Морской гидрофизический журнал. 2023; 39: 84-105
Оценка качества моделирования скорости ветра и высоты волн в Карском море с использованием моделей COSMO-CLM и WAVEWATCH III
https://doi.org/10.29039/0233-7584-2023-1-84-105Аннотация
Цель работы – получить оценки качества результатов моделирования скорости ветра и высоты волн в Карском море.
Методы и результаты. Метеорологические характеристики получены при помощи модели COSMO-CLM, а волновые параметры – на основе модели WAVEWATCH III с высоким разрешением в прибрежной зоне. Проведено восемь численных экспериментов с разными настройками и различным шагом по пространству атмосферной модели от 2,8 до 12 км. Эксперименты выполнены для периодов сентябрь – октябрь 2012 г. и август – сентябрь 2014 г. Для оценки качества моделирования скорости ветра и высоты волн использовались данные спутников CryoSat и SARAL, а также данные прибрежных метеостанций. Получены статистические показатели оценки качества воспроизведения ветра и волн для разных конфигураций моделей. При оценке скорости ветра наилучший результат обеспечивает конфигурация модели COSMO-CLM с разрешением на базовой области ~ 12 км, на вложенной ~ 3 км с использованием технологии «спектральной подкачки». Верификация по данным метеостанций и спутниковых измерений для оптимальной конфигурации показала, что для скорости ветра коэффициенты корреляции составляют в среднем ~ 0,8, систематическая ошибка – 0,1–0,4 м/с, среднеквадратическая ошибка – 1,7–1,8 м/с. При оценке высоты волн наилучший результат получен при использовании полей ветра с разрешением 3 и 10 км (среднеквадратическая ошибка ~ 0,4 м, коэффициент корреляции ~ 0,87).
Выводы. Показано, что использование технологии «спектральной подкачки» улучшает качество воспроизведения модуля скорости ветра и высоты волн системой COSMO-CLM – WW3 для региона Карского моря во всех случаях. Качество результатов воспроизведения поля ветра при использовании модели COSMO-CLM разрешением ~ 3 км сопоставимо с качеством реанализов ERA5 и CFSv2. Поскольку мезомасштабное моделирование позволяет воспроизводить более детальную структуру поля ветра, в особенности в прибрежных районах, результаты позволяют использовать поля ветра с разрешением 3 км для широкого круга научных и прикладных задач.
Список литературы
1. Верификация модельных расчетов волнения на акватории Обской губы по данным инструментальных измерений в 2015-2017 годах / П. В. Коробов [и др.] // Гидрометеорологические исследования и прогнозы. 2020. № 2 (376). С. 79–89. EDN ZHUYPM.doi:10.37162/2618-9631-2020-2-79-89
2. Воспроизведение циркуляции Карского и Печорского морей с помощью системы оперативного диагноза и прогноза морской динамики / Н. А. Дианский [и др.] // Арктика:экология и экономика. 2014. № 1 (13). С. 57–73. EDN RXNOMF.
3. Режим, диагноз и прогноз ветрового волнения в океанах и морях / Под ред. Е. С. Нестерова. М., 2013. 295 с.
4. Состояние и перспективы развития системы мониторинга гидрологических условийакватории Северного Ледовитого океана / И. М. Ашик [и др.] // Проблемы Арктики иАнтарктики. 2022. Т. 68, № 1. С. 8–25. EDN RGTQLD. doi:10.30758/0555-2648-2022-68-1-8-25
5. The NCEP climate forecast system reanalysis / S. Saha [et al.] // Bulletin of the AmericanMeteorological Society. 2010. Vol. 91, iss. 8. P. 1015–1058.https://doi.org/10.1175/2010BAMS3001.1
6. Hulst S., van Vledder G. Ph. CFSR Surface wind calibration for wave modelling purposes // 13th International Workshop on Wave Hindcasting and Forecasting and 4th Coastal Hazards Symposium: proceedings. 2013. URL: http://www.waveworkshop.org/13thWaves/index.htm (date of access: 19.11.2022).
