Оценка чувствительности одномерной модели озера к входным данным

В работе рассматривается, насколько на адекватную работу модели термо- и гидродинамики озера влияет выбор источника метеорологических данных, используемых в качестве граничных условий, и изменение модельных калибровочных параметров. Приведены количественные оценки качества воспроизведения температурного режима малого озера одномерной моделью GLM при использовании данных автоматической метеостанции на берегу озера, государственной метеостанции и двух глобальных реанализов. Показано, что наилучшего результата моделирования (среднеквадратическая ошибка расчета температуры воды 0,8–2,0°C, критерий Нэша-Сатклиффа >0,7) удается достичь при использовании массивов данных, включающих прямое задание приходящих потоков коротковолновой и длинноволновой радиации. При этом для хорошего качества воспроизведения режима придонной температуры воды требуется правильное задание ветрового режима, возможное только при использовании данных инструментальных наземных наблюдений на стационарной метеостанции. Совмещение данных наземных наблюдений за скоростью ветра, температурой и влажностью воздуха с потоками радиации по данным глобальных реанализов позволяет достичь ошибки расчета ≤1°С на всех глубинах.

Анализ чувствительности модели к калибровочным параметрам при использовании данных реанализа показал, что наибольшее влияние на итоговую ошибку расчета оказывают параметры, связанные с ветровым перемешиванием – поправочный коэффициент к скорости ветра и константы, связанные с внутримодельным описанием энергии ветрового воздействия. Изменение в ходе калибровки модельных констант интенсивности других типов перемешивания не приводит к направленному изменению количественных оценок качества моделирования. Целесообразным может быть также введение поправочных множителей к температуре воздуха и потокам солнечной радиации, которые могут скорректировать влияние нерепрезентативности используемых метеорологических данных для конкретного водоема, а также небольшая корректировка значения коэффициента экстинкции солнечной радиации относительно значения, полученного по прозрачности по диску Секки. Полученные результаты могут быть использованы для обоснования выбора источника метеорологических данных и оптимизации методик калибровки моделей термической стратификации водоемов.

1. Гладских Д.С., Сергеев Д.А., Байдаков Г.А., Соустова И.А., Троицкая Ю.И. Численное моделирование температурной стратификации внутренних водоемов с использованием данных натурных измерений // Гидрометеорология и экология: научные и образовательные достижения и перспективы. 2017. С. 132–136.

2. Гречушникова М.Г. Роль конвективного и ветрового перемешивания в термической стратификации неглубокого водоема // Вестн. Моск. ун-та. Сер. 5. Геогр. 2004. № 2. С. 9–15.

3. Гречушникова М.Г., Эдельштейн К.К. Возможные изменения гидрологического режима Рыбинского водохранилища при потеплении климата // Вестн. Моск. ун-та. Сер. 5. Геогр. 2012. № 6. С. 61–67.

4. Ефремова Т.В., Пальшин Н.И., Белашев Б.З. Температура воды разнотипных озер Карелии в условиях изменения климата (по данным инструментальных измерений 1953–2011 гг.) // Водные ресурсы. 2016. Т. 43. № 2. С. 228–238. DOI: 10.7868/S0321059616020024.

5. Здоровеннова Г.Э., Шадрина А.А., Федорова И.В. Моделирование термического режима малых арктических озер // Успехи современного естествознания. 2016. № 1. С. 111–115.

6. Меншуткин В.В., Руховец Л.А., Филатов Н.Н. Моделирование экосистем пресноводных озер (обзор) 1. Гидродинамика озер // Водные ресурсы. 2013. Т. 40. № 6. С. 566–582. DOI: 10.7868/S0321059613060096.

7. Основные гидрологические характеристики озер Российской Федерации и их многолетние изменения: научно-прикладной справочник. СПб.: РИАЛ, 2021. 364 с.

8. Остроумова Л.П., Полонский В.Ф., Солодовникова Т.Ю. и др. Исследование составляющих теплового баланса Северного Каспия и Невской губы // Труды Государственного океанографического института. 2009. № 212. С. 123–145.

9. Репина И.А. Методы определения турбулентных потоков над морской поверхностью. М.: ИКИ РАН, 2007. 36 с.

10. Эдельштейн К.К., Даценко Ю.С. Лимнологическое моделирование. М.: Изд-во Моск. ун-та, 1998. 80 с.

