Складення прогностичних карт особливих явищ на нижніх рівнях
Прогностичні карти особливих явищ на нижніх рівнях для авіації складаються у великих прогностичних центрах для окремих регіонів. Цим вони відрізняються від аналогічних карт для верхніх і середніх рівнів, які можуть складатися для півкулі. Причиною такої відмінності є різноманіття так званих особливих явищ, що розвиваються у нижньому трьохкілометровому шарі атмосфери, їх незначного просторового масштабу і великої залежності від місцевих умов (топографії і характеру підстильної поверхні, наявності водоймищ тощо).
Вимоги ВМО/ІКАО до складання прогностичної карти особливих явищ на нижніх рівнях для авіації. Вимоги до змісту, точності і завчасності карт особливих явищ на нижніх рівнях (significant weather chart for low-level – SWL) викладені в Технічному Регламенті ВМО [1]. Вони повинні містити короткостроковий (до 30 год) прогноз і розраховуватись на основі вихідних даних чисельних регіональних моделей з високим розділенням. Сучасні чисельні моделі, які оперативно використовуються у провідних прогностичних центрах світу, засвоюють великий об’єм інформації, включаючи радари, профілеміри, супутники. На картах, згідно [1] повинні бути відображені наступні атмосферні явища та об’єкти: 1. Положення баричних центрів, напрямок і швидкість їх переміщення. 2. Атмосферні фронти з їх зонами хмарності. 3. Низька хмарність: межі шарів і характеристика. 4. Конвективна хмарність: нижня межа і характеристика (isolated, embedded тощо); грози та інші прояви активної конвекції. 5. Обледеніння: межі шарів. 6. Турбулентність: межі шарів і градації інтенсивності. 7. Висота нульової ізотерми. 8. Переохолоджені опади. 9. Явища, які понижують видимість нижче 10 км (туман, опади тощо). Таким чином, карта SWL відрізняється високим інформаційним наповненням. Вимоги до точності прогнозу SWL наступні: загальна справджуваність прогнозу наявності / відсутності (низької і конвективної хмарності, зон обледеніння, турбулентності, опадів, туману) – не нижче 80%, локалізація – з точністю не нижче 100 км, вертикальна протяжність шарів обледеніння і турбулентності – з точністю не гірше 600 м, нижня межа хмар – з точністю не гірше 30 до 120 м і 30% від 120 до 3000 м. Методи і алгоритми постпроцесінга, які використовуються для прогнозу особливих явищ на нижніх рівнях. Викладемо загальні принципи прогнозування особливих явищ на основі вихідних даних чисельних моделей. Останні дозволяють обчислювати наперед у точках певної регулярної сітки на різних рівнях значення геопотенціалу (тиску), температури, вологості, складових швидкості вітру та інших модельних величин. На основі цієї інформації ставиться задача визначити положення і характеристики струминних течій, тропопаузи, зон турбулентності тощо. Фактично задача полягає в реалізації певної фізичної концепції, яка відображає сутність природи кожного із «особливих явищ», що сильно різняться між собою. Для вирішення цієї задачі потрібні спеціалісти, які глибоко розуміють фізику явищ і зв'язок кожного явища з метеорологічними полями, що прогнозуються моделлю, а також способи вилучення із цих полів потрібної інформації. Весь комплекс програм постпроцесінга, необхідний для розрахунку карти SWL, є основою технології її складення. Розглянемо методи постпроцесінга для прогнозу особливих явищ на нижніх рівнях, що використовуються в теперішній час у провідних світових прогностичних центрах.
Низька хмарність. Низька хмарність (шарувата, шарувато-купчаста, шарувато-дощова) у сучасних регіональних чисельних моделях з високим розділенням, з хорошим описом процесів у граничному шарі атмосфери і тепло- та вологообміну між підстильною поверхнею та атмосферою, прогнозується безпосередньо в рамках чисельної моделі і постпроцесінг у цих умовах не потребується. До появи надійних чисельних прогнозів низької хмарності такі програми існували і використовувались на практиці; вони розроблялись, як правило, на основі статистичної корекції модельних прогнозів (метод МОS); приклади можна знайти у [2, 3]. Пізніше, коли модельні короткострокові прогнози стали достатньо надійними [4], подібні методи стали використовуватись для понадкороткострокового аеродромного прогнозування [5, 6]. Відмітимо широке застосування для цієї цілі імовірнісних прогнозів.
