Гидрометеорологические исследования и прогнозы. 2025. № 3 (397). С. 49-63

49

DOI: https://doi.org/10.37162/2618-9631-2025-3-49-63

УДК 551.509.33

Включение параметризации ecRad в модель ПЛАВ

и ее влияние на атмосферную циркуляцию

на годовом и сезонном масштабах

Р.Ю. Фадеев^2,1,3, М.А. Толстых^1,2,3, Е.О. Бирючева¹, Г.С. Гойман^2,1,3

¹Гидрометеорологический научно-исследовательский центр

Российской Федерации, г. Москва, Россия;

²Институт вычислительной математики им. Г.И. Марчука

Российской академии наук, г. Москва, Россия;

³Московский физико-технический институт,

г. Долгопрудный Московской области, Россия

m.tolstykh@inm.ras.ru

Представлены результаты замены параметризаций коротковолновой и длинно-

волновой радиации в глобальной модели атмосферы ПЛАВ на свободнораспростра-

няемую параметризацию ecRad. Эффект от такой замены оценивался на годовом и

сезонном масштабах. Показано, что усовершенствованная и настроенная модель точ-

нее воспроизводит среднегодовое и среднесезонное поле осадков, как в интеграль-

ных характеристиках, так и в географическом распределении. Уменьшились ошибки

воспроизведения среднесезонной атмосферной циркуляции в тропиках вблизи по-

верхности. Внедрение параметризации радиации ecRad с ecCKD позволило ускорить

расчеты сезонных прогнозов модели ПЛАВ на 17 %.

Ключевые слова: модель общей циркуляции атмосферы, радиационные потоки

тепла в атмосфере, долгосрочный прогноз погоды

Inclusion of ecRad parameterization in the SL-AV

atmosphere model and its effect on atmospheric circulation

at annual and seasonal timescales

R.Yu. Fadeev^2,1,3, M.A. Tolstykh^1,2,3, E.O. Biryuchevа¹, G.S. Goyman^2,1,3

¹Hydrometeorological Research Center of Russian Federation, Moscow, Russia;

²Marchuk Institute of Numerical Mathematics

of the Russian Academy of Sciences, Moscow, Russia;

³Moscow Institute of Physics and Technology, Dolgoprudny, Moscow region, Russia

m.tolstykh@inm.ras.ru

The results of replacement of shortwave and longwave radiation parameterizations with

freely distributed ecRad parametrization in the SL-AV atmosphere model are presented.

The effect of this change is evaluated at seasonal and annual time scale. It is shown that the

improved and adjusted model reproduces annual mean and seasonal mean precipitation

field more accurately, both in integral characteristics and geographical distribution. The

errors in the seasonally averaged tropical atmosphere circulation near the surface are re-

duced. Implementation of ecRad with ecCKD algorithm allows accelerating computations

of SL-AV model seasonal forecasts by 17%.

Keywords: atmosphere general circulation model, radiation heat fluxes in the atmos-

phere, long-range weather forecast

50

Гидрометеорологические прогнозы, математическое моделирование

Введение

Радиационный приток тепла (определяемый переносом, рассеянием и

отражением солнечного и теплового излучения с учетом облачности)

является важнейшим фактором, влияющим на динамику атмосферы. Ввиду

значительной вычислительной сложности описание этих процессов для

каждой линии спектра в моделях общей циркуляции атмосферы происхо-

дит обычно с помощью упрощенных подходов. В данной статье представ-

лены особенности реализации пакета подпрограмм ecRad [11] в модели

ПЛАВ [3], а также первые результаты исследования отклика модельной

циркуляции атмосферы на новый способ описания радиационных

притоков тепла с обновленной климатологией аэрозолей на базе реанализа

CAMS (Copernicus Atmosphere Monitoring Service) [14].

Модель ПЛАВ развивается в Гидрометцентре России и Институте

вычислительной математики им. Г.И. Марчука РАН. Модель ПЛАВ вклю-

чает оригинальный блок решения уравнений динамики атмосферы [24] и

блок параметризованного описания процессов подсеточного масштаба

(кратко ‒ блок параметризаций), в основном заимствованных (более

подробно см. [4] и ссылки в этой работе).

Модель ПЛАВ имеет единую программную реализацию, которая

применяется в различных конфигурациях для оперативного детерминист-

ского [5] и ансамблевого среднесрочного прогноза, а также для вероятност-

ного субсезонного и сезонного прогнозов аномалий погоды [4]. В системах

прогноза на основе ПЛАВ для описания длинноволновой радиации сейчас

используется свободно распространяемая параметризация RRTMG LW

[18], а для коротковолнового излучения ‒ CLIRAD SW [8, 22]. Параметри-

зация RRTMG LW включает несколько вариантов для описания перекры-

тия облаков по вертикали: максимальное, максимально-случайное,

экспоненциальное максимально-случайное и, наконец, бинарное. В то же

время CLIRAD SW, помимо бинарного описания облачности, имеет лишь

предвычисленное перекрытие облаков (таблицы для различных значений

склонения Солнца, локального балла облачности и оптической толщины

облака), полученное в предположении максимального перекрытия облаков

в пределах каждой из групп облаков (нижнего, среднего и верхнего ярусов)

[8]. Таким образом, в оперативных версиях модели ПЛАВ коротко- и

длинноволновая компоненты радиационного притока тепла в присутствии

облаков рассчитываются несогласованно. Кроме того, имеющиеся в ПЛАВ

программные реализации этих параметризаций не позволяют использовать

современные наборы данных по оптическим свойствам аэрозолей

(в CLIRAD SW их всего 3 типа) для расчета их влияния на приток тепла,

что ограничивает точность модели ПЛАВ. Замена существующих парамет-

ризаций описания радиационного притока тепла в ПЛАВ на свободно

распространяемый пакет подпрограмм ecRad решает проблему рассогласо-

вания и создает условия для дальнейшего повышения точности прогнозов

путем учета влияния аэрозолей на эффективные радиусы капель и

кристаллов в облаках в будущих версиях модели.

