Климатическая изменчивость и изменения климата за период инструментальных наблюдений

Ранькова, Эсфирь Яковлевна

Бесплатный автореферат и диссертация по наукам о земле на тему
Климатическая изменчивость и изменения климата за период инструментальных наблюдений
ВАК РФ 25.00.30, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Климатическая изменчивость и изменения климата за период инструментальных наблюдений"

ГУ Институт глобального климата и экологии Росгидромета и РАН

На правах рукописи

РАНЬКОВА Эсфирь Яковлевна

КЛИМАТИЧЕСКАЯ ИЗМЕНЧИВОСТЬ И ИЗМЕНЕНИЯ КЛИМАТА ЗА ПЕРИОД ИНСТРУМЕНТАЛЬНЫХ НАБЛЮДЕНИЙ

Специальность 25.00.30 "Метеорология, климатология, агрометеорология"

Диссертация

в виде научного доклада на соискание ученой степени доктора физико-математических наук

Москва - 2005 год

Работа выполнена в ГУ Институт глобального климата и экологии Росгидромета и РАН

Официальные оппоненты:

д.ф.-м.н., чл.-кор. РАН, Мохов И. И. д.ф.-м.н., проф., Чавро А.И. д.ф.-м.н., чл.-кор. РАН, Курбаткин Г. П.

Ведущая организация: Гидрометцентр России

Защита состоится « 06 » октября 2005 г. в 11.00 на заседании диссертационного совета Д.002.049.01 при ГУ «Институт Глобального Климата и Экологии Росгидромета и РАН (ИГКЭ)» по адресу: г. Москва, ул. Глебовская, д. 206

С диссертацией в виде научного доклада можно ознакомиться в библиотеке ГУ Институт глобального климата и экологии Росгидромета иРАН.

Диссертация в виде научного доклада разослана августа 2005 г.

Учёный секретарь диссертационного совета Д.002.049.01,

доктор географических наук

Г.М. Черногаева 2

2 006-4 12372

ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИОННОЙ РАБОТЫ

Актуальность проблемы.

Диссертация содержит результаты многолетних исследований автора, охватывающие три направления: «Метеорологическая информация за период инструментальных наблюдений», «Диагноз и прогноз короткопериодных колебаний климата по данным наблюдений и результатам моделирования климата» и «Обнаружение и прогноз изменений климата, в том числе антропогенного происхождения». Все три направления относятся к основным направлениям деятельности мирового научного сообщества в области климата (под эгидой Всемирной Климатической Программы - ВКП).

Данные инструментальных наблюдений, как самый надёжный источник информации об изменчивости климатической системы, являются объектом специального проекта ГСНК (проект атмосферных наблюдений за климатом). Проблема адекватности данных ГСНК и, в частности, задача улучшения баз климатических данных и гомогенизации исторических рядов наблюдений стала сегодня одной из первоочередных в действующей глобальной системе климатического мониторинга. Проблема оценки изменчивости климата на различных временных масштабах (основная тема диссертации) является ядром отдельной программы ВКП «КЛИВАР». Наконец, несмотря на огромное продвижение в области климатического моделирования, неопределенность в оценках изменения климата в XXI столетии пока остается очень высокой. Актуальность проблемы оценки масштабов этой неопределенности на основе вероятностной интерпретации существующих модельных сценарных проекций с использованием экспертных и эмпирических оценок их правдоподобия несомненна.

Цель диссертационной работы.

Оценка изменений состояния, изменчивости и экстремальности реального климата по данным инструментальных наблюдений. Выявление особенностей наблюдаемых изменений климата России в XX столетии и прогноз ожидаемых изменений в XXI столетии.

Задачи исследования

■ Создание и ведение базы данных инструментальных наблюдений за климатом

■ Развитие методов статистического анализа климатических данных и программных средств

■ Разработка методов мониторинга климата ____

РОС НАЦИОНАЛЬНАЯ БИБЛИОТЕКА

■ Оценка изменчивости реального климата на временных масштабах от сезона до столетия.

■ Исследование колебаний и изменений климата с использованием совместного анализа данных наблюдений и результатов моделирования

■ Обнаружение и прогноз климатических изменений повторяемости, продолжительности и интенсивности климатических экстремумов.

• Разработка методов вероятностного прогноза колебаний и изменений климата

■ Развитие методов оценки качества прогнозирования и моделирования климата

Научная новизна

Диссертация содержит новые научные результаты в области научного обоснования мониторинга климатической системы и методологии оценки изменчивости и наблюдаемых и ожидаемых изменений климата и роли антропогенных факторов. В диссертации приводятся новые данные о наблюдаемом климате и его вариациях, получены новые эмпирические оценки изменчивости климата с детализацией вклада отдельных факторов, предлагаются новые подходы к оценке степени адекватности результатов моделирования реальному климату, основанные на анализе структуры изменчивости метеорологических полей и процессов. Существенно расширены научные аспекты вероятностных подходов к прогнозированию короткопе-риодных колебаний и изменений климата. Предлагается новый подход к конструированию прогноза изменений климата в XXI веке на основе вероятностной интерпретации существующих модельных сценарных проекций и экспертных и эмпирических оценок их правдоподобия.

На защиту выносятся:

1. Методы оптимизации архивов климатических данных (включая выбор сети наблюдений) и состава метеорологических параметров и индексов для задач мониторинга и прогноза климата.

2. Оценка структуры и изменчивости метеорологических полей и процессов на временных масштабах сезон-год-десятилетие и сто лет.

3. Оценки тенденций изменения характеристик состояния, изменчивости и экстремальности в полях температуры приземного воздуха и атмосферных осадков Северного полушария и Российской Федерации.

4. Метод вероятностного прогноза, основанный на апостериорной оценке вероятностей гипотез по группе аналогов с отбором информативных

предикторов. Метод реализован для прогноза температуры воздуха Северного полушария на месяц и сезон.

5. Оценка чувствительности температуры воздуха к изменению концентрации углекислого газа статистическими методами и вероятностный прогноз приземной температуры Северного полушария и Европы на несколько десятилетий.

Основные результаты диссертации, выносимые на защиту, получены лично соискателем.

Практическая значимость.

Методология мониторинга климата и созданная база климатических данных (с ее программным сопровождением) используются на практике при осуществлении мониторинга изменений климата, в оперативной обработке метеорологических данных и анализе короткопериодных колебаний климата. Метод вероятностного сезонного прогноза может быть адаптирован к задаче конструирования вероятностного прогноза изменений климата на основе сценарных проекций и экспертных оценок их правдоподобия.

Регулярно обновляемые оценки современных тенденций в изменении климата России используются в отчетных материалах и справках для руководства и правительственных органов и для выполнения международных обязательств России перед ВМО в области климатических исследований.

Внедрение.

Разработанные программные реализации (пакет вероятностного и статистического анализа ВЕСТА, прогностическая система "Групповые аналоги" и др.) сданы в отраслевой фонд Росгидромета.

Метод вероятностного прогноза температуры воздуха Северного полушария на месяц и сезон (на основе схемы «Групповые аналоги») в результате официального трехлетнего испытания был рекомендован к использованию в качестве вспомогательного.

Методология мониторинга климата (включая систему усвоения и контроля оперативных климатических данных, полученных по каналам связи) внедрена в практику действующей в ИГКЭ системы мониторинга климата на территории России.

Данные и выводы о современных тенденциях в изменении климата России включены в Оценочные доклады МГЭИК о состоянии климата (1РСС-1995, 1РСС-2001).

Апробация результатов.

Достоверность результатов подтверждается многочисленными исследованиями и сопоставлением выводов по данным из разных источников. Выводы опубликованы в отечественных и зарубежных изданиях и неоднократно цитировались в научной литературе. Результаты многократно докладывались на международных и всероссийских/всесоюзных конференциях (более 25 докладов). Прогностическая система «Групповые аналоги» была успешно адаптирована к базе данных и вычислительным ресурсам ЦАК США при проведении в США совместного эксперимента. Основные результаты опубликованы в ведущих рецензируемых научных изданиях, рекомендованных ВАК РФ.

Опубликованные работы. По теме диссертации опубликовано свыше 130 работ, основные из которых включены в приведенный ниже список, в том числе: монографий (Гидрометеоиздат) - 4, статей в ведущих рецензируемых научных изданиях, рекомендованных ВАК РФ: Метеорология и гидрология - 20, Изв. АН - 2, рецензируемых международных научных журналах - 3. Во всех представленных публикациях, подготовленных в соавторстве, личный вклад автора составляет не менее 70% (автор был или инициатором исследования, или участвовал в формировании основных концепций и выводов).

КЛИМАТИЧЕСКАЯ ИЗМЕНЧИВОСТЬ И ИЗМЕНЕНИЯ КЛИМАТА ЗА ПЕРИОД ИНСТРУМЕНТАЛЬНЫХ НАБЛЮДЕНИЙ

ВВЕДЕНИЕ

Факт глобального потепления XX века фиксируется с семидесятых годов столетия. С этого времени резко возросло количество исследований, посвященных проблеме колебаний климата, как естественных, так и связанных с антропогенным влиянием. Становится очевидной необходимость непрерывного слежения за текущим состоянием климата.

В 1976 г. Всемирная Метеорологическая Организация (ВМО) выпустила первое заявление об угрозе глобальному климату. В 1979 году, вслед за первой всемирной климатической конференцией, ВМО учредила Всемирную Климатическую Программу (ВКП). Среди компонентов ВКП осуществляется Всемирная программа климатических данных и мониторинга (ВПКДМ), в задачи которой входит развитие климатологических сетей, развитие глобальной системы мониторинга, распространение информации об изменениях климата, развитие глобальных баз климатических данных и

улучшение обмена глобальными данными. Одним из проектов ВПКДМ является проект «Мониторинг климатической системы (МКС)», тесно связанный с другими проектами «Всемирной программы климатических данных и мониторинга»: «Обнаружение изменений климата», «КЛИКОМ», «ИНФОКЛИМА». Всемирная информационно-справочная служба климатических данных ИНФОКЛИМА является глобальной службой сбора и распространения информации о наличии климатических данных.

В 1992 г. принята «Рамочная Конвенция по Изменению Климата» (РКИК) ООН. Для научного обеспечения деятельности по РКИК усилиями ВМО/ЮНЕП была создана Межправительственная Группа Экспертов по Изменению Климата (МГЭИК). В задачи МГЭИК входит наиболее полная и объективная оценка наблюдаемых и ожидаемых изменений климата и роли антропогенных факторов. В настоящее время МГЭИК подготовлены три научных отчета об изменении климата 1РСС-1990, 1РСС-1995 и 1РСС-2001, проводится работа над четвертым отчетом АЯ4.

В России система мониторинга климата развивается в Институте Глобального климата и Экологии Росгидромета и РАН (ИГКЭ) под руководством академика Ю.А. Израэля. Концепция мониторинга природной среды была разработана Ю.А. Израэлем в 1974 году в работе, посвященной основам мониторинга, где термин «мониторинг природной среды» впервые встречается в отечественной научной литературе и означает наблюдение или измерение с целью контроля или принятия решений. Такое определение выделило мониторинг климата в самостоятельный раздел климатологии, поскольку в нем рассматривается вопрос об изменении климата в совокупности со всеми другими изменениями, происходящими в природной среде.

Уточним определение термина «КЛИМАТ», пригодное для условий меняющегося климата и оценок изменчивости климата по данным наблюдений. Физическое состояние атмосферы в заданной точке земного шара в заданный момент времени определяется как «ПОГОДА». Характеристиками состояния атмосферы в частности являются температура воздуха, давление, скорость ветра, влажность, осадки, солнечное сияние и облачность, а также такие явления, как туман, иней, град и другие погодные переменные (элементы погоды). «КЛИМАТ» в узком, но широко распространенном смысле, есть обобщение изменений погоды, и представляется набором условий погоды в заданной области пространства в заданный интервал времени. Для характеристики климата используется статистическое описание в терминах средних, экстремумов, показателей изменчивости соответствующих величин и частот явлений за выбранный период времени. Все эти дескриптивные статистики называются климатическими переменными. В качестве стандартного периода для оценивания климатических перемен-

ных, характеризующих текущий или современный климат, по рекомендации ВМО используется период в 3 десятилетия. В настоящее время это 1961 -1990 годы.

В современных исследованиях термин «КЛИМАТ» используется также в смысле «ГЛОБАЛЬНЫЙ КЛИМАТ», который характеризуется набором состояний Глобальной Климатической Системы в течение заданного интервала времени. Глобальная климатическая система содержит пять основных компонентов (атмосфера, гидросфера, криосфера, поверхность континентов и биосфера), взаимодействие которых существенно влияет на колебания погоды за длительные промежутки времени и ответственно за формирование климата и его изменений.

Спектр изменений метеорологических и океанологических величин является непрерывным; как для большинства непериодических процессов, плотность его стремится к бесконечности лишь для периодических составляющих и их гармоник — годовой и суточной компонент. При этом вклад изменчивости, связанной с периодическими процессами, в общую дисперсию является конечным и может быть оценен для годового и суточного хода, если известны их амплитуды.

В данной работе рассматриваются временные масштабы:

• от нескольких суток до двух-трех недель (масштаб синоптических процессов), объект краткосрочного прогноза; за верхнюю границу принят предел предсказуемости индивидуальных синоптических процессов;

• от трех недель до нескольких десятилетий (внутренний временной масштаб климатической системы, характеризующий климатическую изменчивость, или колебания климата, флуктуации климата), объект прогноза ко-роткопериодных колебаний климата; за верхнюю границу принят интервал около трех десятилетий, который принят ВМО за стандартный период для оценки «климатических норм» (с 1961 по 1990 в настоящее время);

• от нескольких (трех) десятилетий до нескольких столетий (изменения климата); объект прогноза изменений климата.

Средний из этих трех интервалов (интервал внутренних масштабов климатической изменчивости), в свою очередь, можно разделить на два: «от трех недель до трех месяцев» (Short-term Climate Oscillations) и «от сезона до года» (Seasonal to Interannual, по терминологии КЛИВАР). Традиционно они рассматривались как объект долгосрочного и сверхдолгосрочного прогноза, соответственно. Масштабы изменчивости ниже суток (мезо- и микрометеорологическая изменчивость) и выше нескольких (двух) столетий

(межвековая изменчивость и изменчивость ледниковых периодов) в данной работе не рассматриваются, хотя большинство результатов методологического характера вполне применимы к анализу эмпирических данных и на этих масштабах также.

Что касается пространственных масштабов, то при рассмотрении климата и климатической изменчивости не вводится никаких ограничений. Необходимо всестороннее рассмотрение оценок для всего Земного шара и всех масштабов пространственного осреднения. Как правило, рассматривают глобальные поля (распределения) локальных (точечных) оценок и пространственно осредненные величины для конкретных географических регионов: от локальных областей до континентов и океанических акваторий, от зонально осредненных величин до полушарных и глобальных средних.

1. МЕТОДОЛОГИЯ

1.1. Основные показатели структуры и изменчивости наблюдаемого климата.

Структурные особенности метеорологической информации. Метеорологическая информация понимается здесь как совокупность данных о состоянии атмосферы и описывается с помощью семейства метеорологических переменных {X = X ((р, А, г, /)}> являющихся функцией координат: широта <р, долгота А, высота г и время В общем виде реализацию можно представить как точку в «-мерном пространстве, или я-мерный вектор: X = {хь ¡—1,..., п}={х1, х2, , х„}, а архив реализаций - матрицей X = {Хг} = {х*, 1-1....,«/ г = 1, ,Ы).

Пусть индекс / означает объединенную пространственную координату номер станции « или координаты узла сетки (/, I), а индекс г - объединенную временную координату - дату (у,т,<1,0 или порядковый номер во временном ряду г. В зависимости от размещения элементов в матрице {х*}, обычно различают архивы синоптического типа (строка матрицы - одномоментное наблюдение на сети точек) и архивы климатического типа (строка матрицы - временной ряд наблюдений в фиксированной точке). Первые представлены матрицей {(Хп, I=1,п), г = 1,И}, а вторые - матрицей {(Х1Г,г = 1,Ы), 1 — 1, п). Бывают и более сложные структуры данных в архиве, когда от строки к строке может меняться состав переменных (как, например, в данных судовых наблюдений) или усложняется иерархия индексов в матрице.

Эмпирические статистики (элементы климата) и их содержательные обозначения. Пусть архив содержит данные о физической величине X, которая наблюдалась в дискретных точках с координатами (/¡, /ъ /з), причем каждая координата пробегает дискретных состояний (можно считать, что индекс/з объединяет группу индексов).

