Гидрометеорологические исследования и прогнозы. 2024. № 4 (394). С. 146-162

146

DOI: https://doi.org/10.37162/2618-9631-2024-4-146-162

УДК 551.579.5 (470)

Оценка объемной влажности почвы

реанализа ERA5

по данным станционных наблюдений влагозапасов

в регионах Российской Федерации

П.С. Кланг, В.М. Хан, Л.Л. Тарасова

Гидрометеорологический научно-исследовательский центр

Российской Федерации, г. Москва, Россия

ais@mecom.ru

Проведено сопоставление значений объемной влажности почвы по данным

реанализа глобального климата пятого поколения (ERA5) и наблюдений за запасами

продуктивной влаги по десяти станциям Росгидромета с различными типами почвы

за вегетационные периоды 2011–2023 гг. Проведено согласование этих рядов в мм

водного слоя полной влаги с учётом системной ошибки и показано, что в слоях почвы

0–50 и 0–100 см реанализ воспроизводит основные особенности сезонного хода

влажности почвы, её динамику в течение вегетационных периодов, а также эпизоды

избыточного увлажнения и засух.

Ключевые слова: влажность почвы, ERA5, реанализ, данные наблюдений за влаж-

ностью почвы, влагозапасы, моделирование, статистические оценки

Estimation of volumetric soil moisture

from ERA5 reanalysis

according to the station observations of moisture reserves

in the regions of the Russian Federation

P.S. Klang, V.M. Khan, L.L. Tarasova

Hydrometeorological Research Center of Russian Federation,

Moscow, Russia

ais@mecom.ru

The study compares volumetric soil moisture based on the data from the fifth-genera-

tion global climate reanalysis (ERA5) and observations of productive soil moisture reserves

in various soil layers at ten Roshydromet stations for the growing seasons from 2011 to

2023. The coordination of these series in mm of the water layer of total moisture with ac-

count of biases is carried out. It is shown that the reanalysis reproduces the main features

of seasonal variations in soil moisture in the layers of 0–50 and 0–100 cm, its dynamics

during the growing seasons, as well as the episodes of excessive moisture or drought con-

ditions.

Keywords: soil moisture, ERA5, reanalysis, soil moisture observations, moisture re-

serves, modeling, statistical estimation

Кланг П.С., Хан В.М., Тарасова Л.Л.

147

Введение

Влагометрия почвы является одной из наиболее важных и ответствен-

ных частей программы агрометеорологических наблюдений. Без преувели-

чения, это самая трудо-, энерго- и времязатратная технология измерений,

проводимых на станциях Росгидромета. Вследствие чего наблюдения за

влажностью почвы проводятся сравнительно редко – один раз в декаду [5].

Для более детального мониторинга влажности почвы, как по времени, так

и по пространству, необходимо использование результатов компьютерного

моделирования, в частности моделей подстилающей поверхности.

Входными для такого моделирования обычно являются данные об ат-

мосферных осадках, температуре, влажности воздуха, ветре, а также дан-

ные информационного окружения: типы почвы и растительности, орогра-

фия и др. [1, 4, 13]. Для наиболее эффективного использования результатов

такого моделирования необходима их верификация. Решить эту задачу

можно как для отдельных полигонов, и тогда модель строится с учетом

специфики данного полигона, так и с привлечением данных регулярной

наблюдательной сети.

Понимание качества воспроизведения данных реанализа влажности

почвы на территории России имеет большое значение. В настоящее время

описанию подстилающей поверхности и процессов на границе почва –

атмосфера в прогностических моделях погоды и климата придается боль-

шое значение, данный вопрос имеет большой потенциал и в перспективе –

точный учет влажности почвы и физического испарения с ее поверхности.

Модельные блоки, описывающие рост и транспирацию растений, могут по-

влиять на улучшение качества моделирования в целом и на коррекцию са-

мих прогнозов. Краткосрочное и особенно долгосрочное прогнозирование

влагозапасов также чрезвычайно актуально, такие прогнозы могут быть

востребованы в аграрной отрасли [2, 3].

Наличие достаточно точного и подробного прогностического поля

влажности почвы по сравнительно большой территории представляется

важным не только для агрометеорологических задач, но и гидрологиче-

ских.

Отдельной проблемой в агроклиматологии является вопрос о влажно-

сти почвы в различных регионах в разные временные промежутки. В насто-

ящее время агроклимат влажности почвы представлен лишь отдельными

станциями и только в период активной вегетации растений.

Целью исследования было сопоставление данных реанализа ERA5 [9]

cо станционными наблюдениями на метеорологической сети Росгидромета

и оценка их согласованности, сезонного хода и, в первую очередь, воспро-

изводимости засушливых условий и избыточного увлажнения.

Также нами была предпринята попытка скорректировать данные по

влажности почвы ERA5 на основе данных станционных наблюдений.

