natureПриродопользованиеNature Management2079-3928Институт природопользования НАН Беларусиnature-25Research ArticleГЕОГРАФИЯ. ГЕОЭКОЛОГИЯGEOGRAPHY. GEOECOLOGYПовышение точности численных прогнозов погоды на территории Беларуси с использованием оперативных спутниковых данныхImproving the accuracy of numerical weather forecasts in Belarus using operational satellite dataЛысенкоС. А.LysenkoS. A.

Лысенко Сергей Александрович – доктор физико-математических наук, профессор, директор

ул. Ф. Скорины, 10, 220076, г. Минск

Sergey A. Lysenko – D. Sc. (Physical and Mathematical), Professor, Director

10, F. Skoriny Str., 220076, Minsk

lysenko.nature@gmail.comЗайкоП. О.ZaikoP. O.

Зайко Полина Олеговна – научный сотрудник

ул. Ф. Скорины, 10, 220076, г. Минск

Polina O. Zaiko – Researcher

10, F. Skoriny Str., 220076, Minsk

info@nature-nas.byИнститут природопользования НАН БеларусиInstitute of Nature Management of the National Academy of Sciences of Belarus202228102025028698Copyright © Лысенко С.А., Зайко П.О., 20252025Лысенко С.А., Зайко П.О.Lysenko S.A., Zaiko P.O.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.nature-journal.by/jour/article/view/25

Предложены два подхода к актуализации геофизических характеристик подстилающей поверхности (землепользование, альбедо, листовой индекс, доля поглощенной фотосинтетически активной радиации) в численной модели WRF (Weather Research and Forecasting) для территории Беларуси: обновление среднемесячных значений на основе современных баз данных дистанционного зондирования Земли GLASS (Global Land Surface Satellite) и GLC2019 (Global Land Cover, 2019); ежедневное обновление на основе оперативных спутниковых композитных продуктов MODIS. Для оценки влияния исходных геофизических данных на качество численного прогноза приземной температуры выполнен ряд численных экспериментов по прогнозированию различных синоптических ситуаций в летний период. Рассчитан поправочный коэффициент для альбедо подстилающей поверхности в модели WRF, позволяющий сократить cреднеквадратическую погрешность прогноза температуры для заблаговременности +12, +24, +36 и +48 ч на 0,30 ºС, 0,10 ºС, 0,15 ºС и 0,16 ºС соответственно. В численных экспериментах инициализация модели WRF с помощью оперативных спутниковых продуктов оказала наиболее положительное влияние на прогноз приземной температуры для ночных сроков: для заблаговременности +24 и +48 ч среднеквадратическая ошибка сократилась на 0,11 ºС и 0,14 ºС соответственно.

Two approaches are proposed for updating the geophysical characteristics of the surface (land use, albedo, leaf index, fraction of absorbed photosynthetically active radiation) in the Weather Research and Forecasting (WRF) numerical model for the territory of Belarus: updating the monthly averages based on modern Earth remote sensing databases GLASS (Global Land Surface Satellite), GLC2019 (Global Land Cover, 2019); daily update based on operational MODIS satellite composite products. To estimate the impact of the initial geophysical data on the quality of numerical prediction of surface temperature, a number of numerical experiments were carried out to predict various synoptic situations in the summer period. To assess the influence of on the quality of the numerical prediction of the surface temperature, a number of numerical experiments were performed to predict various synoptic situations in the summer period. A correction factor for the land surface albedo in the WRF model was calculated, which makes it possible to reduce the root-mean-square error of temperature forecast for the lead time of +12, +24, +36 and +48 h by 0.30 ºС, 0.10 ºС, 0.15 ºС and 0.16 ºC respectively. In numerical experiments the initialization of the WRF model using operational satellite products had the most positive effect on the surface temperature forecast for nighttime periods: for the lead time of +24 and +48 h the standard error decreased by 0.11 ºС and 0.14 ºС respectively.

