Известия РАН. Физика атмосферы и океана, 2023, T. 59, № 3, стр. 322-335
Сравнения результатов численного моделирования и измерений содержания СО2 в атмосфере Санкт-Петербурга
Г. М. Неробелов a, b, *, Ю. М. Тимофеев a, С. П. Смышляев c, С. Ч. Фока a, Х. Х. Имхасин a
a Санкт-Петербургский государственный университет
199034 Санкт-Петербург, Университетская наб., 7/9, Россия
b СПб ФИЦ РАН – Научно-исследовательский центр экологической безопасности Российской академии наук
187110 Санкт-Петербург, ул. Корпусная, 18, Россия
c Российский государственный гидрометеорологический университет
195196 Санкт-Петербург, Малоохтинский проспект, 98, Россия
* E-mail: akulishe95@mail.ru
Поступила в редакцию 07.12.2022
После доработки 21.12.2022
Принята к публикации 11.01.2023
- EDN: HPGBSF
- DOI: 10.31857/S0002351523020050
Аннотация
Из-за увеличения содержания СО2 в земной атмосфере, значительный вклад в которое вносят антропогенные эмиссии мегаполисов, требуется повышать качество их оценок. Современные экспериментальные методы оценки антропогенных эмиссий углекислого газа основаны на решении обратной задачи при помощи высокоточных измерений содержания СО2 и численных моделей газового состава атмосферы. Качество подобных моделей значительно определяет погрешности оценок эмиссий. Поэтому для определения факторов, влияющих на погрешность оценки эмиссий, требуется проводить валидацию численных моделей переноса СО2. В текущей работе на примере российского мегаполиса Санкт-Петербурга за период с января 2019 по март 2020 гг. сравниваются временные изменения среднего отношения смеси СО2 в столбе атмосферы от поверхности Земли до ~70–75 км (ХСО2), полученные с помощью модели WRF-Chem и измеренные Фурье-спектрометром Bruker EM27/SUN. В ходе исследования было выяснено, что модель WRF-Chem хорошо повторяет измеренное временное изменение ХСО2 в районе Санкт-Петербурга за период более года (коэффициент корреляции ~0.95). Однако, при задании химических граничных условий на основе данных CarbonTracker v2022-1, модель заметно завышает измеренные ХСО2 почти в течение всего периода исследования – средняя разность достигает 4.2 ppm (1%) со стандартным отклонением 1.9 ppm (0.5%). Коррекция граничных условий на основе анализа влияния направлений ветра на ХСО2 позволяет почти в два раза минимизировать среднюю разность между результатами измерений и моделирования. При этом, значения ХСО2 на основе измерений и моделирования с нескорректированными граничными условиями имеют меньшие различия в вегетационный период, что, вероятно, говорит о компенсации средней разности ошибками в расчете биогенного вклада. Таким образом, причиной сохраняющейся средней разности между данными измерений и моделирования могут быть ошибки в химических граничных условиях для верхней тропосферы, а также в оценке биогенного вклада на содержание СО2.
1. ВВЕДЕНИЕ
Антропогенные эмиссии СО2 с территорий мегаполисов вносят значительный вклад в рост содержания этого газа в земной атмосфере [Masson-Delmotte, 2021]. Мегаполис Санкт-Петербург – один из крупнейших промышленных центров России (по данным правительства Санкт-Петербурга [Комитет по экономической политике и стратегическому планированию Санкт-Петербурга, 2022]), город с населением в несколько миллионов человек и площадью ~1400 км2. На территории мегаполиса расположено около десяти ТЭЦ, большое количество промышленных предприятий и разнообразных видов транспорта. Таким образом, Санкт-Петербург должен представлять из себя крупный антропогенный источник СО2. Качественная оценка эмиссий крупных городов (не только Санкт-Петербурга) является значимой задачей, например, для определения суммарного ежегодного вклада России в содержание СО2 и, таким образом, во влияние страны на изменения климата Земли.
Существующие подходы оценки эмиссий СО2 нуждаются в совершенствовании. Например, традиционные инвентаризационные методы могут приводить к большим погрешностям – до 50% и более [Bovensmann, 2010; Oda, 2019]. Сегодня активно исследуются экспериментальные подходы оценки антропогенных эмиссий парниковых газов, а в частности СО2. Одним из таких является наземный дистанционный метод измерений пространственно-временной вариации общего содержания (ОС) СО2 с помощью мобильных и взаимокалиброванных дистанционных измерений. В качестве измерительных приборов могут быть использованы Фурье-спектрометры Bruker EM27/SUN, которые уже несколько лет активно используются в схожих исследованиях [Hase, 2015; Vogel, 2015].
Метод оценки антропогенных эмиссий СО2 при помощи измерений основан на соотнесении измеренного содержания газа с источниками при помощи современных численных моделей динамики газового состава атмосферы высокого пространственного разрешения и алгоритмов решения обратных задач (пример см. в [Zheng, 2019]). Причем в работе [Timofeyev, 2022] отмечается, что дистанционный подход к определению антропогенных эмиссий СО2 представляет из себя последовательность решения двух обратных задач – атмосферной оптики и атмосферного переноса. Как для всех некорректных в классическом смысле обратных задач, погрешности их решений значительно определяются качеством используемой априорной информации и прямого оператора. В случае обратной задачи атмосферной оптики прямым оператором является хорошо валидированная модель переноса радиации в атмосфере, а в случае обратной задачи атмосферного переноса – модель динамики газового состава атмосферы. Прямой оператор обратной задачи атмосферного переноса очень сложен, так как должен учитывать множество динамических атмосферных процессов, взаимодействующих друг с другом и априорную информацию (источники и стоки СО2), имеющую погрешности. В работах [Timofeyev, 2019; Ionov, 2021] оцениваются суммарные антропогенные эмиссии СО2 с территории Санкт-Петербурга на основе экспериментального метода. Исследования показывают, что различия в используемых моделях атмосферного переноса приводят к разностям между оценками эмиссий до 30% и более. Как показано в работах [Houweling, 2010; Peylin, 2013] использование разных численных моделей динамики газового состава атмосферы может приводить к более существенным различиям в оценках антропогенных и естественных эмиссий СО2 – ~50% и более. Соответственно точность экспериментальных оценок антропогенных эмиссий углекислого газа с территории мегаполиса в существенной степени зависит не только от качества измерений антропогенного вклада города в содержание СО2, но и от используемой численной модели атмосферного переноса и априорной информации.