В [31] предложен «язык описательной статистики», содержащий систему обозначений для основных статистических операторов (Е - средняя, О -дисперсия, Б - стандартное отклонение и др.) и принцип конструирования терминов различных элементов климата и их содержательных обозначений. Для этого достаточно ввести словарь метеорологических переменных (например, Г—температура, Р - давление, Н - геопотенциальная высота т. д.) и указать физический смысл набора индексов (в частности, это могут быть индексы основного массива у, т, й, / I). В табл. 1 для примера приведены несколько основных статистик и соответствующие им расчетные формулы. В них верхние индексы означают координаты, по которым берется статистический оператор, нижние индексы — координаты рассматриваемой величины. Результат расчета (правый столбец) совпадает с идентификатором статистического оператора (левый столбец), и потому сохранившиеся координаты указываются непосредственно у оператора с помощью нижних индексов:

Очевидно, что результат осреднения не зависит от индекса, по которому выполнено осреднение; ^обозначает весовую функцию для осреднения по координате /¡. В такой системе обозначений е! означает среднеширот-ное значение, Й - среднее многолетнее, ГГ - внутригодовую дисперсию (ежемесячных) и т.д. Среди статистик могут быть также: максимум Мг/, минимум м/, медиана Ме^, сумма 81/, размах Яа^, тренд <Е/ и др. Аналогично включаются совместные статистики двух переменных и т.д.

Отметим, что рассматриваемые статистики мы будем называть эмпирическими, так как они рассчитываются по формулам, справедливым для параметров генеральной совокупности. Такие оценки, как известно, не всегда являются наилучшими оценками этих параметров. В частности, для получения несмещенных оценок дисперсии вместо числа наблюдений при осреднении следовало использовать число степеней свободы (см. любой курс дисперсионного анализа). Однако классические приемы дисперсионного анализа могут применяться при довольно жестких допущениях об анализируемой совокупности. В реальных условиях (связность рядов наблюдений, существенность различия факторных средних и дисперсий, отличие распределения от нормального и т.д.) формулы и приемы дисперсионного анализа оказываются слишком сложными и малопригодными. Поэтому мы

будем использовать для количественной оценки элементов климата и их изменчивости эмпирические статистики, помня об их реальном содержании и не забывая о необходимой осторожности при формулировании статистических выводов.

Таблица 1

Основные эмпирические характеристики 5Т 1 ^, т и соответствующие им расчетные формулы

Статистика Операция Формула Результат операции

Среднее ЕЬХ

Отклонение (аномалия) уА Чых

Дисперсия ^

Стандартное отклонение Б*

Нормированное отклонение ТГЛ

Асимметрия

Эксцесс Ек* ЕкЬх

Ковариация (авто) Ос* =с4аг

Изменение климата. Изменение климата для заданной области или для Земного шара в целом характеризуется разностью между некоторыми климатическими переменными для двух заданных интервалов времени. Это изменение может считаться реальным, если оно превосходит вероятную ошибку вычисления соответствующих климатических переменных. Статистическая значимость эмпирической оценки изменения климата может рассматриваться лишь в рамках принятой априори стохастической модели климата (гипотезы) с обязательным указанием уровня значимости: эмпирическая оценка должна превосходить процентиль гипотетического распределения, соответствующий уровню значимости. Выявление и разделе-

ние этих причин является сложной задачей, решаемой в настоящее время на основе результатов климатического моделирования.

Из наблюдаемых климатических переменных, характеризующих приземный климат, основными являются температура воздуха и атмосферные осадки. Дня количественной оценки региональных изменений климата в практике исследований широко используются показатели, вычисляемые по данным о средней месячной температуре воздуха, месячных суммах осадков и индексе засушливости на станциях региона. Из них в работах автора, помимо тр&диционно используемых пространственных статистик Е (средняя), Q (средняя квадратическая) и S (среднее квадратическое отклонение, сигма), рассмотрены следующие ниже индексы, которые частично будут проиллюстрированы в разделах 2,3.

• Доля площади, занятой экстремальными аномалиями (больше/меньше заданного порогового значения или заданных процентилей). При оценке используется интерполяция накопленной пространственной функции распределения, выражающей зависимость суммарной доли площади от накопленных временных вероятностей наблюденных в анализируемом году величин аномалий. Накопленные вероятности (их называют также обеспеченностью или вероятностью непревышения) оцениваются индивидуально для каждой станции по единому базовому периоду [71-74].

• Индекс экстремальности климата ИЭК (CEI). Основан непосредственно на величине доли площади региона с экстремальными аномалиями (положительными и отрицательными), то есть речь идет о суммарной площади под аномалиями обоих знаков. Напомним, что для величин, отвечающих нормальному распределению, любое изменение среднего приводит к увеличению суммарной площади экстремальных аномалий. В результате, наличие положительного линейного тренда во временном ряду суммарной площади крупных аномалий может говорить не о росте изменчивости климата, а, в первую очередь, о наличии в его колебаниях нестационарной компоненты [74,81].

• Индекс аномальности климата ИАК (CAI). Аналог коэффициента аномальности (квадратный корень из среднего по площади значения квадрата нормированной аномалии температуры воздуха), предложенного Н.А. Багровым в 1966 году. Чем больше индекс аномальности климата, тем больше отличается от нормы текущее состояние климатической системы и тем дальше оно удалено от среднего положения в фазовом пространстве его координат [74,81].

Индекс изменений климата ИИК (CCI). Оценивает среднее квадратическое различие между двумя состояниями климата, соответствующими сравниваемым моментам времени. [71, 72, 74]. Определение индексов аномальности климата CAI и изменения климата CCI проиллюстрировано на

рис. 1.4 в пространстве 2-х переменных (годовые аномалии полушарных температур), а на рис. 1.5 изображена траектория их изменений в течение столетия. Базовый период при расчете аномалий: 1961-1990 гг.

('oit = 0.88 29» • -ün a ».2001 o/i Oaf 19* o ^CCI

• » " fir^ from 1972 b 2001.

*' ** • / : * 1 /

• • + ш• \ai

// 1972

«i

CAI

• • tí« 1960 ■ 19611990 O

Рис. 1.4. Иллюстрация к определению индексов аномальности климата (CAI) и изменения климата (CCI) в пространстве двух координат: среднегодовая аномалия температуры Южного (ОХ) и Северного (OY) полушарий по данным за 1856-2001 гт.

Коэффициент корреляции рядов Согг (УТсп, УТюп> равен 0 88.

•02 00 VT Юмио*

Рис. 1.5. Траектория изменений во времени (с шагом S лет) показателей «аномальности климата» (CAI, ось X) и «изменений климата» (CCI, ось Y) вдоль широты 55 гр с ш. Евразийского сектора, 1886-1997 гг.

На обоих рисунках четко прослеживается тенденция к увеличению аномальности климата в последние несколько десятилетий.

■ Характеристики изменчивости климата. Введены в [81]

как абсолютные отклонения значений рассматриваемой климатической переменной от медленной составляющей ее изменений. Показано, что в качестве медленной составляющей изменений можно использовать линейный тренд исходного ряда, регрессию на концентрацию С02, регрессию на глобальную температуру, отфильтрованные низкочастотные составляющие.

• Характеристики крупномасштабных климатических аномалий. Анализируются в [40, 43, 57] с позиций теории выбросов в двумерных полях как характеристики очагов аномалий температуры и осадков, в том числе с целью обнаружения изменений климата в климатических экстремумах. Ранее [45, 62] этот подход был использован также и для количественного описания корреляционных функций приземных метеорологических полей, для анализа и выявления дальних связей и др.

• Составляющие эмпирической дисперсии [29, 31, 32], соответствующие статистическим многофакторным моделям, предложено использовать в качестве характеристик изменчивости метеорологических объектов Основу методики составляет тождественное соотношение для разложения суммарной эмпирической дисперсии на факторные составляющие (для экономии и наглядности мы выпишем его здесь для трех факторов, что не снижает общности):

Д/.ЛЛ = Ег/> + Ег> £>Л £/! + Еаа £>/з л '

Это представление соответствует модели иерархической классификации:

в которой смысл основных членов весьма наглядно выражается через соответствующие отклонения и средние в ранее принятых обозначениях:

= еШ1 - - >+ - Е//>) + <*/,/,/, - ЕЬ>

или, используя отклонения:

у/;Ц; = Уа )+>+(е^ >

Меняя порядок факторов, мы можем получить и! вариантов модели для анализа исходной и-факторной совокупности. Каким из этих вариантов следует воспользоваться, зависит от физического содержания факторов, метеорологического переменной и цели анализа.

Еще одно замечание относится к оценке и учету климатических трендов. Допустим, что некоторый фактор имеет большое число уровней и по этому фактору целесообразно оценить изменения с помощью уравнения регрессии. Это уравнение будет соответствовать тренду линейному или более высокого порядка. Обозначим значения, вычисленные по уравнению регрессии и соответствующие тренду, некоторым оператором 8, у которого по необходимости сохраним индекс соответствующей переменной (в нашем случае это будет обычно «у» - номер года, так как нас интересует тренд в многолетних изменениях). Оператор отклонений от тренда обозначим через Vе. Тогда в соответствии с теорией регрессии для дисперсии получим (для определенности по индексу^:

то есть полная дисперсия межгодичных колебаний распадается на дисперсию тренда и дисперсию отклонений от линии тренда.

В заключение напомним, что вероятностная интерпретация результатов осреднения по времени и/или пространству (в т.ч. выводы об их значимости) невозможна вне априорной информации и гипотезы о принятой вероятностной модели.

1.2. Система статистического анализа гидрометеорологических данных (пакет программ ВЕСТА).

Пакет программ вероятностно-статистического анализа гидрометеорологических полей и процессов "ВЕСТА" [39, 44] предназначен для решения широкого круга типовых задач прикладного и исследовательского характера, связанных с обработкой информации и разработкой вероятностно-статистических методов анализа и прогноза (разной заблаговременности) в гидрометеорологии. Работы над комплексом программ "ВЕСТА" велись параллельно с созданием банка данных "Синоптическая метеорология" (раздел 1.3), включающего широкий набор материалов о физическом состоянии атмосферы и практически все доступные результаты наблюдений за характеристиками приземного климата в форме метеорологических полей, заданных в точках наблюдений (на станциях) или в узлах регулярной географической сетки.

Основной принцип организации пакета: структуризация и унификация реализованных в пакете функций с настройкой на формализованное описание обрабатываемых информационных массивов (входных и выходных) и пользовательские запросы. Такой подход открыл широкие возможности для эффективного использования одних и тех же информационных массивов с разными описаниями их структуры, что часто исключает необходимость построения промежуточных выборок, их транспонирования и/или переупорядочения. Пакет ориентирован на решение задач на базе банка данных "Синоптика", но может работать и независимо от него, с практически любыми массивами наблюдений, записанными в матричной форме.

Пакет "ВЕСТА" состоит из двух автономных комплексов программ BASIC 1 и BASIC2, предназначенных для обработки данных одного и двух входных объектов (файлов) соответственно. Каждый комплекс включает базовую программу и ряд внешних процедур (20 и 7 процедур, соответственно). Базовые программы выполняют функции управления данными, включая доступ к входным и выходным файлам с учетом запроса пользователя, а также инициируют соответствующую процедуру анализа. По существу, они конструируют, в соответствии с запросом, входные реализации объектов, передают их (поочередно) в процедуру расчета, получают результаты расчета и выводят их на внешние носители (также в соответствии с запросом). Процедуры реализуют конкретный расчет для решения задачи на одной входной реализации объекта.

Таким образом, процедуры не связаны со структурой хранения и форматами данных на технических носителях, а оперируют с данными непосредст-

венно в оперативной памяти. Они также не нагружены проблемами формирования реализаций исследуемого объекта по данным входных файлов, как и формирования выходных файлов с результатами расчетов, что очень часто при программировании бывает много сложнее собственно обработки. Такая структура комплекса позволяет использовать пакет внешних процедур также и для обработки любого другого банка данных, лишь заменив процедуру чтения входного файла в базовых программах. Кроме того, структура пакета позволяет подключать новые процедуры без изменения базовых программ BASIC 1 и BASIC2.

Пакет ВЕСТА сдан в отраслевой фонд ОФАП Гидрометслужбы [39] и используется в ГВЦ Росгидромета до настоящего времени. Задачи, решаемые средствами пакета, можно разбить на группы:

■ структурные преобразования файлов,

■ параметризация метеорологических полей,

■ статистический анализ многомерных объектов,

■ регрессионный прогноз и оценка качества прогнозов,

■ сервисное обслуживание банка данных.

В дополнение к пакету ВЕСТА дня реализации поставленных выше задач были разработаны и сданы в отраслевой фонд Гидрометслужбы программы [15,16, 17,50]:

■ регрессия на главных компонентах,

■ объективная типизация метеорологических объектов,

■ вероятностный прогноз погоды,

• схема прогноза на месяц-сезон «Групповые аналоги (ГРАН)» и др.

1.3. Централизованный банк синоптических данных и его использование для изучения колебаний климата, синоптической климатологии и долгосрочных прогнозов погоды.

Банк данных (БД) «Синоптическая метеорология» создан во ВНИИГМИ МЦД при участии ведущих учреждений Гидрометслужбы как одна из подсистем специализированной АСНИ «Климат - прогноз» [44]. Он предназначался для обеспечения средствами автоматизированной обработки исследовательских работ в двух важных направлениях: разработка методов долгосрочного прогноза погоды и изучение изменчивости общей циркуляции атмосферы и климата. Основу информационной базы БД «Синоптическая метеорология» составил Централизованный синоптический архив (ЦСА), содержащий широкий набор данных о физическом состоянии атмосферы различного пространственно-временного разрешения. Основное требование, которое было предъявлено к составу информации - включение

наиболее важных для прогноза массивов метеорологических наблюдений (характеристики приземного климата и климата свободной атмосферы). Архивы БД «Синоптическая метеорология», как правило, организованы как многомерные матрицы со структурой столбцов (точки во времени с координатами у, m, d, t) и строк (точки пространства с координатами z,<p,A,s) разной степени сложности [44]. Некоторые предпосылки такой организации данных были созданы в [4].

Использование БД в научных исследованиях. Перечислим некоторые результаты, полученные с использованием БД «Синоптическая метеорология» и пакета программ «ВЕСТА»:

■ подготовлены 6 выпусков справочника «Данные о структуре и изменчивости климата» с использованием единой технологии, разработанной автором (для температуры воздуха [26, 53], атмосферных осадков, приземного давления, геопотенциала Н500, облачности);

■ выполнена серия работ по исследованию изменчивости и изменений климата [22,28,30-32,48,52-53,58,65,93];

■ разработана система долгосрочного вероятностного прогноза температуры и осадков на территории б. СССР, реализующая метод динамической климатологии [34,36,50,55,63,64];

■ получены новые существенные результаты в области синоптической климатологии и изменчивости циркуляционных режимов [40, 43, 51,57, 60, 67-69]; и ряд других.

1.4. Информационная база и система Мониторинга климата

В развитие БД «Синоптическая метеорология», в 1980-х гг. в Гидрометцентре СССР (затем - в ИГКЭ), в связи с созданием системы мониторинга климата, была сформирована информационная база климатических данных, содержащая временные ряды основных климатических параметров за период инструментальных наблюдений и регулярно пополняемая оперативными данными с каналов связи [49,76].

К настоящему времени наблюденные данные представлены в этой базе данных двумя комплектами: данные на станциях (рис. 1.1; создан и поддерживается исполнителями) и данные в узлах регулярной сетки (массив HCRUT, http://www.cru.uea.ac.uk. известный как объединенный массив аномалий температуры над сушей/морем в 5-градусных «боксах»). Комплект данных станционных наблюдений содержит приземные данные о температуре воздуха и осадках месячного (1383 станции глобальной сети с началом наблюдений не позднее 1951 года) и суточного (223 станции международного обмена на территории бывшего СССР) разрешения.

бОЭ

М ' ' I I I I ' I М М ' ' I I ' I ' ' М ' I I ' М ' I ' I I 150УУ Ш1 30W ЗОЕ 90Е 150Е

Г I И Г

40Ь1- *»«"-

* < , • * • > синоп <;л пнп)

• ■ КЛИМАТ (495 смаиН)

т—;—I—I \а-1—г^—I 1 1 I '

ЗОЕ 60Е 90Е 120Е 150Е 180Е

Рис 1.1 Сеть гидрометеорологических станций, принимающих телеграммы КЛИМАТ и СИНОП, мониторинга климата ИГКЭ на территории Земного шара (вверху) и бывшего СССР (внизу)

На рис. 1.2 отражена история развития этих сетей станций. Пополнение информационной базы мониторинга климата текущими данными станционных наблюдений осуществляется регулярно (ежемесячно) на основе телеграмм КЛИМАТ и СИНОП, принимаемых с каналов связи в ГВЦ Росгидромета и во ВНИИГМИ-МЦД (система накопления данных в формате архивного хранения). Контроль информации осуществляется сравнением данных из двух указанных источников (во ВНИИГМИ-МЦД действует автоматизированная схема статистического контроля), сравнением с климатическими данными (многолетние средние, максимальные и минимальные значения, стандартные отклонения), визуальным анализом сомнительных значений.

Рис. 1.2. Число станций, реально представленных наблюдениями за период 1886-2000 гг. в базе климатических данных ИГКЭ

0 I I I1) I > 11 I > 1111III 1111111 п 11111 11111 111I ) 1111 1111 I м 11 11111

1880 1900 1920 1940 1960 19В0 2000

В заключение следует еще раз обратить внимание на тот факт, что только к концу сороковых годов была сформирована стабильная сеть станций. И эта сеть катастрофически разрушалась в последние 10-15 лет. К настоящему времени картина с поступлением данных станционных наблюдений по каналам связи несколько стабилизировалась. Однако, задача расширения сети доступных станций и исключения из данных всякого рода неоднород-ностей (гомогенизация данных) по-прежнему актуальна. Сегодня она стала одной из первоочередных в действующей системе мониторинга климата России, как, впрочем, и Земного шара в целом [см., например, Второй доклад об адекватности ГСНК, ВМО, 2003]. В России эта проблема особенно актуальна для данных об осадках [77].