Фадеев Р.Ю., Толстых М.А., Бирючева Е.О., Гойман Г.С.

51

В численных экспериментах, представленных в данной работе, модель

применялась в версии ПЛАВ072L96, предназначенной для долгосрочного

прогноза погоды. Горизонтальное разрешение этой модели составляет 0,9°

по долготе и 0,72° по широте, по вертикали используется 96 уровней.

Описание ПЛАВ072L96 приводится в [4].

В статье в разделе 1 приводится краткое описание возможностей

пакета ecRad и особенности его подключения к модели ПЛАВ. В разделе 2

обсуждаются постановка численных экспериментов по воспроизведению

атмосферной циркуляции на межгодовом масштабе и полученные по ним

результаты. В разделе 3 представлены результаты исследования влияния

замены радиационного блока в модели ПЛАВ на точность прогноза

аномалий погоды на сезонном масштабе.

1. Пакет подпрограмм ecRad и его внедрение в модель ПЛАВ

Пакет подпрограмм EcRad для расчета радиационных притоков тепла

в атмосфере разработан под руководством Робина Хогана и Алессандро

Боззо для модели численного прогноза погоды IFS Европейского центра

среднесрочных прогнозов погоды (ЕЦСПП) [11]. Затем в ecRad был

реализован новый алгоритм ecCKD [12], который продемонстрировал

существенную экономию вычислительных ресурсов по сравнению

с параметризациями RRTMG SW и LW при сопоставимой точности. Такой

результат был достигнут в ecCKD за счет внедрения оптимизированного

по сравнению с RRTMG разделения спектра и улучшенной генерации

k-распределений. Важное преимущество ecCKD ‒ возможность гибкой

дискретизации спектра с целью балансировки между вычислительной

сложностью и точностью расчетов путем задания пользовательских допус-

ков к ошибкам и диапазонов концентрации радиационно-активных газов

[12, 25]. Обе параметризации обеспечивают приблизительно одинаковую

точность расчетов, однако программный код ecCKD примерно в два раза

быстрее [25]. В настоящее время ecRad также применяется в модели

численного прогноза погоды ICON немецкой метеослужбы.

Пакет ecRad [10] включает необходимые для расчетов по нему данные

по оптическим свойствам газов и аэрозолей. Пользователю предоставля-

ется возможность выбора различных моделей газовой оптики (RRTMG

либо ecCKD), а также методов решения уравнения переноса излучения в

присутствие облачности: метода Монте ‒ Карло с независимыми столбца-

ми (McICA) [7], Tripleclouds, в которой в ячейке расчетной сетки модели

выделяются три части – безоблачная, с оптически тонкой облачностью и с

оптически плотной облачностью, или метода учета трехмерных эффектов

переноса излучения (SPARTACUS). В данной работе использован алго-

ритм Tripleclouds в оптимизированной версии [25], вычислительно быст-

рый по сравнению с McICA. Трехмерными эффектами переноса излучения

в рамках данного исследования пренебрегается в силу грубого горизон-

тального разрешения расчетной сетки ПЛАВ072L96 в средних широтах

(около 70 км).

52

Гидрометеорологические прогнозы, математическое моделирование

EcRad для расчета вертикального профиля потока коротко- и

длинноволновой радиации использует в качестве входных данных

вертикальные профили давления, температуры относительной

и

влажности, характеристики подстилающей поверхности (температура,

альбедо, излучательная способность), косинус зенитного угла Солнца, а

также данные о водности и ледности облаков.

В данной работе для ecRad мы применяем те же алгоритмы расчета

эффективных радиусов и насыщающей влажности, что и для радиаци-

онного блока на основе CLIRAD SW и RRTMG LW. Эффективные радиусы

капель параметризуются согласно [17], кристаллов согласно [20, 21]. Для

CLIRAD и RRTMG оптическая толщина облаков затем рассчитывается с

использованием формул, полученных в [16] для капельных облаков и в [9]

для кристаллических.

Реализованная в ПЛАВ версия ecRad применяет метод расчета

перекрытия облаков на основе параметра перекрытия. Наличие в CLIRAD

SW предвычисленных в зависимости от среднестатистических характерис-

тик погоды значений параметра перекрытия облаков объясняет отсутствие

в ПЛАВ проверенного алгоритма его расчета. В то же время настройка

параметра перекрытия облаков оказалась одним из наиболее сложных

этапов адаптации пакета ecRad к модели ПЛАВ.

Параметр перекрытия облаков [10] определяется формулой

푂ꢀ = exp(− ^∆_퐿^푧),

где Δz ‒ толщина слоя между соседними модельными уровнями по

вертикали (м), рассчитанная из уравнения гидростатики; L – масштаб

декорреляции (м). Величина Δz принимает значения в широком диапазоне:

от приблизительно 700 метров вблизи верхней границы расчетной области

до 100 метров около поверхности Земли.

Для вычисления L в ПЛАВ применяется формула [19], в которую

входят четыре настраиваемых коэффициента d1, d2, d3 и d4:

2

ꢁ = 푑1 + 푑2 ∙ exp(− �^{휑−ꢂ3∙ꢂꢃꢄꢅꢆ}� ).

ꢂ4

Здесь φ – широта в радианах; decli – склонение Солнца данного дня

года; d1 – минимальный масштаб декорреляции; d2 ‒ максимальная

амплитуда изменения этого масштаба; d3 – амплитуда изменения масштаба

в зависимости от склонения Солнца; d4 – масштабирующий множитель.

Настройка коэффициентов d1, d2, d3, d4 проводилась в предположе-

нии, что в условиях одинаковых входных данных алгоритм расчета

потоков длинноволновой радиации RRTMG LW в ecRad и в исходной

версии ПЛАВ должен давать одинаковый результат. Таким образом,

проверка правильности вычисления параметра перекрытия облаков и

связанного с ним масштаба декорреляции проводилась путем подбора

значений коэффициентов в формуле для расчета L с целью минимизации

Фадеев Р.Ю., Толстых М.А., Бирючева Е.О., Гойман Г.С.

