DOI: https://doi.org/10.26089/NumMet.2024s02

TerMPS: программное обеспечение для подготовки данных о параметрах поверхности суши, используемых в моделях деятельного слоя суши и моделях Земной системы

Авторы

  • А. А. Рязанова
  • В. Ю Богомолов
  • В. М. Степаненко
  • М. И. Варенцов
  • А. И. Медведев

Ключевые слова:

геопространственные данные
агрегирование данных
математическое моделирование
погода и климат

Аннотация

Для моделей деятельного слоя суши и Земной системы предусмотрено использование различных внешних данных о параметрах подстилающей поверхности. Эти параметры служат коэффициентами дифференциальных уравнений переноса и трансформации тепла, влаги и категорий углерода в деятельном слое. Современные наборы таких параметров содержатся в архивах геопространственных данных высокого разрешения (например, 30'') и для использования их в модели необходимо агрегирование на более крупную сетку и согласование параметров из различных архивов. Для решения этой задачи было разработано специальное программное обеспечение. Такой инструмент дает возможность создания архивов данных о параметрах поверхности суши на произвольной равномерной широтно-долготной сетке.

Загрузки

Опубликован

2024-12-16

Выпуск

2024: Специальный выпуск

Раздел

Методы и алгоритмы вычислительной математики и их приложения

Авторы

А. А. Рязанова

Институт мониторинга климатических и экологических систем СО РАН,
пр. Академический, 10/3, 634055, Томск;
Институт физики атмосферы имени А. М. Обухова РАН,
Пыжевский пер., 3, 119017, Москва
• младший научный сотрудник

В. Ю Богомолов

Институт мониторинга климатических и экологических систем СО РАН,
пр. Академический, 10/3, 634055, Томск;
Московский государственный университет имени М. В. Ломоносова,,
Научно-исследовательский вычислительный центр,
Ленинские горы, 1, стр. 4, 119234, Москва;
Институт физики атмосферы имени А. М. Обухова РАН,
Пыжевский пер., 3, 119017, Москва
• старший научный сотрудник

В. М. Степаненко

Московский государственный университет имени М. В. Ломоносова,
Научно-исследовательский вычислительный центр
Ленинские горы, 1, стр. 4, 119234, Москва
• заместитель директора

М. И. Варенцов

Московский государственный университет имени М. В. Ломоносова,
Научно-исследовательский вычислительный центр
Ленинские горы, 1, стр. 4, 119234, Москва
• старший научный сотрудник

А. И. Медведев

Московский государственный университет имени М. В. Ломоносова,
Научно-исследовательский вычислительный центр
Ленинские горы, 1, стр. 4, 119234, Москва
• программист