В связи с этим актуальна проблема анализа возможностей моделей динамики газового состава атмосферы представлять пространственно-временное изменение содержания СО2, в особенности в районе мегаполисов. В работе [Nerobelov, 2021] для анализа качества численной модели используются локальные измерения приземного отношения смеси СО2 в Санкт-Петербурге, но анализ сравнений указывает на недостатки данного подхода. Приземные измерения СО2 сильно зависят от локальных процессов и закономерностей, которые обычно имеют более высокие погрешности при моделировании [Maksyutov, 2021; Martin, 2019]. В свою очередь модельное среднее отношение смеси газа в слое от поверхности Земли до верхней границы модели (ХСО2) имеет меньшую погрешность относительно измерений. Это связано с тем, что данная величина менее зависима от локальных особенностей области исследования. Кроме того, ХСО2 характеризует все факторы, влияющие на содержание СО2 в рассматриваемом слое атмосферы (например, источники и стоки, горизонтальный и вертикальный перенос). Поэтому анализ соответствия между данными измерений и моделирования ОС СО2 или ХСО2 более информативен, чем содержание газа на определенной высоте в малом объеме воздуха.
Анализ моделирования ХСО2 высокого пространственного разрешения проделан для многих городов Земли (см. [Buchwitz, 2005; Callewaert, 2022; Zhao, 2019]). Однако, для территории мегаполиса Санкт-Петербурга и прилегающей к нему территории подобные исследования за период более года ранее не проводились.
В исследовании [Zhao, 2019] приведены результаты сопоставления ХСО2 в Берлине, Германия в 2014 г., полученные на основе измерений серией ИК Фурье-спектрометров Bruker EM27/SUN и моделирования WRF-GHG. В среднем разность между измерениями и моделированием составила 1–2 ppm. При этом, в этой же работе, а также в ряде других [Ionov, 2021; Makarova, 2021] показано, что антропогенный вклад города в содержание СО2, измеренный при помощи парных высокоточных спектрометров, находится в диапазоне от менее ~0.5 до 5 ppm. Данная характеристика имеет почти прямую связь с антропогенными эмиссиями СО2 с территории города. Суть парных измерений заключается в возможности исключения всех основных влияющих факторов на содержание СО2, кроме антропогенных выбросов с территории исследуемого города или иного объекта. При таком подходе, учитывая, что модель качественно представляет атмосферный перенос, достаточно варьировать только априорные антропогенные эмиссии города до тех пор, пока результаты моделирования не станут наилучшим образом согласовываться с измерениями. Скорректированные априорные эмиссии будут являться решением обратной задачи атмосферного переноса. Однако, если доступны измерения содержания СО2 лишь одним прибором, то при моделировании важно корректно учитывать и иные влияющие факторы (т.е. перенос СО2 с границ области моделирования, биогенный вклад и др.). Поэтому при таком подходе достаточная погрешность моделирования динамики СО2 в атмосфере зависит от величины антропогенного вклада. Например, если вклад 5 ppm, то с погрешностью моделирования 1 ppm погрешность скорректированных антропогенных эмиссий СО2 составит 20%. Если вклад 1 ppm, то при той же погрешности моделирования погрешность апостериорных эмиссий составит 100%. Опираясь на диапазон антропогенного вклада Санкт-Петербурга из работ [Ionov, 2021; Makarova, 2021], можно сказать, что для оценки антропогенных эмиссий города с использованием только одного измерительного прибора погрешность моделирования должна быть около 0.5–1 ppm (0.1–0.2%) и ниже.
Целью данного исследования является адаптация численной модели прогноза погоды и состава атмосферы высокого пространственного разрешения WRF-Chem и валидация результатов моделирования ХСО2 в районе Санкт-Петербурга за период с января 2019 по март 2020 гг. при помощи комплексных измерений состава и состояния атмосферы.
2. ДАННЫЕ И МЕТОДЫ
Исследование проводится для российского мегаполиса Санкт-Петербурга и его окрестностей. Измерения ХСО2 и приземных скорости и направления ветра проводятся в Петергофе (западная часть Санкт-Петербурга), тогда как аэрологические измерения вертикального профиля ветра – в п. Воейково (на востоке от Санкт-Петербурга, Ленинградская область). Оба населенных пункта удалены друг от друга примерно на 50 км и в целом имеют схожие географические условия – расположены в слабо урбанизированной области с не плотным автомобильным движением. Воейково и Петергоф окружены преимущественно смешанным лесом, лугами и полями, не имеют на территории крупных точечных источников газа (ТЭЦ, промышленные предприятия).
Измерения параметров ветра
Для валидации модели WRF-Chem в исследовании используются данные измерений ХСО2, а также важнейших метеорологических параметров, характеризующих атмосферный перенос – приземные скорость и направление ветра, вертикальный профиль параметров ветра. В Петергофе на базе физического факультета Санкт-Петербургского государственного университета (СПбГУ) проводятся регулярные измерения приземных параметров ветра при помощи прибора Weather station WXT536 на высоте ~18–20 м. Погрешности для скорости и направления ветра составляют 3% и 3°, соответственно (при скорости ветра 10 м/с, см. https://www.campbellsci.com.au/wxt536). Данные доступны с интервалом в 10 минут. Аэрологические измерения вертикального распределения метеорологических параметров взяты с сайта http://weather.uwyo.edu/upperair/sounding.html. Данные измерения выполняются при помощи запуска метеозондов с измерительной станции в п. Воейково. В исследовании используются измеренные вертикальные профили скорости, направления ветра и температуры воздуха за два доступных срока – 0 и 12 ч UTC. Вертикальный предел измерений достигает ~30 км над поверхностью Земли.
Измерения ХСО2
В настоящей работе используются данные измерений ХСО2, полученные с помощью откалиброванного ИК Фурье-спектрометра Bruker EM27/SUN. Измерения данным прибором проводились в Петергофе в период с 01.2019 по 03.2020 гг. в рамках проведения международной программы мобильных и стационарных измерений СО2 ЕMME (Emission Monitoring Mobile Experiment) [Ionov, 2021; Makarova, 2021; Alberti, 2022]. Данный прибор измеряет спектры прямого солнечного излучения в инфракрасном (ИК) диапазоне 4000–12 000 см–1 со спектральным разрешением 0.5 см–1. Для интерпретации спектров используется алгоритм, описанный в работе [Frey, 2019], при этом ХСО2 рассчитывается, как среднее содержание углекислого газа в слое от поверхности Земли до высоты 75 км. Исследования показали, что систематическая и случайная погрешности восстановления ХСО2 при помощи измерений Bruker EM27/SUN могут достигать ~0.5% и 0.025–0.075%, соответственно [Frey, 2019; Gisi, 2012; Frey, 2015]. Данные измерений ХСО2 в Петергофе доступны с шагом ~1 минута, однако имеют большие пропуски, как в течение дней, так и всего периода исследования, что связано преимущественно с погодными условиями (доступно 83 дня измерений за период более года).
Измерения ХСО2 в Санкт-Петербурге с помощью наземного спектроскопического метода начаты на базе СПбГУ в 2009 году при помощи стационарного ИК Фурье спектрометра Bruker 125HR [Timofeyev, 2016]. Однако, Анализ измерений [Тимофеев, 2019] указывает на наличие систематических различий по сравнению с независимыми измерениями (данными сети измерений Total Carbon Column Observing Network или TCCON) [Barthlott, 2015]. Поэтому в исследовании используются измерения кампании ЕММЕ мобильным откалиброванным спектрометром. В работе измеренные и модельные значения ХСО2 даны в единицах ppm (particles per million) относительно количества молекул сухого воздуха.