53

средней разности потоков длинноволновой радиации на поверхности

Земли.

В качестве ориентира использовались диапазоны значений параметра

перекрытия облаков Ov от 0,7 до 0,85 на верхних уровнях и 0,9–0,95 на

нижних уровнях, рассчитанные с использованием двумерного автономного

теста, реализованного в дистрибутиве программы ecRad.

После подбора значений масштаба декорреляции, адаптации входных

данных ecRad достигнуто хорошее соответствие потоков длинноволновой

радиации между программными реализациями ecRad и ПЛАВ на всех

модельных уровнях при использовании одного и того же алгоритма

RRTMG LW: средние отклонения близки к нулю, максимальные в отдель-

ных точках трехмерной модельной сетки ‒ около 12 Вт/м². Для коротковол-

новой радиации различия остались существенными: среднее отклонение

составило величину около 30 Вт, в то время как максимальная разница

достигала в отдельных узлах расчетной сетки 200 Вт. Такое отличие в

величине потоков обусловлено главным образом наличием существенных

различий между используемыми в пакете ecRad алгоритмами RRTMG SW

и параметризацией CLIRAD SW модели ПЛАВ.

Изначально при настройке параметра перекрытия облаков для

сравнения атмосферной циркуляции модели ПЛАВ при использовании

двух различных радиационных блоков применялся один и тот же набор

данных по климатологии оптической толщины четырех видов аэрозолей

[23] для волны длиной 550 нм. Однако этот набор данных сильно устарел

и к тому же имеет очень грубое пространственное разрешение 5° по

долготе, 4° по широте. В исходной версии модели ПЛАВ применяется

двумерный набор данных MACv2 [15], содержащий более полную

информацию по оптическим свойствам аэрозолей (оптическая толщина,

параметры рассеяния и асимметрии) для различных длин волн на регуляр-

ной широтно-долготной сетке с шагом 1°. Поскольку алгоритмы CLIRAD

SW и RRTMG LW оперируют отличающимися от имеющихся в MACv2

диапазонами длин волн, а оптические свойства аэрозолей в них должны

иметь высотную зависимость, в ПЛАВ реализован специализированный

набор методов, к задачам которых относится подготовка данных MACv2

для последующего использования в блоках расчета радиационных потоков.

Сравнение результатов ПЛАВ с климатологией MacV2 и [23] было выпол-

нено ранее в работе [6].

Вместе с обновлением алгоритмов расчета радиационных потоков был

заменен способ учета наличия аэрозолей в атмосфере. Для этого в ПЛАВ

была реализована возможность использования данных реанализа CAMS

[14], содержащего трехмерную (25 уровней по вертикали) информацию об

удельной концентрации аэрозолей разных видов на сетке с горизонталь-

ным разрешением 0,75°. Расчет оптических свойств аэрозолей в таком

случае осуществлялся с учетом актуальных метеопараметров атмосферы

(температура, влажность и давление). Использование в радиационных

54

Гидрометеорологические прогнозы, математическое моделирование

блоках информации об удельной концентрации аэрозолей вместо аггре-

гированных оптических характеристик, помимо повышения точности

описания аэрозольно-радиационных связей, имеет еще одно важное преи-

мущество. Таким образом открывается возможность явного воспроизведе-

ния в модели динамики аэрозолей при условии правильного задания их

источников и стоков.

В дальнейшей части статьи сравнивается радиационный блок на

основе CLIRAD SW и RRTMG LW с климатологией аэрозолей MACv2 и

блок ecRAD с алгоритмом ecCKD и климатологией аэрозолей CAMS.

Результаты расчетов на основе ПЛАВ показывают, что разница в оценках

прогнозов между радиационными блоками в несколько раз больше, чем

разница в оценках прогнозов одного и того же радиационного алгоритма,

но при различной климатологии аэрозолей.

Существенным достоинством радиационного блока ecRad с ecCKD

является его вычислительная эффективность по сравнению с алгоритмами

CLIRAD SW и RRTMG LW. В версии для долгосрочного прогноза погоды

ПЛАВ072L96, где расчетная сетка включает 400×251×96 узлов, ускорение

вычислений при переходе на ecRad и ecCKD составило примерно 17 %:

время расчета одного участника ансамбля прогноза с заблаговременностью

четыре месяца уменьшилось с 81 до 67 минут. В версии для среднесроч-

ного детерминистского прогноза по модели ПЛАВ10 ускорение расчетов

менее заметно и составляет величину около 8 %: 13 минут расчета прогноза

на 24 часа вместо 14. Отметим, что шаг сетки по долготе в ПЛАВ10

составляет 0,1°, по широте применяется переменное разрешение в диапа-

зоне шагов сетки от 0,08° до 0,13°, по вертикали используется 104 уровня

(расчетная сетка содержит 3600×1946×104 узлов). В версии ПЛАВ20 (шаг

сетки 0,225° по долготе, 0,16‒0,24° по широте, 51 уровень по вертикали)

для среднесрочного ансамблевого прогноза ускорение составило величину

около 15 %.

2. Численные эксперименты по настройке модельного «климата»

Любое значимое изменение методологии описания физических

процессов в атмосфере приводит, как правило, к изменению климата

модели ‒ значений метеорологических характеристик в свободной атмос-

фере и на поверхности, осредненных за достаточно большой промежуток

времени. В качестве меры ошибки осредненного климата модели в работе

используется интегральное среднеквадратическое отклонение исследуе-

мого поля от реанализа ERA5, осредненного за тот же период. Экспери-

менты проводились с моделью ПЛАВ072L96 [4], которая интегрировалась

на 5 лет с начальных условий реанализа ERA5 [13] за 30 октября 1995 года.

В качестве граничных условий задавались в том числе температура

поверхности океана и концентрация морского льда по данным реанализа

ERA5.

Фадеев Р.Ю., Толстых М.А., Бирючева Е.О., Гойман Г.С.

