ШПИГ В.М., ЩЕГЛОВ О.А. ВПЛИВ КАТЕГОРІЙ ЗЕМЛЕКОРИСТУВАННЯ НА ПРОГНОЗ WRF ТА ЙОГО ТОЧНІСТЬ
DOI: https://doi.org/10.17721/2306-5680.2022.3.5
Гідрологія, гідрохімія і гідроекологія. 2022. №3(65)
Мова публікації: Англійська
Автори:
Шпиг В.М., Український гідрометеорологічний інститут НАН України та ДСНС України, м. Київ
Щеглов О.А., Український гідрометеорологічний інститут НАН України та ДСНС України, м. Київ
В даній роботі проведено аналіз щодо можливостей та способів коригування або рекласифікації даних щодо підстильної поверхні та категорій землекористування, отриманих у ході моделювання ефектів від застосування більш точних даних такого типу та оцінки ступеня покращення відтворення приземних метеорологічних величин в чисельній мезомасштабній атмосферній моделі. Для території Київської області за допомогою QGIS v. 3.22 та Google Maps було проведено аналіз баз даних USGS та MODIS IGBP. Отримано, що на даний момент обидві бази даних не є ідеальними і містять різного роду неточності. Так, MODIS IGBP у порівнянні із USGS більш коректно відтворює територію міст, лісових масивів та русла р. Дніпро, проте у MODIS IGBP не відображаються невеликі населені пункти. Аналіз інших досліджень показав, що більшість робіт, котрі стосуються порівняння успішності моделювання атмосферних процесів за допомогою моделі WRF при заміні даних щодо підстильної поверхні та землекористування засновані на «кейсовому підході», тобто на обробці результатів невеликої кількості специфічних симуляцій. Недоліком такого підходу є те, що вибірка, по якій можна робити висновки, є незначною, тому корисно проводити порівняння робіт на предмет узгодженості отриманих результатів. Використання більш точних та актуальних баз даних щодо підстильної поверхні WRF дає можливість зменшувати систематичну похибку прогнозів і покращували точність прогнозу мінімальної та максимальної добової температури. Найсуттєвіше покращення прогнозу має місце саме для нічної температури. Другою метеорологічною величиною, яку найчастіше вдається прогнозувати краще після коригування даних щодо підстильної поверхні є відносна вологість. Покращення змодельованих параметрів вітру найбільше проявляється на урбанізованих територіях та біля узбережжя, де вдається покращити відтворення бризової циркуляції моделлю WRF. Оцінки щодо можливості покращити моделювання опадів шляхом уточнення даних щодо підстильної поверхні та землекористування не такі однозначні, хоча в деяких роботах відзначено вплив острову тепла урбанізованих територій на перерозподіл опадів. З одного боку, в більшості проаналізованих наукових праць, коригування даних щодо підстильної поверхні та землекористування не дозволили суттєво покращити прогноз опадів за допомогою моделі WRF, з іншого боку, можна припустити, що важливу роль відіграють фізико-географічні умови території, для якої проводиться моделювання, та наявні запаси вологи в атмосфері.
Ключові слова: модель Weather Research and Forecasting (WRF), землекористування, підстильна поверхня, чисельний прогноз погоди, атмосферне моделювання, точність.
Список літератури:
1. Achenafi Teklay, Yihun T. Dile, Dereje H. Asfaw, Haimanote K. Bayabil, Kibruyesfa Sisay, Impacts of land surface model and land use data on WRF model simulations of rainfall and temperature over Lake Tana Basin, Ethiopia // Heliyon. 2019. Volume 5. Issue 9. https://doi.org/10.1016/j.heliyon.2019.e02469
2. Achugbu I.C., Olufayo A.A., Balogun I.A. et al. Modeling the spatiotemporal response of dew point temperature, air temperature and rainfall to land use land cover change over West Africa // Model. Earth Syst. Environ. 2022. Vol. 8. P. 173-198. https://doi.org/10.1007/s40808-021-01094-8
3. Alshari Eman A., Gawali Bharti W. Development of classification system for LULC using remote sensing and GIS // Global Transitions Proceedings. 2021. Vol. 2, Issue 1. P. 8-17. https://doi.org/10.1016/j.gltp.2021.01.002
4. Arnold D. et al. High Resolution Modelling in Complex Terrain. Report on the HiRCoT 2012 Workshop, Vienna, 21-23 February 2012.