148

Гидрометеорологические прогнозы, математическое моделирование

1. Материалы исследования

1.1. Данные о влажности почвы со станций наблюдательной сети

Росгидромета

Для оценки объемной влажности почвы в слоях почвы 0–50 и 0–100 см

были выбраны десять станций наблюдательной метеорологической сети

Росгидромета (рис. 1) в различных географических регионах с большим

разнообразием типов почв, ведущие ежедекадные наблюдения за влажно-

стью почвы под с.-х. культурами за вегетационные периоды 2011–2023 гг.

Период исследования 2011–2023 гг. был взят как наиболее освещенный с

точки зрения набора данных для исследования, в эти годы практически не

отмечается пропусков в измерениях. Результаты этих наблюдений рассчи-

тываются в виде запасов продуктивной влаги почвы для различных слоев

почвы и передаются в Гидрометцентр России в коде КН-21.

Рис. 1. Географическое расположение станций Росгидромета, участвующих

в исследовании, на карте почв FAO (Harmonized World Soil Database v2.0,

2023) [11].

Fig 1. The geographical location of the Roshydromet stations participating in the

study on the FAO soil map (Harmonized World Soil Database v2.0, 2023 ) [11].

Выбранные метеорологические станции представлены в табл. 1.

Тип почв был определен из таблиц агрогидрологических свойств почвы

(ТСХ-5), предоставленных ФГБУ «ВНИИСХМ».

В табл. 1 приведено также число наблюдений за весь рассматриваемый

период. Величина их колеблется от 117 до 243, так как на различных

Кланг П.С., Хан В.М., Тарасова Л.Л.

149

станциях период наблюдений варьирует от 3 месяцев до полугода, что свя-

зано с различной длинной вегетационного периода (влагозапасы в почве

определяются только в период активного роста с.-х. культур, например, для

зерновых это период от всходов до молочной спелости). В районах, где нет

озимых (Славгород в Алтайском крае и Тимирязевский в Приморском

крае), наблюдения ведутся только в мае–июле.

Таблица 1. Станции наблюдательной сети Росгидромета, принимающие

участие в исследовании и их характеристики

Table 1. The Roshydromet observation network stations participating in the study

and their characteristics

Кол-во

наблюдений

за почвенной

Тип почвы по с.-х.

влагой

таблицам

Название станции

агрогидрологических

свойств почвы

Дерново-

59,35 30,13 среднеподзолистая,

Белогорка

Ленинградская область

222

93

супесчаная

Дмитровск-Орловский

Орловская область

52,50 35,15 Чернозем супесчаный

198

217

204

134

230

199

183

205

134

230

Николо-Полома

Костромская область

Дерново-подзолистая, лег-

58,35 43,38

косуглинистая

Шахты

Ростовская область

Чернозем южный

47,70 40,26

среднеглинистый

Арзгир

Каштановая

45,40 44,20

тяжелосуглинистая

Ставропольский край

Ростоши

Саратовская область

Чернозем обыкновенный

51,86 43,58

глинистый

Чернозем

55,43 54,33 выщелоченный

глинистый

Верхнеяркеево

Республ. Башкортостан

226

Тюмень

Тюменская область

Темно-серая лесная,

57,11 65,43

243

117

243

117

тяжелосуглинистая

Славгород

Алтайский край

Светло-каштановая

52,96 78,65

легкосуглинистая

Лугово-бурая

43,88 131,96 оподзоленная,

тяжелосуглинистая

Тимирязевский

Приморский край

134

126

150

Гидрометеорологические прогнозы, математическое моделирование

1.2. Данные объемной почвенной влаги ERA5

Данные реанализа глобального климата пятого поколения ERA5, пред-

ставленные Европейским центром среднесрочных прогнозов погоды

(ECMWF) совместно со службой мониторинга изменения климата “Копер-

ник” (The Copernicus Climate Change Service, C3S) [9], включают в себя,

наравне с характеристиками влажности воздуха, давления и температуры,

в том числе и оценки влажности почвы на разных глубинах с почасовым

разрешением. ERA5 предоставляет набор данных, находящийся в свобод-

ном доступе для исследователей, охватывает период с 1940 г. до настоя-

щего времени. Пополнение базы C3S актуальными значениями происходит

с задержкой, которая составляет от 2 до 3 месяцев по сравнению с реаль-

ным временем. Горизонтальное разрешение набора данных ERA5 состав-

ляет около 31 км, или 0,25°. Почвенная влага в ERA5 представлена в раз-

мерности объемной влажности (м³м^-3) по четырем слоям почвы (0–7, 7–28,

28–100 и 100–289 см) [12], где значение принадлежит середине слоя.

Для создания реанализа ERA5 использовалась глобальная модель чис-

ленного прогноза погоды IFS, в которой процессы на подстилающей по-

верхности описываются улучшенной почвенно-гидрологической моделью

H-TESSEL (Hydrology Tiled ECMWF Scheme for Exchanges over Land) [8].