Библиографические ссылки

  1. N. G. Heavens, D. S. Ward, and M. M. Natalie, “Studying and Projecting Climate Change with Earth System Models,” Nat. Educ. Knowl. 4 (5), 4 pages (2013).
  2. R. A. Fisher and C. D. Koven, “Perspectives on the Future of Land Surface Models and the Challenges of Representing Complex Terrestrial Systems,” J. Adv. Model. Earth Syst. 12 (4), Article Number e2018MS001453 (2020).
    doi 10.1029/2018MS001453
  3. G. Danabasoglu, J.-F. Lamarque, J. Bacmeister, et al., “The Community Earth System Model Version 2 (CESM2),” J. Adv. Model. Earth Syst. 12 (2), Article Number e2019MS001916 (2020).
    doi 10.1029/2019MS001916
  4. D. M. Lawrence, R. A. Fisher, C. D. Koven, et al., “The Community Land Model Version 5: Description of New Features, Benchmarking, and Impact of Forcing Uncertainty,” J. Adv. Model. Earth Syst. 11 (12), 4245-4287 (2019).
    doi 10.1029/2018MS001583
  5. A. Voldoire, E. Sanchez-Gomez, D. Salas y Mélia, et al., “The CNRM-CM5.1 Global Climate Model: Description and Basic Evaluation,” Clim. Dyn. 40 (9-10), 2091-2121 (2013).
    doi 10.1007/s00382-011-1259-y
  6. V. Masson, J.-L. Champeaux, F. Chauvin, et al., “A Global Database of Land Surface Parameters at 1 km Resolution in Meteorological and Climate Models,” J. Clim. 16 (9), 1261-1282 (2003).
    doi 10.1175/1520-0442(2003)16<1261: AGDOLS>2.0.CO;2.
  7. W. C. Skamarock, J. B. Klemp, J. Dudhia, et al., A Description of the Advanced Research WRF Model Version 4 NCAR Technical Notes No. NCAR/TN-556+STR (National Center for Atmospheric Research, Boulder, 2021).
    doi 10.5065/1dfh-6p97
  8. M. Baldauf, A. Seifert, J. Förstner, et al., “Operational Convective-Scale Numerical Weather Prediction with the COSMO Model: Description and Sensitivities,” Mon. Wea. Rev. 139 (12), 3887-3905 (2011).
    doi 10.1175/MWR-D-10-05013.1
  9. H. Asensio, M. Messmer, D. Lüthi, et al., External Parameters for Numerical Weather Prediction and Climate Application EXTPAR v5.6.
    https://www.cosmo-model.org/content/tasks/workGroups/wg3b/docs/ EXTPAR_user_and_implementation_manual_20210906.pdf . Cited November 15, 2024.
  10. V. M. Stepanenko, A. I. Medvedev, V. Yu. Bogomolov, et al., “Land Surface Scheme TerM: the Model Formulation, Code Architecture and Applications,” Russ. J. Numer. Anal. Math. Model. 39 (6) (in press).
  11. E. M. Vilodin, V. Ya. Galin, A. S. Gritsun, et al., Mathematical Modeling of the Earth System (MAKS Press, Moscow, 2016).
    https://seakc.meteoinfo.ru/images/media/images-seakc/seakc/INM/4.pdf . Cited November 15, 2024.
  12. G. Beliakov, H. B. Sola, and T. Calvo, A Practical Guide to Averaging Functions (Springer, Cham, 2016).
    doi 10.1007/978-3-319-24753-3
  13. R. K. Rew, G. P. Davis, S. Emmerson, and H. Davies, NetCDF User’s Guide for C. An Interface for Data Access, Version 3 (1997).
    http://fileformats.archiveteam.org/wiki/NetCDF . Cited November 15, 2024.
  14. Y. Dai, Q. Xin, N. Wei, et al., “A Global High‐Resolution Data Set of Soil Hydraulic and Thermal Properties for Land Surface Modeling,” J. Adv. Model. Earth Syst. 11 (9), 2996-3023 (2019).
    doi 10.1029/2019MS001784
  15. Global Land Cover Characterization (GLCC).
    doi 10.5066/F7GB230D
  16. V. A. Egorov, S. A. Bartalev, P. A. Kolbudaev, et al., “Land Cover Map of Russia Derived from Proba-V Satellite Data,” Current Problems in Remote Sensing of the Earth from Space. 15 (2), 282-286 (2018).
    doi 10.21046/2070-7401-2018-15-2-282-286
  17. M. Choulga, E. Kourzeneva, E. Zakharova, and A. Doganovsky, “Estimation of the Mean Depth of Boreal Lakes for Use in Numerical Weather Prediction and Climate Modelling,” Tellus A: Dyn. Meteorol. Oceanogr. 66 (1), Article Number 21295 (2014).
    doi 10.3402/tellusa.v66.21295
  18. D. Zanaga, R. Van De Kerchove, W. De Keersmaecker, et al., “ESA WorldCover 10 m 2020 v100,” Zenodo. 2021. Version v100 [Data set].
    doi 10.5281/zenodo.5571936
  19. M. Buchhorn, M. Lesiv, N.-E. Tsendbazar, et al., “Copernicus Global Land Cover Layers--Collection 2,” Remote Sens. 12 (6), Article Number 1044 (2020).
    doi 10.3390/rs12061044
  20. M. Demuzere, J. Kittner, A. Martilli, et al., “A Global Map of Local Climate Zones to Support Earth System Modelling and Urban-Scale Environmental Science,” Earth Syst. Sci. Data 14 (8), 3835-3873 (2022).
    doi 10.5194/essd-14-3835-2022
  21. R. Myneni, Y. Knyazikhin, and T. Park, MCD15A2H MODIS/Terra+Aqua Leaf Area Index/FPAR 8-day L4 Global 500 m SIN Grid V006. Distributed by NASA EOSDIS Land Processes DAAC (2015).
    doi 10.5067/MODIS/MCD15A2H.006
  22. M. Golub, W. Thiery, R. Marcé, et al., “A Framework for Ensemble Modelling of Climate Change Impacts on Lakes Worldwide: the ISIMIP Lake Sector,” Geosci. Model Dev. 15 (11), 4597-4623 (2022).
    doi 10.5194/gmd-15-4597-2022
  23. B. Lehner, K. Verdin, and A. Jarvis, “New Global Hydrography Derived from Spaceborne Elevation Data,” Eos Trans. AGU. 89 (10), 93-94 (2008).
    doi 10.1029/2008EO100001
  24. C. Amante and B. W. Eakins, ETOPO1 1 Arc-Minute Global Relief Model: Procedures, Data Sources and Analysis (National Geophysical Data Center, Boulder, 2009).
  25. R. B. Clapp and G. M. Hornberger, “Empirical Equations for Some Soil Hydraulic Properties,” Water Resour. Res. 14 (4), 601-604 (1978).
    doi 10.1029/WR014i004p00601
  26. Y. Mualem, “A New Model for Predicting the Hydraulic Conductivity of Unsaturated Porous Media,” Water Resour. Res. 12 (3), 513-522 (1976).
    doi 10.1029/WR012i003p00513
  27. M. Th. van Genuchten, “A Closed-form Equation for Predicting the Hydraulic Conductivity of Unsaturated Soils,” Soil Sci. Soc. Am. J. 44 (5), 892-898 (1980).
    doi 10.2136/sssaj1980.03615995004400050002x
  28. M. Varentsov, T. Samsonov, and M.Demuzere, “Impact of Urban Canopy Parameters on a Megacity’s Modelled Thermal Environment,” Atmosphere 11 (12), Article Number 1349 (2020).
    doi 10.3390/atmos11121349
  29. M. A. Tarasova, M. I. Varentsov, and V. M. Stepanenko, “Parameterization of the Interaction between the Atmosphere and the Urban Surface: Current State and Prospects,” Izv. Akad. Nauk, Fiz. Atmos. Okeana 59 (2), 127-148 (2023) [Izv. Atmos. Ocean. Phys. 59 (2), 111-130 (2023)].
    doi 10.1134/S0001433823020068
  30. H. Hersbach, B. Bell, P. Berrisford, et al., “The ERA5 Global Reanalysis,” Q.J.R. Meteorol. Soc. 146 (730), 1999-2049 (2020).
    doi 10.1002/qj.3803

Лицензия

Copyright (c) 2024 А. А. Рязанова, В. Ю Богомолов, В. М. Степаненко, М. И. Варенцов, А. И. Медведев

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.