55

Внедрение схемы расчета радиационных потоков тепла на основе

ecRad c ecCKD вместе с переходом на климатологию аэрозолей CAMS

сначала привело к существенной деградации качества описания динамики

верхней и средней тропосферы: точность воспроизведения осредненного

поля геопотенциала и температуры на поверхности 500 гПа ухудшилась на

20 и 27 % соответственно. На уровне 250 гПа ухудшение стало еще

заметнее: 35 и 53 %. Вместе с тем точность описания других метеороло-

гических характеристик моделью ПЛАВ072L96 в той же конфигурации

улучшилось. Это коснулось качества описания потоков скрытого и явного

тепла на поверхности (точность увеличилась более чем на 10 %), зональ-

ного компонента скорости ветра на поверхностях 500 и 850 гПа (изменение

около 10 %), а также среднего по глобусу балла облаков верхнего яруса

(изменение свыше 15 %).

В результате перенастройки модели удалось добиться уменьшения

ошибок воспроизведения большинства осредненных характеристик атмос-

феры. Наибольшие улучшения можно отметить в описании балла облач-

ности (свыше 30 %), потока скрытого тепла на поверхности (более 18 %) и

осадков (также около 18 %). Сводная информация об изменении ошибок

описания осредненного климата моделью ПЛАВ072L96 приводится в

таблице, где строки соответствуют прогностическим величинам, а колонки

‒ конфигурациям расчетной модели. Значения в ячейках таблицы соответ-

ствуют изменению в процентах интегральной ошибки воспроизведения

метеорологической величины по сравнению с исходной версией модели

ec06a с описанием радиационных потоков на основе CLIRAD SW и

RRTMG-LW и климатологией аэрозолей MACv2. Все другие версии

модели соответствуют конфигурации ПЛАВ072L96 с описанием радиаци-

онных потоков на основе пакета ecRad с использованием параметризации

ecCKD и климатологией аэрозолей CAMS. Значения настраиваемых

параметров в версиях ec06a и ec06b идентичны. В остальных версиях

внесены следующие изменения:

• ec06h ‒ изменено значение констант, участвующих в процедуре

расчета фазовых переходов и влияющих на величину сконденсированной

влаги в крупномасштабной облачности, с целью изменения процентного

соотношения жидкой и твердой фаз в верхних слоях атмосферы. В таблице

можно видеть, что данное изменение привело к существенному улучше-

нию описания моделью облачности;

• ec07a ‒ перенастроены коэффициенты в методе параметризованного

описания турбулентности в пограничном слое атмосферы, уменьшено

влияние осадков на перемешивание в свободной атмосфере и, в частности,

вблизи поверхности Земли;

• ec07n ‒ модифицированы значения коэффициентов в параметри-

зации облачности с целью повышения точности описания облачности и

облаков верхнего яруса в частности;

• ec07y ‒ дополнительно уточнены значения коэффициентов в расчете

турбулентных потоков в атмосфере.

56

Гидрометеорологические прогнозы, математическое моделирование

Таблица. Изменение точности (%) воспроизведения атмосферной циркуля-

ции моделью ПЛАВ в различных версиях по сравнению с исходной версией

ec06а

Table. Changes in accuracy of SLAV model atmosphere circulation simulation in

different versions with respect to original ec06a version

Идентификатор эксперимента

Уровень

ec06b ec06h ec07a ec07n ec07y

Поток явного тепла

Поверхность

-2,7

-10

-3,5

-12

-5,4

-15

-4,2

-16

-8

-7,2

-19

-11

Поток скрытого тепла

Поток теплового

излучения

-6,8

-8,3

Поток солнечного

излучения

Поверхность

10 м

1,1

-1,6

-1,8

-1,7

-2,9

-0,1

-1,5

-0,1

-3,7

Меридиональный

компонент скорости

ветра

-2,5

Зональный компонент

скорости ветра

10 м

-8,1

-15

-1

-7,1

-20

-4

-6,3

-20

-7,4

-17

-11

-16

-5,2

Балл облачности

верхнего яруса

-

Балл облачности

нижнего яруса

-4,3

-4,9

Балл облачности

Температура

-

-16

53

-28

49

-29

34

-29

17

-30

-6,7

-5,2

7

250 гПа

500 гПа

850 гПа

250 гПа

500 гПа

850 гПа

250 гПа

500 гПа

850 гПа

250 гПа

500 гПа

850 гПа

-

28

27

18

8,9

9,4

-6,2

-4,6

-6,6

-7,6

-11

35

5,6

-4,6

-1,3

-5,4

-9,4

-12

-9,6

33

3,7

-8,5

-7,8

-7,2

-5,3

-8

5,8

Меридиональный

компонент скорости

ветра

-7,6

-3,7

-6,5

-7,2

-8,7

-9,3

14

-9,3

-5,9

-8,9

-9,8

-13

-2

Зональный компонент

скорости ветра

-8,1

24

Высота

геопотенциальной

поверхности

20

17

12

7,7

0,2

-5,5

-7,2

-1,8

-2,6

-4,2

-3,4

-4,5

-5,7

-5,2

-5,1

Давление

на уровне моря

Осадки

Поверхность

-9,8

-9,2

-14

-15

-19

На рис. 1а и 1б иллюстрируется осредненное за 60 месяцев

поле осадков (мм/сут) на поверхности Земли по результатам расчетов по

модели ПЛАВ072L96 в версиях ec06a и ec07y. На рис. 1в приводится

осредненное за тот же период времени поле осадков по данным реанализа

ERA5, на рис. 1г ‒ отклонение осредненного поля осадков в модели

ПЛАВ072L96 в версии ec07y от реанализа ERA5.

Фадеев Р.Ю., Толстых М.А., Бирючева Е.О., Гойман Г.С.

57

а)

б)

в)

г)

Рис. 1. Осредненное с 30.10.1995 по 30.10.2000 поле осадков (мм/сут)

в конфигурациях ПЛАВ ec06a (а) и ec07y (б), реанализе (в); отклонение

осредненного за тот же период поля осадков в конфигурации ec07y

ПЛАВ от реанализа (г).

