воздействия

на ее входе. Применение этих алгоритмов особенно эффективно с ис-

пользованием ПЭВМ, так как они имеют форму итерационных вы-

числительных процедур и требуют на каждом шаге своей работы учет

только последнего значения измеренной величины.

Данный алгоритм требует знания ковариационной матрицы.

Однако на практике эта матрица чаще всего бывает неизвестна. Для

310

того чтобы алгоритм мог корректно работать и в этих условиях, можно

либо заранее, в предыдущих опытах, оценить эту матрицу, либо оце-

нивать ее в процессе работы алгоритма. Суть его состоит в сравнении

выборочного значения дисперсии ошибки оценки с допустимым по

критерию. Как только выборочное значение дисперсии ошибки оценки

превы увели-

чение

тивном фильтре является единствен-

ным п

мосферных фронтов по данным МСЗ за-

ключа

ля интерактивного определения координат фронта в различ-

ные м

текущего прогноза (коэффициенты ин-

терполяционных полиномов или параметры адаптивного калмановско-

сит допустимый уровень, так автоматически начинается

дисперсии в матрице Σ

. Для исключения слишком быстрых ре-

акций на изменение параметров системы увеличение диагональных

элементов матрицы производилось достаточно медленно, не более

1–2 % от текущего значения диагонального элемента на каждом шаге.

Процесс увеличения дисперсии заканчивается при соблюдении крите-

рия.

Размерность модели в адап

араметром, который необходимо задать. Хотя реальные системы

могут описываться уравнениями более высокой степени, ошибки, воз-

никающие от неточности знания параметров модели при больших раз-

мерностях,

могут превзойти тот выигрыш, который попытаются полу-

чить за счет увеличения размерности модели.

Для апробации описанных выше математических моделей была

выполнена серия численных экспериментов с использованием реаль-

ных спутниковых снимков и специально созданных программ для ПК,

реализующих алгоритмы текущего прогнозирования динамики атмо-

сферных фронтов.

Общая концепция проведения численных экспериментов для

исследования возможностей осуществления текущего про-

гнозирования эволюции ат

ется в следующем:

1) с помощью автономного пункта осуществлялся прием серий

последовательных спутниковых снимков в ИК и видимом диапазонах

длин волн с минимальной дискретизацией по времени (30 мин). Каж-

дая такая серия содержала не менее шести снимков заданного района;

2) д

оменты времени используется подпрограмма;

3) методика проведения оценки точности текущего про-

гнозирования при использовании различных математических моделей

заключается в следующем. Каждая серия данных об эволюции кон-

кретного атмосферного фронта «разбивается» на две части. В первой

— «зависимой», объем которой варьируется путем задания параметров

, nf

(общее количество положений фронта), рассчитываются пара-

метры математической модели

311