Исследование влияния параметров подстилающей поверхности на качество гидродинамического прогноза на примере Восточной Африки тема диссертации и автореферата по ВАК РФ 25.00.30, кандидат физико-математических наук Кабелва, Хамза Атхумани

• Кабелва, Хамза Атхумани
• кандидат физико-математических наук
• 2008

Оглавление диссертации кандидат физико-математических наук Кабелва, Хамза Атхумани

Введение

1 Географическое местоположение и климат Танзании

2 Базы данных о подстилающей поверхности, используемые в 18 современных атмосферных моделях. База данных ECOCLOMAP

2.1 Источники информации. Набор сырых спутниковых данных 18 AVHRR

2.2 Базы данных, используемые в атмосферных моделях

2.2.1 Базы данных по результатам проекта GLCC

2.2.2 Другие базы данных

2.3 Методы агрегации данных о подстилающей поверхности, 23 используемые в моделях атмосферы

2.4 База данных ECOCLIMAP

2.4.1 Источники информации и методы ее использования

2.4.2 Методы задания параметров подстилающей поверхности

3 Параметризация подстилающей поверхности в моделях атмосферы

3.1 Схемы параметризации поверхности суши

3.2 Схема обмена с подстилающей поверхностью ISBA

3.2.1 Основные принципы построения схемы

3.2.2 Описание системы уравнений схемы ISBA

3.2.3 Описание схемы расчета потоков в приземном подслое

3.2.4 Методы анализа переменных блока подстилающей поверхности

4 Включение базы ECOCLIMAP в прогностическую систему 61 HIRLAM и анализ экспериментов

4.1 Прогностическая система HIRLAM

4.2 Система генерации файлов климата НШЬАМ и база данных 63 ЕСОСЫМАР

4.3 Технические аспекты включения базы ЕСОСЫМАР в 64 прогностическую систему БЖЬАМ

4.3.1 Вычисление параметров подстилающей поверхности с помощью 64 программного обеспечения ЕСОСЫМАР и системы генерации файлов внешних полей ШБ1ЬАМ (НС8)

4.3.2 Пересчет долей покрытия ячейки сетки различных типов 67 поверхности

4.4 Анализ экспериментов: чувствительность прогностической 69 системы к заданию полей параметров подстилающей поверхности для территории Танзании

4.4.1 Описание экспериментов: ТгКЕ¥, TZÍШ и ТгЕСО

4.4.2 Параметры подстилающей поверхности, внешние к модели, в базе 74 ЕСОСЫМАР и НС

4.4.2.1 Листовой индекс

4.4.2.2 Минимальное устьичное сопротивление и глубина корневой 79 системы

4.4.2.3 Параметр шероховатости

4.4.2.4 Почвенные параметры: проценты песка и глины

4.4.2.5 Альбедо

4.4.3 Анализ чувствительности прогностической системы к полям 93 внешних параметров и результаты верификации

4.4.3.1 Влияние полей параметров почвы и растительности на 95 влагосодержание почвы

4.4.3.2 Влияние полей внешних параметров почвы и растительности на результаты моделирования температуры на уровне 2м

4.4.3.3 Явный и скрытый потоки тепла и отношение Боуена

4.4.3.4 Количество осадков и сток 105 4.4.4 Общие выводы и рекомендации по использованию базы

ЕСОСЫМАР

Введение диссертации (часть автореферата) на тему «Исследование влияния параметров подстилающей поверхности на качество гидродинамического прогноза на примере Восточной Африки»

Задача улучшения качества прогноза погоды и учета различных физических процессов при его составлении всегда остается актуальной. В настоящее время прогноз погоды с различной заблаговременностью создается на основе оперативных прогностических систем, основанных на гидродинамических моделях атмосферы. В гидродинамических атмосферных моделях описание процессов на подстилающей поверхности и в растительном покрове играет важную роль, на что указывал еще Ричардсон в 1922 году. С помощью схемы параметризации подстилающей поверхности рассчитываются радиационные потоки и турбулентные потоки тепла и влаги вблизи подстилающей поверхности. Эти потоки являются интерфейсом между атмосферой и подстилающей поверхностью. Они определяются различными характеристиками поверхности, такими как альбедо, листовой индекс и другими, являющимися внешними по отношению к модели атмосферы полями. В связи с увеличением разрешения гидродинамических моделей возникает необходимость в использовании более подробных источников и баз данных о подстилающей поверхности для задания внешних полей.