Конвективна хмарність. Стосовно до карти SWL представляють інтерес наступні параметри конвективної хмарності: нижня межа, характеристика (ізольовані, рідкі, часті, потоплені в шаруватій хмарності), а також грози і град. Найновіші сучасні регіональні негідростатичні моделі з надвисоким (близько кілометра) розділенням в принципі здатні в явному вигляді відтворювати мезомасштабні конвективні комплекси. Проте такого досвіду, тим більш оперативного, поки що не існує. У практиці сьогоднішнього дня використовуються схеми постпроцесінга модельних полів температури і вологості. Для отримання перерахованих вище параметрів конвекції необхідно розрахувати за даними про температуру і вологість у вузлах сітки на рівнях від 2 м до великих висот (практично до нижньої стратосфери) наступні величини: рівень конденсації і рівень нульової плавучості, що інтерпретуються відповідно як нижня і верхня межа конвективних хмар, і рівень зародження низхідного потоку як характеристику наявності граду. Всі ці величини дуже залежать від точності прогнозу температури і вологості біля землі та у граничному шарі атмосфери. Враховуючи невелику (декілька годин) тривалість життя конвективних осередків і дуже виражений добовий хід, представляється природним і реалістичним такий розподіл функцій надкороткострокового прогнозу, при якому короткостроковий (до 36 год) прогноз грає роль орієнтовного. Системи наукастінга, асимілюючі радарні та супутникові дані, здійснюють оперативне забезпечення екіпажів і наземних служб інформацією про стан і найближчу еволюцію конкретних конвективних осередків, а у ряді випадків і про їх виникнення [7, 8, 9, 10]. Такий стан прогнозування конвективних явищ для авіації у світовій практиці.
Зони обледеніння повітряних суден. На картах SWL повинні бути вказані зони імовірного обледеніння повітряних суден і висоти меж відповідних шарів. Як правило, для обледеніння ПС при польоті у хмарах, необхідною умовою є наявність в них переохолоджених крапель у великій кількості. Ця умова не є достатньою; чутливість різних типів літаків і гелікоптерів до обледеніння неоднакова, вона залежить від швидкості польоту та аеродинамічних характеристик ПС. Тому прогнозується лише «імовірне» обледеніння в шарах, де виконується його необхідна умова. Такий прогноз складається із прогнозу наявності хмар, температури у хмарних шарах і таких мікрофізичних характеристик, як розміри крапель і водність хмар. Пряме чисельне прогнозування мікрофізичних характеристик стало доступним лише недавно, на достатньо високому рівні розвитку чисельних моделей, що використовуються в кращих світових прогностичних центрах. Відмітимо, що, як і активна конвекція, зони обледеніння є переважно об’єктом надкороткострокового прогнозу, тоді як короткостроковий прогноз виконує роль орієнтовного. Класичний зразок схеми надкороткострокового прогнозу на базі модельного короткострокового прогнозу дано в [11], де описаний процес засвоєння радарних даних і рапортів пілотів.
Переохолоджені опади. Переохолоджені (замерзаючі) опади, що утворюють ожеледь, мають важливе значення для зльоту і посадки ПС, а також їх стану на стоянках. Вивчення і прогноз замерзаючих опадів тісно пов’язані з розглянутими аналогічними проблемами для зон обледеніння. Існуючі підходи до прогнозу замерзаючих опадів, починаючи з простих синоптико-статистичних методів [12] і закінчуючи сучасними розробками на базі чисельних моделей [13, 14, 15, 16], орієнтуються на класичний механізм з теплим шаром танення. Отримані в цитованих статтях результати можуть використовуватися для розробки методів прогнозу замерзаючих опадів у наших умовах, проте сподіватись на високий результат не доводиться, оскільки численні випадки випадіння таких опадів із холодних хмар не будуть передбачені. В цілому слід відмітити, що проблема короткострокового прогнозу замерзаючих опадів є однією із найбільш складних і в той же час досить актуальних. Досить рідке і небезпечне явище замерзаючого дощу краще прогнозується на строки 1…6 год, на основі спостережень за допомогою поляриметричних радарів [17, 18]. Цей порівняно новий для метеорології вид радарної техніки дозволяє визначити фазовий стан і отримати інформацію про розподіл хмарних часток за розмірами. У нашій державі таких радарів на озброєнні авіаційних метеорологів поки що не існує.