В ней теплообмен описывается модифицированным законом Фурье с уче-

том фазовых переходов воды; движение влаги – законом Дарси. Уравнение

баланса влажности на поверхности состоит из приходной части в виде

осадков и талой воды, расходной части – эвапотранспирации, диффузии

вглубь слоев и стока. Нижнее пограничное условие в более глубоких слоях

почвы определяется свободным дренажом. В модели H-TESSEL поверх-

ностный сток рассчитывается в зависимости от переменной инфильтраци-

онной способности, которая в свою очередь зависит местной топографии и

типа почвы. Тип почвы в модели определен для каждой ячейки сетки со-

гласно глобальной цифровой карте почв мировой продовольственной ор-

ганизации 2003 г. [10]. От типа почвы, который представлен семью типами,

зависят почвенная влагоемкость, влажность устойчивого завядания и зави-

симая от них доступная влага, содержание в почве различных почвенных

структур. Модельная растительность на подстилающей поверхности полу-

чена на основе Глобальных характеристик растительного покрова (Global

Land Cover Characteristics), с учетом ежемесячного индекса листовой по-

верхности (LAI), полученного на основе данных дистанционного зондиро-

вания. Качество набора данных по почвенной влаге было высоко оценено

международными исследователями [8, 14].

Для проведения исследования были отобраны модельные данные по

трем слоям почвы (0–7, 7–28, 28–100 см), так как их сумма дает метровый

слой, по которому есть наблюденные влагозапасы. Данные отбирались во

время вегетационного периода с апреля 2011 г. по октябрь 2023 года в

12.00 ч ВСВ каждый месяц 8, 18, 28 числа, в дни, в которые наблюдатели

Кланг П.С., Хан В.М., Тарасова Л.Л.

151

на агрометеорологических станциях отбирают пробы на с.-х. полях [5]. Ис-

пользовались наиболее приближенные к координатам станций узлы сетки

(табл. 2).

Таблица 2. Координаты ближайших узлов сетки ERA5 и их характеристики

Table 2. Coordinates of the nearest grid point of the ERA5 and their characteristics

Кол-во

Параметры

наблюдений

за почв. влагой

ячейки сетки

Название станции

Белогорка

59,25 30,25

52,50 35,25

58,25 43,50

47,75 40,25

45,50 44,25

51,75 43,50

55,50 54,25

57,00 65,50

53,00 78,75

44,00 132,0

0,3

1,0

0,4

0,7

1,0

0,7

1,0

0,9

Ленинградская область

Дмитровск-Орловский

Орловская область

Николо-Полома

Костромская область

Шахты

Ростовская область

Арзгир

Ставропольский край

Ростоши

Саратовская область

Верхнеяркеево

Респ. Башкортостан

Тюмень

Тюменская область

Славгород

315 315 315

Алтайский край

Тимирязевский

Приморский край

Таким образом, в работе использовались два источника информации:

частые по пространству и времени данные моделирования объемной влаж-

ности почвы с неизвестным нам качеством воспроизведения динамики и

редкие по пространству ежедекадные данные запасов продуктивной влаги

на станциях с высоким качеством наблюдения.

1.3. Сопоставление данных

Данные ERA5 представлены значениями Volumetric soil moisture of a

soil layer – объемной влаги по слоям (м³/м^-3). Данную величину – весь

объем воды, содержащейся в почве в данный момент времени – мы будем

152

Гидрометеорологические прогнозы, математическое моделирование

называть, согласно терминологии, принятой в российской агрометеороло-

гии, полной влагой. Следует различать понятия «полная влага» и «полная

влагоемкость» – количество влаги в почве при условии заполнения

всех почвенных капилляров, т. е. первое – это текущее состояние, другое –

агрогидрологическая константа, зависящая от типа почвы и ее порис-

тости [7].

В то же время данные наблюдений выражены в запасах продуктивной

влаги в миллиметрах водного слоя, т. е. количестве воды, содержащемся в

слое почвы сверх влажности устойчивого завядания (УЗ) – влажности, при

которой появляются необратимые признаки завядания растений. Таким об-

разом, запасы продуктивной влаги есть разность полной влаги и устойчи-

вого завядания.

Понятию «устойчивое завядание» соответствует Volumetric wilting

point из реанализа. В англоязычной литературе есть понятие, в буквальном

переводе означающее продуктивную влагу (available soil moisture), которое

представляет собой разность между наименьшей полевой влагоемкостью

(Field capacity – вода, остающаяся в почве после того, как она была полно-

стью насыщена и получила возможность свободно стекать) и устойчивым

завяданием, т. е. это не изменяющееся во времени фактически доступное

для растений количество влаги, а разность агрогидрологических констант,

показывающая максимально возможное количество влаги единовременно

доступное для растений.

Для сопоставления данных необходимо привести исследуемые вели-

чины каждого из слоев ERA5 к мм водного слоя:

W_ERA= Θ ρ_водыh_слояm,

(1)

где Θ – значение объемной влажности почвы по реанализу, м³/м³; ρ_воды

–

плотность воды, г/см³; h_слоя– толщина слоя, м; m – переводной коэффици-

ент к мм водного слоя, равный 1000.

