Гидрометеорологические исследования и прогнозы. 2024. № 2 (392). С. 65-85

65

DOI: https://doi.org/10.37162/2618-9631-2024-2-65-85

УДК 551.509.5

Прогноз сильной жары в Красноярске

с использованием региональной модели WRF-ARW

А.В.Быков^1,2, А.Л. Ветров¹, Н.А. Калинин^1,2

¹Пермский государственный национальный исследовательский

университет, г. Пермь, Россия;

²Институт механики сплошных сред УрО РАН, г. Пермь, Россия

vetrov@psu.ru

Изучены причины формирования сильной жары в Красноярске и оценена точ-

ность прогнозов региональной модели WRF-ARW. Исследованы четыре случая жар-

кой погоды в 2020, 2021 и 2023 гг. Жара в июне 2023 г. отличалась особой интен-

сивностью и достигла критерия опасного явления. Все рассмотренные случаи

связаны с интенсивной адвекцией теплого тропического воздуха в передней части

высотной ложбины. Изучены условия формирования городского острова тепла, его

интенсивность ночью составила 6,5 °C. В дневные часы городской остров тепла про-

является слабее, чем ночью. Определено, что модель WRF-ARW на вторые сутки

прогноза воспроизводит городской остров тепла и влияние реки Енисей, однако

уменьшает прогнозируемую амплитуду суточного хода температуры. Абсолютная

ошибка прогноза температуры воздуха, на сроки, близкие к наступлению суточного

максимума, составила 2,6 °C (33 ч модельного времени).

Ключевые слова: численный прогноз температуры, сильная жара, модель

WRF-ARW, городской остров тепла, Красноярск

Severe heat forecasting in Krasnoyarsk

using the WRF-ARW regional model

A.B. Bykov^1,2, A.L. Vetrov¹, N.A. Kalinin^1,2

¹Perm State University, Perm, Russia;

²Institute of Continuous Media Mechanics, UB RAS, Perm, Russia

vetrov@psu.ru

The reasons for the occurrence of a severe heatwave in Krasnoyarsk have been studied,

and the accuracy of the forecasts of the WRF-ARW regional model has been assessed.

Four episodes of hot weather in 2020, 2021, and 2023 have been analyzed. The heatwave

in June 2023 was especially intense and met the criteria for a severe weather event. All

examined cases were associated with the intense advection of warm tropical air in the lead-

ing edge of the upper-air trough. The formation of the urban heat island has been investi-

gated, and its intensity in the nighttime was found to be 6.5°C. During daytime hours, the

heat island was weaker than at nighttime. It has been determined that on the second day of

forecasting, the WRF-ARW model accurately reproduces the urban heat island and the

impact of the Yenisei River, although it underestimates the predicted amplitude of daily

temperature variations. The absolute error in air temperature predictions for the time mo-

ments close to the time of daily maximum temperatures was 2.6°C (33 hours of model

time).

Keywords: numerical prediction of temperature, severe heat, WRF-ARW model, urban

heat island, Krasnoyarsk

66

Метеорологические прогнозы, математическое моделирование

Введение

Жаркая погода опасна для жизни и здоровья человека, что требует от

исследователей разработки надежных способов прогноза максимальной

суточной летней температуры воздуха. Особенно от высокой температуры

воздуха страдает население крупных городов в глубине континентов [13,

17]. Изучение городских пространственных температурных аномалий (ост-

ровов тепла) способствует поиску путей решения адаптации городского

населения к опасной жаре. Красноярск находится в центре крупнейшего

Евразийского континента и имеет среднюю многолетнюю температуру са-

мого теплого месяца года (июль) 19,1 °C. Для города принят порог опас-

ного природного явления «сильная жара» в 35 °C, и с момента начала ме-

теорологических наблюдений в пригороде Красноярска (1914 г.) на

станции Опытное поле было зафиксировано 7 случаев, когда максимальная

суточная температура превысила обозначенный порог. Абсолютный мак-

симум температуры на станции Опытное поле близок к порогу опасного

явления и составляет 36,4 °C (зафиксирован 21 июня 2002 г.), что в целом

свидетельствует о редкости появления опасной жары [4].

Исследованию климата, термического и ветрового режима Краснояр-

ска посвящены множество работ, поскольку город является важным про-

мышленным, культурным, образовательным и научным центром с числен-

ностью населения более 1 млн человек [14, 22]. Особенностью физико-

географических условий Красноярска является крупная река Енисей, про-

текающая среди низкогорий. Город находится в условиях умеренно-конти-

нентального климата с теплым летом и морозной зимой [6]. Широкая река

создает условия для бризовой циркуляции, а на южных склонах холмов мо-

жет развиваться горно-долинная циркуляция.

Медицинским последствиям влияния волн жары на смертность жите-

лей Красноярска посвящено значительное число работ. В исследовании

[13] изучен рост смертности в крупных городах мира и в Красноярске. По

медицинским и метеорологическим данным из-за воздействия волн жары

в период с 1999 до 2015 г. в этом городе установлен рост смертности от

болезней органов дыхания в возрастной группе от 34 до 60 лет, ишемиче-

ской болезни сердца в возрастной группе старше 65 лет, болезни системы

кровообращения в возрастной группе старше 65 лет. Наибольший прирост

смертности во время жары в Красноярске происходит от гипертонической

болезни в возрастной группе старше 65 лет.

В работе [18] установлено, что из-за волн жары в период с 2000 по

2004 г. происходит рост смертности в Красноярске от болезней системы

кровообращения в возрастной группе старше 34 лет, болезней органов ды-

хания в возрастной группе от 34 до 65 лет, а также внешних причин в воз-

растной группе старше 34 лет. К внешним причинам относят транспортные

несчастные случаи, случайные отравления, убийства, самоубийства, утоп-

ления и т. д. Последнее косвенно свидетельствует, что жаркая погода не

только отрицательно воздействует на здоровье человека, но создает усло-

вия для изменения поведения людей в негативную сторону.

Быков А.В., Ветров А.Л., Калинин Н.А.

67

В приведенных работах неоднократно высказывалась мысль о необхо-

димости разработки метода прогноза максимальной температуры воздуха

с соответствующей системой предупреждения при высокой вероятности

повышения ее до значений, опасных для здоровья.