Описание численного эксперимента
В исследовании используется численная модель прогноза погоды и состава атмосферы высокого пространственного разрешения WRF-Chem версии 4.1.2 [Skamarock, 2019; Grell, 2005; Beck, 2011]. Модель способна представлять динамику инертных, активных газовых примесей и аэрозолей в слое тропосферы и нижней стратосферы (до ~20 км) под воздействием переноса, физических процессов и химических реакций. Основной динамического ядра модели является система уравнений гидро- и термодинамики, при помощи которой определяются следующие важные компоненты для моделирования атмосферного переноса – горизонтальные и вертикальные скорости переноса, атмосферное давление, температура воздуха и подстилающей поверхности, перенос влаги и примесей. Более сложные и мелкомасштабные физические процессы (процессы пограничного и приземного слоев, коротковолновая и длинноволновая радиация, конвекция и развитие кучевой облачности, микрофизика облачности и др.) решаются при помощи параметризации на подсеточном масштабе.
Численные эксперименты по переносу СО2 выполнялись на вложенных сетках (всего 4 области) – рис. 1. Внешняя область d01 покрывает территорию 800 × 800 км2 с пространственным разрешением 8 км. В неё входят часть Северо-Запада России (Ленинградская область в центре), юг Финляндии, Эстония и Латвия. Область d02 вложена в d01 и имеет размер ~320 × 320 км2 с пространственным разрешением 4 км. Наконец, две внутренние области d03 и d04 с размерами ~110 × 110 км2 и разрешением 2 км. Область d03 покрывает Санкт-Петербург, а d04 – Хельсинки. Моделирование для территории Хельсинки выполнено в рамках иной задачи и в данной работе рассматриваться не будет. Однако результаты моделирования с территории Хельсинки в процессе расчета внедряется на более грубую область моделирования – d01, корректируя результаты эксперимента, поэтому еe нельзя не упомянуть. Численный эксперимент проводится на 25 гибридных вертикальных уровнях (сигма и изобарическая система координат) с верхней границей на высоте 50 гПа (~18–20 км). В данном численном эксперименте кроме динамического учтены три фактора, влияющие на изменение содержания СО2 на области моделирования – химические граничные условия, антропогенные источники и биогенное поглощение и выделение СО2, о которых вкратце указано далее. Результаты моделирования WRF-Chem доступны с временным шагом в 10 минут, что позволяет почти максимально задействовать для валидации модели данные измерений ХСО2 и приземного ветра.
Начальные и граничные условия
В качестве метеорологических начальных (НУ) и граничных условий (ГУ) используются данные анализа ERA5 с горизонтальным пространственным разрешением 0.25° и вертикальным распределением на 137 гибридных уровнях от поверхности Земли до примерно 80 км [Hersbach, 2020; Hersbach, 2018]. Данные ERA5 получены на основе численного моделирования атмосферных процессов моделью Европейского центра среднесрочных прогнозов погоды (ECMWF) Integrated Forecast System (IFS) и ассимиляции метеорологических измерений методом 4DVar. Данные включают такие метеорологические параметры, как атмосферное давление, скорость и направление ветра, температура воздуха, массовая доля водяного пара и геопотенциал. В текущем исследовании метеорологические ГУ задаются через каждые 6 часов в течение всего периода моделирования. В работе [Nerobelov, 2021], в качестве метеорологичеких начальных и граничных условий используются данные Global Forecast System или GFS (https://www.ncei.noaa.gov/products/weather-climate-models/global-forecast). Однако, проведя серию экспериментов (sensitive experiments) за выборочные дни периода март-апрель 2019 г. с двумя разными НУ и ГУ, было показано, что для территории Санкт-Петербурга за исследуемый период результаты моделирования приземного отношения смеси СО2 имеют немного лучшее согласие с измерениями при использовании ERA5.
В качестве химических ГУ используются данные CarbonTracker – Near-Real Time v.2022-1 (CT-NRT.v2022-1). Набор данных CarbonTracker предоставлен сотрудниками NOAA ESRL, Боулдер, Колорадо, США и доступен на сайте http:// carbontracker.noaa.gov. Данные представлены в виде отношения смеси СО2 на 35 вертикальных гибридных уровнях до высоты примерно 200 км с грубым пространственным разрешением в 2 × 3° через каждые 6 ч [Jacobson, 2020]. Данные CT-NRT.v2022-1 получены при помощи численного моделирования переноса СО2 глобальной моделью атмосферного переноса TM5 и ассимиляции локальных измерений газа (наземных, мачтовых, корабельных и самолётных, см. https://gml.noaa. gov/ccgg/carbontracker/CT2019B/).
Априорные источники и стоки СО2
Для задания антропогенных эмиссий СО2 за 2019 г. используется инвентаризационная база данных ODIAC (Open-source Data Inventory for Anthropogenic CO2) с пространственным разрешением в среднем ~1 км2 для всей поверхности Земли (~0.43 км2 для территории исследования) [Tomohiro, 2015]. Отметим, что при задании априорных антропогенных источников СО2 по данным ODIAC за 2019 г. мы вынесли на второй, третий и четвертый вертикальные модельные уровни (слой примерно от 50 до 200 м над поверхностью Земли) эмиссии газа, которые явно соответствовали положению ТЭЦ в Санкт-Петербурге и Хельсинки (https://openinframap.org). Так, высота труб ТЭЦ в этих городах может варьироваться от менее сотни до около 180 м.
В исследовании [Timofeyev, 2020] при помощи решения обратной задачи и простейшего предположения об атмосферном переносе показано, что интегральные антропогенные эмиссии СО2 с территории Санкт-Петербурга за 2018 г. на основе базы данных ODIAC и инвентаризации администрации города могут быть завышены в ~2 раза (31.2 против 65.4 Мт/год). В работе [Timofeyev, 2022] приводятся уточненные оценки интегральных антропогенных эмиссий СО2 Санкт-Петербурга, которые находятся в диапазоне 51.9–72.0 Мт/год, при этом систематические погрешности расчета могут достигать 25% и более. В текущей работе интегральные антропогенные эмиссии СО2 с территории города по данным ODIAC составляют около 49.1 Мт/год, что близко к нашим последним оценкам.
Для учета биогенных источников и стоков СО2 растениями в результате фотосинтеза в исследовании применяется модель VPRM (Vegetation Photosynthesis and Respiration Model) [Mahadevan, 2008], которая является частью используемой версии WRF-Chem. Расчет биогенного вклада выполняется параллельно с работой WRF-Chem.
В работе [Nerobelov, 2021] показано, что возможный вклад водной поверхности Финского залива в содержание СО2 очень мал по отношению к антропогенному (1–3%), поэтому в текущем исследовании данный фактор не учитывается, как и вклад от лесных пожаров.