Расчет влагозапасов по соразмерным слоям для слоя почвы 0–100 см

выглядел как суммирование влагозапасов для различных слоев. Для слоя

почвы 0–50 см проводилось суммирование W_{ERA 0-7}и W_{ERA 7-28}, слой

W

_{ERA 28-50}был рассчитан на основе гипотезы о том, что распределение влаги

в слое модельных данных гомогенно и в каждом сантиметре слоя почвы

находится равное количество влаги. Так, слой почвы W _{ERA 28-100}делился на

толщину всего слоя (0,72 м), затем производилось его дальнейшего умно-

жение на толщину слоя W _{ERA 28-50}(0,23 м)_.

Для преобразования данных станционных наблюдений к полной влаге

для каждой станции были вычислены значения устойчивого завядания для

каждого из слоев почвенного горизонта. Данные агрогидрологических ха-

рактеристик были взяты из ТСХ-5 [6], которые предоставляют информа-

цию в том числе и о плотности почвы ꢀ (г/см³) и ꢁ_уз– влажности устойчи-

вого завядания для каждого из слоев. Характеристики в ТСХ-5

Кланг П.С., Хан В.М., Тарасова Л.Л.

153

представлены по результатам измерений в разные годы в различных поч-

венных разрезах на полях, находящихся в некотором удалении от метео-

станций. Данные представлены по слоям почвы с шагом в 10 см (0–10, 10–

20, …, 90–100 см, местами более). Значения в ТСХ-5 требовали трудоза-

тратного перевода из неформатного текста в вид, пригодный для вычисле-

ний.

Для каждого из разрезов почвы за ряд лет были вычислены средняя

�

��

плотность почвы ꢂ(г/см3) и средняя влажность устойчивого завядания W_уз

[% веса абс. сухой почвы]. Средняя влажность устойчивого завядания

��

W_уз[% веса абс. сухой почвы] была преобразована к влажности устойчи-

вого завядания в мм водного слоя ꢁ_уз[мм водного слоя]:

��

�

ꢁ_{уз [мм водного слоя]}= W_уз_{[% веса абс. сухой почвы]}ꢂ ρ_водыh_слоя.

(2)

Далее были суммированы значения ꢁ_уз[мм водного слоя] для различ-

ных слоев почвы. Результатом вычислений стала полная влажность почвы

ꢁ_{полная влага}[мм водного слоя]_,вычисленная как сумма влажности устойчи-

вого завядания и запасов продуктивной влаги.

Другая сложность в сопоставлении данных заключается в том, что се-

точные данные и по станциям сравнивать не совсем корректно. С одной

стороны, не ясно, являются данные реанализа ERA5 точечными, т. е.

именно привязанными к узлу, или площадными, нужно ли их интерполи-

ровать в точку станции с учетом нескольких точек по сетке или эта проце-

дура не требуется. С другой стороны, наблюдения на станциях осуществ-

ляются не на метеоплощадке, координаты которой известны, а на

наблюдательных участках (производственных полях), которые располо-

жены в некотором удалении от станции, причем не известно, где именно.

Исходя из означенных неопределенностей, авторы не стали как-то подстра-

ивать исходные данные, так как логичного и принятого всеми алгоритма

не существует.

2. Результаты

Для оценки взаимосвязи были рассчитаны коэффициенты корреляции

(R²) Пирсона c уровнем статистической значимости 5 % между модель-

ными и станционными данными по согласованным слоям почвы 0–50 и

0–100 см (табл. 3).

Наиболее сильная корреляционная связь (> 0,70) для всех слоев почвы

была получена для станций западных районов Европейской территории

России (Белогорка, Дмитровск-Орловский, Шахты, Ростоши. На ст.

Ростоши коэффициент корреляции в слое почвы 0–100 см несколько ниже

0,67). Средняя теснота связи была получена на ст. Николо-Полома, Арзгир,

Верхнеяркеево, Тимирязевский, причем, за исключением метеостанции

Арзгир, в более мощных слоях почвы значения коэффициентов корреляции

оказывались ниже (близкими к 0,50). Умеренная теснота связи была выяв-

лена на ст. Тюмень, а отсутствие связи – на ст. Славгород.

Гидрометеорологические прогнозы, математическое моделирование

154

Кланг П.С., Хан В.М., Тарасова Л.Л.

155

Стоит отметить, что в некоторые годы на данной метеостанции отме-

чаются высокие отрицательные коэффициенты корреляции. При более де-

тальном рассмотрении динамики влажности почвы по слоям было установ-

лено, что данные реанализа в большинстве случаев завышают значения

почвенной влаги, недооценивая засушливые условия. Данный вывод согла-

суется с исследованиями иностранных коллег [14].

Анализируя результаты, приведенные в табл. 3, видно, что в слое

почвы 0–50 см на всех станциях наблюдаются более высокие значения ко-

эффициентов корреляции, чем в слое почвы 0–100 см, как за весь рассмат-

риваемый период в целом, так и в отдельные годы.

