Альбедо снежного покрова и его параметризация для целей моделирования природных систем и климата

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Предложена новая схема параметризации альбедо снежного покрова, учитывающая большинство факторов, важных для метаморфизма снега. Проведено тестирование новой схемы параметризации альбедо снега в составе модели LSM SPONSOR по данным многолетних наблюдений. Показано, что новая схема позволяет получать несмещённые оценки альбедо со статистическими характеристиками, близкими к тем, что получены для данных наблюдений.

Полный текст

Доступ закрыт

Об авторах

Д. В. Турков

Институт географии РАН

Email: drozdov.jeka@yandex.ru
Россия, Москва

Е. Д. Дроздов

Институт географии РАН; Московский государственный университет имени М.В. Ломоносова

Автор, ответственный за переписку.
Email: drozdov.jeka@yandex.ru
Россия, Москва; Москва

А. А. Ломакин

Национальный исследовательский университет «Высшая школа экономики»; Институт космических исследований РАН

Email: drozdov.jeka@yandex.ru
Россия, Москва; Москва

Список литературы

  1. Дроздов Е.Д., Турков Д.В., Торопов П.А., Артамонов А.Ю. Термический режим снежного покрова зимой в высокогорной части Эльбруса по натурным данным и результатам моделирования // Лёд и Снег. 2023. Т. 63. № 2. С. 225–242. https://doi.org/10.31857/S2076673423020059
  2. Кондратьев К.Я. Актинометрия. Л.: Гидрометеоиздат, 1965. 691 с.
  3. Котляков В.М. Криосфера и климат // Экология и жизнь. 2010. № 11. С. 51–59.
  4. Красс М.С., Мерзликин В.Г. Радиационная физика снега и льда. Л.: Гидрометеоиздат, 1990. 264 с.
  5. Кузьмин П.П. Физические свойства снежного покрова. Л.: Гидрометеоиздат, 1957. 179 с.
  6. Кузьмин П.П. Процесс таяния снежного покрова. Л.: Гидрометеоиздат, 1961. 344 с.
  7. Матвеев Л.Т. Курс общей метеорологии. Физика атмосферы. Л.: Гидрометеоиздат, 1984. 752 с.
  8. Снег: Справочник / Под ред. Д.М. Грея, Д.Х. Мэйла. Пер. с англ. под ред. В.М. Котлякова. Л.: Гидрометеоиздат, 1986. 751 с.
  9. Турков Д.В., Сократов В.С. Расчёт характеристик снежного покрова равнинных территорий с использованием модели локального тепловлагообмена SPONSOR и данных реанализа на примере Московской области // Лёд и Снег. 2016. Т. 56. № 3. С. 369–380. https://doi.org/10.15356/2076-6734-2016-3-369-380
  10. Шмакин А.Б., Турков Д.В., Михайлов А.Ю. Модель снежного покрова с учётом слоистой структуры и её сезонной эволюции // Криосфера Земли. 2009. Т. XIII (4). С. 69–79.
  11. Barlett P.A., MacKay M.D., Verseghy D.L. Modified snow algorithms in the Canadian land surface scheme: Model runs and sensitivity analysis at three boreal forest stands // Atmosphere-Ocean. 2006. 44. № 3. P. 207–222. https://doi.org/10.3137/ao.440301
  12. Chandrasekhar S. Radiative transfer. New York: Dover Publications, 2016. 393 p.
  13. Danabasoglu G., Lamarque J.F., Bacmeister J., Bailey D.A., DuVivier A.K., Edwards J., Emmons L.K., Fasullo J., Garcia R., Gettelman A., Hannay C., Holland M.M., Large W.G., Lauritzen P.H., Lawrence D.M., Lenaerts J.T.M., Lindsay K., Lipscomb W.H., Mills M.J., Neale R., Oleson K.W., Otto‐BliesnerB., Phillips A.S., Sacks W., Tilmes S., Van Kampenhout L., Vertenstein M., Bertini A., Dennis J., Deser C., Fischer C., Fox‐Kemper B., Kay J.E., Kinnison D., Kushner P.J., Larson V.E., Long M.C., Mickelson S., Moore J.K., Nienhouse E., Polvani L., Rasch P.J., Strand W.G. The Community Earth System Model Version 2 (CESM2) // Journ. Adv Model Earth System 2020. 12 (2). P. e2019MS001916. https:// doi.org/10.1029/2019MS001916
  14. Dang C., Zender C.S., Flanner M.G. Intercomparison and improvement of two-stream shortwave radiative transfer schemes in Earth system models for a unified treatment of cryospheric surfaces // The Cryosphere. 2019. V. 13. P. 2325–2343. https://doi.org/10.5194/tc-13-2325-2019
  15. Decharme B., Brun E., Boone A., Delire C., Le Moigne P., Morin S. Impacts of snow and organic soils parameterization on northern Eurasian soil temperature profiles simulated by the ISBA land surface model // The Cryosphere. 2016. V. 10. № 2. P. 853–877. https:// doi.org/10.5194/tc-10-853-2016
  16. Dickinson R., Henderson-Sellers A., Kennedy P. Biosphere-Atmosphere Transfer Scheme (BATS) Version le as Coupled to the NCAR Community Climate Model. 1993. 80 p. https://doi.org/10.5065/D67W6959