1.5. Методы вероятностного прогнозирования в гидрометеорологии. Оценки качества прогнозов.

Любой метеорологический прогноз (даже идеально оправдавшийся) не может быть абсолютно точным уже в силу, по крайней мере, двух обстоятельств. Во-первых, начальные условия всегда искажены погрешностями наблюдений (измерений). Во-вторых, объективная сложность процессов, протекающих в атмосфере, практически не позволяет учесть все факторы, влияющие на будущее состояние погоды, равно как и предсказать все внешние воздействия, которые могут возникать и влиять в течение периода действия прогноза. Поэтому, даже если предположить, что поведение атмосферы описывается чисто детерминистическими закономерностями, и явлений, вероятностных по своему объективному содержанию, в ней нет, мы вынуждены констатировать, что в суждениях о будущих состояниях атмосферы всегда останется фактически неустранимая неопределенность. Таким образом, формулировать прогноз в виде одного значения или даже интервала возможных значений (категорический прогноз) - значит затушевать перечисленные выше факты и приписывать реальной действитель-

ности свойства модели, далеко ему не адекватной. Напротив, формулирование прогностической информации в вероятностной форме, то есть количественное выражение присущей ей неопределенности, представляется гораздо более обоснованным как с принципиальных (научных) позиций, так и с точки зрения эффективного использования этой информация потенциальными потребителями.

Рассмотрим случай, когда прогнозируются заранее установленные градации или фазы явления У (предиктанта). Пусть Ф={Ф/, 1-1, , к}, — возможные состояния или фазы предиктанта, образующие полную систему несовместных событий. Обозначим через X— (Х), . . . , хй) — вектор-предиктор, о компонентах которого известно, что они наилучшим в некотором смысле образом предопределяют будущее состояние предиктанта. Задача вероятностного прогноза - найти распределение условных вероятностей Р = {Я(Ф, | X), /=1, , и} состояний предиктанта (фаз погоды) при текущем состоянии вектора X. При этом в нашем распоряжении имеется архив метеорологических наблюдений {{X, Ф), , /= 1, ///} достаточно большого объема Щ в котором одно наблюдение содержит реализацию вектора-предиктора X, и номер фактически наблюдаемой вслед за ней фазы погоды Ф,. Дать прогноз в вероятностной форме — значит уметь по наблюдаемым значениям предикторов указать распределение вероятностей фаз интересующих нас элементов погоды. Таким образом, проблема заключается в получении (для заданного момента времени () оценки условного распределения Р, = {Р, (Ф/1X,), /=1, , п} на основе накопленного архива.

1.5.1. Методы предвычисления вероятностей

Методология вероятностного прогнозирования подробно описана в монографии [38] и в ряде публикаций [34, 36, 50, 55, 63, 64]. Здесь ограничимся лишь перечислением возможных подходов к предвычислению вероятностей и их краткой характеристикой. Результаты, полученные автором в данной области, лежат в сфере прогнозов малой заблаговременности [1-3, 7, 9, 11-12, 15], прогнозов на месяц и сезон [19-21, 23,33-36, 50, 55, 61, 6364] и прогнозов изменения климата [54, 56, 65, 78]. Некоторые реализации этих подходов будут обсуждены в Разделе 4.

* Метод априорных вероятностей (или таблиц сопряженности). Метод состоит в том, чтобы перейти к дискретному описанию вектора-цредиктора и, рассмотрев фазовое пространство его изменений, оценить заранее все вероятности {Р (Ф, IX), ]=1, , к}. Метод прогноза заключался бы лишь в отыскании соответствующего текущему состоянию X искомых вероятностей. К сожалению, из-за слишком большого М (число состояний системы) в любом из практически интересных случаев вряд ли можно на-

деяться на успешное применение метода при имеющемся объеме наблюдений без дополнительных гипотез.

■ Метод апостериорных вероятностей (формула Байеса). Метод основан на применении Байесовского подхода, который позволяет объединить различные источники информации и получить апостериорную функцию плотности распределения вероятностей (через априорную плотность распределения предиктанта и функцию правдоподобия, которая содержит априорную и выборочную информацию) в условиях не столь жесткой, как в предыдущем случае, зависимости от размерности прогностического вектора.

■ Метод регрессионной оценки вероятностей. Метод основан на том, что для дихотомической (бинарной) случайной величины ее математическое ожидание можно рассматривать как вероятность того, что данная величина принимает значение, равное 1. В данном случае достаточно перейти к бинарным компонентам предиктанта и для каждого из них на архивном материале с помощью обычной процедуры наименьших квадратов построить прогностические уравнения регрессии. Метод интересен для прогноза факта осуществления событий (осадки, туман, облачность, сход лавин и др.).

■ Моделирование условных вероятностей с использованием малопараметрических аппроксимирующих (аналитических) функций. Цель метода — оценить искомую функцию распределения априори в виде некоторой аналитической функции, чтобы затем в реальных условиях X лишь рассчитать по ней конкретные значения ?(Ф]\Х).

• Моделирование условных вероятностей с использованием цепей Маркова. Пусть некоторая физическая система в каждый момент времени принимает одно из к возможных несовместных состояний. Тогда дискретный случайный процесс ЛТО, описывающий поведение этой системы, называется, простой цепью Маркова, или цепью Маркова первого порядка, если состояние системы в момент / (то есть искомое условное распределение вероятностей для к возможных состояний) зависит только от ее состояния в момент /-/. В случаях, когда есть возможность установить адекватность модели фактическим данным, модель может служить хорошим вспомогательным прогностическим средством.

■ Метод динамической климатологии. Данный метод решает задачу статистического и вероятностного прогноза построением динамических статистических характеристик ансамбля состояний (процессов), сходных с текущим. По существу он основан на широко применяющемся в практике долгосрочного прогнозирования методе аналогов, но принципиально развивает его, по крайней мере, в двух отношениях. Во-первых, принцип «глобальной аналогичности» или «аналогичности в целом» заменен здесь принципом «локальной аналогичности» или «аналогичности в частном», в

соответствии с которым пространственная область, конкретные факторы и меры аналогичности должны зависеть от предиктанта, региона и заблаговременное™ прогноза. Во-вторых, метод базируется на использовании групповых аналогов как способе формирования «динамической типовой выборки», на которой строится единственный прогноз для данного конкретного процесса (статистический и вероятностный).

1.5.2. Оценки качества вероятностных прогнозов

Проблема оценки качества прогнозов - задача очень важная и часто не менее сложная, чем собственно прогнозирование. В применении к вероятностным прогнозам это особенно справедливо. Действительно, вероятностные прогнозы по самой своей природе призваны отражать объективно существующую в каждой ситуации неопределенность будущего состояния атмосферы. Поэтому качество вероятностного прогноза связано в первую очередь с точностью предвычисления функции распределения вероятностей, которая сообщается потребителю в качестве прогноза и о качестве которой ни в коей мере нельзя судить по единичному испытанию. Основные меры качества включены в разработанные автором схемы прогноза [12,38].

В качестве основных требований к оцениванию вероятностных прогнозов следует назвать:

■ оценивание индивидуальных вероятностных прогнозов недопустимо (оценка возможна лишь по совокупности прогнозов, причем достаточно представительной);

■ критерии качества вероятностных прогнозов должны оценивать: точность прогнозов (соответствие предвычисленных распределений реально наблюдавшимся впоследствии явлениям); надежность прогнозов (соответствие прогностических вероятностей климатическим) и категоричность прогнозов (близость прогностических вероятностей к категорическим);

■ формулировка прогноза не может оставаться постоянной (предвычис-ленное распределение вероятностей должно зависеть от текущей ситуации).

Подробная сводка оценок качества вероятностных прогнозов с анализом их свойств приведена в монографии [13]. Наиболее популярной из них является усредненная по совокупности прогнозов оценка Брайера PS (Probability Score), характеризующая среднюю квадратическую ошибку (чаще -успешность) оценок вероятностей. Среди многочисленных модификаций оценки PS наиболее интересны две: RPS (Ranked Probability Scorej и APS (Absolute Probability Score). Оценка RPS предназначена для случаев про-

гноза упорядоченных категорий (градаций) и оценивает соответствие предсказанной и наблюденной функций распределения, тогда как PS оценивает соответствие предсказанного и наблюденного законов распределения (дискретный аналог плотности распределения). Показатель APS рассчитывается как абсолютная ошибка предвычисленных вероятностей (вместо квадра-тической в PS) и характеризует, как показано автором, среднюю предсказанную вероятность впоследствии осуществившегося состояния прогнозируемого объекта [7,9].

1.6. Типизация метеорологических полей и процессов. Синоптическая климатология.

Классификация (типизация, систематизация) эмпирических данных об изучаемых объектах является необходимым этапом практически любого научного исследования. При этом требуется разбить объекты на классы так, чтобы объекты одного класса были похожи друг на друга и непохожи на объекты другого класса (типа). Классификация производится на основании конечного числа (пусть это будет S) количественных признаков и может рассматриваться как разбиение 5-мерного пространства признаков на области, соответствующие классам. В зависимости от характера распределения признаков, классификация может оказаться детерминистской, вероятностно-статистической и условной. Детерминистская классификации возможна, если объекты изображенные точками в 5-мерном пространстве признаков, распадаются на изолированные группы, которые и можно принять за классы. Вероятностно статистический смысл классификация будет иметь в том случае, когда распределение признаков, описывающих, например, состояние атмосферы, является статистической смесью нескольких более простых распределений с неодинаковыми параметрами. И, наконец, условная классификация будет иметь место во всех остальных случаях, когда «близкие» ситуации группируются для более легкой обозримости, подобно разбиению на градации при статистических исследованиях.

Автором предложен алгоритм автоматизированного построения классификаций (на ЭВМ), опирающийся на формализованные критерии, и на его основе построен ряд типизации метеорологических объектов, среди которых: пятидневный ход температуры в точке, региональные поля температуры, осадков, характеристик циркуляции, облачности, метеорологические условия вегетационных периодов и др. [6, 8, 25, 68, 69, 90]. В алгоритме предусмотрен широкий набор критериев сходства (различия) метеорологических объектов и также ряд мер качества получаемых классификаций. Результаты исследований показали, что последние в значительной мере зависят от выбранного критерия сходства и чаще всего относятся к «условным

классификациям». Показано, однако, что все они информативны, адекватно отражают структуру анализируемых объектов и эффективны как способ описания метеорологической информации в прогностических схемах.

Задача типизации связана с гораздо более широкой задачей синоптико-климатологического анализа метеорологических процессов. Спектр синоптических объектов достаточно широк. К ним относят тропические и вне-тропические циклоны, антициклоны умеренных широт, воздушные массы, фронты, длинные волны в системе высотных фронтальных зон, типы (режимы) циркуляции и различные региональные типы синоптических процессов. В [37] дано формализованное определение синоптического объекта в рамках статистического анализа данных наблюдений. В соответствии с этим описанием информационный массив наблюдений для синоптико-климатологического анализа имеет вид:

{(X, ф, X, г, I, в, <р\ Х\ -¿, 1*. а\Д', л, С, т) /, / = Щ}.

Здесь вектор наблюдений представлен гидрометеорологической переменной X (вообще говоря, многомерной) и ее координатами в начальной системе координат ф, X, г, I. Следующая группа величин в, ф', X', г*, I*, а',Д * характеризует синоптический объект (его название б, реперные координаты в начальной системе координат ф', X', г', ? и, возможно, какие либо характеристики о.1 Я \ Последняя группа л, т означает относительные координаты наблюдения в подвижной системе координат, в которой начало координат помещается в текущую реперную точку синоптического объекта.

Вертикальные координаты / и вообще говоря, можно исключить из этого описания, поскольку обычно синоптические объекты рассматриваются лишь в горизонтальных координатах. Введение одновременно характеристик нескольких типизаций (в) усложнит структуру вектора наблюдения за счет добавления некоторого количества характеристик синоптических объектов, соответствующих другим типизациям, но в принципе такое обобщение не представляет серьезных трудностей.

Полное статистическое описание такого многомерного объекта и является комплексной синоптико-климатологической задачей. В полном объеме она непомерно сложна и громоздка - поэтому, как правило, решают частные задачи, рассматривая их как задачи синоптико-климатологического анализа. Будем различать среди них три категории задач, в соответствии с уровнем и объектом статистических обобщений.

К первой категории отнесем задачи, в которых проводится статистический анализ характеристик синоптических объектов {8, ф", X', а*,Я'} в на-

чальной системе координат (ф, Я., /). Назовем такой круг задач синоптика-климатологическим анализом первого рода. По существу, результаты такого анализа не что иное, как климатология самих синоптических объектов (статистика их положений и свойств).

В следующую группу задач мы включаем анализ метеорологических величин (к ним могут бьггь отнесены также и отдельные характеристики синоптических объектов) по-прежнему в начальной системе координат (ср, X, г, /), но при осуществлении определенных значений отдельных характеристик рассматриваемого синоптического объекта — это синоптико-климатологический анализ второго рода. В этом случае мы получаем на выходе условный локальный режим погоды или климат в заданной точке пространства и времени, связанный с заданным синоптическим объектом.

Однако наиболее ценными и важными (в частности, для прогнозирования) нам представляются результаты синоптико-климатологического анализа третьего рода, когда выполняется тот же, что и в предыдущем случае, условный статистический анализ гидрометеорологических величин в связи с определенным состоянием синоптического объекта, но в системе относительных координат (£, т|, С,, т), передвигающейся вместе с объектом. В этом случае результатом анализа будет статистическая структура подвижного синоптического процесса.

В заключение отметим, что предложенный в 1.5.1 метод динамической климатологии на основе схемы групповых аналогов фактически решает все три частные задачи синоптико-климатологического анализа. Наиболее существенные результаты опубликованы в [14, 19, 21, 34-36, 50, 61, 64] и также представлены в Разделе 4.

2. МОНИТОРИНГ КЛИМАТА. РАЗВИТИЕ БАЗ КЛИМАТИЧЕСКИХ ДАННЫХ

2.1. Система мониторинга климата. Цели и задачи. Требования к системе.

Система мониторинга климата является многоцелевой информационной системой. Автор является одним из ответственных разработчиков этой системы в России (по подсистеме «Приземный климат»), создание которой было начато в Гидрометцентре СССР (начало 1980-х гг.) и продолжено тем же коллективом в ИГКЭ Росгидромета и РАН. Система работает и в настоящее время в квазиоперативном режиме. Объектами мониторинга в ней являются средние месячные и сезонные данные о глобальном поле темпе-

ратуры воздуха и осадков у поверхности земли и, в определенной мере, данные о циркуляции в тропосфере. В отдельный раздел вынесен мониторинг климата на территории России, выполняемый по данным станционных наблюдений (телеграммы КЛИМАТ, СИНОП).

Целью мониторинга климата в [46,49] названы:

■ Регулярное слежение за состоянием климатической системы, влючая сбор и обобщение климатических данных и определение характеристик текущего климата земного шара.

■ Оценка вероятностных характеристик текущего состояния и степени его аномальности, для чего текущее состояние, представленное текущими значениями выбранной системы параметров, анализируется обязательно на фоне многолетних колебаний этих же параметров. Это значит, что для введенной параметризации объекта должен быть доступен весь предшествующий (многолетний) временной ряд и его статистические обобщения (средние, дисперсии, функции распределения и т. д.).

■ Выявление естественных и антропогенных причин наблюдаемых аномалий.

■ Оценка масштабов вероятных изменений и колебаний климата в будущем (вторичная задача, которая может быть выделена в отдельную, смежную, проблему).

Основные требования к системе мониторинга:

• система должна функционировать ритмично, с соблюдением установленного регламента (как в смысле состава продукции и сроков выпуска, так и в смысле сети абонентов, обратных связей и т. д.);

■ система обеспечивает адекватное отображение состояний климатической системы на всех участках спектра ее пространственно-временной изменчивости (соответственно, мы различаем мониторинг глобальный, региональный и локальный, с временными характеристиками: месяц - сезон - год - десятилетия);

■ используемые количественные описания объектов мониторинга должны отражать, помимо пространственного (временного) среднего, еще и пространственную (временную) изменчивость, степень и характер аномальности и др.; аномалии различного масштаба должны характеризоваться в сопоставимых единицах;

■ при определении статистических характеристик предлагается использовать обозначения и формулы, которые могут быть положены в основу языка описательной метеорологической статистики (см. [31] и табл.1).

Следует различать мониторинг климата:

■ как оперативный мониторинг параметров климатической системы для обслуживания народного хозяйства и научных учреждений;

■ как информационную основу для исследований в области анализа и прогноза короткопериодных колебаний климата; и

■ как научную проблему.

В разделе 1 были рассмотрены вопросы и решения в области методологии « мониторинга и создания информационной базы для его осуществления.