Оценка динамики влажности почвы проводилась по вегетационным

сезонам во всем десяти станциям. На рис. 2 приведены три из них, наиболее

полно отображающие различия в динамике почвенной влаги – Шахты (ди-

намика влаги на которой наиболее схожа со ст. Белогорка, Дмитровск-Ор-

ловский и Ростоши), Верхнеяркеево (аналогично данным по ст. Арзгир,

Никола-Палома и Тюмень) и ст. Тимирязевский как самая восточная точка

в исследовании, имеющая некоторые различия в динамике почвенной

влаги. Ст. Славгород по причине отсутствия корреляции не рассматрива-

лась. Границы избыточного увлажнения и почвенной засухи были приняты

по градациям, используемым в отделе агрометеорологических прогнозов

ФГБУ «Гидрометцентр России», за почвенную засуху в слоях 0–50 и

0–100 см принималось значение 25 мм и 50 мм соответственно, за границу

избыточного увлажнения – 125 и 250 мм, граничные значения также были

согласованы по методике, описанной выше. Для построения сезонной ди-

намики для каждого из слоев почвы была устранена системная ошибка мо-

дели BIAS, стандартное отклонение RMSE, для сезонного хода была вы-

числена средняя относительная ошибка MRE, выраженная в процентах от

запасов продуктивной влаги:

(3)

BIAS = ꢀ_ERA– ꢀ_{полная влага}

,

(4)

RMSE = �_ꢁ¹_ꢂ=1(ꢀ_ERA− ꢀ_{полная влага})²,

ꢁ

∑

(5)

− ꢀполная влага

MRE = ^ꢀ

100%,

ERA

ꢀполная влага

где n – количество наблюдений. Значения ошибок представлены в табл. 4.

Рассматривая динамику влажности почвы на ст. Шахты (рис. 2), отме-

чаем, что данные реанализа хорошо улавливают динамику почвенной

влаги на всех глубинах: реанализ, в целом, воспроизводит значения избы-

точного весеннего увлажнения, повышения влажности почвы на поле в

осенний период, сезонные минимумы в летние месяцы. Средний квадрат

ошибки сравнительно невысок и составляет в слоях почвы 0–50 см/

0–100 см на ст. Шахты и Ростоши – 20/43, 22/45 и оказывается несколько

выше на более северных территориях 39/80, 43/89 (Дмитровск-

Орловский, Белогорка).

156

Гидрометеорологические прогнозы, математическое моделирование

Таблица 4. Статистические характеристики: системные ошибки модели

(BIAS), стандартное отклонение (RMSE), коэффициент корреляции (R²) и

средняя относительная ошибка (MRE), рассчитанные за период 2011-2023 гг.

для рядов влажности почвы по согласованным данным ERA5 и данным стан-

ционных наблюдений в различных слоях почвы

Table. 4. The Statistical characteristics: the systematic error of the model (BIAS),

the root mean square error (RMSE), the correlation coefficient (R2) and the mean

squared error (MRE) calculated for the period 2011-2023 for soil moisture series

based on consistent ERA5 data and station observations in various soil layers

Согласованные ряды

влажности почвы

Сезонный ход

Станции

BIAS

RMSE

R²

0-100см

0,94

MRE,%

0-50 см 0-100 см 0-50 см 0-100 см

Белогорка

41,2

30,1

83,4

63,4

43

39

89

80

15

17

4

7

Дмитровск-

Орловский

0,94

Николо-Полома

Шахты

36,0

-12,2

9,1

91,4

-30,5

24,7

-0,4

48

20

30

22

35

28

43

28

115

43

59

45

72

50

82

59

22

17

23

36

29

33

15

18

0,83

0,95

0,78

0,70

0,84

0,55

-0,43

0,17

8

5

Арзгир

12

10

8

Ростоши

0,9

Верхнеяркеево

Тюмень

-20,1

-7,9

43,0

-7,9

-45,4

-25,0

75,9

-28,1

10

12

4

Славгород

Тимирязевский

Анализируя динамику влажности почвы на ст. Верхнеяркеево, можно

заметить, что модельные данные регулярно воспроизводят более засушли-

вые условия по сравнению с фактическими значениями, приближая их к

границам недостаточного увлажнения, в тот момент, когда по фактическим

данным на полях увлажнение почвы близко к оптимальному.

Кроме того, влажность почвы по реанализу на этих станциях имеет

менее плавный ход, чем у фактических данных, причем как в процессе по-

полнения слоев влагой, так и процессе иссушения. Таким образом, реана-

лиз демонстрирует более резкие изменения влажности почвы, а данные

наблюдений отражают достаточно плавную динамику движения влаги в

почве. Значения RMSE составляют 35/72 на ст. Верхнеяркеево, 30/59 на

ст. Арзгир, 48/115 в пункте Николо-Полома, значительно лучше они на

ст. Тюмень 28/50.

Кланг П.С., Хан В.М., Тарасова Л.Л.

157

Рис. 2. Динамика почвенной влаги по согласованным данным ERA5 и данным

станционных наблюдений с учетом системной ошибки BIAS. Пунктирной ли-

нией указана граница избыточного увлажнения (ИУ) и почвенной засухи (ПЗ),

в левом верхнем углу указано значение коэффициента корреляции для всего

периода.

Fig. 2. The dynamics of the soil moisture according to the ERA 5 data and the

station observation data, taking into account the BIAS. The dotted line indicates

the boundary of excessive moisture (green letters) and the soil drought (red letters),

the value of the correlation coefficient for the entire period is indicated in the upper

left corner.