Fig. 1. Precipitation field [mm/day] averaged over 30.10.1995 - 30.10.2000

in SLAV configurations ec06a (a) and ec07y (б); in ERA5 reanalysis (в);

difference of ec07y SLAV configuration from reanalysis (г).

Можно видеть, что внедрение новых подходов к расчету радиаци-

онных потоков в атмосфере и новой климатологии аэрозолей вместе с

перенастройкой модели позволило заметно уменьшить общее количество

среднегодовых осадков с 3,55 до 3,12 мм/сут, улучшив таким образом

58

Гидрометеорологические прогнозы, математическое моделирование

согласие с реанализом и результатами эксперимента TRMM, по данным

которого интегрально по глобусу в среднем за год выпадает около

2,97 мм/сут осадков. Для версии модели с блоком ecRad характерен

перегрев верхних слоев атмосферы. Однако среднеквадратическая ошибка

воспроизведения среднегодового поля температуры на уровнях 500 и

250 гПа уменьшена с 1,39º до 1,15º и с 1,97º до 1,65º соответственно

(сравниваются конфигурации ПЛАВ072L96 в версиях ec06a и ec07y).

Интегральные среднегодовые потоки тепла на поверхности в версии

ec07y по сравнению с ec06a стали лучше соответствовать значениям,

рекомендованным Межправительственной группой экспертов по измене-

ниям климата: поток солнечного излучения уменьшился с 170,1 до

163,3 Вт/м²(рекомендованный диапазон значений: 154‒166, среднее

значение: 161 Вт/м²); поток теплового излучения изменился с -57,6 на

-55,9 Вт/м²(рекомендованное среднее значение -56 Вт/м²); поток явного

тепла уменьшился с -17,8 до -16,9 Вт/м²(рекомендованный диапазон 15‒

25 Вт/м²); среднегодовой интегральный поток скрытого тепла уменьшился

с -96,8 до -85,8 Вт/м²(рекомендованный диапазон: 70‒85 Вт/м²). Таким

образом, усовершенствованную версию модели удалось точнее настроить

в части ее осредненных за пять лет характеристик циркуляции атмосферы

и в приповерхностном слое в частности. Ухудшение общего баланса тепла

на поверхности является предметом для дальнейшего совершенствования

и настройки модели.

3. Воспроизведение циркуляции на сезонных масштабах

Модель ПЛАВ072L96, настроенная на воспроизведение среднего-

довой атмосферной циркуляции, была проверена на серии сезонных

прогнозов (расчет на 123 суток) по начальным данным реанализа ERA5 за

30 января, 30 апреля, 30 июля и 30 октября за период с 1991 по 2015 год,

сроки 00, 06 12 и 18 ч ВСВ. Эволюция температуры поверхности океана и

концентрации морского льда описывалась простой моделью, так же как и

в оперативной технологии модели ПЛАВ – в начальный момент прогноза

эти поля задались из реанализа, с постепенной релаксацией к климатичес-

ким значениям для каждого дня [4]. Также при расчете прогнозов

использовалось стохастическое возмущение трех параметров в параметри-

зациях [1]. Каждый прогноз рассчитывался с одних и тех же начальных

данных три раза, таким образом размер прогностического ансамбля состав-

лял 12 членов.

Успешность прогнозов оценивалась по наставлению ВМО [2] на сетке

с разрешением 1.5° по долготе и широте отдельно по территории

внетропической части Северного полушария (20‒90° с. ш.), тропики

(20° ю. ш. ‒ 20° с. ш.), внетропической части Южного полушария (20‒

90° ю. ш.). Оценивались прогнозы давления на уровне моря (MSLP),

высоты поверхности 500 гПа (H500), температуры на поверхности 850 гПа

(T850), приземной температуры (T2M) и осадков (PREC). Рассматривались

средние ошибок прогнозов, стартовавших с начальных данных за все даты

начальных данных.

Фадеев Р.Ю., Толстых М.А., Бирючева Е.О., Гойман Г.С.

59

Рассчитывалась среднеквадратическая ошибка RMSE, площадь под

кривой ROC, по градациям выше ROCAa и ниже ROCAb нормы для

среднего со второго по четвертый месяц. Оценки ROCA для градации

около нормы у сравниваемых вариантов достаточно близки для всех

оцениваемых метеорологических величин. Также рассчитывались коэффи-

циенты корреляции полей.

На рис. 2 приведены среднеквадратические ошибки указанных выше

величин для различных регионов. Среднеквадратические ошибки для

приземных характеристик и температуры поверхности 850 гПа в тропиках

меньше у варианта модели ПЛАВ с описанием радиации с помощью ecRad.

5

4

CR

EcRad

3

2

1

0

Рис. 2. Сравнение исторических прогнозов модели ПЛАВ072L96 с радиаци-

онными блоками CLIRAD SW и RRTMG LW (CR) и блоком ecRad (ecRad).

Среднеквадратические ошибки полей высоты поверхности 500 гПа (H500),

давления на уровне моря (MSLP), температуры на поверхности 850 гПа

(T850), температуры на уровне 2м (Т2м), осадков (PREC) по отношению к

полям реанализа ERA5, осредненные по историческим прогнозам за 25 лет.

S20 ‒ внетропическая часть Южного полушария, TR – тропики, N20 –

внетропическая часть Северного полушария. Единицы: H500 – дам, давле-

ние на уровне моря – гПа, T850 и Т2м ‒ градусы, осадки – мм/сут.

Fig. 2. Comparison of historical forecasts for different meteorological parameters

with radiation codes CLIRAD SW and RRTMG LW (CR) and ecRad (ecRad). Root

mean squared error for isobaric 500 hPa surface height (H500), mean sea-level

pressure (MSLP), temperature at 850 hPa (T850), 2-meter temperature (T2m),

precipitation (Prec) with respect to ERA5 reanalysis fields, averaged over 25-years

historical forecasts. Units are dam for H500, degrees for T850 and T2m, mm/day

for precipitation. Here N means extratropical of Northern hemisphere, TR means

tropics, and S means extratropical part of Southern Hemisphere.