Там же, на рис. 1.1-1.2 представлена принятая в действующей системе мониторинга сеть наблюдений и обеспеченность данными этих станций на » протяжении периода наблюдений.

Предложенный в разделе 1 набор показателей и статистических характеристик (региональные климатические индексы и показатели, характеризующие текущее состояние климата на территории региона, степень его изменчивости, аномальности и экстремальности, тенденции текущих изменений), по нашему убеждению, обеспечивает достаточно полное и разностороннее описание региональных особенностей метеорологических полей, отвечающее перечисленным выше требованиям. Мы полагаем этот набор вполне приемлемым, по крайней мере, в качестве основы параметризации полей в системе мониторинга приземного климата [46, 51, 60, 71, 72, 74, 75, 80, 82]. Отдельное направление связано с индексами, характеризующими состояние и характер атмосферной циркуляции, и выявлением циркуляционных режимов. Эти вопросы исследованы в работах [46, 51,60, 71,72,74,75,80,82].

В следующих параграфах подробнее рассматриваются два вопроса, непосредственно связанные с проблемой оптимизации базы климатических данных и не утратившие актуальности, а именно: (1) выявление неодно-родностей и гомогенизация временных рядов осадков на станциях России и (2) типизация как средство экономного описания метеорологических процессов и выявления циркуляционных режимов. В завершение рассматриваются некоторые обновленные оценки изменений и изменчивости климата России в XX столетии, полученные с использованием предложенной системы индексов в рамках разработанной методологии климатического мониторинга.

2.2. Улучшение однородности (гомогенизация) данных об атмосферных осадках на территории России

Выше отмечалось, что задача гомогенизации временных рядов осадков по данным инструментальных наблюдений на станциях России - одна из первоочередных задач в действующей системе мониторинга приземного климата России. Рассмотрим некоторые результаты специально предпринятого анализа, цель которого - оценить масштабы неопределенности эмпири-

ческих данных об осадках, обусловленной инструментальной неоднородностью наблюдений, и полученных по этим данным оценок изменений климата России в 20-ом веке [77].

Источники инструментальной неоднородности. В качестве основных изменений в практике наблюдений за осадками, определивших нарушение <

инструментальной однородности рядов, следует назвать:

• Изменение числа сроков наблюдений на части станций: до 1936 - один

срок; 1936-1965 - 2 срока; 1966-1985 - 4-срока (на большинстве стан- ч

ций, кроме Восточной Сибири в пределах 6-, 7- и 8-ого часовых поясов); с 1986 - возврат к 2-срочным наблюдениям (на большинстве станций, исключая регионы 2-ого часового пояса);

• Замена дождемера Нифера осадкомером Третьякова, который лучше защищен и обладает лучшими аэродинамическими свойствами (с конца 40-х до начала 50-х);

• Введение в результаты наблюдения поправок, учитывающих потери на смачивание осадкомерного прибора: с 1966 - 0.2 мм для каждого измерения ненулевых осадков; с 1967 - 0.1 мм для твердых осадков (вместо 0.2мм).

Все они, как и существующая система поправок и поправочных коэффициентов, могли создать в рядах ложные тренды, наличие и величина которых - цель предпринятого исследования [77]. Анализ выполнен по данным синоптических наблюдений на 223 станциях (рис.1.1) за 1891-1998 гг. Данные об осадках получены непосредственно из наблюдений, то есть они соответствуют дождемерным до даты смены прибора и осадкомерным - после нее. Поправки на смачивание включены в данные только с 1966 года (непосредственно наблюдателями на станциях). Дополнительно были использованы данные о числе дней и числе сроков за месяц с ненулевыми осадками определенного вида: жидкими, твердыми или смешанными (из массивов срочных синоптических наблюдений за 1936-1990). Не останавливаясь на деталях расчетов, приведем основные выводы:

• при использовании поправки единичного измерения 0.2 мм (0.1 мм для твердых осадков) четырехкратный учет потерь на смачивание (при каждом измерении осадков), действительно, нецелесообразен; возможно, необходимо пересмотреть также и оценку единичной поправки;

• число учитываемых потерь при измерении твердых осадков практически несущественно;

• оценка поправочного коэффициента кЗ, приведенная в Справочнике по климату, определенно завышена при 2-срочных наблюдениях (особенно в теплом сезоне), хотя и была разработана именно для такого режима наблюдений;

Таким образом, в рядах месячных сумм осадков действительно присутствует инструментальная неоднородность, связанная со сменой прибора и с изменениями числа сроков наблюдений. Практика внесения поправок в индивидуальные измерения представляется ошибочной и требующей пересмотра. Представляется далее, что для гомогенизации исторических наблюдений за осадками на территории России необходимо исключить из рядов все внесенные наблюдателями поправки (после 1966 года, что возможно лишь с привлечением данных срочных синоптических наблюдений). Более того, необходимо пересмотреть оценки поправочных коэффициентов кЗ и согласовать их с другими подходами к данной проблеме (например, с методикой Голубева, ГТИ). Лишь располагая этими данными, можно корректно решать задачу гомогенизации исторических данных об осадках на сети станций Российского региона.

Следует особо отметить, что обсуждаемые нарушения однородности во временных рядах осадков вносят дополнительную неопределенность в получаемые по ним оценки изменений климата, даже в среднем для больших территорий. Связанные с ними расхождения оценок трендов годовых сумм осадков для большей части территории России оцениваются в 1-3% нормы (за 100 лет) [77]. Этот факт следует иметь в виду при анализе изменений климата по имеющимся сегодня данным, особенно в регионах, где оценки трендов небольшие и колеблются около нуля.

2.3. Типизация метеорологических объектов как средство экономного описания метеорологических процессов и выявления существующих циркуляционных режимов

Выше (см. 1.6) сформулирована задача синоптико-климатологического анализа, в которой типизации метеорологических полей и процессов отводится едва ли не центральная роль. Не менее важна роль типизации и в задаче снижения размерности используемых количественных описаний метеорологических объектов без существенной потери их полноты и информативности (многомерность вектора, описывающего состояние климатической системы, даже в выбранных усеченных подпространствах климатических переменных часто создает принципиальные трудности и проблемы). Для снижения размерности выбранного пространства в метеорологических исследованиях широко используются главные компоненты, т.е. коэффициенты разложения наблюдаемых векторов по естественным ортогональным функциям. Однако, как показано в [10, 11], использование в этих целях аппарата типизации во многих случаях оказывается не менее эффективным и притом обеспечивает более интерпретируемые результаты. Одновременно типизация представляется эффективным способом выявления макроцирку-ляционных режимов, если таковые есть. В качестве иллюстрации ниже

приводятся три примера машинных типизаций, выполненных по описанной (см. 1.6) методике.

Типизация полей экстремальных (максимальной и минимальной) суточных температур над Средней Азией была разработана по данным на 15 станциях региона за 1951-1969 гг. [10, 11, 38].

На основании каталога чередования типов для каждого типа были получены типовые поля средних значений (рис. 2.1), поля стандартов и экстремумов. Их можно разбить на четыре группы: близкие к климатическому рас- « пределению (типы 1, 5), теплые (типы 2,7), холодные (типы 3, 6, 8) и типы с нарушением естественного суточного хода температуры (тип 4 - аномалии минимальных и максимальных температур противоположного знака). Соответствующие этим группам частоты - 0.33,0.20, 0.27 и 0.20. Все типы дают согласованное уменьшение стандартного отклонения: в среднем - до 0,6-0,7 от климатического значения, а на некоторых станциях - до 0,4-0,5. Интересно, что конфигурация изотерм с увеличением интенсивности аномалий приобретает явно выраженный гребневой (положительные аномалии) или ложбинный (отрицательные аномалии) характер. Тип 6, очевидно, связан с ультраполярными вторжениями, с наибольшими отрицательными аномалиями над юго-востоком Средней Азии. Несколько неожиданна довольно высокая повторяемость типа 4 (20% случаев).

Клмат Тш1 Тип 2

Ти13 Тш4 j ÍÍ TJBS

'&Ш Тш? Tin«

Рис. 2.1. Типовые поля максимальной температуры (сплошные линии) и их аномалий (пунктирные линии) у поверхности Земли нал Средней Азией (зима)

Заштрихованы области юкализации крупных аномалий (выше б°С) горизонтальная штриховка - отрицательные ano uaiuu, вертикальная положительные

В целом, полученные восемь типов достаточно разнообразны и вполне приемлемы как объект прогноза на пятидневку при существующих критериях качества прогнозов [38]. Показано также, что данная типизация эф-

фективна и в качестве предиктора (при этом номер типа заменяет 30 значений температур на 15 станциях Средней Азии), наряду с другими специально разработанными типизациями и индексациями. Отметим, что основанная на данной типизации методика вероятностного и статистического прогноза малой заблаговременности полей температуры над Средней Азией была успешно апробирована в 1970 году и до 1979 года использовалась в оперативном режиме в качестве вспомогательной (с определенными модификациями).

Типизация положения ПВФЗ в Атпантико-Евразийском секторе Северного полушария. Планетарные высотные фронтальные зоны (ПВФЗ) -один из важнейших механизмов общей циркуляции атмосферы - во многом определяют развитие атмосферных процессов на значительных территориях. Однако положение ПВФЗ, да и все характеристики ее, довольно трудно поддаются объективному анализу, хотя легко определяются визуально при анализе карт погоды. Одна из первых машинных типизации положений ПВФЗ, учитывающая лишь положение изогипсы 544 дам (Храброе, 1960) приведена на рис. 2.2. Она, наряду с типизацией полей температуры над Средней Азией, была одним из основных предикторов в упомянутой выше прогностической системе [11,38].

Климат

Рис. 2.2 Типовые положения оси ПВФЗ (осевая изогипса 544 лам)

В данном эксперименте использовались поля Н500 (30—80° с.ш., 30° з. д. — 120° в.д.) за январь— февраль 1949—1965 гг. Положение изогипсы определялось как разделительная линия между областями значений поля выше выбранного уровня (544 или 568) и ниже его. Типизация строилась для каждой изогипсы (порознь и совместно). Оказалось, что информация об изогипсе 568 дам, в дополнение к 544 дам, практически бесполезна (возможно, в рамках рассматриваемых региона и сезона).

При классификации циркуляционных ситуаций принципиально важен от- 4

вет на вопрос, является ли полученное разбиение или расслоение условным разбиением исследуемого пространства, связанного с одной генеральной совокупностью, или мы обнаруживаем наличие нескольких генеральных совокупностей. По существу задачей выявления циркуляционных режимов является лишь последняя, которую мы назвали выше проблемой кластеризации наблюдений. Отметим, что применительно к зимним полям Н500 над Северным полушарием ТоЙ1 (1990) привел убедительные данные в пользу гипотезы, что здесь мы имеем дело с выборкой из одной многомерной нормальной совокупности. Практически это означает, что в масштабах полушария ярко выраженные кластеры не обнаруживаются.

Подробный статистический анализ процессов, связанных с известными синоптическими типизациями («визуальные» типизации Дзердзеевского, Вагнгенгейма, Гирса), и собственный опыт построения и анализа машинных типизаций [8, 68, 69] позволил сформулировать следующие основные выводы:

• Визуальные типы (формы) циркуляции, будучи полезным инструментом изучения атмосферных процессов, являются примерами удачного группирования наблюдаемых ситуаций или разбиения области их существования в некотором фазовом пространстве. Однако не удалось получить каких-либо надежных доказательств того, что эти типы (группы) образуют кластеры в фазовом пространстве. Это не снижает их полезности и возможности использования для целей синоптической климатологии и изучения климатической изменчивости (в т.ч. в зависимости от форм циркуляции).

• Статистический анализ положений осевой изолинии ВФЗ Северного полушария на поверхности 500гПа показывает целесообразность автоматической классификации ситуаций в отдельных секторах шириной не более 160-180 градусов. Полученные примеры автоматической классификации (рис. 2.3), по всей видимости, также не являющиеся кластерами, не уступают по качеству визуальным типизациям и имеют, по крайней мере, то преимущество, что они получены автоматически. Нет никаких оснований считать, что эти машинные типы окажутся менее пригодными для целей синоптической климатологии и выявления причин изменения температур-

ного режима. Их также легко использовать для сравнения моделируемого поведения атмосферы в современных климатических МОЦАО с наблюдаемым с целью валидации моделей.

ооооо тип 1 в ив 90 тип 2 тип 3 — — — среавм

Рис. 2.3. Типовые положения осевой изогипсы 540 дам в визуальной типизации Вангенгейма (а) и в машинной типизации с использованием стандартно процедуры кластерного анализа (б).

• Среди фазовых подпространств характеристик циркуляции (на поверхности 500гПа Северного полушария зимой), в которых обнаруживаются кластеры, наиболее яркими являются подпространства, содержащие в качестве координат: долготу вершины главного гребня ВФЗ (здесь ВФЗ максимально продвинута на север); характеристики положения и размеров системы гребней и ложбин; и средние аномалии высоты Н500 в ключевых регионах. В частности, распределение долготы оси главного гребня оказалось настолько бимодальным, что его можно считать вырожденным, распавшимся на два непересекающихся распределения. Более подробный анализ показывает наличие трех кластеров и возможность выделить соответственно три типа гребней на ВФЗ (например, рис. 2.3). Какова действительная физическая размерность исследуемого пространства точно неизвестно - оценки здесь меняются от десятков до тысяч, так что проблема снижения размерности представляется по-прежнему важной.

• Изменение повторяемости типов циркуляции от десятилетия к десятилетию может быть ответственно лишь за некоторую долю изменений температуры воздуха, при том, что температурный режим самих типов циркуляции меняется на этих же временных масштабах.

2.4. Мониторинг климата и изменений климата России во второй половине XX века

Приведем краткую сводку обновленных оценок изменений климата на территории России по данным станционных наблюдений за 1886-2004 гг.,

: РОС НАЦИОНАЛЬНАЯ I БИБЛИОТЕКА | С. Петербург

! О» ЯЮ т

полученных в рамках действующей в ИГКЭ системы мониторинга климата [18,28,30,48,58,65,70,73,77,79, 84].

Температура приземного воздуха. Наблюдающееся в 20 веке глобальное потепление проявляется во всех регионах России. Самое общее представление о характере изменений температуры на территории РФ в целом дает временной ряд пространственно осредненных (по всей территории РФ) среднегодовых аномалий температуры на рис 2.4. Здесь же приведены аналогичные ряды глобальных температур - Северного полушария и Земного шара, а на рис. 2.5 - для основных регионов России.

Рис. 2.4. Временные ряды пространственно осредненных аномалий среднегодовой температуры приземного воздуха для территории РФ, Северного полушария и Земного шара.

Самым теплым в среднем для России был 1995 год, за ним следует 2002 год. За столетие потепление для территории России в целом составило около 1°С. После 1970 г. средняя скорость потепления (тренд) составила около 0,* С за десятилетие.

Россия

I . I . I I I , I , I , I . I ■ I . I . I . Картина тенденций ре-1900 1920 1940 1960 19!о 2000 гиональных изменений температуры в конце столетия приведена на рис. 2.6, где изображены изолинии коэффициентов линейных трендов (в °С за десятилетие) за 19752004 гг. для средней годовой температуры (сверху) и для экстремальных сезонов. В среднем за год потепление происходило практически всюду. В летних температурах потепление, хотя и более слабое, определенно выражено на западе Европейской территории, в Прибайкалье-Забайкалье и на Северо-Востоке страны. Но зимой в южных районах - интенсивное потепление, тогда как на севере Европейской территории и Западной Сибири и на Северо-Востоке - определенное похолодание. Межгодичные колебания температуры воздуха для отдельных регионов значительно больше, чем

. ' ' * »ч • .1-4* | 34

для России в целом (Европейская часть России, Западная Сибирь). 2004

год был третьим самым теплым в регионе Прибайкалья и Забайкалья.

°с 2г

1 -

0 -

-1 --2 ^

2 _

1 -

0 ^ -1 -■2 С-2_

1 -0 --1

-з Ь

2 г-

^ Прибайкалье и Забайкалье

^ - Северо-Восток 1 , /1 /Ч А

1 Поиамурье и Приморье '2 I . I . I . I . I . I . I . I . I . I . I .

1900 1920 1940 1960 1980 2000

Рис 2 5 Временные ряды пространственно осредненных среднегодовых аномалий температуры приземного воздуха для регионов РФ

Атмосферные осадки. Климатология осадков изучена значительно хуже, чем температуры. О тенденциях изменения режима осадков на территории России можно судить по рис. 2.7. Определенно плохо изучены осадки над океаном. Временные ряды аномалий осадков (мм/месяц), осредненных за год и по территории России и ее основных регионов, представлены на рис.2.8.

■ [ЦШМШМН -I .1 « 1 1 Рис. 2.6. Средняя скорость изменения температуры приземного воздуха (град/10 лет) на территории России по данным наблюдений за 1975-2004 гг. В среднем за год и в летний период потепление, достаточно слабое, отмечается практически всюду (кроме отдельных островков летом). Однако зимой в южных районах - интенсивное потепление, тогда как на севере Европейской территории и Западной Сибири и на Северо-Востоке - определенное похолодание

ос ю»! ЯШШШШШШЯШв ВШШШШШШ .1 -I • 1 г

Рис. 2.7. Средняя скорость изменения осадков по данным о годовых (сверху) и сезонных (слева) суммах осадков в % от нормы 1961-1990 за десятилетие) за 1975-2004 гг. (.