7. Evaluation of SARAL/AltiKa Measured Significant Wave Height and Wind Speed in theIndian Ocean Region / C. Jayaram [et al.] // Journal of the Indian Society of Remote Sensing.2016. Vol. 44, iss. 2. P. 225–231. https://doi.org/10.1007/s12524-015-0488-7
8. Assessment of CryoSat-2 SAR mode wind and wave data / S. Abdalla [et al.] // Advances in Space Research. 2018. Vol. 62, iss. 6. P. 1421–1433.https://doi.org/10.1016/j.asr.2018.01.044
9. Thirty-Nine-Year Wave Hindcast, Storm Activity, and Probability Analysis of Storm Wavesin the Kara Sea, Russia / S. Myslenkov [et al.] // Water. 2021. Vol. 13, iss. 5. 648.https://doi.org/10.3390/w13050648
10. Stopa J., Ardhuin F., Girard-Ardhuin F. Wave climate in the Arctic 1992-2014: seasonality and trends //TheCryosphere. 2016. Vol. 10, iss. 4. P. 1605–1629. doi:10.5194/tc-10-1605-2016
11. Duan C., Dong S., Wang Z. Wave climate analysis in the ice-free waters of Kara Sea // Regional Studies in Marine Science. 2019. Vol. 30.100719.https://doi.org/10.1016/j.rsma.2019.100719
12. Shestakova A. A., Myslenkov S. A., Kuznetsova A. M. Influence of Novaya Zemlya Bora on Sea Waves: Satellite Measurements and Numerical Modeling // Atmosphere. 2020. Vol. 11, iss. 7. 726. https://doi.org/10.3390/atmos11070726
13. Дианский Н. А., Панасенкова И. И., Фомин В. В. Исследование отклика верхнего слояБаренцева моря на прохождение интенсивного полярного циклона в начале января1975 года // Морской гидрофизический журнал. 2019. Т. 35, № 6. С. 530–548.doi:10.22449/0233-7584-2019-6-530-548
14. Platonov V., Kislov A. High-resolution COSMO-CLM modeling and an assessment ofmesoscale features caused by coastal parameters at near-shore Arctic zones (Kara Sea) // Atmosphere. 2020. Vol. 11, iss. 10. 1062. https://doi.org/10.3390/atmos11101062
15. Высокоразрешающее моделирование гидрометеорологических полей в прибрежныхрайонах Карского моря в условиях сложной конфигурации береговой линии /В. С. Платонов [и др.] // Вестник Московского университета. Серия 5. География. 2022.Вып.1.С. 87–106.
16. A description of the Nonhydrostatic Regional COSMO-Model. Part II: Physicalparameterizations. / G. Doms [et al.]. Offenbach, Germany : DWD, 2013. 156 p.doi:10.5676/DWD_pub/nwv/cosmo-doc_5.00_II
17. Rockel B., Geyer B. The performance of the regional climate model CLM in different climateregions, based on the example of precipitation // Meteorologische Zeitschrift. 2008. Vol. 17,no. 4. P. 487–498. doi:10.1127/0941-2948/2008/0297
18. Система COSMO-RU негидростатического мезомасштабного краткосрочного прогнозапогоды Гидрометцентра России: второй этап реализации и развития / Г. С. Ривин[и др.] // Метеорология и гидрология. 2015. № 6. С. 58–70. EDN TUDRCX.
19. Doms G., Baldauf M.. A Description of the Nonhydrostatic Regional COSMO-Model. Part I:Dynamics and Numerics. Offenbach, Germany : DWD, 2013. doi:10.5676/DWD_pub/nwv/cosmo-doc_5.00_I
20. Arakawa A., Lamb V. R. Computational Design of the Basic Dynamical Processes of theUCLA General Circulation Model // General Circulation Models of the Atmosphere / Ed. byJ. Chang. New York : Academic Press, Inc., 1977. P. 173–265. (Methods in ComputationalPhysics: Advances in Research and Applications ; vol. 17). https://doi.org/10.1016/B978-0-12-460817-7.50009-4
21. Feser F., Barcikowska M. The influence of spectral nudging on typhoon formation in regionalclimate models // Environmental Research Letters. 2012. Vol. 7, no. 1. 014024.https://doi.org/10.1088/1748-9326/7/1/014024
22. Optimal spectral nudging for global dynamic downscaling / M. Schubert-Frisius [et al.] //Monthly Weather Review. 2017. Vol. 145, iss. 3. P. 909–927. https://doi.org/10.1175/MWR-D-16-0036.1
23. Моделирование штормового волнения в Баренцевом море / С. А. Мысленков [и др.] //Вестник Московского университета. Серия 5. География. 2015. № 6. С. 65–75.