  17. Flanner M.G., Arnheim J.B., Cook J.M., Dang C., He C., Huang X., Singh D., Skiles S.M., Whicker C.A., Zender C.S. SNICAR-ADv3: a community tool for modeling spectral snow albedo // Geosci. Model Dev. 2021. V. 14. P. 7673–7704. https://doi.org/10.5194/gmd-14-7673-2021
  18. He C., Liou K.-N., Takano Y., Yang P., Qi L., Chen F. Impact of Grain Shape and Multiple Black Carbon Internal Mixing on Snow Albedo: Parameterization and Radiative Effect Analysis // Journ. of Geophysical Research: Atmospheres. 2018. V. 123. № 2. P. 1253–1268. https://doi.org/10.1002/2017JD027752
  19. Hedstrom N., Pomeroy J.W. Intercepted snow in boreal forest: measurement and modelling // Hydrol. Process. 1998. V. 12. № 11-12. P. 1611–1625. https://doi.org/10.1002/(SICI)1099-1085(199808/09)12:10/11<1611::AID-HYP684>3.0.CO;2-4
  20. Krinner G., Derksen C., Richard E. ESM-SnowMIP: assessing snow models and quantifying snow-related climate feedbacks // Geosci. Model Dev. 2018. V. 11. P. 5027–5049. https://doi.org/10.5194/gmd-11-5027-2018
  21. Landry C. C., Buck K.A., Raleigh M.S., Clark M.P. Mountain system monitoring at Senator Beck Basin, San Juan Mountains, Colorado: A new integrative data source to develop and evaluate models of snow and hydrologic processes // Water Resource Research 2014. V. 50. P. 1773–1788. https://doi.org/10.1002/2013WR013711
  22. Lee W.Y., Gim H.J., Park S.K. Parameterizations of Snow Cover, Snow Albedo and Snow Density in Land Surface Models: A Comparative Review // Asia-Pacific Journal of Atmospheric Science. 2023. V. 60. P. 185–210. https://doi.org/10.1007/s13143-023-00344-2
  23. Lejeune Y., Dumont M., Panel J.M., Lafaysse M., Lapalus P., Le Gac E., Lesaffre B., Morin S. 57 years (1960–2017) of snow and meteorological observations from a mid-altitude mountain site (Col de Porte, France, 1325 m alt.) // Earth System Science Data. 2019. V. 11. P. 71–88. https://doi.org/10.5194/essd-11-71-2019
  24. Menard C., Essery R., Turkov D. Scientific and human errors in a snow model intercomparison // Bulletin of the American Meteorological Society. 2021. V. 201. № 1. P. E61–E79. https://doi.org/10.1175/BAMS-D-19-0329.1
  25. Rowe P.M., Fergoda M., Neshyba S. Temperature‐Dependent Optical Properties of Liquid Water From 240 to 298 K // JGR Atmospheres. 2020. V. 125. № 17. P. e2020JD032624. https://doi.org/10.1029/2020JD032624
  26. Snow and Climate. Ed. by R.L. Armstrong, E. Brun. Cambridge, U.K. Cambridge Univ. Press, 2008. 222 p.
  27. Stamnes K., Tsay S.C., Wiscombe W., Jayaweera K. Numerically stable algorithm for discrete-ordinate-method radiative transfer in multiple scattering and emitting layered media // Applied Opt. 1988. V. 27. № 12. P. 2502. https://doi.org/10.1364/AO.27.002502
  28. Vavrus S. The role of terrestrial snow cover in the climate system // Climate Dynamics. 2007. V. 29. P. 73–88. https://doi.org/10.1007/s00382-007-0226-0
  29. Verseghy D. CLASS–The Canadian land surface scheme (version 3.6) // Environment Canada Science and Technology Branch Tech. Rep. 2012.
  30. Vionnet V., Brun E., Morin S., Boone A., Faroux S., Moigne P.L., Martin E., Willemet J.M. The detailed snowpack scheme Crocus and its implementation in SURFEX v7.2 // Geoscientific Model Development. 2012. V. 5. P. 773–791. https://doi.org/10.5194/gmd-5-773-2012
  31. Warren S.Q. Optical Properties of Snow // Reviews of Geophysics. 1982. V. 20. P. 67–89. https://doi.org/10.1029/RG020i001p00067
  32. Warren S.G., Brandt R.E. Optical constants of ice from the ultraviolet to the microwave: A revised compilation // Journal of Geophys. Research. 2008. V. 113. D14220 P. 2007JD009744. https://doi.org/10.1029/2007JD009744
  33. Wever N., Schmid L., Heilig A., Eisen O., Fierz C., Lehning M. Verification of the multi-layer SNOWPACK model with different water transport schemes // The Cryosphere. 2015. V 9. P. 2271–2293. https://doi.org/10.5194/tc-9-2271-2015
  34. Whicker C.A., Flanner M.G., Dang C., Zender C.S., Cook J.M., Gardner A.S. SNICAR-ADv4: a physically based radiative transfer model to represent the spectral albedo of glacier ice // The Cryosphere. 2022. V. 16. P. 1197–1220. https://doi.org/10.5194/tc-16-1197-2022
  35. Wiscombe W.J., Warren S.G. A model for the spectral albedo of snow. I: Pure snow // Journal of Atmosphere Science. 1980. V. 37. P. 2712–2733. https://doi.org/10.1175/1520-0469(1980)037<2712:AMFTSA>2.0.CO;2

