Методы диагностики атмосферы с высоким пространственным разрешением

В настоящей работе рассматриваются возможности применения современных ре-анализов применительно к описанию атмосферных характеристик с высоким пространственным разрешением. С использование данных ре-анализа Era-5 оценены вертикальные профили оптической (мелкомасштабной) турбулентности, согласованные с данными наблюдений интегральных характеристик турбулентности по лучу зрения солнечного телескопа.

Обсуждается проблема параметризации физических процессов, лежащих в основе негидростатической мезомасштабной модели WRF. Модель WRF является мощной метеорологической моделью для детализированного описания метеорологическиз полей. С применением модели WRF, впервые адаптированной для Северо-Кавказского региона с центром над Обсерваторией Терскол с высокой пространственной детализацией восстановлены метеорологические поля в пределах тропосферы и нижней стратосферы. В частности, с горизонтальным разрешением 500 м получены пространственные распределения температуры воздуха, скорости ветра, облачности и осаждённого водяного пара. По результатам исследований получен интересный результат. Несмотря на то, что анализируемые периоды - достаточно небольшой продолжительности, март 2023 г. и март и сентябрь 2024 г., мы можем отметить, что восточная часть Северного Кавказа характеризуется значимо более благоприятными условиями в сравнении с западной частью Северного Кавказа по количеству осаждённой воды, определяющей оптическую атмосферную толщу в миллиметровом диапазоне длин волн. Примечтательно, что данные реанализа ERA-5 не показывали этого (или изменения осажденного водяного пара по этому региону были малы). Таким образом, увеличение пространственного разрешения и применение модели WRF позволили подтвердить ранее обозначенное предположение о перспективности пунктов восточной части Северного Кавказа для размещения нового миллиметрового телескопа.

Полученные метеорологические поля являются основой для параметризации структурной характеристики турбулентных флуктуаций показателя преломления сухого воздуха, а также других атмосферных характеристик, соответствующих микрометеорологическому спектральному интервалу. Параметризация характеристик мелкомасштабной турбулентности выполняется на основе вертикальных градиентов скорости ветра и температуры воздуха и модели вертикальных изменений внешнего масштаба атмосферного турбулентности.

Еще одно направление, лежащее в основе настоящего исследования - это создание моделей глубоких нейронных сетей и их применение для диагностики и краткосрочного прогнозирования атмосферных характеристик. В частности, обсуждаются полученные нами глубокие нейронные сети для оценки размера атмосферных изображений (параметра seeing) для мест расположения Байкальской Астрофизической Обсерватории, Саянской Солнечной Обсерватории и Астрономической Обсерватории Майданак. Существенные недостатки нейронных сетей - это необходимости обучения на основе больших объемов данных и непрямой учет физики атмосферных процессов. В настоящем исследовании мы обсуждаем перспективы применения физически информируемых нейронных сетей для диагностики и прогнозирования атмосферных характеристик релевантных для астрономических телескопов наземного базирования. Приводится физически информируемая глубокая нейронная сеть для оценки структурной постоянной турбулентных флуктуаций показателя преломления приземного слоя по микрометеорологическим характеристикам.

«Исследование выполнено за счет гранта Российского научного фонда № 24-72-10043, https://rscf.ru/project/24-72-10043/».