Наиболее заметно уменьшение зимних осадков в северовосточном регионе страны В европейской части РФ отмечается слабая тенденция к росту осадков холодного периода

((•У ^^ Г~Ч.> ~

¿■я

10 10 10 9 10 ;о 10 >0 1«

<Ь Л1 -3 ,

• *<, Ш1 '

¿У -Г ? Л Г-> 1Я

и,в' I ,

. /Л . 4—

г Гм»-

.м_и__г_и . и I) '? а.

Россия . .

Рис. 2 8.

Временные ряды пространственно осред-ненных среднегодовых месячных сумм осадков (мм) для территории России в целом и основных регионов.

Средаяя Сибирь

По данным наблюдений . . _, ЬЛ_1_1» .п1.| | устанопаш тенденция

Прибайкалье и Забайкалье

к некоторому уменьшению годовых (и сезонных) сумм осадков в восточных регионах 1ц| | |ц России в конце 20-го

' 'и __________

м1" т столетия

- 1 и I I р|чррро«У

Приамурье и Приморье 1. 1 1 .1 II. . 1 •• 1 ] (йЫ

1 , 1 1 пт !

•8 —

12 и ' Для сравнения на-

1900 1920 1940 1960 1980 2000 ПОМНИМ, ЧТО КЛИМЭ-

тические модели, в основном, предсказывают умеренный (10-30%) рост осадков при удвоении СО2 для большинства широтных зон, сопровождающийся значительным ростом частоты и интенсивности сильных осадков, в особенности в тропиках и умеренных широтах Северного полушария. Ожидаемый рост температурных контрастов между континентами и океаном может привести к интенсификации муссонов; в частности, ожидается увеличение осадков в системе восточно-азиатского муссона.

Таким образом, соответствие между приведенными эмпирическими оценками трендов и модельными расчетами весьма слабое. Пока можно говорить лишь о необходимости продолжить тщательный сопоставительный анализ модельных и эмпирических оценок.

Изменение аномальности и экстремальности климата за период 19011995 гг. (регионы России и США). Анализ изменений климата на территории России и США по данным за 1901-1995 гг. [71, 72, 74] был выполнен по данным станционных наблюдений в сопоставлении с оценками, полученными по данным в 5-градусных «боксах», и с использованием всех региональных индексов, перечисленных в разделе 1.1 (рассмотрена территория России без зоны вечной мерзлоты - РСВМ).

Основные выводы проведенного анализа сводятся к следующему.

■ В целом за столетие во все сезоны и в обоих регионах (Россия, США) наблюдался рост температуры воздуха (потепление), по своей величине превосходящий оценки для земного шара и Северного полушария в целом, но формально не противоречащий гипотезе о случайном происхождении. В последнем 50-летии тренд снизился для теплого периода, но существенно усилился для холодного, особенно в Российских регионах. Еще одна особенность потепления в России - площадь положительных аномалий растет быстрее, чем убывает площадь отрицательных (в США изменения площадей симметричны), и интенсивность межгодичных колебаний этих рядов в России больше, чем в США.

■ Временные ряды осадков в целом за 1901-1995 гг. указывают на уменьшение осадков в России и увеличение их в США. В 1951-1995 гг. эти тенденции существенно усилились всюду, кроме региона РСВМ, где тренды, хоть и очень слабые, соответствуют росту осадков (уменьшение осадков имеет место в восточной части РФ и усилилось в последнем 50-летии). Той же тенденции соответствуют и временные ряды доли площади с экстремальными аномалиями осадков. Все отмеченные закономерности определяются осадками холодного периода скорее, чем теплого.

■ В России в XX веке засушливость росла во все сезоны, но в большей мере - в холодный период, в восточных и южных районах (в РСВМ существенно слабее, чем в целом для территории России и бывшего СССР), и в 1951-1995 интенсивнее, чем в среднем за 100 лет; в США также отмечается рост засушливости, но существенно более слабый, и в 1951-1995 гг. он уже не прослеживается.

■ Экстремальность климата, определяемая долей площади под экстремальными (наблюдаемыми раз в 10 лет и реже) аномалиями обоих знаков, в целом за год в России росла для температуры воздуха, убывала для осадков и слабо увеличивалась для засушливости. На территории США изменения экстремальности климата по всем трем компонентам выражены слабее, но во всех случаях тренд положительный. Суммарный индекс экстремальности климата ИЭК-3 показывает весьма слабый рост экстремальности на всех территориях (за счет холодного периода для США и за счет восточных регионов для России).

■ Ход индекса аномальности климата ИАК также указывает на наличие положительного тренда в аномальности климата. В то же время можно отметить существенность колебаний более короткого масштаба, а именно колебаний от десятилетия к десятилетию.

■ Выявленные изменения климата настолько малы, что не позволяют уверенно отклонить гипотезу об их случайном характере вследствие естественной изменчивости климатических параметров при стационарном климате. Однако нет оснований сомневаться в реальности изменений, обнаруженных по данным наблюдений, и в их, возможно, существенном значении для практики

■ Индексы, учитывающие долю площади под аномалиями заданного уровня, являются эффективными индикаторами изменений климата (и, в частности, потепления), притом даже более чувствительными, чем собственно климатические параметры (в частности, температура воздуха).

3. СТРУКТУРА И ИЗМЕНЧИВОСТЬ МЕТЕОРОЛОГИЧЕСКИХ ПОЛЕЙ И ПРОЦЕССОВ

3.1. Глобальное потепление и структура долгопериодных трендов

Наиболее яркой особенностью климата XX века является глобальное потепление, характеризующееся повышением температуры воздуха у поверхности земли как в среднем для Земного шара и обоих полушарий, так и для большинства крупных регионов суши и поверхности океана (временные ряды детально изучены и представлены в 1РСС-2001). Максимально теплый год - 1998, самое теплое десятилетие - 1995-2004. Последние 26 лет подряд глобальная температура выше нормы 1961-1990 гг. Потепление за XX столетие, по оценке 1РСС-2001, составило 0.6° С ± 0.2° С по среднегодовым данным. В данном разделе будут проанализированы некоторые детали временной структуры глобального потепления с использованием методологии, описанной в разделе 1.

Ниже (рис. 3.1-3.2) представлены примеры отображения статистик, оцененных на скользящих отрезках исследуемых временных рядов разной < продолжительности, создающих полную картину их временной структуры. На оси абсцисс отложен конечный год периода оценивания, а на оси ординат - его длина. Таким образом, оценки статистик представлены на диа- , грамме как функция масштаба фильтрации (ось ОУ) и текущего времени (ось ОХ). Метод алгоритмически более простой, чем вейвлетный анализ, и более наглядный для интерпретации (данный подход был предложен авторами в начале 1990-х). В качестве статистик могут рассматриваться сред-

ние, стандартные отклонения, коэффициенты линейного тренда, корреляции и т.п. [56а]

100г ^^^^^^^

Рис. 3.1 Коэффициенты линейного тренда среднегодовой глобальной температуры воздуха (сверху)и содержания тепличных газов (внизу) в зависимости от длины периода (оУ) и от его конечного года (оХ)

1880

1900 1920 1940 1960 Конечный год периода

1980 2000

Рис.3 2 Коэффициенты корреляции между средне годовой глобальной температурой приземного воздуха и содержанием СО2 в зависимости от длины периода оценивания (ось У) и от конца периода (ось X)

1860 1880

1900 1920 1940 1960 Конечный год периода

1980

200

Каждая точка в поле диаграммы характеризует «климат конкретного периода», а все в совокупности они описывают рассматриваемую величину на всех временных масштабах на протяжении всего периода наблюдений,

то есть характеризуют весь наблюдаемый климат в терминах рассматриваемой климатической переменной. В частности, на этих рисунках прослеживаются и три периода, выделенных в 1РСС-2001: потепление 19101945, похолодание 1946-1975 и взрывное потепление с 1976 г.

3.2. Оценка составляющих изменчивости метеорологических полей

В классической статистике в качестве меры изменчивости используется дисперсия исследуемой величины, а для оценки ее структурных (факторных) составляющих - дисперсионный анализ. Выше (в разделе 1.1.) вместо классического дисперсионного анализа было предложено использовать «эмпирическое разложение дисперсий», которое выполняется по формулам для генеральной совокупности. Такое разложение в нашем случае обладает явными преимуществами при интерпретации результатов [31, 32], при том что корректное выполнение классического дисперсионного анализа на этих данных чаще всего просто неосуществимо (распределения отличаются от нормального, число факторов и их возможных состояний велико по сравнению с объемом выборок, возможные состояния факторов представлены в выборке неравномерно).

В случае 4-х факторов, как показано в 1.1, имеем:

рА/М, = д/1 £/,/,/. +£/. £)/=£Л/. +£/./.£>/.£/. /1

Здесь каждое слагаемое выражает вклад очередного фактора, осредненный по «внешним» факторам и отфильтрованный по «внутренним» (поэтому последовательность включения факторов, то есть порядок соответствующих индексов в матрице наблюдений, играет роль). Представляется, что сравнение факторных составляющих дисперсии должно бьггь весьма эффективным при вапидации данных реанализа и результатов климатического моделирования (как способ оценки адекватности этих данных и данных наблюдений).

Одномерный временной ряд (глобальная температура, температура воздуха в регионе, индекс циркуляции и др.) средних месячных величин может быть представлен одной из двух моделей (в зависимости от последовательности включения индексов .у, т):

^ = Е; -е;)=Е>„-£;>

В таблице 3.1 представлены примеры разложения дисперсий для приземной температуры Северного полушария и России, а также для индексов зональной циркуляции, рассчитанным по данным о приземном давлении и о высоте 500 гПа. Оценки приведены для исходных рядов и для их аномалий по данным за 1899-1998 гг. Вторая модель в применении к аномалиям не содержит первой компоненты, так как средние всего ряда уже исключены.

Интересно, что для температуры в конкретном регионе и месяце знание многолетних средних (ежемесячных норм, обычно помещаемых в справочники) исключает подавляющую долю неопределенности (около 99% и выше, в зависимости от региона), а для индексов зональной циркуляции эта величина составляет всего лишь около 32% у земли и около 69% в средней тропосфере. Остальные 68% и 31% изменчивости соответствующих индексов циркуляции приходится на межгодичную изменчивость, что вполне согласуется с масштабом представляемых этими индексами процессов общей циркуляции.

Таблица 3.1.

Составляющие дисперсии пространственно осредненной температуры приземного воздуха и индексов зональной циркуляции в Северном полушарии

Составляющие дисперсии SAT - NH SAT-Russia I zonal, P0 Izonal, H500

Т vT Т vT IP vIp Ih vlh

Оут (суммарная дисперсия средних месячных) 24,7 100% 0,08 100% 173,8 100% 1,9 100% 12,9 100% 8,8 100% 52,0 100% 16,2 100%

1.1УЕт (межгодовая дисперсия среднегодовых) 0,04 0,2% 0,04 47,8 % 0,30 2% 0,30 16,6 % 1,20 9,5% 1,20 13,9 % 1,84 3,5% I,84 II,4%

2. ЕуОт (средняя внутригодовая дисперсия средних месячных) 24.7 99.8 % 0,04 52,2 % 173,5 99,8 % 1,6 83,4 % 11,7 90,5 % 7,6 86,1 % 50,2 96,5 % 14,37 88,6%

х>т=Е:+(х>т-Е:)

1. ОтЕу (дисперсия годового хода норм) 24.6 99.7 % 171,9 98,9 % 4,1 31,7 % 35.8 68.9 %

В таблице не указан вклад линейных трендов, но он составляет малую долю межгодичной дисперсии аномалий (нижняя строка таблицы), то есть для температуры - это десятые и сотые доли общей изменчивости. Очень четко это видно на примере разложения дисперсии временного ряда среднесуточной температуры в Москве (рис. 3.3):

Х>,та/= ОтЕуа+ Б" Е"к'+ ЕтОуУтЕ'+ Е^й*" 100% = 78.8% + 0.8% + 4.4% + 15.9%

Следовательно, для оценки аномалии месячной температуры в любом локальном месте, которая именно и влияет на жизнедеятельность растений, организмов и в том числе на человека, температурный тренд играет практически незначительную роль.

15.84

ЕЪЛГЕ'

ЕточутЕ° Рис з з Составляющие эмпирической

дисперсии среднесуточной температуры в Москве.

о е

78,8*

Поле температуры приземного воздуха Северного полушария [22,26, 28, 30, 31, 52, 53]. Оценки изменчивости средней месячной температуры воздуха над Северным полушарием приведены в таблице 3.2 для данных суточного и месячного разрешения в узлах широтно-долготной сетки. Приведенные в таблице результаты соответствуют разложениям для случая 5-и 4-х факторов:

Таблица 3.2.

Составляющие эмпирической дисперсии температуры воздуха северного полушария, 35 - 85° с. ш.

Составляющие дисперсии (°С)2 % Дальнейшее разложение

Полная дисперсия средне суточной температуры ОАщк) 209.3 100 209.3 = 182.3 + 27.0 100% = 87.2% + 12.8%

Полная дисперсия среднемесячной температуры 182.3 87.2 вт = Т)!,тВ' + Е"тР' 182.3 = 178.3 + 4.0(0.2) 87.2%= 85.3%+ 1.9% (0.1%)'

Дисперсия точечных месячных норм пространству и времени) 178.3 85.3 В' = й"ЕГ" + Е'Ъ тЕу 178.3 = 73.1 + 105.2 85.3% = 34.9% + 50.4%

Пространственная дисперсия среднегодовых норм ¿У 73.1 34.9 0>' Ещ'= 0'Е1т + Е^1ЕЩ 73.1 = 61.8 +11.3 34.9% = 29.5%+ 5.4%

61.8 29.5 Межширотная изменчивость зональных норм

Е'О'Е1"1* 11.3 5.4 Средняя изменчивость норм вдоль широтного круга

Усредненная по пространству внутригодовая (сезонная) изменчивость месячных норм Е'ЪГЕ* 105.2 50.4

Средняя межгодичная изменчивость средних месячных величин (аномалий) Е 4.0 (0.2) 1.9 (0.1) Е*"йу(Х-в) 4.0 = 0.2 + 3.8 1.9% = 0.1% + 1.8%

31.0 14.7

4.0 (0.2) 1.9 (0.1)

Е^О1 27.0 12.8

В таблице расшифрован смысл составляющих и даны их значения в (°С)2 и в процентах от полной дисперсии. В скобках указан вклад тренда в дисперсию межгодичных колебаний. Как следует из таблицы, оценки полной дисперсии точечных значений температуры над северным полушарием (30-80Ы) составляют для среднесуточной, среднемесячной и среднегодовой температур 209.3,182.3 и 73.1 (°С)г, соответственно. Дисперсия, связанная с локальными линейными трендами среднемесячной температуры в северном полушарии, составляет 0.2 (°С)2, или 5% от межгодичной дисперсии и всего лишь 0.1% от полной дисперсии ряда.

Подобный анализ выполнен и для других метеорологических полей, в т.ч. для осадков [27], для средей температуры слоя 1000-500 гПа [29].

Изменчивость температуры и осадков на территории России. В работах [18, 27] выполнено сопоставление многолетних колебаний температуры и осадков в некоторых регионах России с изменением средней температуры Северного полушария. Получены оценки изменчивости в зависимости от масштабов пространственно-временного сглаживания и оценены пределы возможных изменений метеорологического режима. Исключение тренда в осредненных по площади данных практически не приводит к уменьшению изменчивости (как и исключение 5-летних средних), чего нельзя сказать о сглаживании. Так, 5-летнее сглаживание уменьшает дисперсию температуры примерно на 75%, а коэффициенты вариации осадков - в 1,5—2 раза. С увеличением площади региона климатическая изменчи-

вость регионально осредненных аномалий (как температуры, так и осадков) также уменьшается. Отчетливо выражен как для температуры, так и для осадков годовой ход изменчивости. По всем районам минимумы дисперсии и коэффициентов вариации приходятся на летние месяцы, а к зиме они довольно монотонно и равномерно возрастают.

Для территории России характерно увеличение изменчивости осадков в регионе к востоку от 120°Е до Чукотки. С точки зрения согласованности региональных изменений в пределах России, можно говорить о более выраженной однородности изменений в меридиональном направлении по сравнению со смещением по широте, в связи с чем предлагается выделять в этом регионе, по крайней мере, три сектора (граничные меридианы 60 и 100°Е). Однако при рассмотрении поля осадков нельзя пренебрегать и меридиональной неоднородностью, т. е. следует проводить дополнительное деление секторов на северные и южные районы, тогда как для температуры это не столь обязательно.

