Сравнение глобальных осадков и температуры с фактическими наблюденными данными на территории Узбекистана

Введение. Пространственная и временная изменчивость осадков формируют гидрологические циклы (Michaelides et al., 2009). Изменение климата изменяет эти циклы за счет изменения частоты, интенсивности и количества осадков, а также за счет изменения эвапотранспирации (Trenberth, 2011; Tan et al., 2020). Точные и надежные данные об осадках с высоким пространственным и временным разрешением необходимы для изучения изменчивости климата, управления водными ресурсами и гидрологического прогнозирования (Viviroli et al., 2020). С этой целью доступен ряд глобальных данных об осадках, но остается неизвестным, насколько хорошо они фиксируют фактические осадки, особенно для горных районов, где мало наземных станций. Мы изучили производительность трех глобальных продуктов с высоким разрешением для сбора данных об осадках в Центральной Азии, очаге изменения климата, где надежных данных об осадках особенно мало (Immerzeel et al., 2020).Оценки, основанные на повторном анализе, объединяют атмосферные измерения и климатические модели, охватывающие физические и динамические процессы, для получения непротиворечивых, точных и непрерывных метеорологических данных (Sun et al., 2018). Реанализы – это динамически разглаженные и согласованные данные определенного набора архивных наблюдений, при помощи гидродинамической модели с фиксированной конфигурацией (Репина и др., 2016). В определённом смысле реанализы – это не данные наблюдений и не результаты модельных расчётов, а их совокупность, реализованная по специально разработанным алгоритмам усвоения и согласования всех видов данных о конкретной метеорологической величине (рис. 1). В настоящее время существуют различные типы набора данных реанализов с различным пространственным разрешением в американских и европейских Национальных Центров: Национальный центр прогнозов окружающей среды (NCEP) и Национальный центр атмосферных исследований США (NCAR). Национальное агентство по исследованию атмосферы и океана (NOAA); Европейский центр среднесрочных прогнозов погоды (ECMWF); Японское метеорологическое агентство.

Метеостанции сопредельных стран

Узлы регулярной сетки с данными реанализа

30 Каракал па сия 31 Каракуль 32 Карши 33 Косанд 34 Ко карал 35 Куль 36 Кунград

37 Кушрабад 33 Кургантепа ЗЭКуна 40 Пял уинсор 41 Наши гуду* 42Минчукур 43М^5арес

44 Муй нас 45 Наш/ 46 Наманган 47 Нукус 43 Нурабад 49 Нурата бООмгаинг 51 Памианба

52 Пап 53 Пссем 54 Пайарык 5-5 Сентов-Нурата 56 Сары асоия 57 Самар вид 58 Сары канда

59 Сукх ООСырдарея 51Тамды 62Тахиаташ 63 Тахта гул ыо 64 Ташкент 65 Термез

66 Тюябууз 67Туямуо- 68 Ургенч 6 9 Учкудук 70Улугнар 71 Фергана 721 Хива 7 3Чнмбай

74 Чммган 75 Чнмкузган 7в Шахимардан 77Шахр*сябз 78Шерабад 79Шуэчи 80 Янги ер

81 Я^гикишлак 82 Янгшоль.

—• Государственная граница

Рис. 1 Метеорологическая сеть Узбекистана

Методология. В целях исследования вариаций метеорологических величин на двадцатилетнем периоде времени (2000-2019) были использованы данные метеорологических станций наземных наблюдений Узгидромета и реанализы ERA5 температуры и осадков в узлах географической сетки (рис. 2). Для формирования базы данных реанализов указанных метеовеличин, представленных на сайте в свободном доступе и их извлечения были созданы с учётом исходных форматов необходимые процедуры, позволяющие сформировать цифровые матрицы данных.Данные реанализа ERA5, представленные в формате NETcdf, извлекаются с помощью модуля ArcGIS «MODELBulder» (рис. 3), а затем представляются путём конвертации в цифровую матрицу данных (рис. 4).

Рис.

Долгота

Пастбищный ландшафт территории Узбекистана, метеорологические станции и узлы географической сетки с данными метеорологических величин реанализа ERA5.

Рис. 3 Блок-схема считывания, распаковки и конвертации данных реанализа с помощью модуля «Model Builder».