На основе различных источников измерений, в основном, спутниковых, происходит накопление сведений о параметрах подстилающей поверхности. Развиваются базы данных об экосистемах, в результате новых больших проектов создаются новые наборы данных. Эти сведения могут быть использованы в атмосферном гидродинамическом моделировании для уточнения работы параметризационного блока подстилающей поверхности.

В принципе, в идеальном случае, использование этих сведений должно улучшать качество прогноза или качество воспроизведения климата региональными атмосферными моделями с высоким разрешением (например, НШЬАМ, \¥КР и другие). Однако погрешности есть во всех базах данных, как в старых, так и во вновь разрабатываемых, и это может по-разному сказываться на результатах моделирования. Возникают также трудности, связанные с настройкой моделей, а также с тем, что различные схемы подстилающей поверхности требуют задания различных параметров. Проблема существенно осложняется многопараметричностью задачи. Количество параметров подстилающей поверхности велико, и вклад различных параметров в моделируемые поля метеовеличин (температура, влажность и т. д.) может быть противоположным. В настоящее время не существует универсального метода сравнения результатов моделирования, который давал бы однозначный ответ на вопрос, какой из наборов внешних параметров предпочтительнее (за исключением тривиальных случаев, когда модельные результаты очень далеки от измеренных). Стандартных методов верификации по наблюдениям на станциях чаще всего оказывается совершенно недостаточно. Еще одна сложность связана с тем, что при составлении оперативного прогноза используются прогностические системы, включающие как гидродинамическую модель, так и блок ассимиляции данных измерений, особенности работы которого надо также принимать во внимание. Поэтому для принятия решения о целесообразности использования того или иного набора данных в гидродинамическом моделировании часто опираются также на физические или географические соображения. В этой ситуации полезно исследование чувствительности результатов моделирования различных метеовеличин к заданию различных параметров подстилающей поверхности для различных синоптических ситуаций в различные сезоны года. Это исследование также полезно для оценки различных баз данных о параметрах подстилающей поверхности и выработки рекомендаций по дальнейшему их усовершенствованию.

В нашем исследовании использовались прогностическая система HIR-LAM, разрабатываемая консорциумом, в который входят в основном северные страны (www.hirlam.org) со схемой параметризации подстилающей поверхности ISBA, первая версия которой была разработана авторами J. Noil-han и S. Planton в Meteo-France, и наборы данных о подстилающей поверхности HCS (консорциум HIRLAM) и ECOCLIMAP (Meteo-France). Исследование проводилось для региона Восточной Африки. Для этой территории процессы мезомасштаба мало изучены, имеется мало данных наблюдений, поля воспроизводятся гидродинамическими моделями хуже, чем для территории Европы. В свете описанных выше проблем этот регион представляет особый интерес.