2.3. Проблема учета всего слоя атмосферы
Модель WRF-Chem описывает слой атмосферы до высоты около 20 км или 50 гПа, тогда как измерения общего содержания газа проводятся в атмосферном столбе от поверхности Земли до высоты 75 км. Соответственно, не учет слоя выше 20 км при оценке ХСО2 по данным моделирования может привести к дополнительному вкладу в разность между данными измерений и WRF-Chem. В ряде исследований авторы использовали различные пути для учета данного фактора. Например, в работе [Callewaert, 2022] вместо ОС СО2 во всем столбе брался интеграл по восстановленному профилю содержания газа примерно до высоты 20 км.
Для того, чтобы учесть вклад атмосферного слоя выше 50 гПа в общее содержание СО2 на основе данных WRF-Chem, мы используем информацию из реанализа службы Copernicus Atmosphere Monitoring Service (CAMS) версии v21r2, который получен при помощи объединения численного моделирования атмосферного переноса и спутниковых измерений [Chevallier, 2010]. Данные представляют из себя пространственно-временное распределение содержания СО2 в слое от поверхности Земли до примерно 70 км на 39 вертикальных уровнях с пространственным разрешением 1.9 и 3.8° и временным шагом в 3 ч.
Сопоставление ХСО2 на основе реанализа CAMS в слое атмосферы 0–70 км с данными измерений Bruker EM27SUN в слое 0–75 км за период 01.2019-03.2020 гг. указывает на то, что данные реанализа в среднем завышают измеренные значения на 2.2 ppm (~0.5%). Несмотря на то, что нам не известно, какой слой атмосферы вносит наибольший вклад в эту разность, мы уменьшили на ~0.5% привлекаемые данные CAMS в слое выше 20 км.
Влияние водяного пара в атмосфере на вариацию СО2 во всем атмосферном столбе учтено при расчете ХСО2 благодаря учету общего содержания водяного пара на основе наземных спектроскопических измерений прибором Bruker 125HR в Петергофе [Timofeyev, 2016].
2.4. Адаптация численной модели WRF-Chem
Временные вариации ХСО2 по данным CarbonTracker, которые используются в исследовании в качестве химических ГУ, и измерениям Bruker EM27/SUN хорошо соответствуют друг другу (рис. 2). Так, данные CarbonTracker, доступные через каждые 3 часа, и осредненные за 3 ч измерения в Петергофе за период 01.2019–03.2020 гг., имеют высокий коэффициент корреляции с измерениями (КК = 0.93). Однако, данные моделирования за большую часть периода заметно завышают измеренные значения ХСО2 и имеют среднюю разность (СР) в 3.3 ppm. При этом отметим малое стандартное отклонение разности (СОР) – ~1.3 ppm. Такая высокая средняя разность при малом стандартном отклонении вероятно вызвана постоянным источником ошибок, например, неточностями в априорных антропогенных эмиссиях базы данных CarbonTracker для территории Санкт-Петербурга и окрестностей.
Рис. 2.
Временной ряд ХСО2 в районе Санкт-Петербурга за 01.2019–03.2020 гг. на основе измерений Bruker EM27/SUN (Петергоф) и моделирования CarbonTracker; внизу приведена разность между данными.

Анализ вариации направления приземного ветра и ХСО2 на основе калиброванных измерений прибором Bruker EM27/SUN в Петергофе позволяет скорректировать химические ГУ при моделировании WRF-Chem. Для этого отобраны измерения за временные периоды при направлениях ветра, которые соответствуют наименьшему антропогенному и биогенному вкладам на динамику измеряемого ХСО2. В таком случае основным влияющим фактором на ХСО2 в области измерений будет СО2, переносимый с удаленных территорий (например, с территорий, расположенных за границами области моделирования). Подобные исследования проводились ранее на основе спектроскопических измерений ХСО2 стационарным Фурье-спектрометром Bruker IFS125HR [Никитенко, 2021].
На рис. 3 приведены отобранные (14 из 128 пар) значения ХСО2 на основе измерений Bruker EM27/SUN и данных CarbonTracker в Петергофе за период с минимальным биогенным влиянием (середина осени по начало весны 2019–2020 гг.) и с направлениями приземного ветра, которые соответствую переносу воздуха со сторон, противоположных положению Санкт-Петербурга относительно Петергофа (260–310°). Также на рис. 3 приводится разность между данными измерений и моделирования. Разности между данными часто составляют около 1–2 ppm, иногда достигая 3–4 ppm (январь 2020 г.). СР составляет около 1.8 при СОР 1.4 ppm, данные моделирования CarbonTracker в основном завышают измерения XCO2 в Петергофе. Отметим, что наибольшая разность наблюдается при близких к западным направлениям приземного ветра (260–270°), а минимальная – при близких к северо-западным (280–300°). Завышенная разность в январе 2020 г. соответствует направлениям переноса преимущественно с запада и возможно обусловлена ошибками в априорных антропогенных эмиссиях, например, на территории г. Петергофа, Ломоносова, пространственное распределение которых очевидно не может быть учтено при моделировании в данных CarbonTracker (из-за грубого пространственного разрешения). В свою очередь перенос с северо-западных направлений соответствует перемещению воздушных масс с противоположного берега Финского залива, где, согласно данным об антропогенных эмиссиях СО2 ODIAC, эмиссии газа значительно меньше (в 4 и более раз), чем с территории Санкт-Петербурга и Петергофа.
Рис. 3.
Временной ряд ХСО2 при условиях малого влияния биогенного фактора и антропогенного воздействия Санкт-Петербурга по данным измерений Bruker EM27/SUN и моделирования CarbonTracker в Петергофе за период с середины осени по начало весны 2019–2020 гг.; внизу приведена разность между данными.

Мы полагаем, что значения ХСО2, приведенные на рис. 3, характеризуют общее содержание СО2 в Петергофе, обусловленное в первую очередь переносом воздуха с границ области моделирования (территория области нанесена на рис. 1). Анализ показывает, что данные CarbonTracker на границах области моделирования завышены относительно реального содержания СО2 почти во все рассмотренные дни, что является обоснованием для проведения коррекции этих данных перед использованием в качестве химических ГУ.
3. РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ
В исследовании проведено два численных эксперимента, в одном из которых химические ГУ заданы из нескорректированных данных CarbonTracker, а в другом были уменьшены на ~0.4%.
3.1. Моделирование скорости и направления ветра
Анализ показал, что модель WRF-Chem адекватно представляет основные направления и скорости приземного ветра в Петергофе. СР составляют –1.7 м/c и 38.2°. СОР составляют 1.5 м/с и 29.3°. Проблема с завышением скорости ветра по данным моделирования WRF-Chem обсуждалась многими учеными и вероятно связана со сложностями моделирования максимальной скорости ветра в течение дня (см., например, [Mues, 2018; Li, 2021]). Отмечено, что модель WRF (и, соответственно, WRF-Chem) представляет перенос воздуха у поверхности Земли хуже при условиях малой скорости ветра (ночью, в холодное время года). Возможно завышение приземной скорости ветра при моделировании обусловлены близостью Санкт-Петербурга к крупному водному объекту – Финскому заливу Балтийского моря, который способствует формированию локальных циркуляций в пограничном слое Земли на горизонтальных масштабах, меньше пространственного разрешения численного эксперимента [Miller, 2003]. Кроме того, еще один достаточно крупный водный объект вблизи Петергофа – Ладожское озеро – может оказывать дополнительное влияние на локальные циркуляции воздуха. КК между данными моделирования и измерениями скорости и направления ветра составляют 0.76 и 0.80, соответственно. Схожие оценки различий параметров приземного ветра по данным моделирования WRF и измерений получены в работах [Callewaert, 2022; Lauvaux, 2013].