Модель WRF-ARW широко применяется для моделирования атмо-

сферных условий в городах [25]. Наиболее интересные примеры таких ис-

следований рассмотрены в следующих работах: в Китае для Нанкина [20],

в Греции для Афин [21], в экваториальной Африке для Лагоса. Поскольку

наименьшее возможное пространственное разрешение модели не превы-

шает 1 км, в мире результаты моделирования WRF-ARW дополняются бло-

ками параметризации городских условий. Для городов России такие иссле-

дования охватывают короткий список и непродолжительный период

времени. Прежде всего следует отметить исследование московского мега-

полиса с помощью региональной климатической модели COSMO-CLM

[2, 5, 16, 24]. Исследование на основе модели WRF-ARW морозной погоды

в 2017 г. проведено в [19], а моделирование августовской погоды 2007 г. –

в [12]. Полученные результаты уникальны по причине кардинального от-

личия площади городской застройки в Москве от любого другого города

России и не всегда репрезентативны для других городов, расположенных

даже в похожих климатических условиях. Обращает на себя внимание

также исследование по моделированию погодных условий с помощью

WRF в Санкт-Петербурге [8, 9] и Владивостоке [10, 15].

Несмотря на большой задел в области оценки качества модельных

прогнозов для крупных городов России, задача оценки точности модели-

рования городской атмосферы с помощью стандартных инструментов

WRF-ARW в Красноярске остается актуальной. При этом последующий

переход на специализированные блоки параметризации городских условий

позволит оценить увеличение качества прогноза.

Цель исследования заключается в изучении синоптических и метеоро-

логических условий развития жаркой погоды в Красноярске с оценкой ка-

чества прогнозирования такой погоды с помощь модели высокого про-

странственного разрешения WRF-ARW.

Материалы и методы

В ходе исследования использовались данные с метеорологических

станций в Красноярске и его пригороде (табл. 1). Станция Красноярск –

городская, находится на улице Дудинской на левом берегу Енисея. Заго-

родные станции: Емельяново (находится на расстоянии 25 км в небольшом

поселке), Роев ручей, Опытное поле, Минино.

В работе использовались данные о температуре сухого термометра, от-

носительной влажности воздуха, скорости и направлении ветра, количе-

стве облачности и типе облаков, осадках. Источником данных был специ-

ализированный сайт метеорологической информации www.rp5.ru.

Синоптические условия оценивались по приземным синоптическим кар-

там и картам барической топографии Гидрометцентра России, доступные

на сайте www.meteoinfo.ru.

68

Метеорологические прогнозы, математическое моделирование

Таблица 1. Информация о расстояниях между станциями, км

Table 1. Information on distances between stations, km

Метеостанция

Роев

ручей

Опытное

поле

Минино Емельяново Красноярск

Индекс ВМО

29579

270

29570

276

29571

235

29572

287

29574

186

Высота станции

над уровнем

моря, м

Роев ручей

Опытное поле

Минино

0

7

0

13

6

25,5

18,5

13

12

13

25,5

12

6

0

13,5

25

Емельяново

Красноярск

18,5

12

13

13,5

0

25

0

По станции Красноярск в открытом доступе есть данные за четыре

срока: 0, 6, 12, 18 ч ВСВ. Метеорологические величины для пропущенных

сроков восстанавливались с использованием ближайшей метеорологиче-

ской станции Опытное поле. Информация о типе облаков и степени покры-

тия небосвода облаками получена со станций Опытное поле и Минино. Для

оценки условий стратификации атмосферы и определения направления и

скорости ветра в пограничном слое использовались данные на аэрологиче-

ской станции Емельяново.

Прогноз погоды выполнен региональной численной моделью атмо-

сферы WRF-ARW версии 4.2.1 [26]. Описание модели представлено

в табл. 2. Модель настроена на область расчета с вложенными сетками. За-

ключительная квадратная сетка с длиной стороны на местности в 400 км

покрывает территорию Красноярска и окрестностей шагом в 1 км.

Для оценки качества численного прогноза погоды было выполнено

сравнение с прогнозами синоптиков из ФГБУ «Среднесибирское УГМС» и

со схемами статистического прогноза на основе данных численных моде-

лей атмосферы, применяемых в Гидрометцентре России. Прогностическая

статистическая схема «Расчет элементов погоды» включает численную ре-

ализацию на основе следующих компонентов: центральное типирование

атмосферных процессов, непрерывность прогностических полей по терри-

тории, сезонная классификация, оптимизация заблаговременности архивов

обучающей выборки [3]. В комплексном прогнозе реализованы методы не-

линейной статистической обработки временных рядов глобальных моде-

лей и региональной модели COSMO [1]. На первом этапе вычисляется

предварительный вариант прогноза независимо для каждой метеорологи-

ческой величины и каждой заблаговременности. На втором этапе исполь-

зуется фильтр Калмана независимо для каждой метеорологической вели-

чины, но с использованием близких заблаговременностей. На последнем

Быков А.В., Ветров А.Л., Калинин Н.А.

69

этапе производится коррекция с применением глубоких нейронных сетей

с учетом динамики всех метеорологических величин в данной точке. Про-

гноз максимальной суточной температуры синоптики составляют с забла-

говременностью до трех суток и передают в Гидрометцентр России в спе-

циальном коде КП-68.

Таблица 2. Параметры модели WRF для проведения численных экспери-

ментов

Table 2. Parameters of the WRF model for conducting numerical experiments

Характеристика модели

Версия модели

Значение (настройка)

4.2.1

Постобработчик

UPP 2.2

grib

Формат выходных данных

Горизонтальный шаг сетки

Координаты центра домена

Число узлов сетки

9, 3, 1 км

56º с. ш., 92º в. д.

333×333, 400×400 (вложенный),

400×400 (вложенный)

Число вертикальных уровней

Рельеф

51

U.S. Geological Survey (USGS) DEM (30s)

Продолжительность моделирования

Временной шаг вывода данных

Динамическое ядро

51 ч

1 ч

Advanced Research WRF (ARW),

non-hydrostatic

Временной шаг интегрирования

Начальные и граничные условия

Микрофизика облачности

адаптивный

прогнозы GFS/NCEP

схема Томпсона

Yonsei University scheme

модель Noah

Параметризация пограничного слоя

Параметризация процессов

подстилающей поверхности

Коротковолновая и длинноволновая

радиация

Rapid Radiative Transfer Model (RRTM)

схема Монина – Обухова

Приземный слой

Конвекция

прямое моделирование

(без параметризации)

Поскольку модель WRF-ARW не рассчитывает максимальную суточ-

ную температуру, была проведена процедура выборки максимальной тем-

пературы из прогностических ежечасных значений.