11. Bruce L.C., Frassl M.A., Arhonditsis G.B. et al. A multilake comparative analysis of the General Lake Model (GLM), Stress-testing across a global observatory network, Environmental Modelling & Software, 2018, vol. 102, p. 274–291.

12. Compo G.P., Whitaker J.S., Sardeshmukh P.D. et al. The Twentieth Century Reanalysis Project, Quarterly Journal of the Royal Meteorological Society, 2011, vol. 137, p. 1–28, DOI: 10.1002/qj.776.

13. Golub M., Thiery W., Marcé R. et al. A framework for ensemble modelling of climate change impacts on lakes worldwide: the ISIMIP Lake Sector, Geoscientific Model Development, 2022, vol. 15, p. 4597–4623, DOI: 10.5194/gmd-15-4597-2022.

14. Hersbach H., Bell B., Berrisford P. et al. The ERA5 global reanalysis, Quarterly Journal of the Royal Meteorological Society, 2020, vol. 146, p. 1999– 2049, DOI: 10.1002/qj.3803.

15. Hipsey M.R., Bruce L.C., Hamilton D.P. GLM-General Lake Model: Model overview and user information, Perth (Australia), University of Western Australia, 2014, 42 p.

16. Kanamitsu M., Ebisuzaki W., Woollen J. et al. NCEP-DOE AMIP-II Reanalysis (R-2), Bulletin of the American Meteorological Society, 2002, vol. 83, p. 1631–1643, DOI: 10.1175/BAMS-83-11-1631.

17. Kirillin G., Hochschild J., Mironov D. et al. FLake-Global: Online lake model with worldwide coverage, Environmental Modelling & Software, 2011, vol. 26(5), p. 683– 684, DOI: 10.1016/j.envsoft.2010.12.004.

18. Li Y., Tang C., Zhu J. et al. Parametric uncertainty and sensitivity analysis of hydrodynamic processes for a large shallow freshwater lake, Hydrological Sciences Journal, 2015, vol. 60(6), p. 1078–1095, DOI: 10.1080/02626667.2014.948444.

19. Markfort C.D., Perez A.L.S., Thill J.W. et al. Wind sheltering of a lake by a tree canopy or bluff topography, Water Resources Research, 2010, vol. 46, W03530, DOI: 10.1029/2009WR007759.

20. Mesman J.P., Ayala A.I., Adrian R. et al. Performance of onedimensional hydrodynamic lake models during shortterm extreme weather events, Environmental Modelling & Software, 2020, vol. 133, p. 104852, DOI: 10.1016/j.envsoft.2020.104852.

21. Moriasi D.N., Arnold J.G., Van Liew M.W. et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations, Transactions of the ASABE, 2007, vol. 50(3), p. 885–900, DOI:10.13031/2013.23153.

22. Perroud M., Goyette S., Martynov A. et al. Simulation of multiannual thermal profiles in deep Lake Geneva: A comparison of one-dimensional lake models, Limnology and Oceanography, 2009, vol. 54(5), p. 1574–1594, DOI: 10.4319/lo.2009.54.5.1574.

23. Rueda F., Vidal J., Schladow G. Modeling the effect of size reduction on the stratification of a large winddriven lake using an uncertainty-based approach, Water Resources Research, 2009, vol. 45, W03411, DOI: 10.1029/2008WR006988.

24. Slivinski L.C., Compo G.P., Whitaker J.S. et al. Towards a more reliable historical reanalysis: Improvements for version 3 of the Twentieth Century Reanalysis system, Quarterly Journal of the Royal Meteorological Society, 2019, vol. 145, p. 2876–2908, DOI: 10.1002/qj.3598.

25. Stepanenko V.M., Goyette S., Martynov A. et al. First steps of a lake model intercomparison project: LakeMIP, Boreal Environment Research, 2010, vol. 15, p. 191–202.

26. Woolway R.I., Debolskiy A., Golub M. et al. Phenological shifts in lake stratification under climate change, Nature Communications, 2021, vol. 12, 2318, DOI: 10.1038/s41467-021-22657-4.

27. Wynne J.H., Woelmer W., Moore T.N. et al. Uncertainty in projections of future lake thermal dynamics is differentially driven by lake and global climate models, PeerJ, 2023, vol. 11, e15445, DOI: 10.7717/peerj.15445.