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис 1. Пример расчёта зависимости спектрального альбедо толстого (>10м) чистого слоя снега от размера частиц. Форма частиц – сферическая, зенитный угол Солнца – 60 градусов, солнечное излучение – прямое, плотность снега 200 кг/м3. Расчёт произведён с помощью SNICAR-AD v4 с оптическими константами по (Warren, Brandt, 2008). Размер частиц: 1 – 30 мкм, 2 – 100 мкм, 3 – 200 мкм, 4 – 500 мкм, 5 – 1000 мкм, 6 – 5000 мкм

Скачать (34KB)
Метаданные
3. Рис. 2. Диаграммы рассеяния для сравнения данных наблюдений с модельными расч`тами альбедо снежного покрова по старой схеме (а, б, д, е) и по новой схеме (в, г, ж, з). Рис. а, в – для полигона Weissfluhjoch, б, г – для полигона Col de Porte, д, ж – для полигона Senator Beck, е, з – для полигона Swamp Angel. На каждой диаграмме приведены значения коэффициента детерминации R2 и среднего смещения (bias)

Скачать (78KB)
Метаданные
4. Рис. 3. Частотное распределение случаев попадания значений расчётного и наблюдаемого альбедо в различные градации (ось абсцисс разбита на градации) для полигона Weissfluhjoch (а), для полигона Col de Porte (б), для полигона Senator Beck (в) и для полигона Swamp Angel (г). 1 – столбики для данных наблюдений, 2 – столбики для модельных расчётов SPONSOR по старой схеме, 3 – столбики для модельных расчётов SPONSOR по новой схеме

Скачать (42KB)
Метаданные
5. Рис. 4. Частотное распределение разности случаев попадания значений расчётного и наблюдаемого альбедо в различные градации (ось абсцисс разбита на градации) для полигона Weissfluhjoch (а), для полигона Col de Porte (б), для полигона Senator Beck (в) и для полигона Swamp Angel (г). Значения различий показаны цветными столбиками, процентные различия подписаны над столбиками. 1 – столбики для модельных расчётов SPONSOR по старой схеме, 2 – столбики для модельных расчётов SPONSOR по новой схеме

Скачать (42KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».