70

Метеорологические прогнозы, математическое моделирование

Анализ и обсуждение

За последние пять лет на станции Опытное поле в Красноярске зафик-

сировано четыре случая с температурой воздуха выше 30 °C. События

8 июня 2023 г. превысили критерий опасности и интересны для рассмотре-

ния как отдельного случая экстремальной жары редкой повторяемости.

Если ориентироваться на данные станции с длинным рядом наблюдений в

Красноярске (Опытное поле), то максимальная температура, достигнув

8 июня 2023 г. 35,0 °C, будет восьмой по порядку в ранжированном ряду.

Ближайшая сильная жара большей интенсивности наблюдалась 13 июля

2011 г. с максимальной суточной температурой 35,8 °C. За счет влияния

городского острова тепла наибольшие значения максимальной суточной

температуры 08.06.2023 фиксировались на другой метеорологической

станции (индекс 29574) в центральной части Красноярска, поэтому именно

эта станция выбрана для анализа (табл. 3).

Таблица 3. Даты случаев жаркой погоды на станции Красноярск (индекс ВМО

29574)

Table 3. Dates of hot weather events at Krasnoyarsk station (WMO Index 29574)

№ п/п

Дата

Максимальная температура, °C

1

2

3

4

2 июля 2020 г.

6 июля 2021 г.

8 июня 2023 г.

25 августа 2023 г.

36,2

37,0

37,2

33,2

Рассмотрим случаи, приведенные в табл. 3. Ниже приведены карты ба-

рической топографии на поверхности 500 гПа для случаев 02.07.2020,

06.07.2021, 08.06.2023 – за 12 ч ВСВ предыдущего дня, для случая

25.08.2023 – за 00 ч ВСВ текущего дня, отражающие стадию максималь-

ного развития высотного гребня.

Первый из рассмотренных случаев наблюдался на южной периферии

антициклона при смещении теплого фронта на Красноярск. В первый день

июля 2020 г. циклон развивался южнее Новосибирска, а севернее Красно-

ярска 02.07.2020 расположился высокий антициклон с давлением в центре

1021.5 гПа. Циркуляция антициклона была хорошо выражена на изобари-

ческой поверхности 500 гПа (рис. 1). Теплая тропическая воздушная масса

по южной периферии антициклона переместилась в район Красноярска

с юго-востока из западного Прибайкалья. Ясная, солнечная погода способ-

ствовала интенсивному прогреву приземного воздуха. Наиболее высокая

температура 2 июля фиксировалась на юго-востоке и востоке от Краснояр-

ска. Теплый воздух из южного Прибайкалья получил дополнительный

прогрев в условиях ясной погоды. В Красноярске вечером 2 июля облака

Быков А.В., Ветров А.Л., Калинин Н.А.

71

теплого фронта уменьшили инсоляцию, и максимальная температура сни-

зилась до 29,8 °C. В последующие дни за счет дальнейшего влияния обла-

ков температура в Красноярске снизилась.

Рис. 1. Карта барической топографии поверхности 500 гПа за 12 ч ВСВ

1 июля 2020 г.

Fig. 1. The map of the baric topography of the 500 hPa surface for 12 hours

UTC on July 1st, 2020.

Второй из рассмотренных случаев произошел под влиянием подвиж-

ного циклона с центром западнее Красноярска в среднем течении реки Оби.

Циклон сформировался в передней части высотной ложбины, в зоне расхо-

димости воздушных потоков, что обусловило его дальнейшее развитие

(рис. 2). С 4 по 6 июля 2021 г. он сместился на северо-восток, и Красноярск

попал в его теплый сектор. Температура в центре города поднялась до

37,0 °C. После прохождения теплого фронта в условиях сплошной облач-

ности температура воздуха снизилась.

Третий случай произошел в условиях влияния антициклона над Саян-

скими горами и барической седловины северо-восточнее Красноярска

(рис. 3). По северной периферии антициклона на территорию Красноярска

поступал прогретый воздух с предгорий Алтая. За счет развития нисходя-

щих воздушных течений установилась ясная и солнечная погода. В центре

города 8 июня температура воздуха поднялась до экстремально опасных

значений (37,2 °C). В последующие сутки за счет интенсивного прогрева

72

Метеорологические прогнозы, математическое моделирование

и формирования неустойчивой стратификации над Красноярском и в

окрестностях прошли грозы в системе линии неустойчивости перед теп-

лым фронтом, и температура снизилась.

Рис. 2. Карта барической топографии поверхности 500 гПа за 12 ч ВСВ

5 июля 2021 г.

Fig. 2. The map of the barometric pressure distribution at 500 hPa for the

period of 12 hours UTC starting on July 5th, 2021.

Четвертый случай сильной жары произошел 25 августа 2023 г. при

смещении ложбины глубокого циклона с центром над северной частью

Западно-Сибирской равнины. Погода 24 августа в Красноярске формиро-

валась под влиянием антициклона с центром над Якутией. Отрог антицик-

лона распространялся на юго-запад и определял погоду над Забайкальем,

Саянами и Монголией. В это время над Западной Сибирью располагался

глубокий обширный циклон с центром над нижним течением Оби. В пе-

редней части высотного циклона за счет расходимости воздушных потоков

создались благоприятные условия для циклогенеза (рис. 4). В течение сле-

дующих суток в глубокой ложбине стал развиваться частный циклон и сме-

щаться на восток, формируя воздушные потоки с территории Хакасии. В

его теплый сектор поступал прогретый тропический воздух, но в последу-

ющие дни из-за влияния облаков максимальная температура быстро снизи-

лась. Высота расположения полуденного Солнца в августе значительно

ниже, чем в июне и июле, поэтому в данном случае опасные значения тем-

пературы не были достигнуты.

Быков А.В., Ветров А.Л., Калинин Н.А.

73

Рис. 3. Карта барической топографии поверхности 500 гПа за 0 ч ВСВ

8 июня 2023 г.

Fig. 3. The map of the barometric pressure distribution at 500 hPa for the

period of 0 hours UTC starting on June 8th, 2023.