158

Гидрометеорологические прогнозы, математическое моделирование

На ст. Тимирязевский модельные данные не каждый год улавливают

динамику влаги в почве, оказываясь в отдельные годы выше, а в отдельные

годы ниже фактических значений, в отдельные годы не совпадая с ними,

что не дает возможность сделать однозначный вывод. В то время как на

ЕТР мы отмечаем максимальные значения влажности почвы по реанализу

в весенний период, на ст. Тимирязевский мы отмечаем осенью, что логично

связанно с режимом выпадения осадков в Приморском крае. Значения

RMSE в этом пункте составляют 28/59.

Далее для оценки возможности использования данных реанализа для

агроклиматических задач нами был рассчитан сезонный ход влажности

почвы. Как было показано выше, данные реанализа и фактически измерен-

ные влагозапасы хорошо согласуются, однако важно проследить, что вос-

произведение максимумов и минимумов происходит в одни и те же сроки,

а также оценить абсолютную величину сезонного хода. Сезонный ход рас-

считывался по декадам путем осреднения по месяцам, а затем методом ин-

терполяции полиномом 2-го порядка по трем точкам рассчитывались де-

кадные значения. Сезонный ход рассчитывался для слоя почвы 0–100 см

(рис. 3).

Наиболее тесная связь сезонного хода по данным наблюдений и реа-

нализа была получена для западных станций ЕТР: Белогорка, Дмитровск-

Орловский и Шахты. Коэффициенты корреляции составляют более 0,94, а

значения RMSE менее 17 мм.

Реанализ несколько завышает значения влажности почвы в весенний

период – от 40 мм в первую декаду апреля до 10 мм в третью декаду. Регу-

лярное завышение значений влажности почвы в весенний период по срав-

нению со станционными данными может быть связано с ранним началом

таяния снега в гидрологической модели H-TESSEL и избыточным стоком

в более глубокие слои почвы [8]. Значения MRE на этих станциях самые

низкие из представленных в исследовании: Белогорка – 4 %, Дмитровск-

Орловский – 7 % и Шахты – 5 %.

Высокие коэффициенты корреляции между среднедекадными значе-

ниями по реанализу и данным станций были получены для центральной

части ЕТР – на ст. Николо-Полома и Верхнеяркеево (более 0,80) величина

RMSE составляют 22 и 29 мм соответственно, MRE несколько выше, чем

в западных районах и составляют 8 % на обеих станциях.

Отметим, что на этих станциях, как и на ст. Тюмень, получаются низ-

кие значения R²(0,55) и более высокие среднеквадратическая (33 мм) и

средняя относительная (10 %) ошибки. Реанализ с мая по июль в большей

степени показывает более засушливые условия, разность между фактиче-

скими значениями и реанализом по ст. Николо-Полома и Верхнеяркеево в

июне достигает 40 мм.

Кланг П.С., Хан В.М., Тарасова Л.Л.

159

Рис. 3. Сезонный ход по согласованным данным ERA5 и данным станционных

наблюдений с учетом системной ошибки BIAS. Пунктирной линией указана

граница избыточного увлажнения (ИУ) и почвенной засухи (ПЗ), на графике

указано значения RMSE и R².

Fig. 3 The seasonal movement according to the agreed ERA5 data and the station

observation data, taking into account the BIAS. The dotted line indicates the bound-

ary of excessive moisture (green letters) and soil drought (red letters), the graph

shows the values of RMSE and R².

160

Гидрометеорологические прогнозы, математическое моделирование

Общие черты в воспроизведении сезонного хода отмечаются на

ст. Арзгир и Ростоши, расположенных приблизительно на одной долготе.

В этих пунктах получена тесная корреляционная связь сезонных ходов

(более 0,70), невысокая среднеквадратическая ошибка на ст. Арзгир

(23 мм) и несколько более высокая на ст. Ростоши (36 мм), а также доста-

точно высокое значение MRE (12 %, 10 %) в обоих случаях. Во второй по-

ловине вегетационного сезона по этим пунктам кривые также имеют раз-

личный вид: на ст. Ростоши в августе, а на станции Арзгир в апреле

разность составляет от 45 до 60 мм.

На станциях, расположенных в азиатской части страны (Славгород и

Тимирязевский), корреляционная связь сезонных ходов низкая, однако в

целом сезонный ход воспроизводится. Стоит отметить, что значение сред-

ней относительной ошибки на ст. Тимирязевский достаточно низкое и со-

ставляет 4 %.

Таким образом, можно заключить, что на выбранных станциях реана-

лиз улавливает особенности сезонного хода влажности почвы и может

быть использован для агроклиматических задач, хотя в ранневесенний и

позднеосенний периоды отклонения могут быть значительны.