3.3. Оценки изменений «изменчивости климата» над континентами северного полушария в XX веке

Для анализа изменений изменчивости в [81, 83] были предложены характеристики (меры) изменчивости, согласующиеся с основной концепцией разложения дисперсий (см. также раздел 1.1). Напомним, что речь идет о нестационарных процессах, для которых предполагается, что суммарная изменчивость распадается на изменчивость, объясняемую трендом среднего, и остаточную изменчивость, связанную с отклонениями от тренда. Последняя оценивается как среднее квадратическое или среднее абсолютное значение отклонений от тренда средних величин (низкочастотной составляющей). Тренд во временных рядах этих абсолютных отклонений рассматривается здесь как тренд изменчивости.

Сравнение выполнено на двух массивах средних месячных температур воздуха: данные станционных наблюдений на сети 1383 станций и глобальные поля, заданные на регулярной сети 5-градусных «боксов» (см. 1.4). Тренд изменчивости оценивался для каждой станции, двух периодов (1901-1998 и 1951-1998 годы) и трех «сезонов»: календарный год и теплое и холодное полугодия. Для выделения локальной низкочастотной составляющей (тренд средней температуры) использовались 4 «модели»: 1 - регрессия на время (обычный линейный тренд); 2 - регрессия на среднюю концентрацию углекислого газа; 3 - регрессия на среднюю глобальную температуру; 4 -фильтрация (исключение) колебаний с периодами менее 10 лет.

Один из вариантов расчета (отклонения от регрессии на СОг) проиллюстрирован на рис. 3.4, из которого следует, что пространственное распределение 50-летних изменений показателя изменчивости весьма неоднородно. Имеются большие области, где изменчивость растет и, следовательно, увеличивается вероятность крупных аномалий - это зона умеренных широт восточной Европы, Япония, восточные районы США, Канада. Есть области достаточно интенсивного убывания этих величин, где климат оказывается более устойчивым. Существенное ослабление изменчивости обнаруживается, в основном, в холодный период в отдельных районах России и в восточных и западных районах Канады.

80 г

НиШвп еЬхтЫ 4Яа (И

■ --. • "-Л »Л,

%с ~

-120

-60

-;—- ■ " л

5 Ч <Ша ЬСмЫ '

Ч. • Ф »ЛШгЗ^

♦о

• • »»4*4 ♦ ♦ ♦ »»•*♦ » • • - »""

•адь

■ »•.»• <«•»

-180

-120

-60

0 60 120 180

°с Юлп ♦ .1 •».0.5-.0.: - 0 ♦ 0.2 ♦ 05 + 1 +

Рис 3 4 Коэффициенты линейного тренда показателя изменчивости температуры приземного воздуха над Северным полушарием за период 1951-1998 гг в точках расположения станций (вверху) и в 5-градусных боксах (внизу). В качестве показателя изменчивости использованы абсолютные отклонения температуры от линии регрессии на содержание СОг

Дополнительно отмечается хорошее согласие между результатами по данным сеточного массива и массива станционных наблюдений. Однако определенно видны преимущества оценок по данным наблюдений непосредственно в точках расположения станций (отсутствие неправомерной экстраполяции оценок, их большая точность и надежность, информация о неосвещенных районах, и др.). Результаты для первых трех моделей низкочастотной составляющей хорошо согласуются между собой и отличаются от таковых для четвертой модели. По-видимому, это следствие разных временных масштабов отфильтрованных колебаний в этих двух группах моделей.

3.4. Корреляционные связи в приземных метеорологических полях Северного полушария (температура воздуха, атмосферное давление, атмосферные осадки).

В общем виде корреляционную функцию двух метеорологических переменных Я(У,Х) следует рассматривать в 8-мерной системе координат (фу, ^у, Ьу, Фх, ^х, Ьх, 1Х). Здесь <р, X — географические (горизонтальные) координаты, Ь — высота, I - время. При рассмотрении приземных данных координаты Ьу Ьх можно опустить. В [24, 41,45, 62] исследованы пространственно-временные корреляционные функции трех климатических переменных: температура приземного воздуха, давление на уровне моря и атмосферные осадки в Северном полушарии. Анализ базируется на семействе корреляционных матриц для всех сочетаний факторов: переменная - сезон (месяц) - временной сдвиг. Строка матрицы (для фиксированного временного сдвига т и календарного месяца ту>, содержит поле значений корреляционной функции, заданное на полной исходной сетке (фх, Хх) и соответствующее одному реперу (фу. ^у), в роли которого поочередно выступает каждая точка исходной сетки. Это поле и есть срез корреляционной функции для репера (фу, месяца шу и временного сдвига т. Временные корреляционные функции Яух(т) получены также для всех календарных месяцев ту и всех точек поля (фу, Ху) на интервале ± 1 год.

Подобные корреляционные матрицы многократно препарировались для разных переменных разными авторами, с целью определить характерные пространственно-временные масштабы корреляции и их колебания от региона к региону и в разные сезоны. Однако все эти результаты, как правило, относились к отдельным районам, сезонам, периодам и носили скорее характер интересных примеров, дающих общее представление о порядке обсуждаемых величин, но не создавали полной картины. Особенность предложенного подхода заключается в том, что, во-первых, он позволил получить объективные количественные данные об очагах пространственной корреляции на одной отдельно взятой карте (для одного репера), не прибегая к визуальным оценкам. Во-вторых, он позволил выполнить полномасштабный анализ всего семейства карт с последующими обобщениями на полной исходной сетке Северного полушария (с такой полнотой, насколько нам известно, впервые). Весь анализ полученных полей корреляций выполнен автоматически, с использованием компьютерной процедуры описания их системой характеристик выбросов (двумерных и одномерных).

Основная задача - анализ связности в исследуемых полях [45], т.е. анализ размеров и ориентации очагов пространственной корреляции вокруг ре-перной точки в зависимости от ее координат. В каждом поле пространственных корреляций выделяется одна связная область с центром в узле-репере (корреляция в нем равна 1) внутри изокорреляты 0,3 (соответствует 5% уровню значимости). Эта область рассматривается как двумерный выброс за уровень 0,3, для которого рассчитываются характеристики:

■ 5 - площадь области выброса, то есть площадь области внутри граничной изокорреляты;

■ Ь- средний радиус контура (то есть граничной изокорреляты) и

■ оъ - среднее квадратическое отклонение радиусов вдоль контура. Понятно, что первые два показателя тесно связаны и характеризуют размер «связной области» для данного репера, или радиус корреляции, или скорость затухания (в пространстве). Последняя может быть интерпретирована как степень отличия граничной изокорреляты от окружности, то есть степень анизотропности корреляционной функции в рассматриваемом узле (репере). Ниже для примера схематично изображены очаги пространственных корреляционных функций температуры (внешняя кривая) и осадков с репером в точке (65°с.ш., 80°в.д.).

((ГШ

Радиус корреляции для температуры в 2-3 раза больше, чем для осадков по всем направлениям, кроме восточного, где они приблизительно равны. .1 Асимметрия для осадков выражена сильнее, чем И см. ¿ля температуры, что подтверждается отношением большой оси к малой, равным 24 и 1.3 соответственно.

Дальнейший анализ строился как статистическое обобщение характеристик корреляционных функций (площадь очага, его радиус и степень анизотропности) по внешним координатам и изучение закономерностей колебаний их свойств в пространстве и в течение года. В частности, был выполнен анализ их «разрезов» вдоль широты (проверка гипотезы зональной однородности) и вдоль меридиана. Соответственно, анализировались и радиусы корреляций (скорости затухания) в каждом из направлений и их отношение для оценки степени анизотропности.

Результаты анализа приводят к следующим выводам [41,45,48,62]. ■ Из трех полей наиболее связным в пространстве является поле давления; за ним следует поле температуры, и наиболее локальными являются процессы в поле осадков. Во всех трех полях "радиус" зональной однородности, как правило, больше, чем меридиональной. В поле давления анизотропность корреляционной функции выше, но области повышенной анизотропности в полях давления и температуры вполне согласуются.

■ Зимой пространственные корреляционные функции всех рассмотренных переменных в значительной мере неоднородны. Корреляционная функция температуры над континентами убывает в 1,5-2 раза медленнее, чем над океанами: площадь очагов автокорреляции над океанами составляет 5-10, над Канадой -15-20, а над Евразией - 20-30 млн. км2. Летом корреляционные функции однородны практически всюду, кроме субтропиков Тихого океана и Канады (площадь очагов в этих районах колеблется в интервале 10-15 ив отдельных узлах достигает 20 млн. км2). Таким образом, сезонные колебания существенны лишь над Евразией, и особенно над Восточной Сибирью, где имеет место 4-кратное сокращение площади "связных" областей (т. е. площадей со сходными температурными условиями) от зимы к лету.

• Изотропность корреляционной функции в поле температуры имеет место, судя по полученным оценкам, лишь в областях с низкой пространственной связностью, как летом, так и зимой. Во все сезоны это относится к океанам (за исключением летних субтропиков Тихого океана), тогда как летом - лишь к умеренным широтам Евразии. Анизотропность корреляционной функции температуры, напротив отмечается во все сезоны - над Канадой, летом - над субтропиками Тихого океана и зимой - над регионом сибирского антициклона. Последний факт особенно интересен: здесь соединились максимум пространственной однородности температуры и максимум анизотропности ее корреляционной функции. Возможно, это связано с наличием какого-либо сильного регионального фактора, формирующего на большом пространстве однородный температурный режим, но в определенном (одном или нескольких) направлении.

В упомянутых публикациях приведены подробные данные (в т.ч. количественные) о характере пространственных корреляционных функций всех трех климатических переменных. В них же освещены и другие направления, из которых наиболее важными представляются:

■ Анализ пространственных и сезонных особенностей локальных временных корреляционных функций (оценка в узле сетки и каждом сезоне радиуса инерции, радиуса корреляции, скорости затухания, наличия вторичных экстремумов и т. д.).

■ Выявление районов сопряженных колебаний и на их основе - установление дальних связей; и

■ Исследование синхронной корреляции температуры воздуха и осадков с целью установления ареалов наиболее неблагоприятных для сельского хозяйства засушливых условий. В частности, в Северном полушарии к таким областям оказались отнесены обширные районы центральной Европы (в том числе центр и юг Европейской территории России), южные районы Западной Сибири и Казахстана, центральные и южные районы Якутии, Чукотки и центральные районы Северной Америки.

В целом, можно отметить, что предложен новый подход и получены принципиально новые количественные данные о пространственно-временных корреляционных функциях основных климатических переменных (атмосферное давление, температура воздуха и осадки) в северном полушарии. Результаты могут быть использованы при оценке предсказуемости и разработке численных схем долгосрочного метеорологического прогноза.

4. ПРОГНОЗ КОРОТКОПЕРИОДНЫХ КОЛЕБАНИЙ КЛИМАТА

Состояние проблемы долгосрочного метеорологического прогноза (или прогноза короткопериодных колебаний климата) с позиций современной науки можно охарактеризовать в целом следующими двумя положениями. С одной стороны, уже полностью рассеялись иллюзии относительно уровня современного практического прогнозирования: по единодушной оценке метеорологов уровень практически всех прогностических систем, на основе которых регулярно составляются прогнозы на сроки месяц и более, лишь незначительно выше уровня климатических прогнозов. С другой стороны, благодаря появлению чрезвычайно сложных моделей атмосферы и возможности экспериментирования с ними на сверхмощных ЭВМ возродился оптимизм в отношении долгосрочного динамического прогнозирования (в частности, с использованием «ансамблевого подхода»). Однако на сегодняшний день в области долгосрочного прогноза гидродинамический подход еще не дал надежных результатов, и в то же время не обнаружено сильных эмпирических связей и нет сколько-нибудь устойчивого прогресса в реализациях статистического подхода. Тем не менее, все более утверждается позитивное мнение о наличии в атмосфере предсказуемости и за пределами месяца (по крайней мере, в связи с определенными медленно протекающими процессами и явлениями типа Эль-Ниньо/Южное колебание, блокирование западного переноса и др.). В этих условиях нам представляется наиболее перспективным метод «динамической климатологии», в котором климатология текущего процесса оценивается через «генеральную совокупность», имитируемую с помощью группы аналогов (см. 1.5.). Этот метод обладает, на наш взгляд определенными достоинствами:

- прогнозирует не значение метеорологической величины, а ее функцию распределения, так что неопределенность каждого конкретного прогноза выражается численно наиболее естественным образом (в терминах вероятностей) и в явном виде отражена в тексте прогноза; при отсутствии предсказуемости предвычисленное распределение вероятностей естественным образом превращается в климатическое распределение;

- применим как для практического прогнозирования при отсутствии физических моделей или методов прогноза, так и для изучения конкретных процессов и проведения исследований по предсказуемости, выявлению причин (индикаторов) формирования аномалий и др.;

- требует минимума априорной информации об объекте; климатология объекта оценивается непосредственно в процессе получения прогноза;

- позволяет получать, наряду с вероятностным прогнозом, научно обоснованные экономические решения (в. частности, категорические прогнозы);

- «настраивает» состав используемых предикторов на текущий процесс, меняя его от прогноза к прогнозу посредством оптимизации по максимуму априорных критериев качества (в рамках назначенного физически обоснованного набора параметров и полей);

- позволяет объединить различные источники информации с возможностью последовательного усвоения дополнительных данных;

- позволяет объединить различные статистические и динамические методы (от условной классификации до численного моделирования отдельных компонентов прогнозируемого объекта).

Идея метода в обобщенном виде представлена в монографии [13], где можно найти ссылки на более детальные работы. Метод реализован в виде унифицированной прогностической системы «Групповые аналоги (ГРАН)» [14, 19, 21, 50], на основе которой был создан метод вероятностного и статистического прогноза температуры воздуха Северного полушария на месяц и сезон [13, 34-36]. С помощью той же схемы ГРАН выполнен анализ мер различия метеорологических объектов и их предсказуемости [13, 20, 33, 55, 63]; оценка возможности использования экспоненциального сглаживания для описания метеорологических процессов и полей [41, 47]; оценка инерционности и экстраполируемости временных рядов температуры [42] и др.

Следует отметить, что анализ и интерпретация «группы аналогов», лежащие в основе метода динамической климатологии, предвосхитили многие идеи популярного в настоящее время «ансамблевого подхода», с опережением на 10-15 лет.

Основанный на ГРАН метод прогноза температуры воздуха Северного полушария на месяц и сезон подробно описан в [50]. В Гидрометцентре СССР с конца 1983 г. в течение 3-х лет ежемесячно выпускались и оценивались оперативные вероятностные прогнозы (по трем равновероятным градациям) среднемесячных полей температуры воздуха над северным полушарием, сглаженных по 45 районам (рис. 4.1). Прогнозы рассчитывались по упрощенному варианту ГРАН (без оптимизации), использующему в ка-

честве предикторов лишь сглаженное поле температуры с заблаговремен-ностью один месяц, т. е. по полю декабря дается прогноз на февраль и т. д. На рис. 4.1 приведен пример прогноза, а на рис. 4.2, 4.3 — апостериорные оценки успешности всей серии.

Рис 4.1. Пример вероятностного прогноза температуры воздуха для 45 регионов северного полушария по трем равновероятным градациям: «ниже», «около» и «выше» нормы.

Границы градаций определялись индивидуального для каждого предиктанта (региона) как терцили безусловного распределения (при пяти градациях - это 20%-ные квантили).

Гистограммы на рис. 4.1 изображают предвычисленные распределения вероятностей трех градаций температуры в каждом регионе. Соответствующие числовые значения приведены под каждой гистограммой. Для климатического вероятностного прогноза все вероятности равны '/3 и гистограмма имеет форму прямоугольника (см. внизу, справа). На рис. 4.2 приведены оценки также и для климатического вероятностного прогноза ('/з.'/э.'/э).

Рис. 4.2 Оценки успешности вероятностных (PS, RPS, APS) и категорических (р) прогнозов по результатам оперативных испытаний за период с декабря 1983г по декабрь 1986г

111111111111111

*r т

.....■ I 1 I I I I I I .

В целом, вероятностный прогноз по схеме « групповые аналоги »устойчиво лучше климатического, хотя это преимущество очень незначительно.

Наиболее интересен анализ качества вероятностных прогнозов по степени их соответствия наблюденным частотам (рис. 4.3). Здесь приведены результаты для всей совокупности значений предсказанных вероятностей, безотносительно к тому, к какой градации предиктанта они относились. Такие же диаграммы анализировались индивидуально для каждой града-

ции. Наименее удачными оказались прогнозы градации «норма», наиболее удачными — прогнозы градации «выше нормы» (здесь не приводится). Число, стоящее у каждой точки означает число случаев, в которых предсказанная вероятность попала в 10%-ый интервал, указанный на оси абсцисс. Как следует из рисунка, в целом ГРАН-прогнозы существенно отличаются от климатического прогноза, при котором все 4851 предсказанные вероятности были бы равны /3, и диаграмма выродилась бы в одну точку с

Рис 4.3. Диаграмма «надежности» вероятностных прогнозов по схеме ГРАН: распределение предсказанных по схеме ГРАН вероятностей Рщо™ (внизу) и их соответствие наблюденным частотам Рф,„ (вверху).