Рис. 4. Карта барической топографии поверхности 500 гПа за 12 ч ВСВ

24 августа 2023 г.

Fig. 4. The map of the barometric pressure distribution at 500 hPa for the

period of 12 hours UTC starting on June 24th, 2023.

74

Метеорологические прогнозы, математическое моделирование

В трех из четырех случаев повышение температуры воздуха было свя-

зано с южными воздушными потоками. Во всех случаях западнее Красно-

ярска находился циклон с влиянием теплого фронта.

Рассмотрим структуру городского острова тепла в Красноярске на

примере случая 02.07.2020. На рис. 5 представлен суточный ход темпера-

туры воздуха в центре города на улице Дудинской и в пригороде на север-

ном склоне возвышенности севернее Енисея (Опытное поле) 1 и 2 июля

2020 г., а также суточный ход температуры на загородной станции в по-

селке Емельяново в 25 км от центра Красноярска. За пределами города тем-

пература воздуха ниже, кроме двух утренних сроков 2 июля. При этом

наибольшие различия в ночные часы отмечались в 1 ч местного времени

(6,4 °C). В вечерние часы (16 ч местного времени), когда наблюдается су-

точный максимум температуры, различия между центром города и сель-

ской местностью 1 и 2 июля составили 2,4 и 2,9 °C соответственно. Следует

отметить, что облачность в дневные часы 1 июля была представлена пери-

стыми волокнистыми облаками (Cirrus fibratus), которая практически не

препятствует солнечному прогреву земной поверхности (табл. 4).

Рис. 5. Суточный ход температуры воздуха (°C) в центре Красноярска

(красные точки), в Опытном поле (синие точки) и Емельяново (серые

точки), общий бал облачности (столбцы) 1–2 июля 2020 г.

Fig. 5. The daily course of air temperature (°C) in the center of Krasnoyarsk

(red dots), at the Experimental field (blue dots), and Yemelyanovo (gray dots),

as well as the total cloud cover (bars) for July 1st and 2st, 2020.

Из табл. 4 видно, что во все рассматриваемые дни (табл. 3), исключая

случай за август 2023 г., интенсивность городского острова тепла была

практически постоянна и составила в среднем 2,5 °C. В конце августа из-за

меньшей высоты Солнца в дневное время городской остров тепла прояв-

лялся лишь в среднем в 1,3 °C. Ночное выхолаживание в городе происхо-

дило медленнее, и именно в ночные часы городской остров тепла проявил

себя особенно ярко, составив для всех четырех случаев в среднем 6,5 °C.

Быков А.В., Ветров А.Л., Калинин Н.А.

75

Над городом 7 июня 2023 г. сформировалась облачность, на отдельных

станциях прошла гроза и выпали осадки. Это привело к тому, что темпера-

тура воздуха в 9 ч ВСВ за городом оказалась выше, чем в центре.

Таблица 4. Интенсивность острова тепла для случаев сильной жары в Крас-

ноярске, °C

Table 4. The intensity of the heat island for cases of extreme heat in Krasnoyarsk,

degrees Celsius

07.2020

07.2021

06.2023

8

08.2023

Срок,

ч ВСВ

Среднее

1

2

5

6

7

9

2,5

3

24

25

1,5

7,4

9

2,9

6,4

2,4

5,9

2,6

8,0

2,6

6,7

облака

7,5

2,1

6,4

1,1

7,3

2,2

6,5

18

Влажность воздуха в городе ниже, чем в сельской местности. В изуча-

емые периоды наименьшее значение относительной влажности зафиксиро-

вано в центре Красноярска (22 %), а среднее значение составило 58 %. Мо-

стовые и крыши домов обеспечивают быстрый сток осадков, и вследствие

отсутствия источников испарения абсолютная и относительная влажность

уменьшаются. Для части города Красноярска абсолютная и относительная

влажность бывает выше из-за влияния Енисея. Для оценки интенсивности

«острова сухости» (с точки зрения климатологов – место, где влажность

устойчиво понижается) лучше использовать данные со станции Минино.

Станция Емельяново находится в 150 м от р. Кача, что создает дополни-

тельные условия для поддержания высокой влажности рядом со станцией.

Станция Минино находится в 13,5 км северо-западнее центра Красноярска.

Наибольшее различие в распределении влажности наблюдается в дневные

часы, максимальная разность для наших периодов была 1 июля 2020 г.

между станцией Минино и центром Красноярска и составила 20 %.

На метеорологических станциях Роев ручей, Опытное поле, Минино

осредненные значения относительной влажности достигли 64 %. В Емель-

яново наблюдалась самая высокая относительная влажность – 70 %. Суше

всего оказался воздух в центре города (58 %). Интенсивность «острова су-

хости» при сравнении средней влажности на станциях Митино и Красно-

ярск составила 5 %. Разность между пригородом и центром 8 июня была

минимальна: в этот день в большей степени сказывалась близость Енисея

к метеорической станции в центре города на улице Дудинской. В осталь-

ные дни такое влияние не проявлялось.

Скорости ветра в городской застройке ниже. Средняя скорость на от-

крытой местности в Емельяново за весь период исследования составила

3 м/с, а в центре города – 1 м/с. Расположение города в глубокой долине

способствует дополнительному уменьшению скорости ветра.

76

Метеорологические прогнозы, математическое моделирование

При численном моделировании высокого разрешения модель

WRF-ARW воспроизвела особенности метеорологических процессов

в Красноярске и окрестностях. Оценка точности прогнозирования макси-

мальных суточных температур была центральной при проведении исследо-

вания. На станции Опытное поле максимальное значение температуры

фиксировалось в 16 ч местного времени (9 ч ВСВ) для всех случаев жаркой

погоды. Этому сроку соответствуют 9 ч и 33 ч заблаговременности модель-

ного прогноза от времени начала счета в 0 ч ВСВ первых суток прогноза.

Результаты оценки качества прогноза представлены в табл. 5. Качество

прогноза на вторые сутки по температуре значительно хуже: для пригорода

(Опытное поле, Минино, Роев ручей) ошибка меньше, чем в сельской мест-

ности (Емельяново). Для относительной влажности и скорости ветра про-

гноз первых суток успешнее. Скорость ветра в сельской местности прогно-

зируется лучше, чем в пригороде.