5. Arsanjani J.J. Dynamic Land Use / Cover Change Modelling : Geosimulation and Agent-Based Modelling. Vienna: University of Vienna; 2011.
6. Cheng F.Y., Hsu Y.C., Lin P.L., Lin T.H. Investigation of the effects of different land use and land cover patterns on mesoscale meteorological simulations in the Taiwan area // Journal of Applied Meteorology and Climatology. 2013. 52(3), P. 570-587.
7. Doroshenko A. Numerical atmospheric models and their application in different areas of economics / Anatoliy Doroshenko, Vitalii Shpyg, Igor Budak, Kateryna Huda [In: Kvasniy L. And Tatomyr I. (eds) Ukraine in the context of global and national modern servisation processes and digital economy]: monograph. Praha: Oktan Print, 2020. – eBook ISBN 978-80-907863-4-9; Print ISBN 978-80-907863-3-2. – P. 155-171. DOI: 10.46489/UITCOG0909
8. Fang-Yi Cheng, Daewon W. Byun, Application of high resolution land use and land cover data for atmospheric modeling in the Houston–Galveston metropolitan area, Part I: Meteorological simulation results // Atmospheric Environment. 2008. Vol. 42, Issue 33. P. 7795-7811. https://doi.org/10.1016/j.atmosenv.2008.04.055
9. Friedl Mark A., Sulla-Menashe Damien, Tan Bin, Schneider Annemarie, Ramankutty Navin, Sibley Adam, Huang Xiaoman. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets // Remote Sensing of Environment. 2010. Vol. 114, Issue 1. P. 168-182. https://doi.org/10.1016/j.rse.2009.08.016
10. Global Land Cover Characteristics Data Base Version 2.0. URL: https://d9-wret.s3.us-west-2.amazonaws.com/assets/palladium/production/s3fs-public/atoms/files/GlobalLandCoverCharacteristicsDataBaseReadmeVersion2.pdf (date of access: 13 July 2022).
11. Golzio A., Ferrarese S., Cassardo C. et al. Land-Use Improvements in the Weather Research and Forecasting Model over Complex Mountainous Terrain and Comparison of Different Grid Sizes // Boundary-Layer Meteorology. 2021. Vol. 180. P. 319-351. https://doi.org/10.1007/s10546-021-00617-1
12. Grossman-Clarke S., Zehnder J.A., Stefanov W.L., Liu Y., Zoldak M.A. Urban Modifications in a Mesoscale Meteorological Model and the Effects on Near-Surface Variables in an Arid Metropolitan Region // Journal of Applied Meteorology. 2005. Vol. 44(9). P. 1281-1297. https://doi.org/10.1175/JAM2286.1
13. Jiménez-Esteve B., Udina M., Soler M., Pepin N., Mirò J. Land use and topography influence in a complex terrain area: a high resolution mesoscale modelling study over the Eastern Pyrenees using the WRF model // Atmos. Res. 2018. Vol. 202. P. 49-62. https://doi.org/10.1016/j.atmosres.2017.11.012
14. Jiménez-Esteve B. Land use influence in WRF model. A high resolution mesoscale modeling over Oriental Pyrenees. Master’s thesis, Facultat de Física, Universitat de Barcelona, 2015.