Основные цели диссертационной работы:

• уточнение блока параметризации подстилающей поверхности модели НШЬАМ на основе использования полей внешних параметров из набора данных ЕСОСЫМАР для территории Восточной Африки (Танзания)

• исследование чувствительности прогностической системы НГО,-ЬАМ к заданию внешних данных о подстилающей поверхности из базы ЕСОСЫМАР;

• оценка успешности краткосрочных гидродинамических прогнозов погоды прогностической системы ШКЬАМ для территории Восточной Африки при включении в нее базы ЕСОСЫМАР (с учетом особенностей алгоритма анализа влагосодержания в почве)

• получение оценок качества базы ЕСОСЫМАР для использования в системах прогноза погоды и выработка рекомендаций по дальнейшему развитию базы

Для выполнения поставленных целей в диссертационной работе автором были решены следующие задачи:

• Осуществлена настройка прогностической системы НШЬАМ для территории Восточной Африки (Танзания);

• База данных о подстилающей поверхности ЕСОСЫМАР включена в прогностическую систему НЖЬАМ с возможностью обеспечения оперативной работы. Для этого разработан программный интерфейс между базой данных и моделью, который включает пересчет долей типов подстилающей поверхности в ячейке сетки;

• Проведены численные эксперименты, получены оценки успешности краткосрочных прогнозов прогностической системы ШЫЬАМ для рассматриваемой территории при задании внешних параметров подстилающей поверхности из двух исследуемых баз данных.

Основным методом исследования является моделирование.

Научная новизна

• Получены новые оценки чувствительности прогностической системы НЖЬАМ к заданию параметров подстилающей поверхности из различных баз данных для территории Восточной Африки в различные сезоны года;

• Получены новые оценки успешности прогнозов на основе (1) сравнения полей прогнозов с полями анализа (11) результатов верификации по измерениям на станциях (111) оценки реалистичности воспроизведения физических процессов. Оценки проведены с учетом особенностей алгоритма анализа влажности почвы.

Все указанные этапы исследования выполнены для региональной модели высокого разрешения для экваториальной и тропической зоны впервые.

Теоретическая и практическая значимость:

Полученные оценки успешности прогнозов, чувствительности и результаты верификации позволяют сделать вывод о целесообразности использования базы ЕСОСЫМАР прогностической системой НШЬАМ для территории Восточной Африки (Танзания). Полученные оценки также могут быть использованы при планировании включения базы данных ЕСОСЫМАР в другие прогностические системы (например, ЛУШ7). Разработанный интерфейс позволяет осуществлять оперативную работу прогностической системы ШКЬАМ с базой ЕСОСЫМАР. Предложенные рекомендации могут быть учтены разработчиками базы данных ЕСОСЫМАР при дальнейшем ее совершенствовании.

Основные положения, выносимые на защиту:

• Уточненный путем использования новой базы данных блок параметризации обмена атмосферы с подстилающей поверхностью.

• Оценки успешности прогнозов влажности почвы прогностической системой НШЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных. Оценки по результатам сравнения прогностических полей с полями анализа показали, что добавки анализа влажности почвы при использовании базы данных ЕСОСЫМАР уменьшаются. Оценки качества воспроизведения физических процессов показали более реалистический характер временного хода влажности почвы при использовании базы ЕСОСЫМАР.

• Оценки успешности прогнозов приземной температуры прогностической системой НШЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных для разных сезонов года. Оценки по результатам сравнения прогностических полей с полями анализа и результаты верификации прогнозов по данным наблюдений показали, что прогнозы с использованием базы данных ЕСОСЫМАР более успешны для сезона дождей и менее успешны для сухого сезона (дневной период).

• Оценки чувствительности прогностической системы НШЬАМ к заданию параметров подстилающей поверхности из различных баз данных для территории Восточной Африки. Оценки показали, что чувствительность проявляется в соотношении Боуэна, в поле стока; чувствительность 24-часовых прогнозов приземной температуры к заданию параметров подстилающей поверхности из различных баз данных составляет ±3°С. • В качестве рекомендаций по развитию базы можно предложить разработки по уточнению альбедо подстилающей поверхности для рассмотренной территории.

Обоснованность и достоверность полученных результатов обусловлена применением апробированных моделей, а также аргументированностью исходных положений, непротиворечивостью рассуждений, корректным использованием математического аппарата.