численный прогноз погодыWRFальбедолистовой индексстатистическая оценкаnumerical weather predictionWRFlandusealbedoleaf indexmodel verificationReferencesA description of the Advanced Research WRF Model Version 4 / W. C. Skamarock [et al.] // NCAR Techn. Boulder: National Center for Atmospheric Research. – 2021. – P. 165.Skamarok V. K. [et al.]. Description of the Advanced Research WRF model version 4. NCAR Techn. Boulder: National Center for Atmospheric Research, 2021, р. 165.Лысенко, С. А. Оценки влияния подстилающей поверхности на точность численного прогноза температуры воздуха на территории Беларуси с использованием модели WRF / С. А. Лысенко, П. О. Зайко // Гидрометеорологические исследования и прогнозы. – 2021. – № 4 (382). – С. 50–68.Lysenko S. A., Zaiko P. O. Ocenki vliyaniya podstilayushchej poverhnosti na tochnost' chislennogo prognoza temperatury vozduha na territorii Belarusi s ispol'zovaniem modeli WRF [Estimation of the study of the underlying surface on the accuracy of the calculated forecast of air temperature on the territory of Belarus using the WRF model]. Hydrometeorological research and forecasts, 2021, no. 4 (382), pp. 50–68. (in Russian)Логинов, В. Ф. Изменение климата Беларуси: причины, последствия, возможности регулирования // В. Ф. Логинов, С. А. Лысенко, В. И. Мельник. – 2-е изд. – Минск : Энциклопедикс, 2020. – C. 264.Loginov V. F., Lysenko S. A., Melnik V. I. Izmenenie klimata Belarusi: prichiny, posledstviya, vozmozhnosti regulirovaniya [Climate Change in Belarus: Causes, Consequences, Regulatory Opportunities]. 2nd ed. Minsk, Encyclopedics Publ., 2020, pp. 264. (in Russian)Оценка влияния изменения лесистости центрального региона Восточно-Европейской равнины на летние погодные условия // А. В. Ольчев [и др.] // Фундаментальная и прикладная климатология. – 2017. – Т. 4. – С. 79–101.Olchev A. V., Rozinkina I. A., Kuzmina E. V., Nikitin M. A., Rivin G. S. Ocenka vliyaniya izmeneniya lesistosti central'nogo regiona Vostochno-Evropejskoj ravniny na letnie po-godnye usloviya [Assessment of statistical changes in the forest cover of the central region of the East European zone of observation of summer weather conditions]. Fundamental and applied climatology, 2017, vol. 4, pp. 79–101. (in Russian)A New Land-Use Dataset for the Weather Research and Forecasting (WRF) Model / H. Li [et al.] // Atmosphere. – 2020. – Vol. 11 (4). – P. 350Li H., Zhang H., Mamtimin A., Fan S., Ju. S. A new land use dataset for the weather research and forecasting model (WRF). Atmosfera, 2020, vol. 11 (4), p. 350.Copernicus Global Land Service: Land Cover 100m / M. Buchhorn [et al.] : collection 3: epoch 2019: Globe 2020. doi:10.5281/zenodo.3939050Buchhorn M., Smets B., Bertels L., De Roo B., Lesiv M., Zendbazar N.-E., Herold M., Fritz S. Copernicus Global Land Survey: Land cover 100 m: collection 3: Epoch 2019: Globe 2020. doi:10.5281/zenodo.3939050Understanding land use change impacts on microclimate using Weather Research and Forecasting (WRF) Model / H. Li [et al.] // Physics and Chemistry of the Earth. – 2017. doi:10.1016/j.pce.2017.01.017Li X., Mitra C., Dong L., Yang Q. Understanding the impact of land use change on microclimate using a weather research and forecasting (WRF) model, Fizika i Khimiya Zemlya. 2017. doi:10.1016/j.pce.2017.01.017Global Forecast System (GFS). [Rules for the citing sources]. – Available at: https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-system-gfs (accessed 01.06.2022)Global Forecast System (GFS). [Rules for citing sources]. Available at: https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-system-gfs (accessed 01.06.2022)Schaaf, C.; Wang, Z. MCD43A3: MODIS/Terra and Aqua BRDF/Albedo Daily L3 Global 500 m V006 [Data Set]; NASA EOSDIS Land Processes DAAC, USGS/Earth Resources Observation and Science (EROS) Center: Sioux Falls, SD, USA, 2015.Schaaf C., Wang Z. MCD43A3: MODIS/Terra and Aqua BRDF/Albedo Daily L3 Global 500 m V006 [Data Set]; NASA EOSDIS Land Processes DAAC, USGS/Earth Resources Observation and Science (EROS) Center: Sioux Falls, SD, USA, 2015.Knyazikhin, Y. MODIS leaf area index (LAI) and fraction of photosynthetically active radiation absorbed by vegetation (FPAR) product (MOD 15) algorithm theoretical basis document. – 1999. – 130 p.Knyazikhin Yu. MODIS leaf area index (LAI) and the proportion of photosynthetically active radiation absorbed by vegetation (FPAR) product (MOD 15) algorithm of the theoretical basis of the document. 1999, 130 p.AρρEEARS API Documentation. [Rules for the citing sources]. – Available at: https://lpdaacsvc.cr.usgs.gov/appeears/api/ (accessed 01.06.2022)AρρEEARS API Documentation. [Rules for citing sources]. Available at: https://lpdaacsvc.cr.usgs.gov/appeears/api/ (accessed 01.06.2022)Numba documentation. [Rules for the citing sources]. – Available at: https://numba.readthedocs.io/en/stable/index.html (accessed 01.06.2022)Documentation Numba. [Rules for citing sources]. Available at: https://numba.readthedocs.io/en/stable/index.html (accessed 01.06.2022)Dask User Guide. [Rules for the citing sources]. – Available at: https://docs.dask.org/en/latest/ (accessed 01.06.2022)Dask User Guide. [Rules for citing sources]. Available at: https://docs.dask.org/en/latest/ (accessed 01.06.2022)Исаев, А. А. Статистика в метеорологии и климатологии / А. А. Исаев. – М. : Изд-во МГУ, 1988. – 248 с.Isaev A. A. [Statistika v meteorologii i klimatologii] Statistics in meteorology and climatology. Moscow, Moscow State University Pub., 1988, 248 p. (in Russian).

The authors declare that there are no conflicts of interest present.