В среднем модель WRF-Chem хорошо представляет вертикальное распределение скорости и направления ветра в тропосфере, а также температуры воздуха. Лучшее соответствие наблюдается для температуры воздуха с СР – 0.6°С (1.7%), СОР – 3.4°С (9.7%) и КК 0.99. В свою очередь высотное распределение направления ветра имеет самый низкий КК (0.84). СР и СОР для направления ветра составляют 12.7 и 31.0°, а для скорости ветра – 1.1 и 5.4 м/с. В отличие от приземного ветра, скорость в верхней тропосфере может достигать более 40–50 м/с и обычно находится в диапазоне значений ~20 м/с, что объясняет большую величину СОР (5.4 м/с). КК для скорости ветра составляет 0.9. Стоит отметить, что при анализе согласия моделирования и измерений вертикального профиля ветра данные на всех вертикальных слоях рассматривались совместно. Это вероятно сглаживает различия между результатами измерений и моделирования на конкретных уровнях тропосферы и приводит к относительно хорошему соответствию.
Анализируя только параметры ветра, можно сказать, что модель WRF-Chem должна адекватно представлять динамику углекислого газа с высоким пространственным разрешением как у поверхности Земли, так и на различных высотах. Причем хорошее соответствие вертикального профиля температуры воздуха между данными модели и аэрологическими измерениями должен указывать на возможности адекватного моделирования не только горизонтального, но и вертикального переноса в атмосфере.
3.2. Моделирование ХСО2 в Петергофе
На рис. 4 и в табл. 1 приведены результаты сопоставления ХСО2 в Петергофе за 01.2019–03.2020 гг. на основе данных измерений прибором Bruker EM27/SUN и моделирования WRF-Chem для исходных химических ГУ по данным CarbonTracker (orig. BC) и скорректированных на основе анализа влияния направления ветра на измерения ХСО2 (red. BC).
Рис. 4.
Временные ряды ХСО2 на основе измерений Bruker EM27/SUN и моделирования WRF-Chem с оригинальными (orig. BC) и уменьшенными (rd. BC) химическими ГУ за 01.2019–03.2020 гг, а также их разности (шкала справа).

Таблица 1.
Статистические характеристики расхождения среднечасового XСО2 по данным WRF-Chem и измерениям в Петергофе за период 01.2019 г.–03.2020 г.; значения в % даны относительно среднего XCO2 на основе измерений; СО – стандартное отклонение, СР – средняя разность, СОР – стандартное отклонение разности, КК – коэффициент корреляции
Данные | Среднее/СО, ppm | СР/СОР, ppm (%) | КК |
---|---|---|---|
Bruker EM27/SUN – WRF-Chem orig. BC | 408.4/3.4 412.7/4.8 |
–4.2/1.9 (–1.0/0.5) | 0.95 |
Bruker EM27/SUN – WRF-Chem red. BC | 408.4/3.4 410.9/4.8 |
–2.5/1.9 (–0.6/0.5) | 0.95 |
Характер временного изменения ХСО2 по данным моделирования WRF-Chem схож с измеренным, имея КК ~0.95. Модель хорошо представляет уменьшение содержания СО2 в начале вегетационного периода (май), его окончание (август) и последующее увеличение (до ноября). Основной сезонный ход задается через химические граничные условия (пример на рис. 2), тогда как местные особенности биогенного вклада в вегетационный период воспроизводятся при помощи расчета модели VPRM. СР и СОР между данными моделирования с оригинальными химическими ГУ и измерениями составляют 4.2 и 1.9 ppm (–1.0 и 0.5%). В периоды февраль – июнь 2019 года и ноябрь-март 2020 года модель с учетом оригинальных хим. ГУ заметно превышает данные измерений (до 2–6 ppm). Наблюдающаяся разность в ХСО2 по данным измерений и моделирования имеет систематический характер и может быть вызвана завышенными химическими ГУ, а также эпизодически ошибками в оценке биогенного вклада.
Анализ приземного направления и скорости ветра в Петергофе по данным измерений и моделирования WRF-Chem показал, что в некоторых случаях повышенные разности ХСО2 между данными измерений и моделированием совпадают с ошибками в моделировании приземного ветра. Обращает на себя внимание то, что в промежуток с июля по октябрь 2019 г. (приходится на вегетационный период) ХСО2 по данным измерений сближается с данными модели WRF-Chem на основе оригинальных химических ГУ. Учитывая, что основная разность между ХСО2 на основе моделирования и измерений имеет систематический характер, то очевидно, что коррекция систематики приведет к увеличенным разностям в данный период. Это может говорить о том, что биогенный вклад переоценен при моделировании.
Уменьшение содержания СО2 в химических ГУ привело к соответствующему изменению средней разности между данными моделирования и измерениями ХСО2 (с примерно –4.2 до ‒2.5 ppm или с 1.0 до 0.6%). Диапазон различий между данными моделирования со скорректированными химическим ГУ и измерениями составляет от ~0 до 7 ppm. При этом СОР и КК почти не изменились (около 1.9 ppm и 0.95, соответственно) (табл. 1). Однако, уменьшив хим. ГУ примерно на 0.4% все еще наблюдается очевидная систематическая разность. Как и предполагалось, коррекция привела к увеличению разности в период c август-сентябрь в среднем с –0.5 до 1.2 ppm. В исследовании [Callewaert, 2022] XCO2 на основе моделирования WRF-Chem и измерений Bruker 125HR в районе г. Сен-Дени (Франция, о. Реюнион, Индийский океан) за период более года имеют СР и СОР около –0.37 и 0.75 ppm, соответственно при КК 0.9. В работе [Zhao, 2019] похожие исследования проводились в Берлине (Германия) с использованием серии мобильных Фурье-спектрометров Bruker EM27/SUN, СР составляют 1–2 ppm, что близко к оценкам различий в районе Санкт-Петербурга.
Анализируя вклад каждого фактора в общее содержание СО2 (перенос с границ, антропогенный и биогенный источники), а также вертикальные профили газа на основе моделирования WRF-Chem и данных CarbonTracker, мы выяснили, что оставшаяся средняя разность (2.5 ppm или 0.6%) вероятно связана с ошибками в химических ГУ (коррекция проводилась с помощью зимних измерений), а также в некорректном задании ГУ в слое верхней тропосферы. Согласно независимым исследованиям [Frey, 2019; Gisi, 2012; Frey, 2015] средняя разность измерений Bruker EM27/SUN может достигать ~0.5% или 2 ppm, соответственно действительное значение СР между данными измерений и моделирования в районе Санкт-Петербурга может находиться в диапазоне 0.5–4.5 ppm.