Апробация диссертационной работы

Основные результаты исследований, изложенные в диссертации, докладывались и обсуждались:

• На научном семинаре кафедры метеорологических прогнозов Российского государственного гидрометеорологического университета

• На Итоговой сессии ученого совета РГГМУ, январь 2006

• На научном семинаре в Университете Хельсинки, Финляндия, сентябрь 2007

• На международном семинаре «Гидродинамический прогноз погоды в странах Восточной Африки» для национальных метеослужб стран Восточной Африки (Бурунди, Кения, Танзания, Руанда и Уганда) NMS-EAC (National Meteorological Service of East African Community) (Эн-теббе, Уганда, январь 2008).

Публикации:

Результаты диссертации опубликованы в 3 печатных работах, материалы использованы в научно-исследовательских отчетах.

Структура и объем работы:

Диссертация состоит из введения, четырех глав, заключения и списка использованных источников, включающего 67 наименований. Общий объем работы составляет 119 страниц, включая 27 рисунков и 2 таблиц.

Заключение диссертации по теме «Метеорология, климатология, агрометеорология», Кабелва, Хамза Атхумани

4.4.4 Общие выводы и рекомендации по использованию базы ECOCLI-МАР

Качество базы данных о подстилающей поверхности ECOCLIMAP оценивалось путем (i) анализа алгоритма ее построения по сравнению с другими базами (наборами) данных, (ii) на основе экспериментов по чувствительности прогностических полей и верификации прогнозов системы HIRLAM. Сравнение проводилось с базой генерации параметров подстилающей поверхности HCS.

Анализируя алгоритмы построения двух баз данных в качестве достоинства базы ECOCLIMAP можно отметить более реалистическое задание параметров растительности по сезонам и регионам, чем в HCS. В ECOCLIMAP для рассматриваемой территории задается более реалистичный ход по сезонам LAI, глубины корневой системы, параметра шероховатости, альбедо подстилающей поверхности, чем в HCS. Велики различия между двумя базами данных при задании минимального устьичного сопротивления, отсутствие сезонного хода для этого параметра в ECOCLIMAP представляется физически обоснованным. Велики также различия между двумя базами при задании параметров почвы, в частности, процентного содержания песка: в HCS оно нереалистично велико и на значительных территориях достигает 100%.

В наших экспериментах чувствительность системы к заданию внешних полей не была сильно пониженной из-за особенностей работы алгоритма ассимиляции данных, так как в рассматриваемые сезоны поправки к влажности почвы были либо нулевыми, либо очень небольшими. При этом поправки к влажности почвы в эксперименте с использованием HCS были больше (добавлялась дополнительная влага), что косвенно свидетельствует о большей успешности прогнозов при использовании ECOCLIMAP, временной ход влажности почвы при использовании базы ECOCLIMAP более реалистичен.

Чувствительность прогностической системы к заданию параметров подстилающей поверхности при суточном прогнозе приземной температуры достигала ±3°С, смоделированные дневные температуры в сезон дождей при использовании ECOCLIMAP в среднем ниже, чем при использовании HCS. Оценки успешности прогнозов приземной температуры по полям анализа и по результатам верификации по измерениям на станциях показали, что прогнозы с использованием внешних параметров из базы ECOCLIMAP в целом успешнее, однако остается проблемой прогноз дневных максимумов температуры в сухой сезон.

Следствием менее реалистического задания LAI в HCS по сравнению с ECOCLIMAP являются нереалистические значения скрытого потока тепла для сухого сезона в экспериментах с HCS.

Чувствительность в поле облачности и осадков к заданию параметров подстилающей поверхности из различных баз данных в проведенных экспериментах была понижена из-за неполного включения процедуры анализа, сделаны только предварительные оценки и для более полного анализа требуются дополнительные эксперименты. Самая большая чувствительность прогностической системы к заданию параметров подстилающей поверхности из различных баз данных оказалась в поле стока. Сток оказался значительно больше в экспериментах по данным HCS из-за задания процентного соотношения песка. Разница в значениях стока достигала 60 мм/сут и наблюдалась на больших территориях.