24. Рост штормовой активности в Карском море с 1979 по 2019 г. по данным моделирования / С. А. Мысленков [и др.] // Доклады Российской академии наук. Науки о Земле.2021. Т. 498, № 2. С. 175–182. doi:10.31857/S2686739721060128
25. The ERA‐Interim reanalysis: Configuration and performance of the data assimilation system /D. P. Dee [et al.] // Quarterly Journal of the Royal Meteorological Society. 2011. Vol. 137,iss. 656. P. 553–597. https://doi.org/10.1002/qj.828
26. Platonov V., Varentsov M. Introducing a new detailed long-term COSMO-CLM hindcast forthe Russian Arctic and the first results of its evaluation // Atmosphere. 2021. Vol. 12, iss. 3.350. https://doi.org/10.3390/atmos12030350
27. Supercomputer Lomonosov-2: Large Scale, Deep Monitoring and Fine Analytics for the UserCommunity / V. Voevodin [et al.] // Supercomputing Frontiers and Innovations. 2019. Vol. 6,no. 2. P. 4–11. https://doi.org/10.14529/jsfi190201
28. The ERA5 global reanalysis / H. Hersbach [et al.] // Quarterly Journal of the Royal Meteoro-logical Society. 2020. Vol. 146, iss. 730. P. 1999–2049. https://doi.org/10.1002/qj.3803
29. The NCEP Climate Forecast System version 2 / S. Saha [et al.] // Journal of Climate. 2014.Vol. 27, iss. 6. P. 2185–2208. https://doi.org/10.1175/JCLI-D-12-00823.1
30. Shestakova A. A., Toropov P. A., Matveeva T. A. Climatology of extreme downslope windstorms in the Russian Arctic // Weather and Climate Extremes. 2020. Vol. 28. 100256. https://doi.org/10.1016/j.wace.2020.100256
Morskoy Gidrofizicheskiy Zhurnal. 2023; 39: 84-105
Evaluation of the Wind Speed and Wave Heights Simulation in the Kara Sea Using the COSMO-CLM and WAVEWATCH III Models
https://doi.org/10.29039/0233-7584-2023-1-84-105Abstract
Purpose. The work is aimed to obtain the quality estimates of the results of modeling the wind speed and wave heights in the Kara Sea.
Methods and Results. The COSMO-CLM model was used to simulate the atmospheric conditions, and the WAVEWATCH III model – to obtain the wave parameters with high resolution in the coastal zone. Eight COSMO-CLM-based numerical experiments including various model options and grid sizes from 12 to 2.8 km were carried out for the periods September – October, 2012 and August – September, 2014. To assess the quality of wind speed and wave height modeling, the data of the CryoSat and SARAL satellites, as well as the coastal weather stations were used. Statistical indicators for assessing the quality of wind and wave reproduction for different model configurations were ob tained. The wind speed assessing was best provided by the COSMO-CLM model configuration with the ~ 12 km resolution in the basic domain and the ~ 3 km resolution in the nested one; at that in both cases the “spectral nudging” technology was used. Verification using the weather stations data and the satellite measurements performed for the model optimal configuration, has shown that for the wind speed, the average correlation coefficients were ~ 0.8, the bias varied from 0.1 to 0.4 m/s and the RMS error was 1.7–1.8 m/s. As for the wave height assessments, the best result was obtained when the wind fields with the 3 and 10 km resolutions were applied (the RMS error was ~ 0.4 m and the correlation coefficient was ~ 0.87).
Conclusions. It is shown that in all the cases, application of the “spectral nudging” technology improves quality of the wind speed and wave height modeling performed due to the COSMO-CLM – WW3 system for the Kara Sea region. Quality of the results of wind field reproduction using the COSMO-CLM model with the ~ 3 km resolution is comparable to quality of the ERA5 and CFSv2 reanalyses. Since mesoscale modeling provides a more detailed wind field spatial structure, especially in the coastal regions, the results permit to use the wind fields with the 3 km resolution for a wide range of scientific and applied tasks.
