Развитие метода динамической интерполяции метеорологических полей на базе модели ММ5

• Автор: Бабина, Екатерина Дмитриевна
• Шифр специальности: 25.00.30
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Москва
• Количество страниц: 145 с. : ил.

1.1. Глобальные архивы метеорологических полей.

1.2. Восстановление метеорологических полей по данным

наблюдений.
1.2.1. Формальноматематические методы восстановления полей. 9 1.2.2. Статистические методы восстановления метеорологических полей.

1.2.3. Динамические методы восстановления метеорологических полей.

Глава 2. Метод динамической интерполяции

метеорологических полей.

2.1. Описание мезомасштабной модели ММ5.

2.2. Численные эксперименты.

2.2.1. Области интегрирования модели.

Глава 3. Оценка результатов интегрирования

мезомасштабной модели ММ5.
3.1. Метод оценки модельных данных.
3.1.1. Фаззиверификация.
3.1.2. Метод пространственноосредненных величин.
3.2. Сопоставление формальноинтерполированных данных реанализа ЫСЕРЫСЛК с полями ММ5 и данными станционных наблюдений.
3.3. Оценка результатов моделирования методом
пространственноосредненных величин.
Глава 4. Синоптические и региональные особенности интерполированных полей.
4.1. Синоптические особенности метеорологических полей.
4.2. Особенности метеорологических полей, обусловленные
физиког еографическими факторами.
Глава 5. Практическое применение результатов динамической интерполяции метеорологических полей.
5.1. Прогнозирование атмосферной засухи на Европейской части
России.
5.2. Подходы к прогнозированию паводков в бассейнах рек
Европейской части России и Предуралья.
Заключение
Литература


В метеослужбах Великобритании и Франции разработан вариационный метод анализа с привлечением статистической информации об ошибках данных наблюдений и первого приближения 2. Веса данных для станций, расположенных близко одна к другой, автоматически получаются меньшими, чем веса для изолированно расположенных станций. Оптимальной интерполяции подвергаются отклонения от климатических норм. При этом вклад данных о норме в интерполированное значение получается малым в случае густой сети станций и высокой точности наблюдений. С уменьшением объема и точности текущей информации вклад норм возрастает. Средний квадрат ошибки оптимальной интерполяции не превосходит дисперсии анализируемого элемента, в то время как ошибки других методов при малом количестве и низком качестве исходных данных могут превосходить этот предел . Количественные оценки искажения характеристик изменчивости для полей конкретных метеоэлементов зависят как от вида корреляционной функции, так и от соотношения между густотой сети станций и масштабом корреляции. В районах с редкой сетью имеет место занижение дисперсии и завышение пространственной корреляции интерполированных величин по сравнению с соответствующими характеристиками исходного поля , . Оценки показывают, что оптимальная интерполяция в большей степени занижает дисперсию поля как по сравнению с билинейной, так и по сравнению с другими способами интерполяции . Расположение большинства пунктов наблюдений известно заранее, однако данные некоторых из. Помимо этого имеются данные попутных наблюдений, на пример с кораблей, положение которых заранее неизвестно.