По результатам проведенных экспериментов представляется возможным сделать вывод о целесообразности использования базы ECOCLIMAP в прогностической системе HIRLAM для территории Танзании, несмотря на то, что некоторые оценки для нее были не очень хорошими.

Таким образом, путем использования базы данных о подстилающей поверхности ЕСОСЫМАР блок расчета обмена атмосферы с подстилающей поверхностью был уточнен.

В качестве рекомендаций по развитию базы можно предложить разработки по уточнению альбедо подстилающей поверхности для рассмотренной территории.

ЗАКЛЮЧЕНИЕ

Параметры подстилающей поверхности, такие как альбедо, листовой индекс, параметр шероховатости, характеристики структуры и текстуры почвы и т. д. оказывают существенное влияние на потоки в приземном подслое, на тепловой режим и режим увлажнения поверхности, и как следствие, на прогностические поля метеорологических величин вблизи поверхности. Накопление сведений о параметрах экосистем происходит параллельно с развитием гидродинамических моделей, и возникает возможность использовать вновь полученные данные для улучшения качества гидродинамического прогноза погоды. Исследовались результаты моделирования гидродинамической моделью НШЬАМ при задании соответствующих параметров из различных баз данных.

В ходе исследования выполнены следующие задачи и сформулированы следующие основные результаты и выводы:

1. Уточнен блок параметризации подстилающей поверхности модели НШЬАМ на основе использования полей внешних параметров из набора данных ЕСОСЫМАР для территории Восточной Африки (Танзания)

2. Разработан программный интерфейс для использования базы данных ЕСОСЫМАР в прогностической системе НШЬАМ, что позволило осуществлять оперативные запуски. Интерфейс включает реализованный метод пересчета долей типов подстилающей поверхности в ячейке сетки при переходе от базы данных НСЭ к базе данных ЕСОСЫМАР. Осуществлены модификации программного кода модели НШЬАМ с целью включения в нее базы данных о подстилающей поверхности ЕСОСЫМАР. '

3. Осуществлена адаптация прогностической системы НШЬАМ для территории восточной Африки (Танзании) для проведения численных экспериментов для оценки чувствительности.

4. Выявлено, что поля параметров подстилающей поверхности для рассматриваемой территории существенно отличаются в базах данных НСЭ и ЕСОСЫМАР, годовой ход параметров в базе данных ЕСОСЫМАР более реалистичен.

5. Получены оценки успешности прогнозов влажности почвы прогностической системой НШЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных. Оценки по результатам сравнения с полями анализа показали, что добавки анализа влажности почвы при использовании базы данных ЕСОСЫМАР уменьшаются. Оценки качества воспроизведения физических процессов показали более реалистический характер временного хода влажности почвы при использовании базы ЕСОСЫМАР.

6. Получены оценки успешности прогнозов приземной температуры прогностической системой НШЬАМ для территории Восточной Африки при задании параметров подстилающей поверхности из различных баз данных для разных сезонов года. Оценки по полям анализа и результаты верификации прогнозов по данным наблюдений показали, что прогнозы с использованием базы данных ЕСОСЫМАР более успешны для сезона дождей и менее успешны для сухого сезона (дневной период).

7. Получены оценки чувствительности прогностической системы 1Ш1ЬАМ к заданию параметров подстилающей поверхности из различных баз данных для территории Восточной Африки. Оценки показали, что чувствительность проявляется в соотношении Боуэна, в поле стока; чувствительность 24-часовых прогнозов приземной температуры к заданию параметров подстилающей поверхности из различных баз данных составляет ±3°С.

8. В качестве рекомендаций по усовершенствованию базы данных ЕСОСЫМАР предложены разработки по уточнению альбедо подстилающей поверхности.