Таблица 5. Абсолютные ошибки прогнозов температуры воздуха δt, отно-

сительной влажности δf и скорости ветра δv модели WRF-ARW

Table 5. Absolute errors in the forecast of air temperature, relative humidity and

wind speed of the WRF-ARW model

δt, °C

δf, %

δv, м/с

Метеостанция

9 ч

0,9

0,4

0,9

0,7

33 ч

2,0

2,9

3,6

2,6

9 ч

7

33 ч

8

9 ч

2

33 ч

3

Опытное поле

Минино

5

11

9

1

2

Роев Ручей

Емельяново

Средняя

3

1

2

5

17

11

1

5

1

2

Сопоставление максимальной суточной температуры по разным ви-

дам прогнозов представлено для трех станций (табл. 6), приведенные ре-

зультаты свидетельствуют о высокой точности комплексного прогноза и

расчета элементов погоды (РЭП).

Таблица 6. Абсолютные ошибки прогноза температуры воздуха δt, °C для

разных видов прогноза на 48 ч

Table 6. Absolute errors in the forecast of air temperature δt, °C for different types

of forecast for 48 hours

Метеостанция

КП-68

РЭП

Комплексный

прогноз

WRF-ARW

Опытное поле

Минино

1,0

–

0,8

–

0,4

0,6

1,0

0,7

1,6

0,9

2,5

1,7

Красноярск

Средняя

–

1,0

0,8

Быков А.В., Ветров А.Л., Калинин Н.А.

77

Прогноз синоптиков также оказался точнее прогноза модели

WRF-ARW. Точность прогноза максимальной суточной температуры ока-

залась выше прогноза срочной температуры воздуха. Следует отметить,

что точность комплексного прогноза максимальной суточной температуры

также хуже в центре города по отношению к прогнозу для сельской мест-

ности. Все прогностические схемы занижают максимальную суточную

температуру.

Для оценки качества прогнозов на рис. 6–8 приведены карты прогно-

зов температуры воздуха, влажности и скорости ветра для случая 8 июня

2023 года.

На рис. 6 прослеживается цепь замкнутых областей с температурой

значительно ниже температуры окружающего воздуха. Такое распределе-

ние температуры определяется влиянием Енисея: по соседству представ-

лены области с максимальными значениями температуры в городской за-

стройке и более холодные участки воздуха над рекой.

Рис. 6. Температура воздуха у земной поверхности в 9 ч ВСВ 8 июня 2023 г.

Fig. 6. The air temperature at the Earth's surface at 9 hours UTC on June 8th,

2023.

По городской застройке можно выделить районы, где прогнозируемая

температура достигает 36,0 °C, фактические значения оказались выше, но

в целом дневной городской остров тепла достоверно воспроизводится мо-

делью WRF-ARW в Красноярске.

Прогностические значения относительной влажности (рис. 7) над Ени-

сеем выше, чем в районе городской застройки, составляя, соответственно,

78

Метеорологические прогнозы, математическое моделирование

50 и 30 %. «Остров сухости» в центре Красноярска точно воспроизводится

моделью WRF-ARW. Повышенная влажность прогнозируется и на верши-

нах холмов южнее Красноярска, что соответствует теории.

Рис. 7. Относительная влажность (%) у земной поверхности в 9 ч ВСВ 8 июня

2023 г. Числа в белых прямоугольниках – фактические значения температуры.

Fig. 7. Relative humidity (%) at the Earth's surface at 9 hours UTC on June 8th,

2023. The numbers in the white rectangles are the actual relative humidity.

Минимальная приземная скорость ветра (рис. 8) прогнозируется в до-

лине р. Качи, а максимальные скорости – ветра на склонах холмов, что

также соответствует теоретическим представлениям и фактическим

наблюдениям.

Из динамики изменения температуры (см. рис. 5) следует, что наибо-

лее ярко остров тепла проявляется в утренние часы (4 ч местного времени).

Для оценки воспроизведения моделью WRF-ARW ночного выхолаживания

приведены рис. 9 и 10 с результатами прогноза температуры и влажности

для утренних сроков.

Модель хорошо воспроизводит городской остров тепла и выхолажи-

вание воздуха в сельской местности в утренние сроки. В ночной период

времени формируется инверсионное распределение температуры. В 0 ч

ВСВ 9 июня 2023 г. по данным радиозондирования в Емельяново величина

Быков А.В., Ветров А.Л., Калинин Н.А.

79

инверсии в нижнем слое (108 м) составила 4,4 °C. В связи с этим достовер-

ным выглядит прогностическое поле температуры с высокими значениями

южнее и западнее Красноярска, где наибольшая высота вершин холмов.

Рис. 8. Скорость ветра у земной поверхности (м/с) в 9 ч ВСВ 8 июня 2023 г.

Fig. 8. Wind speed at the Earth's surface at 9 hours UTC on June 8th, 2023, in m/s.

Рис. 9. Температура воздуха у земной поверхности в 21 ч ВСВ 8 июня 2023 г.

(21 ч счета модели). Числа в белых прямоугольниках – фактические значения

температуры.

Fig. 9. The air temperature at the Earth's surface at 21 hours UTC on June 8th,

2023 (21 hours UTC of the model account). The numbers in the white rectangles

are the actual temperature values.

80

Метеорологические прогнозы, математическое моделирование

Прогноз относительной влажности в ночные сроки хорошо воспроиз-

водится моделью WRF-ARW. Повышенные значения относительной влаж-

ности в пойме р. Енисей можно видеть на рис. 10. Относительная влаж-

ность выше за городом – здесь воздух охлаждается сильнее всего.

В пригороде Красноярска влажность воздуха меньше, так как Енисей да-

леко, а городской остров тепла продолжает оказывать влияние. Наимень-

шие значения относительной влажности отмечаются на склонах окружаю-

щих холмов из-за влияния инверсии температуры.

Рис. 10. Относительная влажность воздуха у земной поверхности в 21 ч

ВСВ 8 июня 2023 г. Числа в белых прямоугольниках – фактические значения

относительной влажности.

Fig. 10. Relative humidity of the air at the Earth's surface at 21 hours UTC on

June 8th, 2023. The numbers in the white rectangles are the actual values of

relative humidity.

Модель систематически занижает температуру воздуха в дневные

сроки. В 9 ч ВСВ среднее занижение по всем станциям составило 1,4 °C.

