Том 39, номер 06, статья № 2

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.

Ключевые слова:

длинноволновая радиация, облачно-радиационное взаимодействие, трехмерные эффекты, ecRAD, ICON, температурная чувствительность

Иллюстрации:

Список литературы:

1. Curry J., Rossow W.B., Randall D., Schramm J.L. Overview of Arctic cloud and radiation characteristics // J. Climate. 1996. V. 9. P. 1731–1764. DOI: 10.1175/1520-0442(1996)009%3C1731%3AOOACAR%3E2. 0.CO;2.
2. Hogan R.J., Ahlgrimm M., Balsamo G., Beljaars A.C.M., Berrisford P., Bozzo A., Di Giuseppe F., Forbes R.M., Haiden T., Lang S., Mayer M., Polichtchouk I., Sandu I., Vitart F., Wedi N. Radiation in Numerical Weather Prediction. ECMWF Technical Memorandum N 816. Reading: ECMWF, 2017. URL: https://www. ecmwf.int/sites/default/files/elibrary/2017/17771-radiation-numerical-weather-prediction.pdf (last access: 11.01.2026).
3. Arduini G., Keeley S., Day J.J., Sandu I., Zampieri L., Balsamo G. On the importance of representing snow over sea-ice for simulating the Arctic boundary layer // J. Adv. Model. Earth Syst. 2022. V. 14, N 7. DOI: 10.1029/2021MS002777.
4. Zängl G., Reinert D., Rípodas P., Baldauf M. The ICON (ICOsahedral Non-hydrostatic) modelling framework of DWD and MPI-M: Description of the non-hydrostatic dynamical core // Q. J. R. Meteorol. Soc. 2015. V. 141. P. 563–579. DOI: 10.1002/qj.2378.
5. Prill F., Reinert D., Rieger D., Zängl G. Working with the ICON Model. Germany: Deutscher Wetterdienst. 2025. DOI: 10.5676/dwd_pub/nwv/icon_tutorial2025.
6. Ривин Г.С., Розинкина И.А., Астахова Е.Д., Блинов Д.В., Бундель А.Ю., Кирсанов А.А., Шатунова М.И., Чубарова Н.Е., Алферов Д.Ю., Варенцов М.И., Захарченко Д.И., Копейкин В.В., Никитин М.Н., Полюхов А.А., Ревокатова А.П., Татаринович Е.В., Чурюлин Е.В. Система краткосрочного численного прогноза высокой детализации COSMO-Ru, ее развитие и приложения // Гидрометеорологические исследования и прогнозы. 2019. № 374. C. 37–53.
7. Mlawer E.J., Taubman S.J., Brown P.D., Iacono M.J., Clough S.A. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave // J. Geophys. Res.: Atmos. 1997. V. 102, N D14. P. 663–682. DOI: 10.1029/97JD00237.
8. Hogan R.J., Bozzo A.A. Flexible and Efficient Radiation Scheme for the ECMWF Model // J. Adv. Model. Earth Syst. 2018. V. 10, N 8. P. 1990–2008. DOI: 10.1029/2018MS001364.
9. Rieger D., Kohler M., Hogan R.J., Schafer S.A.K., Seifert A., de Lozar A., Zangl G. ecRad in ICON – details on the implementation and first results // Rep. ICON. 2019. N 4. DOI: 10.5676/DWD_pub/nwv/icon_004.
10. Tjernström M., Shupe M.D., Brooks I.M., Persson P.O.G., Prytherch J., Salisbury D.J., Sedlar J., Achtert P., Brooks B.J., Johnston P.E., Sotiropoulou G., Wolfe D. Warm-air advection, air mass transformation and fog causes rapid ice melt // Geophys. Res. Lett. 2015. V. 42, N 13. P. 5594–5602. DOI: 10.1002/2015GL064373.
11. Wendisch M., Brückner M., Crewell S., Ehrlich A., Notholt J., Lüpkes C., Macke A., Burrows J.P., Rinke A., Quaas J., Maturilli M., Schemann V., Shupe M.D., Akansu E.F., Barrientos-Velasco C., Bärfuss K., Blechschmidt A.-M., Block K., Bougoudis I., Bozem H., Böckmann C., Bracher A., Bresson H., Bretschneider L., Buschmann M., Chechin D.G., Chylik J., Dahlke S., Deneke H., Dethloff K., Donth T., Dorn W., Dupuy R., Ebell K., Egerer U., Engelmann R., Eppers O., Gerdes R., Gierens R., Gorodetskaya I.V., Gottschalk M., Griesche H., Gryanik V.M., Handorf D., Harm-Altstädter B., Hartmann J., Hartmann M., Heinold B., Herber A., Herrmann H., Heygster G., Höschel I., Hofmann Z., Hölemann J., Hünerbein A., Jafariserajehlou S., Jäkel E., Jacobi C., Janout M., Jansen F., Jourdan O., Jurányi Z., Kalesse-Los H., Kanzow T., Käthner R., Kliesch L.L., Klingebiel M., Knudsen E.M., Kovács T., Körtke W., Krampe D., Kretzschmar J., Kreyling D., Kulla B., Kunkel D., Lampert A., Lauer M., Lelli L., von Lerber A., Linke