Список литературы диссертационного исследования кандидат физико-математических наук Кабелва, Хамза Атхумани, 2008 год

1. New secondary atlas revised 2000. First published 1984; reprinted 1985, 1986. Revised 1987; reprinted 1988, 1992, 1996 (twice), 1998(twice), 1999, 2000. Printed in China SWTC/14.

2. Tanzania Meterological Agency, электронный ресурс. Режим доступа к сайту: http://www.meteo.go.tz

3. Чанга JI. Б. Автореферат диссертации на соискание ученой степени кандидата физико-математических наук. Долгосрочный прогноз осадков для Танзании физико-статическим методом, 2006. РГГМУ.

4. Chen Т. Н. and co-authors, 1997. Cabauw experimental results from the project for intercomparison of land-surface parameterization schemes. J. Climate, 10(7), 1194-1215.

5. NEODAAS. The AVHRR sensor, электронный ресурс. // Режим доступа к сайту: http://www.sat.dundee.ac.uk/avhrr.html

6. Global land cover characteristics data base. Электронный ресурс. Режим доступа к сайту: http://edcsnsl7.cr.usgs.gov/glcc/globdoc20.html

7. Алексеев, М.И. Программный комплекс обработки и визуализации архивных данных прибора AVHRR со спутников NOAA. текст. Труды ВНИИГМИ -МЦД.-2000.-Вып. 166. С. 151 156

8. About the Digital Chart of the World Data Server электронный ресурс. // The Pennsylvania State University Libraries.-USA.,2005.-About the Digital Chart of the World Data Server/ Режим доступа к сайту: http://www.maproom.psu.edU/dcw/dcwabout.shtml#DCW

9. Loveland, Т. R., В. С. Reed, J. F. Brown, D. O. Ohlen, Z. Zhu, L. Yang, and J. W. Merchant, 2000: Development of a global land cover characteristics database and

10. BP DIS Cover from 1 km AVHRR data. Int. J. Remote Sens., 21, 1303-1330.

11. Pan-European Land Cover Monitoring Project (PELCOM), электронный ресурс //PELCOM.htm. Режим доступа к сайту: http://www.geo-informatie.nl/projects/pelcom/public/index.htm

12. The International Satellite Land Surface Climatology Project, Initiative II: электронный pecypc.//ISLSCP II Introduction/ Режим доступа к сайту: http://islscp2.sesda.com/ISLSCP2l/htmlpages/introduction.html

13. M.F.Wilson and A. Henderson-Sellers 1985. A global archive of land cover and soils data for use in general circulation climate models. Climat. V.5

14. Houghton, J.T. Foreword in Eagleson, P.S. (ed.), Land Surface processes in atmospheric general circulation model. 1982. Cambridge University Press.

15. UMD 1km Global Land Cover: электронный ресурс. http://www.geog.umd.edu/landcover/lkm-map.html

16. Hansen, M. C., R. S. DeFries, J. R. G. Townshend, and R. Sohlberg, 2000: Global land cover classification at 1 km spatial resolution, using a classification tree approach. Int. J. Remote Sens., 21, 1331-1364.

17. И. А. Розинкина Анализ применеия параметризационном модели «почва-растительность-атмосфера». Метеорология и гидрологоя 1990, № 8

18. И. А. Розинкина. Особенность формирования вертикальной структуры метеорологических характкристик в зависимости от состояния поверхности суши. Метеорология и гидрология 1992, № 1

19. Masson, V., Clampeaux, J.L., Chauvin, F., Meriguet, C. and Lacaze, R. 2003. A global Database of Land Surface Parameters at 1-km Resolution in Meteorological and climate models. J. Climate. 16, 1261-1282

20. CEC, 1993. CORINE Land Cover technical guide. European Union. Directorate-Generale Environment, Nuclear Safety and Civil Protection. Luxembourg.