Частота попадания прогнозируемых вероятностей в интервал 30-40% завышена (30% вместо 10%), но существенна также доля низких (<20 %) и высоких (> 50 %) значений, притом что не единичны случаи р/ <10% и р/ >60%. 10 20 30 40 5060 70 80 90 100 рпплл

В дополнение отметим совместный эксперимент [61, 64], проведенный в Центре анализа климата США с непосредственным участием автора, в котором схема ГРАН (с оптимизацией) испытывалась для прогноза сезонной температуры на территории США (на информационно-вычислительных ресурсах США). Эксперимент показал, что:

- метод групповых аналогов при наличии информативной системы предикторов обладает определенным мастерством по сравнению с климатическим, и тем более со случайным, прогнозом. Это мастерство особенно заметно при отказе от крупномасштабных аналогов.

- потенциальная предсказуемость метода аналогов для сезонного прогноза температуры воздуха над США имеет ярко выраженный сезонный ход с максимумом зимой и минимумом летом и далеко не достигнута имеющимися в распоряжении схемами прогноза.

- идея использования переменного состава предикторов в каждом отдельном прогнозе представляется продуктивной. Реализующая эту идею процедура оптимизации состава предикторов с помощью априорной оценки

абсциссой 33.3% и ординатой 1.

качества группы аналогов может оказаться эффективным средством реального увеличения качества прогнозов.

5. ОБНАРУЖЕНИЕ, СТАТИСТИЧЕСКИЙ И ВЕРОЯТНОСТНЫЙ ПРОГНОЗ ИЗМЕНЕНИЙ КЛИМАТА

5.1. Оценка чувствительности температуры воздуха к изменению концентрации углекислого газа

Наблюдаемое глобальное потепление климата в 20 веке, как правило, объясняется, в значительной мере, ростом концентрации парниковых газов в атмосфере, в частности, связанным с деятельностью человека. Однако атрибуция (attribution - приписывание), то есть выявление, причин наблюдаемых изменений климата имеет вероятностный характер и оставляет значительную долю неопределенности. Это связано, во-первых, с тем, что климатический отклик на предполагаемое воздействие (сигнал) достаточно мал по сравнению с уровнем естественной изменчивости климата ("шума"). Во-вторых, пространственная структура климатического отклика известна только по данным моделирования с некоторыми ошибками. Отметим, что именно модельный отклик, соответствующий обычно равновесному (реже - нестационарному или "транзитивному") климату, используется для атрибуции наблюдаемых изменений. Уточнение знаний о структуре климатического отклика и оценка точности его воспроизведения в процессе моделирования является важной задачей [76].

В настоящей работе региональный климатический отклик оценивается по данным наблюдений и результатам моделирования как реакция температурного режима на изменения концентрации двуокиси углерода в атмосфере. Такая постановка равнозначна задаче об оценке "чувствительности климата", под которой мы будем понимать изменение температуры приземного воздуха при изменении объемной концентрации С02 на единицу. Для удобства значения концентрации приводятся здесь в миллионных долях ("частей на миллион" - млн"), то есть увеличенные в 106 раз.

На рис. 5.1 с помощью изоплет показана зависимость изменений концентрации тепличных газов в атмосфере за некоторый период (кратный 10-летиям) от времени его начального и конечного 10-летия. Использованы данные о скользящих 10-летних средних концентрациях С02 с 1886 года с шагом 5 лет. За абсциссу принят год окончания периода (конечный год последнего 10-летия), за ординату - год окончания его первого 10-летия. На полученной диаграмме проведены изолинии различий концентрации тепличных газов 0,20,35 и 50 ед. (млн1) с интервалами вокруг них ±7,5 ед.

I I I I I I I ' I—I I I I I I I

Рис. 5.1. Изменение средней

концентрации ССЬ в атмосфере между 10-летиями как функция времени окончания более

позднего (ОХ) и более раннего (OY) десятилетий.

j_i_i_1_l

J_L.

1920 1930 1940 1950 1960 1970 1980 1990

Далее в каждом интервале была выбрана группа из 16 пар десятилетий с разностью концентраций СОг, наиболее близкими, соответственно, к 20,35 и 50 ед. Именно эти 4 выборки по 16 пар сравниваемых дат (10-летий) в каждой легли в основу дальнейшего анализа. Задача заключалась в том, чтобы для каждой выборки проанализировать величину изменений температуры в выбранном регионе (одновременных с изменениями С02), оценив степень их различия/сходства внутри выборок и между выборками. По существу, это и есть оценка локальной чувствительности температуры к практически одинаковому (внутри каждой выборки) изменению С02 (рис.

В качестве данных о температуре использованы станционные данные наблюдений и данные модели Нас1СМ2 (Хедли-Центр, метеослужба Англии). Из регионов рассмотрены: широтный пояс 50-55°с.ш. над Евразией и квадрант (35-65° с.ш., 20-150° в.д.) - остальная территория плохо обеспечена данными наблюдений. Основные результаты:

■ Оценки локальной чувствительности температуры по данным наблюдений приемлемы в условиях современного климата, при наблюдаемой концентрации парниковых газов и ее изменениях до 50 млн'1. Оценки отклика существенно зависят от долготы, но практически не зависят от уровня климатического воздействия. Другими словами, при рассмотренных значениях и масштабах изменений концентрации СОг можно принять линейную зависимость между локальными изменениями температуры воздуха и изменением концентрации С02 (вместо логарифмической, принятой в общем случае для глобальной температуры приземного воздуха).

5.2).

■ Пространственная форма и величина модельного отклика существенно отличаются от полученных по наблюдениям. Общий уровень наблюдаемого отклика выше, а пространственная структура сложнее, чем модельного. При этом выше и геометрическое подобие наблюденных сигналов, соответствующих различным уровням изменений концентрации тепличных газов.

■ Как в модельных оценках, так и в оценках по реальным данным, присутствуют области отрицательных значений локальной чувствительности (похолодание несмотря на рост С02). Однако, их центры в «модельных» оценках существенно сдвинуты на восток, а над районами нижнего Поволжья и северо-запада Казахстана «реальная» и «модельная чувствительность» находятся в противофазе.

■ Количественные данные о пространственном распределении оценок чувствительности климата на территории России могут быть использованы как для атрибуции (выявление наиболее вероятных причин наблюдаемых изменений климата), так и при построении проекций региональных изменений климата на будущее, в том числе при работе с новыми сценариями изменения клима-тообразующих факторов.

Рис. 5.2. Оценки локальной чувствительности температуры как функция долготы в широтном поясе 50-55° с.ш.. Оценки получены по наблюденным (вверху) и модельным (внизу) данным для пар десятилетий, в которых концентрации СОз в атмосфере отличались на 20,35 и 50 млн1.

5.2. Вероятностный прогноз приземной температуры на несколько 10-летий для избранных регионов (на основе оценок чувствительности)

Понятно, что при наличии оценок чувствительности для получения прогноза предстоящих изменений климата достаточно умножить чувствительность в каждой точке (регионе) на ожидаемое изменение концентрации парниковых газов, соответствующее выбранному сценарию эмиссии пар-

А.,100'1 Кит"'

никовых газов. Таким образом, задача сводится к получению оценки чувствительности для конкретного объекта прогноза (климатической переменной, региона, сезона и т.д.). При этом остаются в стороне вопросы относительно неопределенности оценок чувствительности и, следовательно, надежности предлагаемого прогноза (даже в предположении идеального сценария изменения факторов).

Ниже предлагается диаграмма [54, 56], реализующая искомый прогноз для заданного климатического параметра (здесь - глобальной температуры) и семейства существующих сценариев изменения факторов (здесь - концентрация С02) с полным описанием содержащейся в нем неопределенности. На верхнем фрагменте показан разброс ранее наблюдавшихся изменений среднегодовых глобальных температур (поочередно каждый год сравнивался со всеми предыдущими) в зависимости от соответствующих (для тех же пар лет) изменений концентрации С02, так что точки на одной вертикали указывают весь диапазон (распределение) возможных изменений температуры при заданном изменении концентрации С02, а кривые проведены через квартальные точки этого распределения (процентили 25, 50 и

75%).

Рис. 5.3.

Пример прогностической диаграммы. Нулевое значение абсциссы на верхнем фрагменте совмещено со значением С02 в 1993 г. на нижнем фрагменте.

Вверху: изменения температуры (ОУ) в зависимости от изменения концентрации СОг (ОХ);

Внизу ожидаемые концентрации СО; (ОХ) в соответствии с существующими сценариями (ОУ -годы).

Процедура прогноза сводится к выбору на сценарной кривой нижнего фрагмента точки, соответствующей прогнозируемому сроку, и, проведя через нее вертикаль, получить не верхнем фрагменте прогноз в форме эмпирического распределения расположенных

на этой вертикали точек. В качестве категорического прогноза можно указать медианное значение (ордината срединной точки на вертикали), в качестве интервального - размах распределения (всю область значений), а в качестве вероятностного - набор процентилей (в данном случае - квартилей) или р% -ый доверительный интервал для заданной вероятности р (в данном случае - 50%).

Отметим, что оба фрагмента диаграммы сами по себе не зависят от стартового года, и подготавливаются единожды, с использованием всех доступных эмпирических данных. При объединении фрагментов нулевое значение абсциссы верхнего фрагмента необходимо совместить со стартовым значением фактора (концентрации С02 для стартового года) на нижнем фрагменте.

При наличии не единственного сценария изменения факторов, полезно указать в прогнозе полный диапазон возможных изменений температуры, ориентируясь на весь спектр сценариев, как это и сделано на рис. 5.3. Следует также отметить, что в данной методике учитывается влияние единственного фактора, для которого необходимо располагать и историческими эмпирическими данными, и хотя бы одним сценарием его ожидаемых изменений в будущем. Кроме того, прогноз ограничен рамками изменений фактора, наблюдавшихся в прошлом, и предположением о стационарности воздействия фактора на прогнозируемую величину. Влияние других факторов в данной методике не используется.

5.3. Вероятностная интерпретация сценарных прогнозов изменений климата на 2100 год

В некоторых случаях прогнозы представляются в интервальном виде. В частности, в 1РСС-2001 такие прогнозы приведены (хотя и недостаточно корректно) в форме 95% доверительных интервалов как результат ансамблевого подхода по группе моделей для нескольких сценариев. В таких случаях полезно дать вероятностную интерпретацию прогноза, воспользовавшись экспертной оценкой вероятностей сценариев. На рис. 5.4 на левом фрагменте показан «веер» сценарных прогнозов, а интервальные сценарные прогнозы на 2100 год изображены в виде вертикальных отрезков. Соответствующие этим прогнозам кривые распределения в правой части рисунка рассчитаны нами (в предположении нормального распределения), но могли бы быть взяты непосредственно из моделей или из более сложных предположений (в 1РСС-2001 их нет). Итоговое распределение в этом случае может быть получено как смесь индивидуальных распределений с учетом введенной весовой функции сценариев.

На рис. 5.4 такое итоговое распределение показано сплошной черной кривой. Если экспертные оценки отсутствуют (как и другие сведения о рассчитанных «проекциях» - например, степень доверия к моделям, число членов и прогонов в ансамблевых экспериментах и др.), то итоговое распределение может быть рассчитано в предположении равноценности составляющих «смесь» выборок. Соответственно, на рис. 5.4 это - черная пунктирная кривая. Такой вероятностный прогноз более информативен, чем интервальный. Отмечаем, что наиболее вероятный рост глобальной температуры воздуха у поверхности земли к 2100 году, в соответствии с

Рис. 5.4. Пример вероятностного прогноза изменений глобальной температуры к 2100 году на основе сценарных прогнозов (слева) и их экспертных оценок (IV).

Представляется, что такой подход (поскольку он агрегирует всю доступную информацию) обеспечивает более взвешенные и научно обоснованные оценки предстоящих изменений климата и позволяет избежать излишней драматизации и напряженности в обществе.

ЗАКЛЮЧЕНИЕ

В предлагаемом докладе изложены основные выводы, полученные автором в области научного обоснования мониторинга климатической системы и методологии оценки изменчивости и наблюдаемых и ожидаемых изменений климата и роли антропогенных факторов.

В результате исследований автором получены следующие основные результаты.

1. Разработаны методы оптимизации архивов климатических данных для мониторинга и прогноза климата. Создана база климатических данных, содержащая данные наблюдений, реанализов и некоторых результатов моделирования, а также временные ряды расчетных индексов региональных и глобальных изменений климата. Создана и внедрена технология, осуществляющая поддержку базы и ее пополнение текущими данными в квазиреальном времени.

2. Получены оценки структуры и изменчивости метеорологических полей и процессов (у поверхности Земли и в средней тропосфере) на временных масштабах сезон - год -10 лет -100 лет, в том числе принципиально новые количественные данные о факторах климатической изменчивости и пространственно-временных корреляционных функциях основных климатических переменных (атмосферное давление, температура воздуха и осадки). Эти данные могут быть использованы при оценке предсказуемости и разработке численных схем долгосрочного метеорологического прогноза. На основе анализа структуры и изменчивости метеорологических объектов предложены также новые подходы к оценке степени адекватности результатов моделирования реальному климату.

4. Получены и регулярно обновляются оценки тенденций изменения характеристик состояния, изменчивости и экстремальности характеристик приземного климата на территории Российской Федерации, которые используются, в частности, в отчетных материалах и справках для руководства и правительственных органов и для выполнения международных обязательств России перед ВМО в области климатических исследований.

5. Разработана методология построения адаптивного вероятностного метеорологического прогноза с оптимизацией состава предикторов (метод динамической климатологии), которая существенно расширяет научные аспекты вероятностных подходов к прогнозированию короткопериодных колебаний и изменений климата. Методология апробирована и может быть использована как основа новых прогностических систем.

6. Предложен и реализован новый подход к конструированию прогноза изменений климата в XXI веке на основе вероятностной интерпретации существующих модельных сценарных проекций. Предложены способы вероятностной интерпретации сценарных прогнозов с использованием базы климатических данных за период инструментальных наблюдений и экспертных оценок правдоподобия сценариев.

Автор надеется, что представленные результаты в совокупности вносят заметный вклад в решение актуальной научной проблемы: оценка климатической изменчивости и изменений современного климата по данным инструментальных наблюдений.

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ.

1 Эксперимент прогноза температуры основе вероятностной логики. Труды САНИГМИ, выл 25(40), 1966, с. 3-10 (соавторы. Быховский М.Л, Груза Г.В., Казначеем В Д)

2 Вариант Байесовского метода прогноза и его реализация Труды САНИГМИ, 1967, вып 29(44), с 60-67

3. Приложение метода вероятностной логики к прогнозу фронтальных осадков. Метеорология и гидрология, 1968, №7, с. 47-51 (соавтор Ильинова Э С.)

4 О метеорологическом архиве для испытаний статистических и вероятностных методов прогноза погоды Труды САНИГМИ, 1968 (1969), вып 40(55), с 141-150 (соавторы' Войнова Т А , Ильинова Э.С, Казначеева В Д, Саидназарова К, Хвостова Р Н, Шмакова ВС.)

5 Некоторые статистические характеристики метеорологических полей при северо-западных и западных вторжениях зимой на Среднюю Азию Труды САНИГМИ, 1968, вып 41(56), с 35-40 (соавторы Войнова Т А, Ильинова Э С)

6 Некоторые вопросы машинной классификации метеорологических объектов и типы температурного режима зимой в Ташкенте Труды САНИГМИ, 1970, вып.47(62), с 10-21 (соавторы' Груза Г В , Раньков Е Я.)

7 Об оценках качества вероятностных прогнозов погоды Труды САНИГМИ, вып 47(62), 1970, с.3-9 (соавтор. Груза Г.В.)

8 О машинной типизации полей некоторых интегральных характеристик циркуляции атмосферы над Северным полушарием Труды САНИГМИ, 1971, вып 58(73), с 20-32 (соавторы Груза Г В , Милохова Э.Н.)

9 Об оценках качества вероятностных прогнозов погоды Труды Всесоюзного симпозиума по применению статистических методов в метеорологии, 1971, с 237-245

10 О численной параметризации атмосферных процессов для целей их машинной типизации и поиска прогностических признаков Труды V Всесоюзного метеорологического съезда, Гидроме-теоиздат, Л, 1972, т 2, с 95-105 (соавторы Груза Г В, Милохова Э Н, Солдаткина А М, Тшес-невская Р М).

11 О вероятностно-статистическом прогнозе поля температуры над Средней Азией на четверо суток Труды САРНИГМИ, 1974, вып 11(92), с 21-33 (соавторы Груза Г В, Милохова Э Н )

12 Объективная типизация метеорологических условий вегетационного периода озимых культур Труды ИЭМ, 1976, вып 9(68), с. 20-39

13 Об аналогичности полей аномалии среднемесячной температуры воздуха над Северным полушарием ТрудыВНИИГМИ-МЦД 1976,вып 13,с 26-35(соавтор ГрузаГВ)

14 Схема адаптивного статистического прогноза с использованием группы аналогов Труды ВНИ-ИГМИ-МЦЦ, 1976, вып. 13, с. 5-25 (соавторы Груза Г.В , Эстерле Г Р)

15 Регрессия на главных компонентах. Труды САРНИГМИ, 1976, вып 22(103), с 71-92 (соавтор Груза Г.В.)

16 Объективная (машинная) типизация метеорологических объектов Труды САРНИГМИ, 1976, вып 22(103), с. 151-172 (соавтор Раньков ЕЯ.)