15. Kamal S., Huang H., Myint S.W. The Influence of Urbanization on the Climate of the Las Vegas Metropolitan Area: A Numerical Study // Journal of Applied Meteorology and Climatology. 2015. 54(11). P. 2157-2177. https://doi.org/10.1175/JAMC-D-15-0003.1
16. Katsalova L.M., Shpyg V.M. The choice of optimal lag for Kriging interpolation of NWP model forecast // Meteorology, Hydrology and Water Management. 2016. Vol. 4, Issue 2. P. 23-28. DOI: https://doi.org/10.26491/mhwm/64292
17. Kun Wang, Yali Tong, Jiajia Gao, Chao Gao, Kai Wu, Tao Yue, Sida Qin, Chenlong Wang, Impacts of LULC, FDDA, Topo-wind and UCM schemes on WRF-CMAQ over the Beijing-Tianjin-Hebei region, China // Atmospheric Pollution Research. 2021. Vol. 12, Issue 2., P. 292-304. https://doi.org/10.1016/j.apr.2020.11.011 18. Kusaka H., Kimura F. Coupling a single-layer urban canopy model with a simple atmospheric model: Impact on urban heat island simulation for an idealized case // J. Meteor. Soc. Japan. 2004. Vol. 82. P. 67-80. https://doi.org/10.2151/jmsj.82.67
19. Kusaka H., Nawata K., Suzuki-Parker A., Takane Y., Furuhashi N. Mechanism of precipitation increase with urbanization in Tokyo as revealed by ensemble climate simulations // J. Appl. Meteor. Climatol. 2014. Vol. 53. P. 824-839. DOI: 10.1175/JAMC-D-13-065.1
20. Li H., Zhang H., Mamtimin A., Fan S., Ju C. A New Land-Use Dataset for the Weather Research and Forecasting (WRF) Model // Atmosphere. 2020. 11(4), 350. https://doi.org/10.3390/atmos11040350
21. Lin C.Y.,. Chen W.C., Chang P.L., Sheng Y.F. Impact of the urban heat island effect on precipitation over a complex geographic environment in northern Taiwan // J. Appl. Meteor. Climatol. 2011. Vol. 50. P. 339-353. DOI:10.1175/2010JAMC2504.1
22. Liping C., Yujun S., Saeed S. Monitoring and predicting land use and land cover changes using remote sensing and GIS techniques – A case study of a hilly area, Jiangle, China // PLoS ONE. 2018. 13(7). e0200493. https://doi.org/10.1371/journal.pone.0200493
23. López-Espinoza E.D., Zavala-Hidalgo J., Mahmood R., Gómez-Ramos O. Assessing the Impact of Land Use and Land Cover Data Representation on Weather Forecast Quality: A Case Study in Central Mexico // Atmosphere. 2020. 11(11), 1242. https://doi.org/10.3390/atmos11111242
24. Manual on the Global Observing System (WMO No 544), Vol. I
25. McConnell W.J. Land Change: The Merger of Land Cover and Land use Dynamics A2 – Wright, James D. // International Encyclopedia of the Social & Behavioral Sciences (Second Edition). Oxford: Elsevier; 2015. p. 220-3.
26. Nguyen L.H., Joshi D.R., Clay D.E., Henebry G.M. Characterizing land cover/land use from multiple years of Landsat and MODIS time series: A novel approach using land surface phenology modeling and random forest classify // Remote Sens. Environ. 2020. 238, 111017.
27. Pedruzzi Rizzieri et al. Update of land use/land cover and soil texture for Brazil: Impact on WRF modeling results over São Paulo // Atmospheric Environment. 2022. Vol. 268, 118760. https://doi.org/10.1016/j.atmosenv.2021.118760
28. Pielke R.A., Sr., Pitman A., Niyogi D., Mahmood R., McAlpine C., Hossain F. et al. Land use/land cover changes and climate: modeling analysis and observational evidence // Wires Clim. Change. 2011. 2(6). P. 828-850. DOI: 10.1002/wcc.144
29. Pineda N., Jorba O., Jorge J., Baldasano J.M. Using NOAA AVHRR and SPOT VGT data to estimate surface parameters: application to a mesoscale meteorological model // International Journal of Remote Sensing. 2004. 25(1). P. 129-143.