21. Koeppe C. E. and De Long G. C., 1958. Weather and climate, McGraw-Hill Book Company

22. EC, 1995. Regionalization and Stratification of European Forest Ecosystems, Internal Special Publication of the Joint Research Centre of the European Commission. S.I.P.95.44, EC, SAI, EMAP, Italy, p.69.

23. FAO, 1988. Unesco soil map of the world. World soil Resources Report No 60, Rome

24. Asrar G., Fichs M., Kanemasu E.T. and Hatfield J.L., 1984. Estimating absorbed photosynthetically active radiation and leaf area index from spectral reflectance in wheat. Agronomy journal, 76, 300-306.

25. Baret F. and Guyot G., 1991. Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sens. Environ., 35, 161-173.

26. Ba M. B. Nicholson S. E. and Frouin R.,2001: Satellite-derived surface radiation budget over the African continent. Part II. climatologies of the various components. Journal of climate, 14, 60-76.

27. Pinty B. Roveda F., Verstraete M. M., Gobron N., Govaerts Y., Martonchik J. V., Diner D. J. and Kahn R. A., 2000. Surface albedo retrieval from meteosat. 2. Applications. Journal of Geophysical Research. 105, D14, 18,113-18,134.

28. Lacaze R. Chen J. M., Roujean J. L. and Leblanc S. G., 2001. Retrieval of vegetation clumping index using hot spot measured by POLDER intrument. Remote

29. Sensing Environ., 78, 1-12.

30. Teresa Fernández and Ernesto Rodríguez. HIRLAM newsletter 45. http://hirlam.org.

31. Pedro Viterbo. A review of parametrization schemes for land surface processes By ECMWF, Shinfield Park, Reading, England Meteorological Training Course Lecture Series ECMWF. http://www.ecmwf.int.

32. Aaron Boone, Florence Habets, Joel Noilhan, Bart Van den Hurt, Martin Lange, Jose Pare Bode Ritter and E. Rodriquez. Intercoparisom of the ELDAS mod Using the Rhone-AGGregation Experiment design, http://www.knmi.nl/samenw/eldas/

33. H. ZHANG и др., 2003. Impacts of Land Surface Model Complexity on a Regional Simulation of a Tropical Synoptic Event.

34. Матвеев JI. Т. Физика Атмосферы. РГГМУ. Гидрометеоиздат, Санк-Перербург. 2000, с.600

35. Efficient prediction of ground surface temperature and moisture with inclusion of a layer of vegetation, 1978. J. Geophys. Res. 83, 1889-1903.

36. Canadian land Surface scheme. http://geog.queensu.ca/climatology/Class01.htm

37. D. L. Verseghy, 1991. A Canadian Land Surface Scheme for GCMS: I. Soil Model, Int. J. Climatol., vol. p 111-133, p. 44.

38. D. L. Verseghy, N. A. McFarlane, and M. Lazare, 1993. A Canadian land surface scheme for GCMS, II. Vegetation model and coupled runs, Int. J. Climatol., vol.13, no. 4, pp. 347-370.

39. VIC. http://www.hydro.washington.edu/Lette41 http://www.hydro.washington.edU/Lettenmaier/Publications/upmiss/GEWEXpos.h tml

40. Bhumralkar, C. M., 1975. Numerical experiments on the computation of ground surface temperature in an atmospheric general circulation model. J. Appl. Meteor.,14, 67-100.

41. ALADIN Numerical Weather Prediction Project http://www.cnrm.meteo.fr/aladin/44 http://www.atmos-chem-phys-discuss.net/7/4761/2007/acpd-7-4761-2007-print.pdf

42. Shmakin, A. B., 1998. The updated version of SPONSOR land surface scheme: PILPS-influenced improvements. Global & Planetary Change, 19(1-4), 49-62.)

43. Ye. M. Gusev and O. N. Nasonova, 1998. SWAP. Institute of Water Problems, Russian Academy of Sciences, Moscow, Russian Federation.

