Том 38, номер 02, статья № 5

Аннотация:

Одним из маркеров происходящих климатических изменений является эволюция режима облачности как над отдельно взятыми регионами, так и всей планетой в целом. В рамках этого направления представлены результаты оценки многолетней изменчивости структуры многослойной облачности оптической толщиной менее 15 над Западной и Восточной Сибирью в летний и зимний сезоны 2006–2023 гг. в дневное время суток по данным лидара CALIOP (спутник CALIPSO). Методика анализа основана на использовании результатов классификации облачности по ежедневным данным лидара CALIOP, вычислении сезонных значений повторяемости каждой комбинации типов облаков в многослойной структуре, построении временных рядов, определении трендов и оценке их характеристик. Установлено, что доля облаков с различным числом слоев над обоими регионами за рассматриваемый период существенно не изменилась. В Западной Сибири доля двухслойных облаков составляет 68% летом и 71% зимой, а в Восточной Сибири – 71 и 75% соответственно. Доля трехслойных облаков в Западной Сибири достигает 27% летом и 25% зимой, а в Восточной – 26% и 23%. Доли четырех- и пятислойных облаков в обоих регионах совместно не превышают 5% и практически одинаковы в оба сезона. Определены наиболее часто повторяющиеся комбинации разновидностей облаков в многослойной облачности над Западной и Восточной Сибирью. Представлены оценки линейных трендов изменения доли наиболее распространенных сочетаний в многослойной облачности за рассматриваемый период. Полученные результаты могут способствовать повышению точности климатических моделей и улучшению оценок радиационного переноса.

Ключевые слова:

временные ряды, Западная Сибирь, Восточная Сибирь, многолетние тренды, классификация облачности, многослойная облачность, спутниковые данные

Иллюстрации:

Список литературы:

1. Астафуров В.Г., Скороходов А.В., Курьянович К.В. Изменчивость характеристик однослойных облачных полей над Западной Сибирью в летнее время за период с 2001 по 2019 г. по спутниковым данным MODIS // Оптика атмосф. и океана. 2023. Т. 36, № 3. С. 188–195. DOI: 10.15372/AOO20230304; Astafurov V.G., Skorokhodov A.V., Kuryanovich K.V. Variability of parameters of single-layer cloud fields over Western Siberia in summer for the period from 2001 to 2019 according to MODIS data // Atmos. Ocean. Opt. 2023. V. 36, N 4. P. 329–336.
2. Астафуров В.Г., Скороходов А.В., Курьянович К.В. Изменчивость характеристик однослойных облачных полей над Западной Сибирью в зимний период 2001–2019 гг. по данным MODIS // Оптика атмосф. и океана. 2024. Т. 37, № 1. С. 54–60. DOI: 10.15372/AOO20240107; Astafurov V.G., Skorokhodov A.V., Kuryanovich K.V. Variability of parameters of single-layer cloud fields over Western Siberia in winter in 2001–2019 according to MODIS data // Atmos. Ocean. Opt. 2024. V. 37, N 2. P. 211–219.
3. Горбатенко В.П., Ипполитов И.И., Поднебесных Н.В. Циркуляция атмосферы над Западной Сибирью в 1976–2004 гг. // Метеорол. и гидрол. 2007. № 5. С. 28–36.
4. Тунаев.Е.Л., Горбатенко В.П., Поднебесных Н.В. Особенности циклогенеза над территорией западной Сибири за период 1976–2015 гг. // Труды гидрометеорологического научно-исследовательского центра Российской Федерации. 2017. № 364. С. 81–92.
5. Харюткина Е.В., Логинов С.В., Усова Е.И., Мартынова Ю.В. Тенденции изменения экстремальности климата Западной Сибири в конце XX – начале XXI веков // Фундам. и прикл. климатол. 2019. Т. 2. С. 45−65. DOI: 10.21513/2410-8758-2019-2-45-65.
6. The Earth Observator // Land Surface Temperature Anomaly. 2000–2024. URL: https://earthobservatory.nasa.gov/global-maps/MOD_LSTAD_M (last access: 18.11.2024).
7. Jing X., Zhang H., Peng J., Li J., Barker H.W. Cloud overlapping parameter obtained from CloudSat/CALIPSO dataset and its application in AGCM with McICA scheme // Atmos. Res. 2016. V. 170. P. 52−65. DOI: 10.1016/j.atmosres.2015.11.007 0169-8095.
8. Johansson E., Devasthale A., Ekman A.M.L., Tjernström M., L'Ecuyer T. How does cloud overlap affect the radiative heating in the tropical upper troposphere/lower stratosphere? // Geophys. Res. Lett. 2019. V. 46. P. 5623–5631. DOI: 10.1029/019GL082602.
9. Luo H., Quaas J., Han Y. Examining cloud vertical structure and radiative effects from satellite retrievals and evaluation of CMIP6 scenarios // Atmos. Chem. Phys. 2023. V. 23, N 14. P. 8169–8186. DOI: 10.5194/acp-23-8169-2023.
10. Oreopoulos L., Cho N., Lee D. New insights about cloud vertical structure from CloudSat and CALIPSO observations // J. Geophys. Res.: Atmos. 2017. V. 122. P. 9280–9300. DOI: 10.1002/2017JD026629.
11. Временные методические указания по использованию информации доплеровского метеорологического радиолокатора ДМРЛ-С в синоптической практике / под ред. Ю.Б. Павлюкова, Н.И. Серебрянник, С.Г. Беликова и др. М.: Росгидромет, 2017. 127 с.
12. Kokhanenko G.P., Balin Y.S., Klemasheva M.G., Nasonov S.V., Novoselov M.M., Penner I.E., Samoilova S.V. Scanning polarization lidar LOSA-M3: Opportunity for research of crystalline particle orientation in the clouds of upper layers // Atmos. Meas. Tech. 2020. V. 13, N 3. P. 1113–1127. DOI: 10.5194/amt-13-1113-2020.
13. Черных И.В., Алдухов О.А. Оценки числа облачных слоев по данным радиозондирования атмосферы за 1964–2014 гг. на российских станциях // Метеорол. и гидрол. 2018. № 3. С. 29–39.
14. Черных И.В., Алдухов О.А. Долгопериодные оценки числа облачных слоев по данным радиозондирования атмосферы за 1964–2017 гг. в разных широтных зонах // Метеорол. и гидрол. 2020. № 4. С. 18–32.
15. Arking A., Childs J.D. Retrieval of cloud cover parameters from multispectral satellite images // J. Appl. Meteorol. Climatol. 1985. V. 24, N 4. P. 322–333. DOI: 10.1175/1520-0450(1985)024<0322:ROCCPF>2.0.CO;2.
16. Min M., Li J., Wang F., Liu Z., Menzel W.P. Retrieval of cloud top properties from advanced geostationary satellite imager measurements based on machine learning algorithms // Remote Sens. Environ. 2020. V. 239. DOI: 10.1016/j.rse.2019.111616.
17. Liu C.Y., Chiu C.H., Lin P.H., Min M. Comparison of cloud-top property retrievals from Advanced Himawari Imager, MODIS, CloudSat/CPR, CALIPSO/CALIOP and radiosonde // J. Geophys. Res.: Atmospheres. 2020. V. 125(15). DOI: 10.1029/2020JD032683.
18. Zakhvatkina N., Smirnov V., Bychkova I. Satellite SAR data-based sea ice classification: An overview // Geosci. 2019. V. 9, N 4. DOI: 10.3390/geosciences9040152.
19. Tanelli S., Durden S., Im E., Pak K., Reinke D.G., Partain P., Haynes J., Marchand R. CloudSat's Cloud Profiling Radar after two years in orbit: Performance, calibration, and processing // IEEE Trans. Geosci. Remote Sens. 2008. V. 46, N 11. P. 3560–3573. DOI: 10.1109/TGRS.2008.2002030.