4. ЗАКЛЮЧЕНИЕ
В работе исследованы возможности численной модели прогноза погоды и состава атмосферы WRF-Chem представлять динамику содержания СО2 на территории российского мегаполиса Санкт-Петербурга за период более года. В ходе исследования было выявлено следующее:
1. Численная модель прогноза погоды и состава атмосферы WRF-Chem адекватно представляет состояние приземного ветра в районе Санкт-Петербурга за период более года, а также вертикального профиля данного параметра. Значительные ошибки при моделировании ветра у поверхности Земли могут быть связаны со сложностью представления местных метеорологических особенностей в районе Санкт-Петербурга (например, локальных атмосферных циркуляций между Финским заливом и сушей). Полученные разности близки к результатам независимых исследований.
2. Среднее отношение смеси СО2 в слое от поверхности Земли до примерно 70 км (XCO2) по данным моделирования WRF-Chem с использованием химических граничных условий на основе неизмененных данных CarbonTracker v-2022-1 значительно превышают измерения откалиброванного Фурье-спектрометра Bruker EM27/SUN в большей части периода исследования. При этом наблюдающаяся разность имеет систематический характер и составляет 4.2 ppm или 1% при стандартном отклонении 1.9 ppm или 0.5%. Однако, результаты моделирования демонстрируют хорошее соответствие в характере временного изменения ХСО2 в районе Санкт-Петербурга относительно измерений с коэффициентом корреляции ~0.95.
3. Анализа направлений ветра и измерений ХСО2 в Петергофе позволяет обоснованно уменьшить среднюю разность между результатами измерений и моделирования WRF-Chem c 4.2 до 2.5 ppm. Тем не менее, между данными моделирования и измерениями ХСО2 остается относительно большая средняя разность, имеющая выраженный систематический характер. Вероятной причиной оставшейся разности могут быть (1) ошибки в задании химических граничных условий, которые были скорректированы при использовании преимущественно зимних измерений ХСО2, (2) в задании химических граничных условий в слое верхней тропосферы и нижней стратосферы, (3) а также ошибки в учете биогенного вклада.
4. Сравнения результатов измерений и моделирования ХСО2 в вегетационный период указывают на то, что биогенный вклад может быть переоценен при моделировании. Вероятно, требуется адаптировать модель биогенного вклада VPRM для территории Санкт-Петербурга на основании дополнительных исследований.
5. Различия между ХСО2 на основе измерений и моделирования в районе Санкт-Петербурга немного больше, чем полученные в независимых исследованиях для городов, например, Сен-Дени (Франция, о. Реюнион) (на 1.5–2 ppm) и Берлина (Германия) (на 0.5–1 ppm).
5. БЛАГОДАРНОСТИ
Работа выполнена в лаборатории “Исследование Озонного слоя и верхней атмосферы” Санкт-Петербургского государственного университета и было финансово поддержано Министерством науки и высшего образования Российской Федерации по соглашению 075-15-2021-583. Мы благодарим Франка Хазе, Томаса Блюменштока и Карлоса Альберти из Karlsruhe Institute of Technology (Карлсруэ, Германия) за предоставление измерительного прибора Bruker EM27/SUN и помощь в проведении измерений общего содержания СО2 в Петергофе. Также мы выражаем благодарность научной команде NOAA ESRL за свободный доступ к данным CarbonTracker. Мы благодарим коллег из Max Planck Institute for Biogeochemistry (Йена, Германия) за помощь в запуске модели VPRM.
Список литературы
Alberti Carlos, Qiansi Tu, Frank Hase, Maria V. Makarova, Konstantin Gribanov, Stefani C. Foka, Vyacheslav Zakharov, Thomas Blumenstock, Michael Buchwitz, Christopher Diekmann, Benjamin Ertl, Matthias M. Frey, Hamud Kh. Imhasin, Dmitry V. Ionov, Farahnaz Khosrawi, Sergey I. Osipov, Maximilian Reuter, Matthias Schneider, Thorsten Warneke. Investigation of spaceborne trace gas products over St Petersburg and Yekaterinburg, Russia, by using COllaborative Column Carbon Observing Network (COCCON) observations // Atmos. Meas. Tech. 2022. V. 15. P. 2199–2229. https://doi.org/10.5194/amt-15-2199-2022
Barthlott S., Schneider M., Hase F., Wiegele A., Christner E., González Y., Blumenstock T., Dohe S., García O.E., Sepúlveda E., Strong K., Mendonca J., Weaver D., Palm M., Deutscher N.M., Warneke T., Notholt J., Lejeune B., Mahieu E., Jones N., Griffith D.W.T., Velazco V.A., Smale D., Robinson J., Kivi R., Heikkinen P., Raffalski U. Using XCO2 retrievals for assessing the long-term consistency of NDACC/FTIR data sets // Atmos. Meas. Tech. 2015. V. 8. P. 1555–1573. https://doi.org/10.5194/amt-8-1555-2015
Beck V., Koch T., Kretschmer R., Marshall J., Ahmadov R., Gerbig C., Pillai D., Heimann M. The WRF Greenhouse Gas Model (WRF-GHG) // Technical Report No. 25. 2011. Max Planck Institute for Biogeochemistry, Jena, Germany.
Bovensmann H., Buchwitz M., Burrows J.P., Reuter M., Krings T., Gerilowski K., Schneising O., Heymann J., Tretner A., Erzinger J. A remote sensing technique for global monitoring of power plant CO2 emissions from space and related applications // Atmos. Meas. Tech. 2010. V. 3. P. 781–811.
Buchwitz M., de Beek R., Burrows J.P., Bovensmann H., Warneke T., Nothol J., Meirink J.F., Goede A.P.H., Bergamaschi P., Korner S., Heimann M., Schulz A. Atmospheric methane and carbon dioxide from SCIAMACHY satellite data: initial comparison with chemistry and transport models // Atmos. Chem. Phys. 2005. V. 5. P. 941–962. www.atmos-chem-phys.org/acp/5/941.