17 Вероятностный прогноз погоды Труды САРНИГМИ, 1976, вып 22(103), с 93-137

18 Об изменениях температуры воздуха и осадков на территории СССР за период инструментальных наблюдений Метеорология и гидрология, 1977, №1, с 13-25 (соавторы Груза Г В , Кле-шенкоЛК.)

19 Вариант схемы отбора и оценки групповых аналогов на ЭВМ М-222 Труды ВНИИГМИ-МЦД, 1977,вып 35,с 11-21 (соавтор ГрузаГВ)

20. Оценка различия некоторых метеорологических объектов и их предсказуемости методой аналогов Труды ВНИГМИ-МЦД, 1977, вып.53, с 3-12 (соавтор Груза Г.В)

21 Статистический прогноз с использованием группы аналогов Труды Q Всесоюзного симпозиума по применению статистических методов в метеорологии, 1977, с. 21-31 (соавтор Груза Г В )

22 Анализ изменчивости метеорологических полей на полусфере на примере температуры Северного полушария. Труды ВНИИГМИ-МЦД, 1978, вып 47, с 3-9 (соавтор Груза Г В)

23. Метод статистического прогноза погоды на основе динамической климатологии Труды QI Всесоюзного симпозиума по применению статистических методов в метеорологии Гидрометеоиз-дат, М., 1978, с 15-26 (соавтор-Груза Г В )

24 О корреляционных связях полей аномалий среднемесячных значений температуры на Европейской территории СССР и облачности над Северной Атлантикой Труды Гидрометцентра СССР, 1978, вып. 169, с. 83-99

25. Типизация полей облачности над Северной Атлантикой для долгосрочного прогноза температуры воздуха на Европейской территории СССР Труды Гидрометцентра СССР, 1978, вып 169, с. 72-82 (соавтор: Задорожная Т.Н.)

26 Данные о структуре и изменчивости климата Температура воздуха на уровне моря Северное полушарие. Обнинск, 1979,203 с. (соавтор: Груза Г.В.)

27 Некоторые параметры многолетней изменчивости осадков на территории СССР Труды ВНИИГМИ-МЦД, 1979, вып.58, с.41-60 (соавторы Груза Г.В., Апасова Е Г)

28. Некоторые характеристики температурного режима Северного полушария и особенности текущих изменений климата. Труды ВНИИГМИ-МЦД, 1980, вып.68, с 39-62 (соавтор Груза Г В )

29. Оценка факторов эмпирической изменчивости средней температуры слоя 1000-500 мбар над Северным полушарием. Труды ВНИИГМИ-МЦД, 1980, вып.68, с.32-38 (соавтор- Груза Г В )

30. Современные изменения климата Северного полушария. Метеорология и гидрология, 1980, №6, с 5-17 (соавторы: Винников К.Я., Груза Г.В, Захаров В Ф, Кириллов А А, Ковынева Н П)

31 Структура и изменчивость наблюдаемого климата. Температура воздуха над Северным полушарием. - Ленинград, Гидромегеоиздат, 1980,72 с. (соавтор- Груза Г В)

32 Эмпирико-статистический анализ структуры и изменений наблюдаемого климата. Труды ВНИИГМИ-МЦЦ, 1980, вып.68, с.3-22 (соавтор: Груза Г.В.)

33. Об использовании аналогов для оценки предсказуемости и долгосрочного прогноза полей среднемесячной температуры воздуха Метеорология и гидрология, 1981, № 1, с 13-22 (соавтор Груза Г.В.)

34 О прогнозе среднемесячных полей температуры воздуха над Северным полушарием с использованием автоматизированной схемы групповых аналогов - Метеорология и гидрология, 1981, № 2, с. 28-39 (соавторы: Груза Г.В., Клещенко Л.К.)

35. Результаты численных экспериментов по долгосрочному прогнозу среднемесячной температуры воздуха над Северным полушарием методом групповых аналогов Труды ВНИИГМИ-МЦЦ, 1981, вып. 77, с. 14-30 (соавторы: Груза Г.В., Клещенко Л.К.)

36 О результатах испытания схемы групповых аналогов для прогноза среднемесячной температуры воздуха над Северным полушарием Труды ВНИИГМИ-МЦД, 1982, вып 83, с 28-43 (соавтор: Груза Г.В.)

37. Об основных задачах синоптической климатологии - Труды ВНИИГМИ-МЦ Д, 1983, вып 97, 38 (соавтор- Груза Г В )

38 Вероятностные метеорологические прогнозы - Л, Гидромегеоиздат, 1983,271 с (соавтор- Груза ГБ.)

39. Вероятностно-статистический анализ метеорологических полей и процессов (ВЕСТА) Пакет программ /Гидрометцентр СССР, ВНИИГМИ-МЦД, ОФАП; Инв. № ИО 50020832 - Обнинск, 1983 (соавторы- Ефремова Н.М, Бардин М Ю, Нестерова Г А., Ульянова Л В, Маричева Н В , Кулик В.К.)

40 Климатическая изменчивость характеристик крупномасштабных аномалий температуры воздуха - Метеорология и Гидрология, 1985, № 5, с 67-78 (соавторы- Груза Г В , Семенюк Е А )

41 Об оценке влияния пространственно-временного осреднения на статистические характеристики полей геопотенциала. Труды ВНИИГМИ-МЦД, 1985, вып. 112, с. 13-26 (соавтор Клещенко Л.К.)

42 Инерционность и возможность экстраполяции временных рядов температуры воздуха над северным полушарием - Труды Гидрометцентра СССР, 1987, вып 294, с 52-63 (соавторы' Груза Г.В., Клещенко Л.К.)

43 Крупномасштабные аномалии атмосферных осадков в Евразии и их климатическая изменчивость - Труды Гидрометцентра СССР, 1987, вып.294, с.35-51 (соавторы: Груза Г.В., Семенюк Е.А.)

44 Банк даных "Синоптическая метеорология1'. - Москва, Гидромегеоиздат, 1987,170с. (соавторы Аристова Л.Н, Груза Г.В., Ефремова Н.М, Качурина JI.P.)

45 Пространственно-временные корреляционные функции температуры воздуха, атмосферного давления и осадков в северном полушарии - Труды V Всесоюзного совещания "Применение статистических методов в метеорологии" (Казань, 11-14 июня, 1985г)- Л Гидромегеоиздат 1987 (соавторы: Груза Г.В., Семенюк Е.А.)

46. Мониторинг климата и климатические условия 1985-1986 гт. Метеорология и гидрология, 1988, №4, с 5-14 (соавторы' Курбаткин Г П , Груза Г В, Бирман Б А , Рубинштейн К Г )

47 Об использовании экспоненциального сглаживания для описания метеорологических процессов и полей в задачах долгосрочного прогноза и мониторинга климата. - Труды ВНИИГМИ-МЦД, 1988, вып. 147, с. 30-36 (соавтор: Хвостова Р.Н.)

48 Анализ глобальных данных об изменениях температуры воздуха у поверхности земли за период инструментальных наблюдений. - Метеорология и гидрология, 1989, №1, с 22-31 (соавторы' Груза Г В., Рочева Э.В)

49 Мониторинг и вероятностный прогноз короткопериодных колебаний климата. - В кн. «60 лет Центру гидрометеорологических прогнозов» Гидромегеоиздат, Л, 1989, с 148-170 (соавтор. Груза Г В)

50 Схема вероятностного адаптивного метеорологического прогноза (групповые аналоги) с оптимизацией состава предикторов. - Труды Гидрометцентра СССР, 1989, вып.306, с. 3-54 (соавторы' Груза Г.В., Семенюк ЕА., Бардин МЮ., Муравьев А.В., Нестерова Г.А., Савелова ОФ., Хамидуллина А.Б.)

51 Связь индексов атмосферной циркуляции с приземной температурой воздуха Северного полушария. - Метеорология и Гидрология, 1990, №6,21-28 (соавторы: Груза Г В , Семенюк Е.А.)

52. Структура и изменчивость современного климата. - Метеорология и Гидрология, 1990, №7, с 14-18 (соавторы. Груза Г.В., Рочева Э.В , Лапаева Л.В.)

53 Данные о структуре и изменчивости климата Температура воздуха на уровне моря Северное полушарие Обнинск, 1990,247 с (соавторы' Груза Г В , Рочева Э В)

54. Вероятностный прогноз глобальной температуры приземного водуха до 2005 года - Метеорология и гидрология, 1991, №4, с.95-103 (соавтор Груза Г В )

55. Potential predictability assessment for analog long-range prediction system. - 5-th International Meeting on Statistical Climatology, 1992, Theses, Toronto, Canada (со: Groza G.)

56 Gruza G A probabilistic forecast of expected climate change as pesalt of the greenhouse gases anthropogenic emission. • 5th International Meeting on Statistical Climatology, 1992, Theses, Toronto, Canada (со: Gruza G.) _

56a Структура долгопериодных трендов глобальной температуры воздуха В сб "Мониторинг и вероятностный прогноз климата", С Петербург, Гидромегеоиздат, 1992, с 3-20 (соавторы: Груза Г В, Рочева Э В)

57 Совместный анализ характеристик крупномасштабных аномалий температуры воздуха и сумм осадков в Евразии. - В сб "Мониторинг и вероятностный прогноз климата", С.-Петербург, Гидрометеоиздат, с 21-37 (соавторы Груза Г В , Семенюк Е А)

58 Comparison of 1931-1960 and 1961-1990 air temperature normals for the territory of the former USSR. In: Proc XVIII Climate Diagnostics Workshop, Boulder, Co., NTIS, US Dept. of Commerce, VA 22161, U.S.A, 1993,276-279 (со: Gruza G„ Rocheva E.).

59. Observed Variability of Precipitation over the former USSR (1891-1992) In: Proc XVHI Climate Diagnostics Workshop, Boulder, Co., NTIS, US Dept. of Commerce, VA 22161, U.S.A, 1993, 264267 (со- Gruza G, Semenyuk E)

60 Climate variability with emphasis on extreme climatic events and circulation/synoptic regimes In-Proc XVIII Climate Diagnostics Workshop, Boulder, Co., NTIS, US Dept. of Commerce, VA 22161, U.S.A, 1993,98-101 (со: Gruza G.)

61 Сравнительный анализ успешности двух систем сезонного прогноза температуры с использованием аналогов - Метеорология и Гидрология, 1993, №7, с 11-21 (соавторы' Груза ГВ, Ливзи Р, Барнстон А.)

62 Пространственные корреляции в приземных метеорологических полях Северного полушария. -Метеорология и Гидрология, 1993, №8, с 22-27 (соавторы: Груза Г В , Семенюк Е.А )

63 Оценки предсказуемости в долгосрочном прогнозировании с использованием аналогов - Метеорология и Гидрология, 1993, №9, с.5-13 (соавтор' Груза Г В )

64. Comparative skill of two analog seasonal temperature prediction systems: objective selection of predictors J Climate, 1992, Vol 7, No 4,608-615 (со- Livezey R, A Bamston, G Gruza)

65 Observed and expected climate change in the European region In' Climate variations in Europe, R.Heino (ed), Academy of Finland, 1994, Publication 3/94, 56-68 (со Gruza, G V., L V. Korovkma, E.V.Rocheva, E A Semenyuk)

66 Climate variability of atmospheric circulation in the Northern Hemisphere extratropics Intern Conf on Past, Present and Future Climate, Academy of Finland, 1995, Publication 6/95,280-283 (со: Gruza G)

67. Variations of atmospheric circulation and climate change Proceedings of the 6th International Meeting on Statistical Climatology, 1995,219-222 (соавторы- Gruza G)

68 Климатическая изменчивость повторяемости и продолжительности основных форм циркуляции в умеренных широтах Северного полушария - Метеорология и Гидрология, 1996, >61, с. 12-22 (соавтор. Груза Г.В.)

69 О типизации форм циркуляции в умеренных широтах Северного полушария по положению осевой изо гипсы высотной фронтальной зоны на поверхности 500 гПа - Метеорология и Гидрология. 1996, Hi2, с 5-13 (соавтор Груза Г В )

70 Об изменениях температуры воздуха и осадков на территории СССР за период инструментальных наблюдений - Метеорология и Гидрология, 1997, №1, с 13-25 (соавторы Груза Г В , Кле-щенко Я К)

71 Indicators of climate change for the Russian Federation Workshop on Indices and Indicators for Climate Extremes, National Climatic Data Center, NOAA Asheville, North Carolina 28801, 1997, pp 1-26(со GruzaG)

72 Индикаторы изменений климата России - Метеорология и Гидрология, 1998, № 1, с 5-18 (соавтор- Груза Г В.)

73. Climate change during the 20th century for the Russian Federation Proceedings of the 7th International Meeting on Statistical Climatology, 1998,98-99

74 Indicators of Climate Change for the Russian Federation Climatic Change, 1999, 42, 219-242 (со Gruza, G, Razuvaev, V, and Bulygina, О)

75. О связи климатических аномалий на территории России с явлением Эль-Ниньо - Южное колебание - Метеорология и Гидрология, 1999, № 5, с 32-51 (соавторы Груза Г В , Клещенко Л К, Аристова Л Н)

76 Оценка климатического отклика на изменение концентрации тепличных газов по данным наблюдений за приземной температурой воздуха на территории России - Изв АН Физика атмосферы и океана. 1999, том 35, №6, с 742-749 (соавтор Груза Г В )

77 Precipitation trends over the Russian permafrost-free zone' removing the artifacts of pre-processing. International Journal of Climatology, 2001,21,6,657-678 (со: Groisman, P)

78 Detection and prediction of Arctic Climate Changes due to Natural and Anthropogenic forcings on the basis of observed and modelled data. ACIA Workshop, Abstract of Articles, St -Petersburg, Russia, 28-30 May, 2001 (со Gruza, G.)

79 Изменение климатических условий европейской части России во второй половине XX века - В кн Влияние изменения климата на экосистемы М.: Русский университет, 2001 с 1-9 -1-16 (соавтор: Груза Г.В)

80. Статистический анализ сезонных индексов блокирования в Северном полушарии. Труды ВНИ-ИГМИ-МЦД, 2003, вып. 171, с 127-150 (соавторы Груза Г.В., Клещенко Л К., Аристова Л Н)

81 Колебания и изменения климата на территории России Изв АН Физика атмосферы и океана 2003 Т. 39. №2,с 1-20(соавтор ГрузаГВ)

82 Сезонные индексы блокирования в северном полушарии статистический режим по реальным и модельным данным - Всемирная конференция по изменению климата. Тезисы докладов, Москва, Россия, 29 сентября-3 октября, с 312 (соавторы Клещенко Л.К, Аристова ЛН., Груза ГВ)

83. Обнаружение изменений климата состояние, изменчивость и экстремальность климата. - Метеорология и гидрология, 2004, № 4, с 50-66 (соавтор Груза Г В )

84 Detection of changes in climate state, climate variability and climate extremity Proceedings of the World Climate Change Conference held in Moscow, Russia, 29 Sept - 3 Oct 2003, 2005, с (со Gruza, G )

ОГЛАВЛЕНИЕ

Общая характеристика диссертационной работы 3

ВВЕДЕНИЕ б

1. МЕТОДОЛОГИЯ 9

1.1. Основные показатели структуры и изменчивости наблюдаемого климата 9

1.2. Система статистического анализа гидрометеорологических данных (пакет программ ВЕСТА) 15

1.3. Централизованный банк синоптических данных и его использование для изучения колебаний климата, синоптической климатологии и долгосрочных прогнозов погоды 16

1.4. Информационная база и система Мониторинга климата 17

1.5. Методы вероятностного прогнозирования в гидрометеорологии. Оценки качества прогнозов 19

1.6. Типизация метеорологических полей и процессов. Синоптическая климатология 23

2. МОНИТОРИНГ КЛИМАТА. РАЗВИТИЕ БАЗ КЛИМАТИЧЕСКИХ

ДАННЫХ 25

2.1. Система мониторинга климата. Цели и задачи.

Требования к системе 25

2.2. Улучшение однородности (гомогенизация) данных об атмосферных осадках на территории России 27

2.3. Типизация метеорологических объектов как средство экономного описания метеорологических процессов и выявления существующих циркуляционных режимов 29

2.4. Мониторинг климата и изменений климата России

во второй половине XX века 33

3. СТРУКТУРА И ИЗМЕНЧИВОСТЬ МЕТЕОРОЛОГИЧЕСКИХ

ПОЛЕЙ И ПРОЦЕССОВ 40

3.1. Глобальное потепление и структура долгопериодных трендов 40

3.2. Оценка составляющих изменчивости метеорологических полей 42

3.3. Оценки изменений «изменчивости климата» над континентами северного полушария в XX веке 46

3.4. Корреляционные связи в приземных метеорологических полях Северного полушария (температура воздуха, атмосферное давление, атмосферные осадки) 48

4. ПРОГНОЗ КОРОТКОПЕРИОДНЫХ КОЛЕБАНИЙ КЛИМАТА 51

5. ОБНАРУЖЕНИЕ, СТАТИСТИЧЕСКИЙ И

ВЕРОЯТНОСТНЫЙ ПРОГНОЗ ИЗМЕНЕНИЙ

КЛИМАТА 55