30. Pongratz J., Schwingshackl C., Bultan S. et al. Land Use Effects on Climate: Current State, Recent Progress, and Emerging Topics // Curr. Clim. Change Rep. 2021. Vol. 7. P. 99-120. https://doi.org/10.1007/s40641-021-00178-y
31. QGIS.org, 2022. QGIS Geographic Information System. QGIS Association. http://www.qgis.org
32. Rawat J.S., Kumar M. Monitoring land use/cover change using remote sensing and GIS techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India // The Egyptian Journal of Remote Sensing and Space Science. 2015. 18(1). P. 77-84. https://doi.org/10.1016/j.ejrs.2015.02.002
33. Santos M.J., Smith A.B., Dekker S.C. et al. The role of land use and land cover change in climate change vulnerability assessments of biodiversity: a systematic review // Landscape Ecol. 2021. Vol. 36. P. 3367-3382. https://doi.org/10.1007/s10980-021-01276-w
34. Schicker I., Arnold Arias D., Seibert, P. Influences of updated land-use datasets on WRF simulations for two Austrian regions // Meteorol. Atmos. Phys. 2016. Vol. 128. P. 279-301. https://doi.org/10.1007/s00703-015-0416-y
35. Shpyg V. et al. The application of regional NWP models to operational weather forecasting in Ukraine // CAS Technical Conference on “Responding to the Environmental Stressors of the 21st Century”: 18–19 November 2013: Conf. Materials. 2013. URL: https://www.researchgate.net/publication/312488806_The_Application_of_Regional_NWP_Models_to_Operational_Weather_Forecasting_in_Ukraine (date of access: 13 July 2022).
36. Shpyg V., Budak I. WRF reflectivity simulation and verification of thunderstorm forecast by radar and surface observation // 16th International Radar Symposium : 24-26 June 2015. Symposium Materials. Dresden, 2015. P. 610-615. DOI: 10.1109/IRS.2015.7226388
37. Shpyg V., Budak I. Estimation of effectiveness of thunderstorms observation and their forecast by the instability indices // 7th International Verification Methods Workshop. 03-11 May 2017, Berlin, Germany. Annalen der Meteorologie, 2017. Vol. 51. P. 81.
38. Siewert J., Kroszczynski K. GIS Data as a Valuable Source of Information for Increasing Resolution of the WRF Model for Warsaw // Remote Sensing. 2020. 12(11), 1881. https://doi.org/10.3390/rs12111881
39. Skamarock W.C. et al. A description of the Advanced Research WRF version 3. NCAR Tech. Note NCAR/TN-475+STR. 2008. 113 pp. https://doi.org/10.5065/D68S4MVH.
40. Sulla-Menashe Damien, Gray Josh M., Parker Abercrombie S., Friedl Mark A., Hierarchical mapping of annual global land cover 2001 to present: The MODIS Collection 6 Land Cover product // Remote Sensing of Environment. 2019. Vol. 222. P. 183-194. https://doi.org/10.1016/j.rse.2018.12.013
41. Temimi M. Assessing the Impact of Changes in Land Surface Conditions on WRF Predictions in Arid Regions // Journal of Hydrometeorology. 2020. 21(12). P. 2829-2853. https://doi.org/10.1175/JHM-D-20-0083.1
42. Tewari M., Chen F., Kusaka H. Implementation and evaluation of a single-layer urban canopy model in WRF/Noah // 7-th WRF Users’ Workshop, Boulder, CO, NCAR, 2006. URL: http://www2.mmm.ucar.edu/wrf/users/workshops/WS2006/abstracts/Session05/5_6_Tewari.pdf (date of access: 13 July 2022)
43. USGS EROS Archive – Land Cover Products – Global Land Cover Characterization (GLCC). DOI: 10.5066/F7GB230D
44. Xuejie G., Yong L., Wantao L., Zongci Z., Giorgi F. Simulation of effects of land use change on climate in China by a regional climate model // Adv. Atmos. Sci. 2003. Vol. 20. P. 583-592. https://doi.org/10.1007/BF02915501
45. Zhaohui Yang (Joey), Dominguez Francina, Gupta Hoshin Vijai, Zeng Xubin and Norman Laura M. Urban Effects on Regional Climate: A Case Study in the Phoenix and Tucson “Sun Corridor” // Earth Interactions. 2016. Vol. 20. P. 1-25. https://doi.org/10.1175/EI-D-15-0027.1
ЯК ЦИТУВАТИ
формат цитування ДСТУ 8302:2015
Shpyg V.M., Shchehlov O.A Influence of land use categories on WRF forecast and its accuracy // Гідрологія, гідрохімія і гідроекологія, 2022. № 3(65). C. 68-78. DOI: https://doi.org/10.17721/2306-5680.2022.3.5.
формат цитування APA
Shpyg, V.M., Shchehlov, O.A (2022). Influence of land use categories on WRF forecast and its accuracy. Гідрологія, гідрохімія і гідроекологія, 3(65), 68-78. https://doi.org/10.17721/2306-5680.2022.3.5.