Callewaert S., Brioude J., Langerock B., Duflot V., Fonteyn D., Müller J.-F., Metzger J.-M., Hermans C., Kumps N., Mahieu E., Mazière M. Analysis of CO2, CH4 and CO surface and column concentrations observed at Reunion Island by assessing WRF-Chem simulations // Atmos. Chem. Phys. 2022. V. 22. P. 7763–7792. https://doi.org/10.5194/acp-22-7763-2022
Chevallier F. et al. CO2 surface fluxes at grid point scale estimated from a global 21 year reanalysis of atmospheric measurements // J. Geophys. Res. 2010. V. 115. D21307. https://doi.org/10.1029/2010JD013887
Frey M., Hase F., Blumenstock T., Groß J., Kiel M., Mengistu Tsidu G., Schäfer K., Sha M.K., Orphal J. Calibration and instrumental line shape characterization of a set of portable FTIR spectrometers for detecting greenhouse gas emissions. Atmos. Meas. Tech. 2015. V. 8. P. 3047–3057. https://doi.org/10.5194/amt-8-3047-2015
Frey M., Sha M.K., Hase F., Kiel M., Blumenstock T., Harig R., Surawicz G., Deutscher N.M., Shiomi K., Franklin J.E., Bösch H., Chen J., Grutter M., Ohyama H., Sun Y., Butz A., Mengistu Tsidu G., Ene D., Wunch D., Cao Z., Garcia O., Ramonet M., Vogel F., Orphal J. Building the COllaborative Carbon Column Observing Network (COCCON): long-term stability and ensemble performance of the EM27/SUN Fourier transform spectrometer // Atmos. Meas. Tech. 2019. V. 12. P. 1513–1530. https://doi.org/10.5194/amt-12-1513-2019
Gisi M., Hase F., Dohe S., Blumenstock T., Simon A., Keens A. XCO2-measurements with a tabletop FTS using solar absorption spectroscopy // Atmos. Meas. Tech. 2012. V. 5. P. 2969–2980. https://doi.org/10.5194/amt-5-2969-2012
Grell G.A., Peckham S.E., Schmitz R., McKeen S.A., Frost G., Skamarock W.C., Eder B. Fully coupled 'online' chemistry in the WRF model // Atmos. Environ. 2005. V. 39. P. 6957–6976.
Hase F., Frey M., Blumenstock T., Groß J., Kiel M., Kohlhepp R., Mengistu Tsidu G., Schäfer K., Sha M.K., Orphal J. Application of portable FTIR spectrometers for detecting greenhouse gas emissions of the major city Berlin // Atmos. Meas. Tech. 2015. V. 8. P. 3059–3068. https://doi.org/10.5194/amt-8-3059-2015
Hersbach H., Bell B., Berrisford P. et al. The ERA5 global reanalysis // Q J R Meteorol Soc. 2020. V. 146. P. 1999–2049. https://doi.org/10.1002/qj.3803
Hersbach H., Bell B., Berrisford P., Biavati G., Horányi A., Muñoz Sabater J., Nicolas J., Peubey C., Radu R., Rozum I., Schepers D., Simmons A., Soci C., Dee D., Thépaut J-N. ERA5 hourly data on single levels from 1959 to present // Copernicus Climate Change Service (C3S) Climate Data Store (CDS). 2018. (Accessed on 14-APR-2021). https://doi.org/10.24381/cds.adbb2d47
Houweling S., Aben I., Breon F.-M., Chevallier F., Deutscher N., Engelen R., Gerbig C., Griffith D., Hungershoefer K., Macatangay R., Marshall J., Notholt J., Peters W., Serrar S. The importance of transport model uncertainties for the estimation of CO2 sources and sinks using satellite measurements // Atmos. Chem. Phys. 2010. V. 10. P. 9981–9992. www.atmos-chem-phys.net/10/9981/2010/https://doi.org/10.5194/acp-10-9981-2010
Ionov D.V., Makarova M.V., Hase F., Foka S.C., Kostsov V.S., Alberti C., Blumenstock T., Warneke T., Virolainen Ya.A. The CO2 integral emission by the megacity of St Petersburg as quantified from ground-based FTIR measurements combined with dispersion modelling // Atmos. Chem. Physics. 2021. V. 21. № 14. P. 10939–10963. https://doi.org/10.5194/acp-21-10939-2021
Jacobson A.R., Schuldt K.N., Miller J.B., Tans P., Andrews A., Mund J., Aalto T., Bakwin P., Bergamaschi P., Biraud S.C., Chen H., Colomb A., Conil S., Cristofanelli P., Davis K., Delmotte M., DiGangi J.P., Dlugokencky E., Emmenegger L., Fischer M.L., Hatakka J., Heliasz M., Hermanssen O., Holst J., Jaffe D., Karion A., Keronen P., Kominkova K., Kubistin D., Laurent O., Laurila T., Lee J., Lehner I., Leuenberger M., Lindauer M., Löfvenius M.O., Lopez M., Mammarella I., Manca G., Marek M.V., Marklund P., Martin M.Y., McKain K., Miller C.E., Mölder M., Myhre C.L., Pichon J.M., Plass-Dölmer C., Ramonet M., Scheeren B., Schumacher M., Sloop C.D., Steinbacher M., Sweeney C., Thoning K., Tørseth K., Turnbull J., Viner B., Vitkova G., Wekker S.D., Weyrauch D., Worthy D. CarbonTracker Near-Real Time, CT-NRT.v2020-1 // NOAA Earth System Research Laboratory, Global Monitoring Division. 2020. https://doi.org/10.25925/RCHH-MS75
Lauvaux T., Miles N.L., Richardson S.J., Deng A., Stauffer D.R., Davis K.J., Jacobson G., Rella C., Calonder G., DeCola P.L. Urban Emissions of CO2 from Davos, Switzerland: The First Real-Time Monitoring System Using an Atmospheric Inversion Technique // J. Applied Meteorology and Climatology. 2013. V. 52(12). P. 2654–2668. https://doi.org/10.1175/JAMC-D-13-038.1
Li H.D., Claremar B., Wu L.C., Hallgren C., Körnich H., Ivanell S., Sahlée E. A sensitivity study of the WRF model in offshore wind modeling over the Baltic Sea // Geosci. Front. 2021. V. 12. P. 101229. https://doi.org/10.1016/j.gsf.2021.101229
Makarova M.V., Alberti C., Ionov D.V., Hase F., Foka S.C., Blumenstock T., Warneke T., Virolainen Ya.A., Kostsov V.S., Frey M., Poberovskii A.V., Timofeyev Yu.M., Paramonova N.N., Volkova K.A., Zaitsev N.A., Biryukov E.Y., Osipov S.I., Makarov B.K., Polyakov A.V., Ivakhov V.M., Imhasin H.Kh., Mikhailov E.F. Emission Monitoring Mobile Experiment (EMME): an overview and first results of the St. Petersburg megacity campaign-2019 // Atmos. Meas. Tech. 2021. V. 14. P. 1047–1073. https://doi.org/10.5194/amt-14-1047-2021
Maksyutov S., Oda T., Saito M., Janardanan R., Belikov D., Kaiser J.W., Zhuravlev R., Ganshin A., Valsala V.K., Andrews A., Chmura L., Dlugokencky E., Haszpra L., Langenfelds R.L., Machida T., Nakazawa T., Ramonet M., Sweeney C., Worthy D. Technical note: A high-resolution inverse modelling technique for estimating surface CO2 fluxes based on the NIES-TM–FLEXPART coupled transport model and its adjoint // Atmos. Chem. Phys. 2021. V. 21. P. 1245–1266. https://doi.org/10.5194/acp-21-1245-2021
Mahadevan P., Wofsy S.C., Matross D.M., Xiao X., Dunn A.L., Lin J.C., Gerbig C., Munger J.W., Chow V.Y., Gottlieb E.W. A satellite-based biosphere parameterization for net ecosystem CO2exchange: Vegetation Photosynthesis and Respiration Model (VPRM) // Global Biogeochem. Cycles. 2008. V. 22. GB2005. https://doi.org/10.1029/2006GB002735
Martin, Cory R., Ning Zeng, Anna Karion, Kimberly Mueller, Subhomoy Ghosh, Israel Lopez-Coto, Kevin Robert Gurney, Oda T., Kuldeep R. Prasad, Yuqiong Liu, Russell R. Dickerson, James R. Whetstone. Investigating sources of variability and error in simulations of carbon dioxide in an urban region // Atmospheric Environment. 2019. V. 199. P. 55–69.