44. Consortium for Small-scale Modeling.

45. COSMO Technical Report No. 9. http://www.cosmo-model.org

46. Niu G.-Y.; Yang Z.-L., 2003. The versatile integrator of surface atmospheric processes Part 2: evaluation of three topography-based runoff schemes, Global and Planetary Change, Volume 38, Number 1, July 2003, pp. 191-208(18)

47. De Rosnay P., Polcher J., 1998. Modeling root water uptake in a complex land surface scheme coupled to a GCM. Hydrology and Earth System

48. Sciences, 2 (2-3) 239-256, 1998

49. Coupling a mosaic land surface scheme (SiBUC) with a nonhydrostatic atmospheric model (ARPS).http://ams.confex.com/ams/Annual2005/techprogram/paper87666.htm

50. Strategies for frozen soils modeling in the GCIP LSA-NC. http://www.hydro.washington.edU/Lettenmaier/Publications/upmiss/GEWEXpos.h tml

51. Noilhan, J. and Planton S., 1989. A simple parameterization of land surface processes for meteorological models. Mon. Wea. Rev., 117, 536-549.

52. ISBA scheme. http://www.atmos-chem-phys-discuss.net/7/4761/2007/acpd-7-4761 -2007-print.pdf

53. The operational version of ISBA with its own soil moisture assimilation. Eric Ba-zile and D. Giard, Meteo-France/CNRM 42Av. Coriolis, 31057 Toulouse Cedax, France

54. Giard D and Bazile E, 2000. Implementation of a new assimilation scheme for soil and surface variables in a global NWP model. Mon. Wea. Rev., 128,997-1015.

55. Intercomparison of Soil Moisture Memory in Two Land Surface Models. http://neptune.gsfc.nasa.gov/publications/pdf/pubs2003/MahanamaKosterInterc omparison.pdf

56. Mahfouf,J.-F., 1991. Analysis of soil moisture from near-surface parameters: a feasibility study. J. Appl. Meteorol.,30,1534-1547.

57. J.-F Mahfouf, A. Manzi, J. Noilhan, H. Giordani and M. Deque, 1995. The land surface scheme ISBA within the Meteo-France climate model ARPEGE. Part 1: Implementation and preliminary results. J. Climate, 8, 2039-2057

58. Braud I., Noilhan J., Bessemoulin P., Mascart P., Haverkamp R. and Vauclin M., 1993. Bare-ground surface heat and water exchanges under dry conditions: observations and parameterization. Boundary-Layer Meteorol., 66, 173-200

59. Blondin C., 1991. Parameterization of land-surface processes in numerical weather prediction. Land surface evaporation: measurement and parameterization, T.J. Schmugge and J.C.Andre, Eds., Springer, 31-54

60. Dickinson R.E., 1988. The force-restore model for surface temperatures and its generalizations. J. Climate, 1, 1086-1097.

61. Kallen E. (Ed), 1996. HIRLAM Documentation Manual, System 2.5. SMIII. Nor-rkopping. (Available from SMHI, S-60176 Norrkopping, Sweden). Доступна с электронного ресурса http//hirlam.org.

62. Bouttier F., Mahfouf J.-F. and Noilhan J., 1993. Sequential Assimilation of Soil Moisture from Atmospheric Low-Level Parameters. Part I: Sensitivity and Calibration Studies. J. Appl. Meteor., 32, 1335-1351.

63. Bouttier F., Mahfouf J.-F. and Noilhan J., 1993. Sequential Assimilation of Soil Moisture from Atmospheric Low-Level Parameters. Part II: Implementation in a Mesoscale Model. J. Appl. Meteor., 32, 1352-1364

64. Fernandez Т., E. Rodrigues, 2003. Tests with ECOCLIMAP physiographic database in HIRLAM. HIRLAM Newsletter, No. 45, 2003, pp. 151-167. SMHI, Nor-rkoping, Sweden. Доступна с электронного ресурса http//hirlam.org.