Для ночных сроков модель, напротив, завышает прогнозируемые темпера-

туры. Для сельской местности (станция Емельяново) в срок 9 ч ВСВ (33 ч

счета модели, прогноз на следующие сутки) модель занижает прогноз в

среднем на 0,5 °C для всех рассмотренных случаев жаркой погоды. На при-

городных станциях Опытное поле и Минино модель занижает температуру

на 2,0 °C. Таким образом, модельный городской остров тепла слабее

Быков А.В., Ветров А.Л., Калинин Н.А.

81

и днем, и ночью. Факт занижения максимальной температуры воздуха в го-

родской застройке необходимо учитывать при использовании модели

WRF-ARW для целей прогнозирования условий комфортности в городах.

Заключение

Выполнено исследование синоптических и метеорологических усло-

вий возникновения сильной жары в Красноярске. Обнаружена типичная

синоптическая ситуация для формирования аномально высоких значений

температуры воздуха: адвекция теплого тропического воздуха в условиях

передней части высотной ложбины или глубокого циклона над Западной

Сибирью. Подтверждена важность влияния солнечной радиации на форми-

рование абсолютных годовых максимумов температуры. Все рассмотрен-

ные случаи в первые дни развития жары сопровождались ясной безоблач-

ной погодой, что обуславливало дополнительный прогрев.

Установлены особенности городского острова тепла в Красноярске. В

условиях жаркой погоды городской остров тепла ночью выражен ярче, чем

днем. Наряду с городским островом тепла, в Красноярске во время жаркой

погоды прослеживается формирование острова сухости, когда относитель-

ная влажность уменьшается по сравнению с загородными территориями

на 20 %.

Численная модель атмосферы WRF-ARW достоверно воспроизводит

на первые 51 ч счета распределение полей температуры, влажности и ско-

рости ветра. Абсолютная ошибка прогноза температуры воздуха на вторые

сутки не превышает 2,6 °C. Модель занижает прогностические значения

максимальной суточной температуры воздуха и завышает ночную мини-

мальную температуру.

Использование модели WRF-ARW для прогнозирования погодных

условий, вызывающих рост случаев обострения заболеваний и количества

смертей от жаркой погоды, можно признать целесообразным. Однако си-

ноптический и статистический методы прогноза максимальной суточной

температуры превосходят этот подход по точности, и если нет необходи-

мости в детализации пространственно-временного распределения темпера-

туры воздуха, то системы прогнозирования смертности от жаркой погоды

можно реализовать на этих методах.

Дальнейшие усилия по улучшению точности прогноза температуры в

городской застройке могут быть направлены на подбор оптимальной

параметризации пограничного слоя в стандартных настройках модели

WRF-ARW или использования специализированных параметризаций го-

родского пограничного слоя Building Energy Parameterization и Building

Energy Model. Пример применения таких параметризаций изложен в [7]

для Москвы. Третий путь решения задачи для ограниченной территории

исследования лежит

в

области интеграции региональной модели

WRF-ARW с микромасштабной моделью с шагом менее 10 м, в которой

82

Метеорологические прогнозы, математическое моделирование

процесс обтекания отдельных зданий реализуется явно [11]. Возможность

подобного создания иерархии из моделей на примере климатической мик-

ромасштабной модели ENVI-MET для московского мегаполиса иллюстри-

руется в [5].

Благодарность. Исследование выполнено за счет гранта Российского

научного фонда № 22-61-00098.

Список литературы

1. Багров А.Н. Быков Ф.Л. Гордин В.А. Схема оперативного краткосрочного комплекс-

ного прогноза приземной температуры воздуха и влажности // Метеорология и гидрология.

2018. № 8. C. 5-18.

2. Варенцов М.И., Самсонов Т.Е., Кислов А.В., Константинов П.И. Воспроизведение

острова тепла Московской агломерации в рамках региональной климатической модели

COSMO-CLM // Вестник МГУ. 2017 Т. 5, № 6. С. 25-37.

3. Вильфанд Р.М., Васильев П.П., Васильева Е.Л., Веселова Г.К., Горлач И.А. Средне-

срочный прогноз температуры воздуха и возникновения некоторых опасных явлений по

технологии Гидрометцентра России // Метеорология и гидрология. 2010. № 10. С. 5-14.

4. Калинин Н.А., Ветров А.Л. Индексы комфортности климата в Перми и городах-мил-

лионниках Сибири за 1991–2020 гг. // Геосферные исследования. 2023. № 4. С. 132-142.

5. Кислов А.В., Алексеева Л.И., Варенцов М.И., Константинов П.И. Изменения кли-

мата и экстремальные явления погоды в Московской агломерации // Метеорология и гид-

рология. 2020. № 7. С. 64-76.

6. Климат Красноярска. Л.: Гидрометеоиздат, 1982. 231 с.

7. Коспанов А.А., Константинов П.И. Применение многоуровневой параметризации

городских ландшафтов в климатической модели WRF-ARW для создания базы данных о

климате мегаполиса и его пригородов: первые результаты на примере московского региона

// Географический вестник=Geographical bulletin. 2023. № 4(67). С. 99-109.

8. Ладохина Е.М., Рубинштейн К.Г., Кулюшина А.В. Чувствительность численного

прогноза метеорологических полей к изменению параметров, характеризующих урбанизи-

рованную поверхность Санкт-Петербурга // Оптика атмосферы и океана. 2022. Т. 35,

№ 11(406). С. 932-943. DOI 10.15372/AOO20221109.

9. Ладохина Е.М., Рубинштейн К.Г., Цепелев В.Ю. Определение периодов максималь-

ной интенсивности острова тепла в Санкт-Петербурге для валидации модели численных

прогнозов погоды в городе // Гидрометеорологические исследования и прогнозы. 2020. № 2

(376). С. 109-125.

10. Леонов И.И., Соколихина Н.Н. Условия формирования ледяного шторма во Влади-

востоке в ноябре 2020 года // Гидрометеорологические исследования и прогнозы. 2021. № 4

(382). С. 69-83.

11. Мешкова В.Д., Дектерев А.А., Литвинцев К.Ю., Филимонов С.А., Гаврилов А.А.

Роль городской застройки в формировании “острова тепла” // Вычислительные технологии.

2021. № 26(5). С. 4-14. DOI: 10.25743/ICT.2021.26.5.002.