O., Löhnert U., Lonardi M., Losa S.N., Losch M., Maahn M., Mech M., Mei L., Mertes S., Metzner E., Mewes D., Michaelis J., Mioche G., Moser M., Nakoudi K., Neggers R., Neuber R., Nomokonova T., Oelker J., Papakonstantinou-Presvelou I., Pätzold F., Pefanis V., Pohl C., van Pinxteren M., Radovan A., Rhein M., Rex M., Richter A., Risse N., Ritter C., Rostosky P., Rozanov V.V., Donoso E. Ruiz, Saavedra Garfias P., Salzmann M., Schacht J., Schäfer M., Schneider J., Schnierstein N., Seifert P., Seo S., Siebert H., Soppa M.A., Spreen G., Stachlewska I.S., Stapf J., Stratmann F., Tegen I., Viceto C., Voigt C., Vountas M., Walbröl A., Walter M., Wehner B., Wex H., Willmes S., Zanatta M., Zeppenfeld S. Atmospheric and surface processes, and feedback mechanisms determining Arctic amplification: A review of first results and prospects of the (AC)3 project // Bull. Am. Meteorol. Soc. 2023. V. 104, N 1. P. 208–242. DOI: 10.1175/BAMS-D-21-0218.1.
12. Dahlke S., Rinke A., Shupe M.D., Cox C.J. The two Arctic wintertime boundary layer states: Disentangling the role of cloud and wind regimes in reanalysis and observations during MOSAiC // Atmos. Sci. Lett. 2025. V. 26, N 4. DOI: 10.1002/asl.1298.
13. Makhotina I.A., Makshtas A.P., Chechin D.G. Meteorological winter conditions in the Central Arctic according to the drifting stations “North Pole 35-40” // IOP Conf. Ser.: Earth Environ. Sci. 2019. V. 231. DOI: 10.1088/1755-1315/231/1/012031.
14. Махотина И.А., Чечин Д.Г., Макштас А.П. Радиационный эффект облачности над морским льдом в Арктике во время полярной ночи по данным дрейфующих станций «Северный Полюс»-37, 39, 40 // Физ. атмосф. и океана. 2021. Т. 57, № 5. С. 514–525.
15. Stramler K., Del Genio A.D., Rossow W.B. Synoptically driven Arctic winter states // J. Clim. 2011. V. 24, N 6. P. 1747–1762. DOI: 10.1175/2010JCLI3817.1.
16. Piskunova D., Chubarova N., Shatunova M., Shuvalova J. Positive longwave net irradiance at ground: Evidence and reasons // IOP Conf. Ser.: Earth Environ. Sci. 2025. V. 1522, N 1. DOI: 10.1088/1755-1315/1522/1/012017.
17. Bresson H., Rinke A., Mech M., Reinert D., Schemann V., Ebell K., Maturilli M., Viceto C., Gorodetskaya I., Crewell S. Case study of a moisture intrusion over the Arctic with the ICOsahedral Non-hydrostatic (ICON) model: Resolution dependence of its representation // Atmos. Chem. Phys. 2022. V. 22, N 1. P. 173–196. DOI: 10.5194/acp-22-173-2022.
18. Kretzschmar J., Stapf J., Klocke D., Wendisch M., Quaas J. Employing airborne radiation and cloud microphysics observations to improve cloud representation in ICON at kilometer-scale resolution in the Arctic // Atmos. Chem. Phys. 2020. V. 20. P. 13145–13165. DOI: 10.5194/acp-20-13145-2020.
19. Shuvalova J., Chubarova N., Shatunova M. Cloud characteristics and their effects on solar irradiance according to the ICON model, CLOUDNET and BSRN observations // Atmosphere. 2023. V. 14, N 12. DOI: 10.3390/atmos14121769.
20. Fu Q., Yang P., Sun W.B. An accurate parametrization of the infrared radiative properties of cirrus clouds of climate models // J. Clim. 1998. V. 11, N 9. P. 2223–2237. DOI: 10.1175/1520-0442(1998)011<2223:AAPOTI>2.0.CO;2.
21. Edwards J.M., Slingo A. Studies with a flexible new radiation code: 1. Choosing a configuration for a large-scale model // Q. J. R. Meteorol. Soc. 1996. V. 122, N 531. P. 689–719. DOI: 10.1002/qj.49712253107.
22. Pincus R., Barker H., Morcrette J.-J. A fast, flexible, approximate technique for computing radiative transfer in inhomogeneous cloud fields // J. Geophys. Res. 2003. V. 108, N D13. DOI: 10.1029/2002JD003322.
23. Räisänen P., Barker H.W., Khairoutdinov M.F., Li J., Randall D.A. Stochastic generation of subgrid-scale cloudy columns for large-scale models // Q. J. R. Meteorol. Soc. 2004. V. 130. P. 2047–2067. DOI: 10.1256/qj.03.99.