60

Гидрометеорологические прогнозы, математическое моделирование

Такой же результат получен для давления на уровне моря во внетро-

пической части Северного полушария. Коэффициенты полной корреляции

для тех же величин не продемонстрировали существенных различий при

использовании различных параметризаций радиации, за исключением

коэффициента корреляции поля осадков в тропиках (увеличение с 0,69 до

0,75), температуры на поверхности 850 гПа в тропиках (увеличение с 0,888

до 0,912), давления на уровне моря в тропиках (с 0,903 до 0,933) и во

внетропической части Северного полушария (с 0,853 до 0,878). Площади

под кривой ROC для аномалий выше и ниже нормы значимо не изме-

нились.

На основе полученных результатов можно отметить преимущество

модели ПЛАВ с радиационным блоком ecRad в воспроизведении тропичес-

кой циркуляции на сезонном масштабе для всех рассматриваемых пере-

менных, кроме высоты поверхности 500 гПа. Также заметно повышение

точности воспроизведения осадков во всех регионах.

Заключение

В работе представлены результаты включения параметризации радиа-

ционных притоков тепла ecRad в модель атмосферы ПЛАВ, оцененные с

помощью численных экспериментов на среднегодовом и сезонном времен-

ном масштабе. Применение пакета ecRad вместе с переходом на климато-

логию аэрозолей на базе реанализа CAMS заметно повысило точность

воспроизведения среднегодового и среднесезонного поля осадков, как в

интегральных характеристиках, так и в географическом распределении.

Также точнее стала воспроизводиться среднесезонная атмосферная цирку-

ляция в тропиках вблизи поверхности.

Внедрение пакета ecRad позволяет экономить от 8 до 17 % вычисли-

тельных ресурсов в зависимости от конфигурации модели ПЛАВ. Наиболь-

шее ускорение достигается в модели ПЛАВ072L96, предназначенной для

догосрочного прогноза аномалий погоды.

В дальнейшем планируется настроить версии модели, предназначен-

ные для детерминистского и ансамблевого среднесрочного прогноза.

Запланированы исследования по влиянию климатологии аэрозолей, в

частности, различных способов задания их начальных условий, влиянию

аэрозолей на процессы конденсации в облаках.

Исследование выполнено за счет гранта Российского научного фонда

№25-17-00314, https://rscf.ru/project/25-17-00314.

Список литературы

1. Алипова К.А., Толстых М.А., Фадеев Р.Ю. Применение стохастических возмущений

параметров в версии модели ПЛАВ для долгосрочных прогнозов // Гидрометеорологиче-

ские исследования и прогнозы. 2024. № 1 (391). С. 6-23. https://doi.org/10.37162/2618-9631-

2024-1-6-23.

Фадеев Р.Ю., Толстых М.А., Бирючева Е.О., Гойман Г.С.

61

2. Наставление по Комплексной системе обработки и прогнозирования ВМО. Допол-

нение IV к Техническому регламенту ВМО // ВМО-№ 485. Женева: ВМО, 2023. ISBN 978-

92-63-40485-5.

3. Толстых М.А., Желен Ж.Ф., Володин Е.М., Богословский Н.Н., Вильфанд Р.М.,

Киктев Д.Б., Красюк Т.В., Кострыкин С.В., Мизяк В.Г., Фадеев Р.Ю., Шашкин В.В., Шля-

ева А.В., Эзау И.Н., Юрова А.Ю. Разработка многомасштабной версии глобальной модели

атмосферы ПЛАВ // Метеорология и гидрология. 2015. № 6. C. 25-35.

4. Толстых М.А., Фадеев Р.Ю., Шашкин В.В, Зарипов Р.Б., Травова С.В., Гойман Г.С.,

Алипова К.А., Мизяк В.Г., Тищенко В.А., Круглова Е.Н. Модель долгосрочного метеорологи-

ческого прогноза ПЛАВ072L96 // Метеорология и гидрология. 2024. № 7. C. 25-39.

5. Толстых М.А., Фадеев Р.Ю., Шашкин В.В., Гойман Г.С., Зарипов Р.Б., Мизяк В.Г.,

Рогутов В.С., Алипова К.А., Бирючева Е.О. Глобальная модель ПЛАВ10 для среднесрочного

прогноза погоды // Метеорология и гидрология. 2025. № 6. C. 56-66.

6. Фадеев Р. Ю., Толстых М. А., Володин Е. М. Климатическая версия модели атмо-

сферы ПЛАВ: разработка и первые результаты // Метеорология и гидрология. 2019. № 1.

C. 22-34.

7. Barker H., Cole J., Morcrette J.-J., Pincus R., Räisänen P., von Salzen K., Vaillancourt

P. The Monte Carlo Independent Column Approximation: An assessment using several global at-

mospheric models // Quart. J. Roy. Meteor. Soc. 2008. Vol. 134. P. 1463-1478.

https://doi.org/10.1002/qj.303.

8. Chou M.-D., Suarez M.J. A solar radiation parameterization (CLIRAD-SW) for atmos-

pheric studies // NASA Tech. Memo-1999-104606. 2013. Vol. 15. NASA Goddard Space Flight

Center, Greenbelt, MD. 48 p.

9. Fu Q., Yang P., Sun W. B. An accurate parametrization of the infrared radiative properties

of cirrus clouds of climate models // J. Climate. 1998. Vol. 11. P. 2223-2237.

10. Hogan R.J., Illingworth A.J. Deriving cloud overlap statistics from radar // Q. J. Roy.

Meteor. Soc. 2000. Vol. 126. P. 2903-2909.

11. Hogan R.J., Bozzo A. A flexible and efficient radiation scheme for the ECMWF model

// J. Adv. Mod. Earth Sys. 2018. Vol. 10. P. 1990-2008.