12. Набокова Е.В. Опыт применения модели WRF с учетом двух методов параметри-

зации городского подслоя для прогноза температуры воздуха и скорости ветра // Труды

Гидрометцентра России. 2010. Вып. 344. С. 180-195.

13. Ревич Б.А. Волны жары в мегаполисах и пороги их воздействия на смертность насе-

ления // Гигиена и санитария. 2017 № 96(11) С. 1073-1078.

14. Ревич Б.А., Шапошников Д.А. Особенности воздействия волн холода и жары на

смертность в городах с резко-континентальным климатом // Сибирское медицинское обо-

зрение. 2017. № 2. С. 84-90.

Быков А.В., Ветров А.Л., Калинин Н.А.

83

15. Романский С.О., Вербицкая Е.М. Краткосрочный численный прогноз погоды вы-

сокого пространственного разрешения по Владивостоку на базе модели WRF-ARW // Вест-

ник Дальневосточного отделения Российской академии наук. 2014. № 5(177). С. 48-57.

16. Самсонов Т.Е., Варенцов М.И. Определение параметров городской среды Москов-

ского мегаполиса для детализированного численного прогноза погоды в рамках модели

COSMO // Метеорология и гидрология. 2020. № 7. С. 112-119.

17. Шапошников Д.А., Ревич Б.А. О некоторых подходах к вычислению рисков темпе-

ратурных волн для здоровья // Анализ риска здоровью. 2018. № 1. С. 22-31.

18. Черных Д.А., Тасейко О.В. Оценка риска повышения смертности от температурных

волн для населения города Красноярска // Экология человека. 2018. № 2. С. 3-8.

19. Юшков В.П., Курбатова М.М., Варенцов М.И., Лезина Е.А., Курбатов Г.А., Миллер

Е.А., Репина И.А., Артамонов А.Ю., Каллистратова М.А. Моделирование городского ост-

рова тепла в период экстремальных морозов в Москве в январе 2017 г. // Известия Россий-

ской академии наук. ФАО. 2019. Т. 55, № 5. С. 13-31.

20. Chen L., Zhang M., Wang Y. Model analysis of urbanization impacts on boundary layer

meteorology under hot weather conditions: A case study of Nanjing, China // Theor. Appl. Clima-

tol. 2016. Vol. 125, no 3. P. 713-728.

21. Giannaros T.M., Melas D., Daglis I.A., Keramitsoglou I., Kourtidis K. Numerical study

of the urban heat island over Athens (Greece) with the WRF model // Atmos. Environ. 2013.

No. 73. P. 103-111.

22. Mikhailuta S.V., Lezhenin A.A., Pitt A., Taseiko O.V. Urban wind fields: Phenomena in

transformation

//

Urban

Climate.

2016.

Vol.

9.

P.

122-140.

http://dx.doi.org/10.1016/j.uclim.2016.12.005

23. Obe O.B., Morakinyo T.E., Mills G. An assessment of WRF-urban schemes in simulating

local meteorology for heat stress analysis in a tropical sub-Saharan African city, Lagos, Nigeria //

Int. J. Biometeorol. 2024. Vol. 68. P. 811-828. https://doi.org/10.1007/s00484-024-02627-3

24. Varentsov M., Samsonov T., Demuzere M. Impact of urban canopy parameters on a meg-

acity's modelled thermal environment // Atmosphere. 2020. Vol. 11, no. 12. P. 1349.

25. Salamanca F., Zhang Y., Barlage M., Chen F., Mahalov A., Miao S. Evaluation of the

WRF-urban modeling system coupled to Noah and Noah-MP land surface models over a semiarid

urban environment // Journal of Geophysical Research: Atmospheres. 2018. Vol. 123. P. 2387-

2408. https://doi.org/10.1002/2018JD028377

26. Skamarock W.C., Klemp J.B., Dudhia J., Gill D.O., Liu Z., Berner J., Wang W., Powers

J.G., Duda M.G., Barker D., Huang, X. A Description of the Advanced Research WRF Model

Version 4.3 // No. NCAR/TN-556+STR. 2021. https://doi:10.5065/1dfh-6p97

References

1. Bagrov A.N., Bykov P.L., Gordin V.A. Operative Scheme for the Short-range Complex

Forecasting of Surface Air Temperature and Humidity. Russ. Meteorol. Hydrol., 2018, vol. 43,

no. 8, pp. 495-505. DOI: 10.3103/S1068373918080010.

2. Varentsov M.I., Samsonov T.E., Kislov A.V., Konstantinov P.I. Reproduction of the heat

island of the Moscow agglomeration with the COSMO-CLM regional climate model Vestnik Mos-

kovskogo universiteta. Seriya 5. Geografiya [Moscow University Bulletin. Series 5. Geography],

2017, no. 6, рр. 25-37. [in Russ.].

3. Vil'fand R.M., Vasil'ev P.P., Vasil'eva E.L., Veselova G.K., Gorlach I.A. Medium-range

forecast of air temperature and of some dangerous phenomena using the technique of the hy-

drometcenter of Russia. Russ. Meteorol. Hydrol., 2010, vol. 35, no. 10, pp. 651-658. DOI

10.3103/S1068373910100018.

4. Kalinin N.A., Vetrov A.L. Climate comfort indices in Perm and Siberian millionaire cities

since 1991–2020. Geosphere Research, 2023, no. 4. pp. 132-142. DOI: 10.17223/25421379/29/9

[in Russ.].

84

Метеорологические прогнозы, математическое моделирование

5. Kislov A.V., Alekseeva L.I., Varentsov M.I., Konstantinov P.I. Climate change and extreme

weather events in the Moscow agglomeration. Russ. Meteorol. Hydrol., 2020, vol. 45, no. 7,

pp. 498-507. DOI: 10.3103/S1068373920070055.

6. Klimat Krasnoyarska [Climate of Krasnoyarsk]. Leningrad, Gidrometeoizdat publ., 1982,

231 p. [in Russ.].

7. Kospanov A.A., Konstantinov P.I. Application of multi-layer parameterization of urban

landscapes in WRF-ARW regional model to create a database on the climate of a megacity and its

suburbs: first results for the Moscow region. Geographical Bulletin, 2023, vol. 67, no. 4,

pp. 99-109. DOI: 10.17072/2079-7877-2023-4-99-109 [in Russ.].