References
1. Verifikatsiya model'nykh raschetov volneniya na akvatorii Obskoi guby po dannym instrumental'nykh izmerenii v 2015-2017 godakh / P. V. Korobov [i dr.] // Gidrometeorologicheskie issledovaniya i prognozy. 2020. № 2 (376). S. 79–89. EDN ZHUYPM.doi:10.37162/2618-9631-2020-2-79-89
2. Vosproizvedenie tsirkulyatsii Karskogo i Pechorskogo morei s pomoshch'yu sistemy operativnogo diagnoza i prognoza morskoi dinamiki / N. A. Dianskii [i dr.] // Arktika:ekologiya i ekonomika. 2014. № 1 (13). S. 57–73. EDN RXNOMF.
3. Rezhim, diagnoz i prognoz vetrovogo volneniya v okeanakh i moryakh / Pod red. E. S. Nesterova. M., 2013. 295 s.
4. Sostoyanie i perspektivy razvitiya sistemy monitoringa gidrologicheskikh usloviiakvatorii Severnogo Ledovitogo okeana / I. M. Ashik [i dr.] // Problemy Arktiki iAntarktiki. 2022. T. 68, № 1. S. 8–25. EDN RGTQLD. doi:10.30758/0555-2648-2022-68-1-8-25
5. The NCEP climate forecast system reanalysis / S. Saha [et al.] // Bulletin of the AmericanMeteorological Society. 2010. Vol. 91, iss. 8. P. 1015–1058.https://doi.org/10.1175/2010BAMS3001.1
6. Hulst S., van Vledder G. Ph. CFSR Surface wind calibration for wave modelling purposes // 13th International Workshop on Wave Hindcasting and Forecasting and 4th Coastal Hazards Symposium: proceedings. 2013. URL: http://www.waveworkshop.org/13thWaves/index.htm (date of access: 19.11.2022).
7. Evaluation of SARAL/AltiKa Measured Significant Wave Height and Wind Speed in theIndian Ocean Region / C. Jayaram [et al.] // Journal of the Indian Society of Remote Sensing.2016. Vol. 44, iss. 2. P. 225–231. https://doi.org/10.1007/s12524-015-0488-7
8. Assessment of CryoSat-2 SAR mode wind and wave data / S. Abdalla [et al.] // Advances in Space Research. 2018. Vol. 62, iss. 6. P. 1421–1433.https://doi.org/10.1016/j.asr.2018.01.044
9. Thirty-Nine-Year Wave Hindcast, Storm Activity, and Probability Analysis of Storm Wavesin the Kara Sea, Russia / S. Myslenkov [et al.] // Water. 2021. Vol. 13, iss. 5. 648.https://doi.org/10.3390/w13050648
10. Stopa J., Ardhuin F., Girard-Ardhuin F. Wave climate in the Arctic 1992-2014: seasonality and trends //TheCryosphere. 2016. Vol. 10, iss. 4. P. 1605–1629. doi:10.5194/tc-10-1605-2016
11. Duan C., Dong S., Wang Z. Wave climate analysis in the ice-free waters of Kara Sea // Regional Studies in Marine Science. 2019. Vol. 30.100719.https://doi.org/10.1016/j.rsma.2019.100719
12. Shestakova A. A., Myslenkov S. A., Kuznetsova A. M. Influence of Novaya Zemlya Bora on Sea Waves: Satellite Measurements and Numerical Modeling // Atmosphere. 2020. Vol. 11, iss. 7. 726. https://doi.org/10.3390/atmos11070726
13. Dianskii N. A., Panasenkova I. I., Fomin V. V. Issledovanie otklika verkhnego sloyaBarentseva morya na prokhozhdenie intensivnogo polyarnogo tsiklona v nachale yanvarya1975 goda // Morskoi gidrofizicheskii zhurnal. 2019. T. 35, № 6. S. 530–548.doi:10.22449/0233-7584-2019-6-530-548
14. Platonov V., Kislov A. High-resolution COSMO-CLM modeling and an assessment ofmesoscale features caused by coastal parameters at near-shore Arctic zones (Kara Sea) // Atmosphere. 2020. Vol. 11, iss. 10. 1062. https://doi.org/10.3390/atmos11101062
15. Vysokorazreshayushchee modelirovanie gidrometeorologicheskikh polei v pribrezhnykhraionakh Karskogo morya v usloviyakh slozhnoi konfiguratsii beregovoi linii /V. S. Platonov [i dr.] // Vestnik Moskovskogo universiteta. Seriya 5. Geografiya. 2022.Vyp.1.S. 87–106.