Висота нульової ізотерми. Ця величина тісно пов’язана з прогнозом зон обледеніння і переохолоджених опадів [19, 20]. Висота нульової ізотерми дає синоптику перші вказівки (хоча і недостатні) на можливість наявності переохолоджених крапель у хмарах і на можливість реалізації механізму утворення замерзаючих опадів. Висота нульової ізотерми прогнозується на 24…36 год на основі чисельного прогнозу поля температури. При наявності в прогностичній моделі хорошого опису граничного шару розрахунок висоти нульової ізотерми (звичайно за допомогою сплайн-апроксимації профілю температури) не становить принципових труднощів. Як у випадку падіння температури з висотою, так і у випадку наявності інверсій та підінверсійних хмар вказаний стандартний підхід дає добрі результати. Проте хороший опис граничного шару атмосфери вимагає детального задання рельєфу та характеру підстильної поверхні і високої точності моделі повітря-ґрунт.
Турбулентність в ясному небі. Турбулентність у безхмарній нижній тропосфері, як відомо [21], розподіляється на наступні види відповідно до механізмів її генерації: - власне ТЯН, яка виникає в результаті гідродинамічної нестійкості у шарах з великими зсувами вітру; - механічна турбулентність, яка виникає внаслідок приземного тертя, що формує профіль вітру з великими вертикальними градієнтами швидкості; - орографічна турбулентність, яка розвивається над районами зі складною орографією в зонах гірських хвиль великої амплітуди і виникаючих при їх руйнуванні роторів; - термічна турбулентність у зонах конвективного перемішування. Сучасні технології прогнозу турбулентності, як і інших особливих явищ, базуються на вихідних даних чисельних моделей з високим розділенням і достатньо детальним описом процесів граничного шару, в тому числі над складною орографією. У рамках схем постпроцесінга розраховуються характеристики турбулентності, що генерується у заданому потоці. Так, власне ТЯН у нижньому шарі, як і на верхніх рівнях, оцінюється за допомогою «індексів ТЯН», які визначаються стратифікацією вітру Механічна турбулентність по суті є різновидністю ТЯН, з тією різницею, що профіль вітру, на фоні якого виникають турбулентні зони, формується під впливом шорсткості підстильної поверхні. Цей вид турбулентності характерний для найнижчого шару (до 500 м над поверхнею землі). Прогнозування механічної турбулентності – відносно просте завдання, за умови хорошого прогнозу вітру біля землі: у найбільш простому варіанті можна дотримуватися рекомендацій [21], а за наявності надійного прогнозу вітру на рівнях всередині граничного шару – отримувати прогноз механічної турбулентності у рамках схеми прогнозу ТЯН. Орографічна турбулентність виникає в результаті деформації повітряного потоку над горами, які, крім того, є джерелом збурень, що приймають вигляд гірських хвиль. Локалізація гірських хвиль і турбулентних зон визначається профілем нормальної до гірської перешкоди складової вітру. Сучасні методи прогнозу орографічної турбулентності базуються на детальному моделюванні обтікання перешкод збуреним потоком [25]. Прогноз положення турбулентних шарів та інтенсивності турбулентності формується на основі модельного поля вертикальних швидкостей вітру над горами і розрахунку швидкості дисипації енергії турбулентності, тобто прогноз орографічної турбулентності – задача складна і вимагає додаткового дослідження. Термічна турбулентність виникає при нестійкій стратифікації у нижньому шарі при слабкому вітрі, переважно у внутрішньомасових умовах. Її прогноз базується на чисельному прогнозі температури і вологості біля землі та в нижній тропосфері і тісно пов'язаний з прогнозом конвекції. При нестійкості в неглибоких шарах купчасто-дощова хмарність може не розвиватися, але термічна турбулентність буде мати місце. Якщо ж нестійкість спостерігається до великих висот і відбувається розвиток конвективних хмар, термічна турбулентність у граничному шарі також буде спостерігатися. Із сказаного слідує, що прогноз термічної турбулентності може бути успішним при достатній точності прогнозу полів температури і вологості у нижній тропосфері і біля землі.
Явища, що погіршують видимість. До явищ, що погіршують видимість нижче 10 км, відносяться головним чином тумани і опади. Представляється, що не всі тумани будуть успішно прогнозуватися за допомогою моделей, які оперативно використовуються у теперішній або можуть з’явитися в найближчий час: справа не лише у можливостях моделювання, але і в можливостях мережі спостережень. Частину туманів, переважно адвективних і адвективно-радіаційних, можна прогнозувати за допомогою чисельних моделей, інша частина буде, як і раніше, прогнозуватися синоптичними і синоптико-статистичними методами на місцях. Краще йде справа з опадами, хоча їх прогноз до цих пір є слабким місцем навіть найбільш сучасних чисельних моделей. Явища, що погіршують видимість, передбачається прогнозувати за допомогою чисельних моделей, але шляхом постпроцесінга їх вихідних даних, із статистичним врахуванням локальних особливостей.
|