В целом, модельные данные ERA5 наиболее хорошо воспроизводят

динамику влаги в различных почвенных горизонтах в западных и в юго-

западных черноземных районах ЕТР. Это подтверждается анализом дан-

ных на ст. Белогорка, Шахты, а также на близкой к ним ст. Дмитровск-Ор-

ловский. Хорошие результаты в этих пунктах, возможно, связаны с пара-

метризацией почвенно-гидрологической модели, которая наиболее хорошо

«заточена» под структуру чернозема. Стоит отметить, что в почвенно-гид-

рологической модели H-TESSEL оценки значений точки устойчивого завя-

дания и полевой влагоемкости велись на основе данных о физических свой-

ствах почвы по территории юго-запада России (современная Украина и

южные районы ЕТР) [8]. Хотя ст. Белогорка также находится на западе

ЕТР, динамика почвенной влаги здесь несколько хуже, что в данном случае

можно также связать с небольшой долей низкой растительности в ячейке

реанализа (см. табл. 2), от которой в модели зависит величина перехвачен-

ной влаги и эвапотранспирации, а также с дерново-подзолистым типом

почвы. Реанализ на этих станциях также хорошо воспроизводит сезонный

ход, что представляет интерес для дальнейшего исследования модельных

данных в западных и черноземных районах.

Выводы

В работе впервые проведено сопоставление данных ERA5 по объем-

ной влажности почвы и данных по запасам продуктивной влаги, измерен-

ных на станциях наблюдательной сети Росгидромета, проведено согласо-

вание этих рядов в мм водного слоя полной влаги с учетом системной

ошибки. Произведенный статистический анализ данных важности почвы

в глубоких горизонтах почвы за вегетационные периоды 2011–2023 гг.

Кланг П.С., Хан В.М., Тарасова Л.Л.

161

показал, что в целом данные реанализа и наблюдений, как в слое почвы

0–50 см, так и в 0–100 см, хорошо согласуются. Оценен сезонный ход по

модельным и станционным данным. Наиболее тесная корреляционная

связь сезонного хода отмечалась на ст. Белогорка, Дмитровск-Орловский,

Шахты (более >0,90). В этих пунктах наблюдается также и наибольшая со-

гласованность данных в сезонном ходе в регионах Российской Федерации,

а значения среднеквадратической ошибки RMSE оказались наименьшими.

Таким образом, показано, что наборы данных ERA5 могут быть ис-

пользованы в задачах агрометеорологического и агроклиматического мо-

ниторинга и прогноза.

Список литературы

1. Кислов А.В., Варенцов М.И., Тарасова Л.Л. Роль весенней влажности почвы в фор-

мировании крупномасштабных засух Восточно-Европейской равнины 2002 и 2010 гг. //

Известия РАН. ФАО. Том 51, № 4. С. 464-471.

2. Куликова И.А., Вильфанд Р.М., Хан В.М., Круглова Е.Н., Тищенко В.А., Емелина С.В.,

Каверина Е.С., Набокова Е.В., Субботин А. В., Сумерова К. А., Толстых М. А. Климатиче-

ские прогнозы. Часть I. Современное состояние и перспективы развития // Метеорология и

гидрология. 2024. № 7. С. 5-24.

3. Национальный доклад «Глобальный климат и почвенный покров России: проявле-

ния засухи, меры предупреждения, борьбы, ликвидации последствий и адаптационные ме-

роприятия (сельское и лесное хозяйство)». Том 3 / Под ред. Р.С.-Х. Эдельгериева. М.:

Изд-во МБА, 2021. 700 с.

4. Полуэктов Р.А., Смоляр Э.И., Терлеев В.В., Топаж А.Г. Моделирование продукци-

онного процесса сельскохозяйственных культур. СПб.: Изд-во С.-Петерб. ун-та, 2006. 396 с.

5. РД 52.33.217-99. Наставления гидрометеорологическим станциям и постам. Вып.

11. Агрометеорологические наблюдения на станциях и постах. Часть 1. Основные агроме-

теорологические наблюдения. Книга 1. 348 с.

6. РД 52.33.219–2022. Hуководство по определению агрогидрологических свойств

почвы. Обнинск: ВНИИГМИ-МЦД, 2023. 126 c.

7. Роде А.А. Основы учения о почвенной влаге. Том II. Л.: Гидрометеоиздат, 1969.

286 с.

8. Balsamo G., Viterbo P., Beljaars A., Van Den Hurk B., Hirschi M., Betts A. K., Scipal K.

A Revised Hydrology for the ECMWF Model: Verification from Field Site to Terrestrial Water

Storage and Impact in the Integrated Forecast System // Journal of Hydrometeorology. 2009.

Vol. 139. P. 623-643.

9. ERA5 hourly data on single levels from 1940 to present. URL: https://cds.climate.coper-

nicus.eu/cdsapp#!/dataset/reanalysis-era5?tab=overview (дата обращения: 22.02.2024).

10. FAO Digital Soil Map of the World (DSMW). URL: https://www.fao.org/land-wa-

ter/land/land-governance/land-resources-planning-toolbox/category/details/en/c/1026564/ (дата

обращения: 18.06.2024).

11. FAO Harmonized World Soil Database v2.0. URL: https://www.fao.org/soils-por-

tal/data-hub/soil-maps-and-databases/harmonized-world-soil-database-v20/en/ (дата обращения:

14.05.2024).