12. Hogan R.J., Matricardi M. A Tool for Generating Fast k-Distribution Gas-Optics Models

for Weather and Climate Applications // J. Adv. Mod. Earth Sys. 2022. Vol. 14. e2022MS003033.

https://doi.org/10.1029/2022MS003033.

13. Hersbach H., Bell B., Berrisford P., Hirahara S., Horányi A., Muñoz Sabater J., Nicolas

J., Peubey C., Radu R., Schepers D., Simmons A., Soci C., Abdalla S., Abellan X., Balsamo G.,

Bechtold P., Biavati G., Bidlot J., Bonavita M., Thépaut J.-N. The ERA5 global reanalysis // Q. J.

Roy. Meteor. Soc. 2024. Vol. 150. P. 4014-4048. https://doi.org/10.1002/qj.4803.

14. Inness A., Ades M., Agustí-Panareda A., Barré J., Benedictow A., Blechschmidt A.-M.,

Dominguez J. J., Engelen R., Eskes H., Flemming J., Huijnen V., Jones L., Kipling Z., Massart, S.,

Parrington M., Peuch V.-H., Razinger M., Remy S., Schulz M., Suttie M. The CAMS reanalysis of

atmospheric composition // Atmos. Chem. Phys. 2019. Vol. 19. P. 3515-3556.

https://doi.org/10.5194/acp-19-3515-2019.

15. Kinne S. The MACv2 aerosol climatology // Tellus B: Chemical and Physical Meteor-

ology. 2019. Vol. 71. P. 1-21. DOI: 10.1080/16000889.2019.1623639.

16. Lindner T.H., Li J. Parameterization of the optical properties for water clouds in the

infrared // J. Climate. 2000. Vol. 13. P. 1797-1805.

17. Martin G. M., Johnson D.W., Spice A. The measurement and parameterization of effec-

tive radius of droplets in warm stratocumulus // J. Atmos. Sci. 1994. Vol. 51. P. 1823-1842.

18. Mlawer E.J., Taubman S.J., Brown P.D., Iacono M.J., Clough S.A. RRTM, a validated

correlated-k model for the longwave // J. Geophys. Res. 1997. Vol. 102. P. 16, 663-16, 682.

19. Oreopoulos L., Lee D., Sud Y.C., Suarez M.J. Radiative impacts of cloud heterogeneity

and overlap in an atmospheric General Circulation Model // Atmos. Chem. Phys. 2012. Vol. 12.

P. 9097-9111. https://doi.org/10.5194/acp-12-9097-2012.

20. Sun Z., Rikus L. Parametrization of effective sizes of cirrus-cloud particles and its verifi-

cation against observations // Q. J. Roy. Meteorol. Soc. 1999. No. 125. P. 3037-3055.

62

Гидрометеорологические прогнозы, математическое моделирование

21. Sun Z. Reply to comments by G.M.McFarquhar on «Parametrization of effective sizes of

cirrus-cloud particles and its verification against observations» // Q. J. Roy. Meteorol. Soc. 2001.

No. 127. P. 267-271.

22. Tarasova T., Fomin B. The Use of New Parameterizations for Gaseous Absorption in the

CLIRAD-SW Solar Radiation Code for Models // J. Atmos. Oceanic Techn. 2007. Vol. 24, no 6.

P. 1157-1162.

23. Tegen I., Hoorig P., Chin M., Fung I., Jacob D., Penner J. Contribution of different

aerosol species to the global aerosol extinction optical thickness: Estimates from model results //

J. Geophys. Res. 1997. Vol. 102. P.23895-23915.

24. Tolstykh M., Shashkin V., Fadeev R., Goyman G. Vorticity-divergence semi-Lagrangian

global atmospheric model SL-AV20: dynamical core // Geosci. Model Dev. 2017. Vol. 10.

P. 1961-1983.

25. Ukkonen P., Hogan R.J. Twelve Times Faster yet Accurate: A New State-Of-The-Art in

Radiation Schemes via Performance and Spectral Optimization // J. Adv. Mod. Earth Sys. 2023.

Vol. 16. e23MS003932. https://doi.org/10.1029/2023MS003932

References

1. Alipova K.A., Tolstikh M.A., Fadeev R. Yu., Primenenie stochasticheskikh vozmuschenii

parametrov v versii modeli PLAV dlia dolgosrochnikh prognozov [Application of stochastic pa-

rameter perturbations in SL-AV model version for long-range forecasting]. Gidrometeoro-

logicheskie issledovania i prognozi [Hydrometeorological research and forecasting], 2024, no. 1

(391), pp. 6-23 [in Russ.].

2. WMO-No. 485. Manual on the WMO Integrated Processing and Prediction System.

Geneva, World Meteorological Organization (WMO), 2023. ISBN 978-92-63-40485-4. Available

at https://library.wmo.int/idurl/4/35703.

3. Tolstykh M.A., Geleyn J.-F., Volodin E.M., Bogoslovskii N.N., Vilfand R.M., Kiktev D.B.,

Krasjuk T.V., Kostrykin S.V., Mizyak V.G., Fadeev R.Yu., Shashkin V.V., Shlyaeva A.V., Ezau I.N.,

Yurova A.Yu. Development of the Multiscale Version of the SL-AV Global Atmosphere Model.

Russ. Meteorol. Hydrol., 2015, vol. 40, no. 6, pp. 374-382 [in Russ.].

4. Tolstykh M.A., Fadeev R.Y., Shashkin V.V., Zaripov R.B., Travova S.V., Goyman G.S.,

Alipova K.A., Mizyak V.G., Tischenko V.A., Kruglova E.N. The SLAV072L96 Model for Long-

range Meteorological Forecasts. Russ. Meteorol. Hydrol., 2024, vol. 49, no. 7, pp. 576-586

[in Russ.].

5. Tolstykh M.A., Fadeev R.Yu., Shashkin V.V., Goyman G.S., Zaripov R.B., Mizyak V.G.,

Rogutov V.S., Alipova K.A., Biryucheva E.O. Global SLAV10 model for medium-range weather

prediction. Russ. Meteorol. Hydrol., 2025, vol. 50, no. 6, pp. 473-481 [in Russ.].