20. Winker D.M., Vaughan M.A., Omar A., Hu Y., Powell K.A. Overview of the CALIPSO mission and CALIOP data processing algorithms // J. Atmos. Ocean. Technol. 2009. V. 26. P. 2310–2323. DOI: 10.1175/2009JTECHA1281.1.
21. Stubenrauch C.J., Cros S., Guignard A., Lamquin N. A 6-year global cloud climatology from the Atmospheric InfraRed Sounder AIRS and a statistical analysis in synergy with CALIPSO and CloudSat // Atmos. Chem. Phys. 2010. V. 10. P. 7197–7214. DOI: 10.5194/acp-10-7197-2010.
22. Rossow W.B., Zhang Y. Evaluation of a statistical model of cloud vertical structure using combined CloudSat and CALIPSO cloud layer profiles // J. Clim. V. 23, N 24. P. 6641–6653. DOI: 10.1175/2010JCLI3734.1.
23. Koffi B., Schulz M., Bréon F.-M., Griesfeller J., Winker D., Balkanski Y., Bauer S., Berntsen T., Chin M., Collins W.D., Dentener F., Diehl T., Easter R., Ghan S., Ginoux P., Gong S., Horowitz L.W., Iversen T., Kirkevåg A., Koch D., Krol M., Myhre G., Stier Ph., Takemura T. Application of the CALIOP layer product to evaluate the vertical distribution of aerosols estimated by global models: AeroCom phase I results // J. Geophys. Res. 2012. V. 117. DOI: 10.1029/2011JD016858.
24. Li J., Huang J., Stamnes K., Wang T., Lv Q., Jin H.A global survey of cloud overlap based on CALIPSO and CloudSat measurements // Atmos. Chem. Phys. 2015. V. 15, N 1. P. 519–536. DOI: 10.5194/acp-15-519-2015.
25. Li Q., Groß S. Satellite observations of seasonality and long-term trends in cirrus cloud properties over Europe: Investigation of possible aviation impacts // Atmos. Chem. Phys. 2022. V. 22. P. 15963–15980. DOI: 10.5194/acp-22-15963-2022.
26. Song Q., Zhang Z., Yu H., Ginoux P., Shen J. Global dust optical depth climatology derived from CALIOP and MODIS aerosol retrievals on decadal timescales: Regional and interannual variability // Atmos. Chem. Phys. 2021. V. 21. P. 13369–13395. DOI: 10.5194/acp-21-13369-2021.
27. Portella B.M., Barbosa H.M.J. Climatology and trends of cirrus geometrical and optical properties in the Amazon region from 7-yr of CALIPSO observations // Atmos. Res. 2024. V. 299. DOI: 10.1016/j.atmosres.2023. 107167.
28. Скороходов А.В., Пустовалов К.Н., Харюткина Е.В., Астафуров В.Г. Восстановление высоты нижней границы облаков по спутниковым данным MODIS с помощью самоорганизующихся нейронных сетей // Оптика атмосф. и океана. 2023. Т. 36, № 8. С. 670–680. DOI: 10.15372/AOO20230807; Skorokhodov A.V., Pustovalov K.N., Kharyutkina E.V., Astafurov V.G. Cloud-base height retrieval From MODIS satellite data based on self-organizing neural networks // Atmos. Ocean. Opt. 2023. V. 36, N 6. P. 723–734.
29. Wang Z. CloudSat 2B-CLDCLASS-LIDAR product process description and interface control document. Colorado: Colorado State University, 2019. 59 p.
30. Облака и облачная атмосфера: справочник / под ред. И.П. Мазина, А.Х. Хргиана. Л.: Гидрометеоиздат, 1989. 647 с.
31. Астафуров В.Г., Скороходов А.В., Курьянович К.В. Статистические модели характеристик облачности над Западной Сибирью в летний период по данным MODIS // Метеорол. и гидрол. 2021. № 11. С. 23–38.
32. Wehr T., Kubota T., Tzeremes G., Wallace K., Nakatsuka H., Ohno Y., Koopman R., Rusli S., Kikuchi M., Eisinger M., Tanaka T., Taga M., Deghaye P., Tomita E., Bernaerts D. The EarthCARE mission–science and system overview // Atmos. Meas. Tech. 2023. V. 16, N 15. P. 3581–3608. DOI: 10.5194/amt-16-3581-2023.
33. Loranty M.M., Heather D.A., Kropp H., Talucci A.C., Webb E.E. Siberian ecosystems as drivers of cryospheric climate feedbacks in the terrestrial Arctic // Front. Clim. 2021. V. 3. DOI: 10.3389/fclim.2021.730943.
34. Martynova Y.V., Voropay N.N., Matyukhina A.A. Variability of temporal characteristics of snow cover in Siberia on ground-based data // Environ. Dyn. Glob. Clim. Change. 2023. V. 14, N 3. P. 181–197. DOI: 10.18822/edgcc625771.
35. Vaughan M.A., Winker D.M., Powell D.A. CALIOP algorithm theoretical basis document. Part 2: Feature detection and layer properties algorithms. Hampton: SAIC, 2005. 87 p.
36. Rossow W.B., Mosher F., Kinsella E., Arking A., Desbois M., Harrison E., Minnis P., Ruprecht E., Seze G., Simmer C., Smith E. ISCCP cloud algorithm intercomparison // J. Appl. Meteorol. Climatol. 1985. V. 24, N 9. P. 877–903. DOI: 10.1175/1520-0450(1985) 024<0887:ICAI>2.0.CO;2.
37. Доклад об особенностях климата на территории Российской Федерации за 2012 год. М.: Изд-во Росгидромета, 2013. 86 с.
38. Доклад об особенностях климата на территории Российской Федерации за 2016 год. М.: Изд-во Росгидромета, 2017. 70 с.
39. Доклад об особенностях климата на территории Российской Федерации за 2020 год. М.: Изд-во Росгидромета, 2021. 104 с.
40. Доклад об особенностях климата на территории Российской Федерации за 2022 год. М.: Изд-во Росгидромета, 2023. 108 с.
41. Доклад об особенностях климата на территории Российской Федерации за 2023 год. М.: Изд-во Росгидромета, 2024. 112 с.