12. Hersbach H., Bell B., Berrisford P., Hirahara S. et al. // Q J R Meteorol Soc. 2020.

Vol. 146. С. 1999-2049.

13. Yadav B.K., Mathur S., Siebel M.A. Soil moisture flow modeling with water uptake by

plants (wheat) under varying soil and moisture conditions // J. Irrig. Drain. Eng. (ASCE). 2009.

Vol. 135. P. 375-381.

162

Гидрометеорологические прогнозы, математическое моделирование

14. Zheng Y., Coxon G., Woods R., Power D., Rico-Ramirez M. A., McJannet D., Rosolem

R., Li J., Feng P. Evaluation of reanalysis soil moisture products using Cosmic Ray Neutron Sensor

observations across the globe // Hydrology and Earth System Sciences. 2023. Vol. 224. P. 1-27.

References

1. Kislov A.V., Tarasova L.L., Varentsov M.I. Role of spring soul moisture in the formation

of large-scale droughts in the east European plain in 2002 and 2010. Izv., Atmos. Oceanic Phys.,

2015, vol. 51, no. 4, pp. 405-411.

2. Kulikova I.A., Vil'fand R.M., Han V.M., Kruglova E.N., Tishchenko V.A., Emelina S.V.,

Kaverina E.S., Nabokova E.V., Subbotin A. V., Sumerova K. A., Tolstyh M. A. Climate Forecasts.

Part I: Current Status and Development Prospects. Russ. Meteorol. Hydrol., 2024, vol. 49, no. 7,

pp. 563-575. DOI: 10.3103/S106837392407001X.

3. Nacional'nyj doklad «Global'nyj klimat i pochvennyj pokrov Rossii: proyavleniya zasuhi,

mery preduprezhdeniya, bor'by, likvidacii posledstvij i adaptacionnye meropriyatiya (sel'skoe i

lesnoe hozyajstvo)» (pod red. R.S.-H. Edel'gerieva). Tom 3. Moscow: Izdatel'stvo MBA publ.,

2021, 700 p. [in Russ.].

4. Poluektov R.A., Smolyar E.I., Terleev V.V., Topazh A.G. Modelirovanie produkcionnogo

processa sel'skohozyajstvennyh kul'tur. Saint-Petersburg, Izd-vo S.-Peterb. un-ta, 2006, 396 p.

[in Russ.].

5. RD 52.33.217-99 Nastavleniya gidrometeorologicheskim stanciyam i postam. Vyp. 11

Agrometeorologicheskie nablyudeniya na stanciyah i postah. Chast' 1. Osnovnye agrometeoro-

logicheskie nablyudeniya, kn. 1. Saint-Petersburg, Gidrometeoizdat publ., 2000, 348 p. [in Russ.].

6. RD 52.33.219–2022 Rukovodstvo po opredeleniyu agrogidrologicheskih svojstv pochvy.

Obninsk, FGBU «VNIIGMI-MCD», 2023, 126 p. [in Russ.].

7. Rode A.A. Osnovy ucheniya o pochvennoj vlage. T. II. Leningrad, Gidrometeoizdat publ.,

1969, 286 p. [in Russ.].

8. Balsamo G., Viterbo P., Beljaars A., Van Den Hurk B., Hirschi M., Betts A. K., Scipal K.

A Revised Hydrology for the ECMWF Model: Verification from Field Site to Terrestrial Water

Storage and Impact in the Integrated Forecast System. Journal of Hydrometeorology, 2009,

vol. 139, pp. 623-643.

9. ERA5 hourly data on single levels from 1940 to present. Available at: https://cds.cli-

mate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5?tab=overview, last access 22.02.2024.

10. FAO Digital Soil Map of the World (DSMW). Available at: https://www.fao.org/land-

water/land/land-governance/land-resources-planning-toolbox/category/details/en/c/1026564/, last

access 18.06.2024.

11. FAO Harmonized World Soil Database v2.0. Available at: https://www.fao.org/soils-

portal/data-hub/soil-maps-and-databases/harmonized-world-soil-database-v20/en/, last access

14.05.2024.

12. Hersbach H., Bell B., Berrisford P., Hirahara S. et al. Q J R Meteorol Soc., 2020,

vol. 146, pp. 1999-2049.

13. Yadav B.K., Mathur S., Siebel M.A. Soil moisture flow modeling with water uptake by

plants (wheat) under varying soil and moisture conditions. J. Irrig. Drain. Eng. (ASCE), 2009,

vol. 135, pp. 375-381.

14. Zheng Y., Coxon G., Woods R., Power D., Rico-Ramirez M. A., McJannet D., Rosolem

R., Li J., Feng P. Evaluation of reanalysis soil moisture products using Cosmic Ray Neutron Sensor

observations across the globe. Hydrology and Earth System Sciences, 2023, vol. 224, pp. 1-27.

Поступила 05.11.2024; одобрена после рецензирования 02.12.2024;

принята в печать 10.12.2024.

Submitted 05.11.2024; approved after reviewing 02.12.2024;

accepted for publication 10.12.2024.