6. Fadeev R.Yu., Tolstykh M.A., Volodin E.M. Climate Version of the SL-AV Atmosphere

Model: Development and First Results. Russ. Meteorol. Hydrol., 2019, vol. 44, no. 1, pp. 13-22

[in Russ.].

7. Barker H., Cole J., Morcrette J.-J., Pincus R., Räisänen P., von Salzen K., Vaillancourt P.

The Monte Carlo Independent Column Approximation: An assessment using several global atmos-

pheric models. Quart. J. Roy. Meteor. Soc., 2008, vol. 134, pp. 1463-1478.

https://doi.org/10.1002/qj.303.

8. Chou M.-D., Suarez M. J. A solar radiation parameterization (CLIRAD-SW) for atmos-

pheric studies – 1999. NASA Tech. Memo-1999-104606, 2013, vol. 15, NASA Goddard Space

Flight Center, Greenbelt, MD, 48 p.

9. Fu Q., Yang P., Sun W. B. An accurate parametrization of the infrared radiative properties

of cirrus clouds of climate models. J. Climate, 1998, vol. 11, pp. 2223-2237.

10. Hogan R.J., Illingworth A.J. Deriving cloud overlap statistics from radar. Q. J. Roy. Me-

teor. Soc. 2000, vol. 126, pp. 2903-2909.

11. Hogan R.J., Bozzo A. A flexible and efficient radiation scheme for the ECMWF model.

J. Adv. Mod. Earth Sys., 2018, vol. 10, pp. 1990-2008.

12. Hogan R.J., Matricardi M. A Tool for Generating Fast k-Distribution Gas-Optics Models

for Weather and Climate Applications. J. Adv. Mod. Earth Sys., 2022, vol. 14, e2022MS003033.

https://doi.org/10.1029/2022MS003033

Фадеев Р.Ю., Толстых М.А., Бирючева Е.О., Гойман Г.С.

63

13. Hersbach H., Bell B., Berrisford P., Hirahara S., Horányi A., Muñoz Sabater J., Nicolas

J., Peubey C., Radu R., Schepers D., Simmons A., Soci C., Abdalla S., Abellan X., Balsamo G.,

Bechtold P., Biavati G., Bidlot J., Bonavita M., Thépaut J.-N. The ERA5 global reanalysis. Q. J.

Roy. Meteor. Soc., 2024, vol. 150, pp. 4014-4048. https://doi.org/10.1002/qj.4803.

14. Inness A., Ades M., Agustí-Panareda A., Barré J., Benedictow A., Blechschmidt A.-M.,

Dominguez J. J., Engelen R., Eskes H., Flemming J., Huijnen V., Jones L., Kipling Z., Massart, S.,

Parrington M., Peuch V.-H., Razinger M., Remy S., Schulz M., Suttie M. The CAMS reanalysis of

atmospheric composition. Atmos. Chem. Phys., 2019, vol. 19, pp. 3515-3556.

https://doi.org/10.5194/acp-19-3515-2019.

15. Kinne S. The MACv2 aerosol climatology. Tellus B: Chemical and Physical Meteoro-

logy, 2019, vol. 71, pp. 1-21. DOI: 10.1080/16000889.2019.1623639.

16. Lindner T.H., Li J. Parameterization of the optical properties for water clouds in the

infrared. J. Climate, 2000, vol. 13, pp. 1797-1805.

17. Martin G. M., Johnson D.W., Spice A. The measurement and parameterization of effec-

tive radius of droplets in warm stratocumulus. J. Atmos. Sci., 1994, vol. 51, pp. 1823-1842.

18. Mlawer E.J., Taubman S.J., Brown P.D., Iacono M.J., Clough S.A. RRTM, a validated

correlated-k model for the longwave. J. Geophys. Res., 1997, vol. 102, pp. 16, 663-16, 682.

19. Oreopoulos L., Lee D., Sud Y. C., Suarez M. J. Radiative impacts of cloud heterogeneity

and overlap in an atmospheric General Circulation Model. Atmos. Chem. Phys, 2012, vol. 12,

pp. 9097-9111. https://doi.org/10.5194/acp-12-9097-2012.

20. Sun Z., Rikus L. Parametrization of effective sizes of cirrus-cloud particles and its verifi-

cation against observations. Q. J. Roy. Meteorol. Soc., 1999, no. 125, pp. 3037-3055.

21. Sun Z. Reply to comments by G.M.McFarquhar on «Parametrization of effective sizes of

cirrus-cloud particles and its verification against observations». Q. J. Roy. Meteorol. Soc., 2001,

no. 127, pp. 267-271.

22. Tarasova T., Fomin B. The Use of New Parameterizations for Gaseous Absorption in the

CLIRAD-SW Solar Radiation Code for Models. J. Atmos. Oceanic Techn., 2007, vol. 24, no 6,

pp. 1157-1162.

23. Tegen I., Hoorig P., Chin M., Fung I., Jacob D., Penner J. Contribution of different

aerosol species to the global aerosol extinction optical thickness: Estimates from model results.

J. Geophys. Res., 1997, vol. 102, pp. 23895-23915.

24. Tolstykh M., Shashkin V., Fadeev R., Goyman G. Vorticity-divergence semi-Lagrangian

global atmospheric model SL-AV20: dynamical core. Geosci. Model Dev., 2017, vol. 10, pp. 1961-

1983.

25. Ukkonen P., Hogan R.J. Twelve Times Faster yet Accurate: A New State-Of-The-Art in

Radiation Schemes via Performance and Spectral Optimization. J. Adv. Mod. Earth Sys., 2023,

vol. 16, e23MS003932. https://doi.org/10.1029/2023MS003932.

Поступила 05.09.2025; одобрена после рецензирования 01.10.2025;

принята в печать 15.10.2025.

Submitted 05.09.2025; approved after reviewing 01.10.2025;

accepted for publication 15.10.2025.