Masson-Delmotte V., Zhai P., Pirani A., Connors S.L., Péan C., Berger S., Caud N., Chen Y., Goldfarb L., Gomis M.I., Huang M., Leitzell K., Lonnoy E., Matthews J.B.R., Maycock T.K., Waterfield T., Yelekçi O., Yu R., Zhou B. (eds.). IPCC, 2021: Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change // Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. 2021. 2391 p. https://doi.org/10.1017/9781009157896
Miller S.T.K., Keim B.D., Talbot R.W., Mao H. Sea breeze: Structure, forecasting, and impacts // Rev. Geophys. 2003. V. 41. P. 1011. https://doi.org/10.1029/2003RG000124
Mues A., Lauer A., Lupascu A., Rupakheti M., Kuik F., Lawrence M.G. WRF and WRF-Chem v3.5.1 simulations of meteorology and black carbon concentrations in the Kathmandu Valley // Geosci. Model Dev. 2018. V. 11. P. 2067–2091. https://doi.org/10.5194/gmd-11-2067-2018
Nerobelov G.M., Timofeyev Y.M. Estimates of CO2 Emissions and Uptake by the Water Surface near St. Petersburg Megalopolis // Atmos Ocean Opt. 2021. V. 34. P. 422–427. https://doi.org/10.1134/S1024856021050158
Nerobelov G., Timofeyev Y., Smyshlyaev S., Foka S., Mammarella I., Virolainen Y. Validation of WRF-Chem Model and CAMS Performance in Estimating Near-Surface Atmospheric CO2 Mixing Ratio in the Area of Saint Petersburg (Russia) // Atmosphere. 2021. V. 12. № 3. P. 387. https://doi.org/10.3390/atmos12030387
Oda T., Bun R., Kinakh V., Topylko P., Halushchak M., Marland G., Lauvaux T., Jonas M., Maksyutov S., Nahorski Z., Lesiv M., Danylo O., Horabik-Pyzel J. Errors and uncertainties in a gridded carbon dioxide emissions inventory // Mitig Adapt Strateg Glob Change. 2019. V. 24. P. 1007–1050. https://doi.org/10.1007/s11027-019-09877-2
Peylin P., Law R.M., Gurney K.R., Chevallier F., Jacobson A.R., Maki T., Niwa Y., Patra P.K., Peters W., Rayner P.J., Rödenbeck C., van der Laan-Luijkx I.T., Zhang X. Global atmospheric carbon budget: results from an ensemble of atmospheric CO2 inversions // Biogeosciences. 2013. V. 10. P. 6699–6720. https://doi.org/10.5194/bg-10-6699-2013
Skamarock W.C., Klemp J.B., Dudhia J., Gill D.O., Liu Z., Berner J., Wang W., Powers J.G., Duda M.G., Barker D., Huang X.-Yu. A Description of the Advanced Research WRF Model Version 4.1 (No. NCAR/TN-556+STR) // https://doi.org/10.5065/1dfh-6p97
Timofeyev Y.M., Nerobelov G.M. Poberovskii A.V. Experimental Estimates of Integral Anthropogenic CO2 Emissions in the City of St. Petersburg // Izv. Atmos. Ocean. Phys. 2022. V. 58. P. 237245. https://doi.org/10.1134/S0001433822030100
Timofeyev Y.M., Nerobelov G.M., Virolainen Y.A., Poberovskii A.V., Foka S.C. Estimates of CO2 Anthropogenic Emission from the Megacity St. Petersburg // Dokl. Earth Sc. 2020. V. 494. P. 753756. https://doi.org/10.1134/S1028334X20090184
Timofeyev Yu., Virolainen Ya., Makarova M., Poberovsky A., Polyakov A., Ionov D., Osipov S., Imhasin H. Ground-based spectroscopic measurements of atmospheric gas composition near Saint Petersburg (Russia) // J. Mol. Spectr. 2016. V. 323. P. 2–14. https://doi.org/10.1016/j.jms.2015.12.007
Tomohiro O., Maksyutov S. ODIAC Fossil Fuel CO2 Emissions Dataset (Version name: ODIAC2020b) // Center for Global Environmental Research, National Institute for Environmental Studies. 2015. https://doi.org/10.17595/20170411.001
Vogel F.R., Frey M., Staufer J., Hase F., Broquet G., Xueref-Remy I., Chevallier F., Ciais P., Sha M.K., Chelin P., Jeseck P., Janssen C., Té Y., Groß J., Blumenstock T., Tu Q., Orphal J. XCO2 in an emission hot-spot region: the COCCON Paris campaign 2015 // Atmos. Chem. Phys. 2019. V. 19. P. 3271–3285. https://doi.org/10.5194/acp-19-3271-2019
Zhao X., Marshall J., Hachinger S., Gerbig C., Frey M., Hase F., Chen J. Analysis of total column CO2 and CH4 measurements in Berlin with WRF-GHG // Atmos. Chem. Phys. 2019. V. 19. P. 11279–11302. https://doi.org/10.5194/acp-19-11279-2019
Zheng T., Nassar R., Baxter M. Estimating power plant CO2 emission using OCO-2 XCO2 and high resolution WRF-Chem simulations // Environ. Res. Lett. 2019. V. 14. P. 085001.
Комитет по экономической политике и стратегическому планированию Санкт-Петербурга https:// cedipt.gov.spb.ru/media/uploads/userfiles/2022/11/11/ СПРАВКА_ЧП_январь-сентябрь_2022.pdf, 2022.
Никитенко А.А., Неробелов Г.М., Тимофеев Ю.М., Поберовский А.В. Анализ наземных спектроскопических измерений содержаний СО2 в Петергофе // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 6. С. 265–272.
Тимофеев Ю.М., Березин И.А., Виролайнен Я.А., Макарова М.В., Поляков А.В., Поберовский А.В., Филиппов Н.Н., Фока С.Ч. Пространственно-временные вариации содержания CO2 по данным спутниковых и наземных измерений вблизи Санкт-Петербурга // Изв. РАН, ФАО. 2019. Т. 55. № 1. С. 65–72.
Дополнительные материалы отсутствуют.
Инструменты
Известия РАН. Физика атмосферы и океана