16. A description of the Nonhydrostatic Regional COSMO-Model. Part II: Physicalparameterizations. / G. Doms [et al.]. Offenbach, Germany : DWD, 2013. 156 p.doi:10.5676/DWD_pub/nwv/cosmo-doc_5.00_II
17. Rockel B., Geyer B. The performance of the regional climate model CLM in different climateregions, based on the example of precipitation // Meteorologische Zeitschrift. 2008. Vol. 17,no. 4. P. 487–498. doi:10.1127/0941-2948/2008/0297
18. Sistema COSMO-RU negidrostaticheskogo mezomasshtabnogo kratkosrochnogo prognozapogody Gidromettsentra Rossii: vtoroi etap realizatsii i razvitiya / G. S. Rivin[i dr.] // Meteorologiya i gidrologiya. 2015. № 6. S. 58–70. EDN TUDRCX.
19. Doms G., Baldauf M.. A Description of the Nonhydrostatic Regional COSMO-Model. Part I:Dynamics and Numerics. Offenbach, Germany : DWD, 2013. doi:10.5676/DWD_pub/nwv/cosmo-doc_5.00_I
20. Arakawa A., Lamb V. R. Computational Design of the Basic Dynamical Processes of theUCLA General Circulation Model // General Circulation Models of the Atmosphere / Ed. byJ. Chang. New York : Academic Press, Inc., 1977. P. 173–265. (Methods in ComputationalPhysics: Advances in Research and Applications ; vol. 17). https://doi.org/10.1016/B978-0-12-460817-7.50009-4
21. Feser F., Barcikowska M. The influence of spectral nudging on typhoon formation in regionalclimate models // Environmental Research Letters. 2012. Vol. 7, no. 1. 014024.https://doi.org/10.1088/1748-9326/7/1/014024
22. Optimal spectral nudging for global dynamic downscaling / M. Schubert-Frisius [et al.] //Monthly Weather Review. 2017. Vol. 145, iss. 3. P. 909–927. https://doi.org/10.1175/MWR-D-16-0036.1
23. Modelirovanie shtormovogo volneniya v Barentsevom more / S. A. Myslenkov [i dr.] //Vestnik Moskovskogo universiteta. Seriya 5. Geografiya. 2015. № 6. S. 65–75.
24. Rost shtormovoi aktivnosti v Karskom more s 1979 po 2019 g. po dannym modelirovaniya / S. A. Myslenkov [i dr.] // Doklady Rossiiskoi akademii nauk. Nauki o Zemle.2021. T. 498, № 2. S. 175–182. doi:10.31857/S2686739721060128
25. The ERA‐Interim reanalysis: Configuration and performance of the data assimilation system /D. P. Dee [et al.] // Quarterly Journal of the Royal Meteorological Society. 2011. Vol. 137,iss. 656. P. 553–597. https://doi.org/10.1002/qj.828
26. Platonov V., Varentsov M. Introducing a new detailed long-term COSMO-CLM hindcast forthe Russian Arctic and the first results of its evaluation // Atmosphere. 2021. Vol. 12, iss. 3.350. https://doi.org/10.3390/atmos12030350
27. Supercomputer Lomonosov-2: Large Scale, Deep Monitoring and Fine Analytics for the UserCommunity / V. Voevodin [et al.] // Supercomputing Frontiers and Innovations. 2019. Vol. 6,no. 2. P. 4–11. https://doi.org/10.14529/jsfi190201
28. The ERA5 global reanalysis / H. Hersbach [et al.] // Quarterly Journal of the Royal Meteoro-logical Society. 2020. Vol. 146, iss. 730. P. 1999–2049. https://doi.org/10.1002/qj.3803
29. The NCEP Climate Forecast System version 2 / S. Saha [et al.] // Journal of Climate. 2014.Vol. 27, iss. 6. P. 2185–2208. https://doi.org/10.1175/JCLI-D-12-00823.1
30. Shestakova A. A., Toropov P. A., Matveeva T. A. Climatology of extreme downslope windstorms in the Russian Arctic // Weather and Climate Extremes. 2020. Vol. 28. 100256. https://doi.org/10.1016/j.wace.2020.100256