8. Ladohina E.M., Rubinshtein K.G., Kulyushina A.V. Sensitivity of the numerical weather

forecast fields to the variations in St. Petersburg surface parameters. Optika Atmosfery i Okeana,

2022, vol. 35, no. 11. pp. 932-943. DOI: 10.15372/AOO20221109 [in Russ.].

9. Ladohina E.M., Rubinshtein K.G., Tsepelev V.Y. Identification of periods with maximum

heat island intensity in St. Petersburg for the validation of numerical weather forecasts. Gidrome-

teorologicheskie issledovaniya i prognozy [Hydrometeorological Research and Forecasting],

2020, no. 2. pp. 109-125. DOI: 10.37162/2618-9631-2020-2-109-125 [in Russ.].

10. Ladohina E. M., Rubinshtein K. G., Tsepelev V.Y. Identification of periods with maxi-

mum heat island intensity in St. Petersburg for the validation of numerical weather forecasts //

Gidrometeorologicheskie issledovaniya i prognozy [Hydrometeorological Research and Forecast-

ing], 2020, no. 2. pp. 109-125. DOI: 10.37162/2618-9631-2020-2-109-125 [in Russ.].

11. Meshkova V.D., Dekterev A.A., Litvintsev K.Y., Filimonov S.A., Gavrilov A.A. The role

of urban development in the formation of a heat island. Vychislitel'nye tekhnologii [Computational

Technologies], 2021, vol. 26, no 5, pp.4-14. DOI: 10.25743/ICT.2021.26.5.002 [in Russ.].

12. Nabokova E.V. The experience of using the WRF model in respect 2 parameterization

methods of urban sub-layer for wind velocity and temperature prediction. Trudy Gidromettsentra

Rossii [Proceedings of the Hydrometcentre of Russia], 2010, vol. 344, pp. 180-195 [in Russ.].

13. Revich B.A. Heat-waves in metropolises and thresholds of their impact on public health.

Gigiena i sanitariya [Hygiene and Sanitation], 2017, vol. 96, no. 11, pp.1073-1078.

https://doi.org/10.47470/0016-9900-2017-96-11-1073-1078 [in Russ.].

14. Revich B.A., Shaposhnikov D.A. Osobennosti vozdeistviya voln kholoda i zhary na

smertnost' v gorodakh s rezko-kontinental'nym klima-tom. Sibirskoe meditsinskoe obozrenie.

2017, no. 2. pp. 84-90 [in Russ.].

15. Romanskiy S.O., Verbitskaya E.M. Short-term high-resolution numerical weather predic-

tion based on WRF–ARW model on the territory of Vladivostok City. Vestnik Dal'nevostochnogo

otdeleniya Rossijskoj akademii nauk [Vestnik of Far Eastern Branch of Russian Academy of Sci-

ences], 2014, vol. 177, no. 5, pp. 48-57 [in Russ.].

16. Samsonov T.E., Varentsov M.I. Computation of City-descriptive Parameters for High-

resolution Numerical Weather Prediction in Moscow Megacity in the Framework of the COSMO

Model. Russ. Meteorol. Hydrol., 2020, no. 45, pp. 515-521. DOI: 10.3103/S1068373920070079.

17. Shaposhnikov D.A., Revich B.A. On some approaches to calculation of health risks caused

by temperature waves. Health Risk Analysis, 2018, no. 1, pp. 22-31. DOI: 10.

21668/health.risk/2018.1.03.eng

18. Chernykh D.A., Taseiko O.V. Assesment of the Risk Mortality from Thermal Waves in

Krasnoyarsk City. Ekologiya cheloveka [Human Ecology], 2018, vol. 2, pp. 3-8 [in Russ.].

19. Yushkov V.P., Kurbatova M.M., Varentsov M.I., Lezina E.A., Kurbatov G.A., Miller E.A.,

Repina I.A., Artamonov A.Y., Kallistratova M.A. Modeling of the heat island in the period of ex-

treme frost in Moscow in January 2017. Izv., Atmos. Oceanic Phys., 2019, vol. 55, no. 5, pp. 13-

31. DOI: 10.31857/S0002-351555513-31 [in Russ.].

20. Chen L., Zhang M., Wang Y. Model analysis of urbanization impacts on boundary layer

meteorology under hot weather conditions: A case study of Nanjing, China. Theor. Appl. Climatol,.

2016, vol. 125, no 3, pp. 713-728.

21. Giannaros T.M., Melas D., Daglis I.A., Keramitsoglou I., Kourtidis K. Numerical study

of the urban heat island over Athens (Greece) with the WRF model. Atmos. Environ., 2013, no. 73,

pp. 103-111.

Быков А.В., Ветров А.Л., Калинин Н.А.

85

22. Mikhailuta S.V., Lezhenin A.A., Pitt A., Taseiko O.V. Urban wind fields: Phenomena in

transformation. Urban Climate, 2016, vol. 9, pp. 122-140. DOI: 10.1016/j.uclim.2016.12.005.

23. Obe O.B., Morakinyo T.E., Mills G. An assessment of WRF-urban schemes in simulating

local meteorology for heat stress analysis in a tropical sub-Saharan African city, Lagos, Nigeria.

Int. J. Biometeorol., 2024, vol. 68, pp. 811-828. https://doi.org/10.1007/s00484-024-02627-3.

24. Varentsov M., Samsonov T., Demuzere M. Impact of urban canopy parameters on a meg-

acity's modelled thermal environment. Atmosphere, 2020, vol. 11, no 12, pp. 1349.

25. Salamanca F., Zhang Y., Barlage M., Chen F., Mahalov A., Miao S. Evaluation of the

WRF-urban modeling system coupled to Noah and Noah-MP land surface models over a semiarid

urban environment. J. Geophys. Res.: Atmospheres, 2018, vol. 123, pp. 2387-2408. DOI:

10.1002/2018JD028377.

26. Skamarock W.C., Klemp J.B., Dudhia J., Gill D.O., Liu Z., Berner J., Wang W., Powers

J.G., Duda M.G., Barker D., Huang X. A Description of the Advanced Research WRF Model

Version 4.3 (No. NCAR/TN-556+STR) 2021. DOI: 10.5065/1dfh-6p97.

Поступила 16.05.2024; одобрена после рецензирования 06.06.2024;

принята в печать 17.06.2024.

Submitted 16.05.2024; approved after reviewing 06.06.2024;

accepted for publication 17.06.2024.