24. Shonk J.K.P., Hogan R.J. Tripleclouds: An efficient method for representing horizontal cloud inhomogeneity in 1D radiation schemes by using three regions at each height // J. Clim. 2008. V. 21, N 11. P. 2352–2370. DOI: 10.1175/2007JCLI1940.1.
25. Hogan R.J., Schäfer S.A.K., Klinger C., Chiu J.C., Mayer B. Representing 3-D cloud radiation effects in two-stream schemes: 2. Matrix formulation and broadband evaluation // J. Geophys. Res.: Atmos. 2016. V. 121, N 14. P. 8583–8599. DOI: 10.1002/2016JD024875.
26. Schäfer S.A.K., Hogan R.J., Klinger C., Chiu J.-C., Mayer B. Representing 3D cloud-radiation effects in two-stream schemes: 1. Longwave considerations and effective cloud edge length // J. Geophys. Res. 2016. V. 121, N 14. P. 8567–8582. DOI: 10.1002/2016JD024876.
27. Räisänen P., Barker H.W., Cole J.N. The Monte Carlo independent column approximation’s conditional random noise: Impact on simulated climate // J. Clim. 2005. V. 18, N 22. P. 4715–4730. DOI: 10.1175/JCLI3556.1.
28. Hogan R.J., Illingworth A.J. Deriving cloud overlap statistics from radar // Q. J. R. Meteorol. Soc. 2000. V. 126, N 569. P. 2903–2909. DOI: 10.1002/qj.49712656914.
29. Open Data Server of the German Meteorological Service (DWD). URL: https://opendata.dwd.de/ (last access: 11.01.2026).
30. Maurer V., Früh B., Giorgetta M.A., Steger C., Brauch J., Schnur R., Zängl G. Domain nesting in ICON-A and its application to AMIP experiments with regional refinement // Rep. ICON. 2022. N 8. DOI: 10.5676/DWD_pub/nwv/icon_008.
31. Doms G., Forstner J., Heise E., Herzog H.-J., Mironov D., Raschendorfer M., Reinhardt T., Ritter B., Schrodin R., Schulz J.-P., Vogel G. A Description of the Nonhydrostatic Regional COSMO Model. Part II: Physical Parameterization. Germany: Deutsher Wetterdienst, 2021. DOI: 10.5676/DWD_pub/nwv/cosmo-doc_6.00_II.
32. Seifert A., Beheng K.D. A two-moment cloud microphysics parameterization for mixed-phase clouds. Part 1: Model description // Meteorol. Atmos. Phys. 2006. V. 92, N 1. P. 45–66. DOI: 10.1007/s00703-005-0112-4.
33. Tiedtke M. A comprehensive mass flux scheme for cumulus parameterization in large-scale models // Mon. Weather Rev. 1989. V. 117, N 8. P. 1779–1800. DOI: 10.1175/1520-0493(1989)117<1779:ACMFSF>2.0.CO;2.
34. Bechtold P., Köhler M., Jung T., Doblas-Reyes F., Leutbecher M., Rodwell M.J., Vitart F., Balsamo G. Advances in simulating atmospheric variability with the ECMWF model: From synoptic to decadal time-scales // Q. J. R. Meteorol. Soc. 2008. V. 134, N 634. P. 1337–1351. DOI: 10.1002/qj.289.
35. Raschendorfer M. The new turbulence parameterization of LM // COSMO News Lett. 2001. N 1. P. 89–97.
36. Чубарова Н.Е., Розенталь В.А., Жданова Е.Ю., Полюхов А.А. Новый радиационный комплекс Метеорологической обсерватории МГУ стандарта BSRN: методические аспекты и первые результаты измерений // Оптика атмосф. и океана. 2022. Т. 35, № 8. С. 670–678. DOI: 10.15372/AOO20220811.
37. Piskunova D., Chubarova N., Poliukhov A., Zhdanova E. Radiative regime according to the new RAD-MSU (BSRN) complex in Moscow: The roles of aerosol, surface albedo, and sunshine duration // Atmosphere (Basel). 2024. V. 15, N 2. P. 1–19. DOI:-10.3390/atmos15020144.
38. McArthur L.J.B. World Climate Research Programme–Baseline Surface Radiation Network (BSRN): Operations Manual Version 2.1. WCRP-121. WMO/TD. N 1274. 2005. 176 p. URL: https://epic.awi.de/id/eprint/45991/1/McArthur.pdf (last access: 11.01.2026).
39. Радиация в облачной атмосфере / под ред. Е.М. Фейгельсон. Л.: Гидрометеоиздат, 1981. 280 с.
40. Незваль Е.И., Чубарова Н.Е., Гребнер Ю., Омура А. Влияние атмосферных параметров на длинноволновую нисходящую радиацию и особенности ее режима в Москве // Физ. атмосф. и океана. 2012. Т. 48, № 6. С. 682.
41. Piskunova D., Chubarova N., Poliukhov A., Zhdanova E. Radiative regime in Moscow (55.7 N, 37.5 E) according to the new RAD-MSU(BSRN) // IOP Conf. Ser.: Earth Environ. Sci. 2025. V. 1522, N 1. DOI: 10.1088/1755-1315/1522/1/012011.