Примечание: Iterate Rasters – оператор итерации ; Make NETcdf Rasters Layer – контур для извлечения значений величин; CLIP – извлекаемые значения; SIS Layer – оператор сортировки файлов и их сохранения; SIS_%NAME%_Clip – выходные файлы.

Р ис. 4 Конвертирования данных реанализа формата NETcdf

• в матрицу численных значений текстового формата.

• а) – растровый формат; б) – цифровая матрица.

Таблица 1

Пример сформированной цифровой матрицы температуры

Год	Месяцы года
	I	II	III	IV	V	VI	VII	VIII	IX	X	XI	XII
2000	-4,1	- 3,8	5,8	12	21	26,2	28,2	23,7	16,9	12	- 0,8	-1
2001	-4,2	- 3,9	5,7	12,1	21,1	26,3	28,3	23,7	16,9	12	- 0,8	- 1,2
2019	-4,7	- 4,4	5,5	12	21,1	26,3	28,4	23,4	16,7	11,8	- 1,3	- 1,7

Результат. В целях оценки однородности, используемых в работе временных рядов температуры и осадков, представленных в виде реанализов и наземных наблюдений на метеорологических станциях Узбекистана, по некоторым метеостанциям рассчитывались и сопоставлялись их распределения, как функции времени. Было выполнено их сопоставление и получена количественная оценка однородности (в статистическом смысле) этих временных рядов.

На рис. 5 приведён временной ход рядов температуры и осадков по данным наблюдений и реанализов. Визуально метеорологические ряды двух видов достаточно хорошо согласуются. Коэффициент корреляции между ними для нулевого временного сдвига достаточно высокий (в среднем более 0,9). При этом распределение корреляционной функции симметрично относительно нулевого сдвига по времени, что указывает на отсутствие в рядах грубых ошибок и выбросов.

Статистическая однородность рядов оценивалась на основании критериев

Фишера и Стьюдента [Брандт, 2003].

Мст. Тахтакупыр

240 - наблюдения на метеостанции данные ERA5

Мст. Акбайтал

Б S

200 -

160 —

8 120-о

Мст. Тамды

2000 2004 2008 2012 2016 2020     -8    -4    0     4     8

Годы                   Временной лаг, годы

280                          s 1 П

2000 2004 2008 2012 2016 2020     -8    -4    0     4     8

Годы                   Временной лаг, годы

Рис. 5 Согласованность данных температуры и осадков, наблюдённых на метеостанциях и реанализов.

Примечание: а) – временной ход; б) корреляция между временными рядами метеовеличин, наблюдённых на метеостанции и реанализов; R(0) – коэффициент корреляции на нулевом временном сдвиге.

Критерий однородности временных рядов по Фишеру (однородности дисперсий) определяется формулой где ^1 , ^2 – дисперсии проверяемых на однородность временных рядов.

Критическое значение критерия Фишера P_a =/Oi,v_2Ja) определяется с заданными уровнем вероятности a и величинами степеней свободы Vi, v₂ по табулированным таблицам (Абрамовиц, 1979). Если F <  F □ □ □ □ ряды однородны (выполнение нулевой гипотезы) [Брандт, 2003].

Проверка однородности средних значений временных рядов основывалась на t – критерии Стьюдента:

1^1 I _ р^И^^+Я;^) л/п^+п^ J n! +n₂

где F1,F2 – средние исследуемых рядов, Л1 , П2 – их длина, ^l.^ – дисперсии, соответственно.

Критическое значение t_ff =Жо) критерия Стьюдента (v = n_x + n₂ — 2) определяется по табулированным таблицам (Абрамовиц, 1979) с заданным уровнем вероятности □ . Если t <  t □□□то нулевая гипотеза состоятельна.

Заключение.Начиная с 2000-го года тенденция к потеплению климата заметно повысилась, проявившаяся в аномально теплых и холодных зимах (в большей степени на европейском континенте), жарких весенне-летних сезонах с неравномерными, обильными ливневыми осадками, как в глобальном масштабе, так и на территории Узбекистана.Данные реанализа ERA5 c достаточной точностью согласуются с данными наземных наблюдений за приземной температурой воздуха. Сформированные два типа временных рядов приземной температуры воздуха на основе статистических оценок (критерии Стьюдента и Фишера) являются однородными, что обеспечило корректное их использование в данной работе.Это показывает, что данные реанализы выгодно тогда, когда данные фактичекские по наблюденными станциями не хватает или имеет сомнение при сравнении остальными источниками.