Бесплатный автореферат и диссертация по наукам о земле на тему

Усовершенствование долгосрочных метеорологических прогнозов на основе структурно-статистического подхода

ВАК РФ 25.00.30, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Усовершенствование долгосрочных метеорологических прогнозов на основе структурно-статистического подхода"

На правах рукописи

Хан Валентина Моисеевна

«Усовершенствование долгосрочных метеорологических прогнозов на основе структурно-статистического подхода»

25.00.30 -Метеорология, климатология, агрометеорология

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора

географических наук

1 4 (Ж

Москва 2012

005045869

005045869

Работа выполнена в Федеральном государственном бюджетном учреждении «Гидрометеорологический научно-исследовательский центр Российской Федерации»

Научный консультант: доктор технических наук

Вильфанд Роман Менделевии

Официальные оппоненты: Васильев Петр Петрович

доктор физико-математических наук, профессор, ФГБУ «Гидрометцентр России», заведующий отделом среднесрочных прогнозов погоды

Калинин Николай Александрович

доктор географических наук, профессор, ФГБОУ ВПО «ПГНИУ», заведующий кафедрой метеорологии и окружающей среды

Мещерская Анна Васильевна

доктор географических наук, профессор, ФГБУ «ГГО», заведующая лабораторией расчетных методов долгосрочных метеорологических прогнозов

Ведущая организация: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Российский государственный гидрометеорологический университет"

Защита состоится «3» июля 2012 г. в 14 часов на заседании диссертационного совета Д 327.003.01 при ФГБУ «Гидрометцентр России» по адресу 123242, г. Москва, Большой Предтеченский пер., д. 11-13.

С диссертацией можно ознакомиться в библиотеке ФГБУ «Гидрометцентр России».

Автореферат разослан « > мая 2012 г.

Ученый секретарь диссертационного совета, доктор географических наук

Евгений Самойлович Нестеров

1. Общая характеристика диссертационной работы

Актуальность выполненного исследования

Социально-экономическая востребованность прогностической метеорологической информации постоянно возрастает, особенно в связи с происходящими изменениями климата. Вместе с этим, до настоящего времени существует значительный уровень неопределенности долгосрочных метеорологических прогнозов (долгосрочными здесь и далее мы будем называть прогнозы на месяц и более длительные сроки). Прогресс, достигнутый за последние десятилетия в области систем климатических наблюдений, возможность использования новых источников четырехмерных метеорологических данных с недоступными ранее пространственно-временным охватом и разрешением, появление современных гидродинамических схем прогноза и мощных вычислительных ресурсов открывают перспективу более детального учета различных синоптических и макроциркуляционных факторов с целью повышения качества прогнозов. Исследования, составившие основу предлагаемой диссертационной работы, позволили сформулировать научно-практические направления по совершенствованию технологий выпуска долгосрочных метеорологических прогнозов (ДМП), которые сочетают использование перечисленных новых ресурсов и разработанных ранее традиционных методов. Таким образом, актуальность работы определяется постоянно растущими требованиями к повышению оправдываемости ДМП со стороны различных секторов экономики.

Рамочной концепцией, определяющей современные стандарты взаимодействия между пользователями и поставщиками климатической информации, стала Глобальная основа климатического обслуживания (ГОКО), принятая ВКК-3 (Третьей всемирной климатической конференцией). Одним из требований, предъявляемых к ДМП на современном этапе, является их проблемная ориентированность и адаптированность к потребностям пользователей. В соответствии с этим, в развитых странах активно разрабатываются инструменты поддержки принятия решений для различных социальных и экономических секторов с учетом климатической информации, и накапливается опыт их практического применения, убедительно свидетельствующий о преимуществах использования такого подхода. Это в полной мере относится и к социально-экономической сфере Российской Федерации. В предлагаемой диссертационной работе возможности и пути повышения результативности решения практических проблем секторов экономики за счет более полного и эффективного учета климатической информации продемонстрированы на примерах задач энергетики и подразделений лесного хозяйства.

Цели и задачи диссертационной работы

Общей целью диссертационной работы является развитие методов повышения качества ДМП с применением структурно-статистического подхода. Под термином «структурно-статистический подход» здесь понимается оптимизация основных структурных компонентов технологии подготовки ДМП (организация информационной базы, интерпретация гидродинамических и статистических прогнозов, учет синоптических и макроциркуляционных факторов, адаптация прогнозов для нужд секторов экономики) на основе статистического анализа составляющих их элементов.

Для достижения общей цели требовалось решить следующие задачи:

• Предложить подходы для увеличения объема и повышения точности входных данных, составляющих информационную основу прогноза - данных, используемых в качестве предикторов в статистических схемах, либо ассимилируемых при использовании численных моделей.

• Исследовать связь долгосрочной предсказуемости с характеристиками подстилающей поверхности (такими, как снежный покров) и циркуляционными факторами атмосферы (квазистационарная циркуляция, блокинги).

• Типизировать синоптическую информацию о крупномасштабных циркуляционных процессах для априорной оценки предсказуемости и оптимального выбора предикторов.

• Развить методику статистической интерпретации и комплексации долгосрочных гидрометеорологических прогнозов с целью оптимального комбинирования статистических и динамических методов прогнозирования.

• Разработать методики адаптации ДМП для решения конкретных задач в интересах отраслей экономики, в частности, для лесного хозяйства и в сфере энергетики.

Положения, выносимые на защиту и их новизна

• Обоснование степени адекватности данных реанализов и их информативности в применении к задачам ДМП на основе сравнения продуктов реанализов (характеристики снежного покрова, температура на разных изобарических поверхностях, удельная влажность) и данных прямых измерений.

• Оценки влияния крупномасштабных характеристик подстилающей поверхности и синоптических факторов на предсказуемость метеоэлементов на долгие сроки и выеоды о высоком прогностическом потенциале характеристик снежного покрова в Сибири и долгоживущих (более десяти дней) блокирующих антициклонов для задач ДМП.

• Схема априорного оценивания успешности ДМП на основе типизации изменчивости полей предикторов.

• Обоснование улучшения качества долгосрочного прогнозирования при применении ансамблевого подхода в ходе вычислительных экспериментов с отечественными глобальными гидродинамическими моделями (Гидрометцентра РФ/ИВМ РАН и ГГО) и зарубежными моделями, используемыми в работе Климатического центра Азиатско-Тихоокеанского сотрудничества.

• Методики внедрения ДМП в интересах конкретных отраслей экономики: в сфере теплоэнергетики реализована методика оценки прогнозирования параметра ГСОП (градус-сутки отопительного периода), характеризующего потребность в отоплении; для нужд подразделений лесного хозяйства предложена методика прогнозирования лесной пожарной опасности на долгие сроки с учетом прогностической информации моделей ПЛАВ (Россия) и СРЗ(США).

Практическая значимость результатов работы

По результатам сравнения данных станционных, спутниковых измерений и реанализов ведущих прогностических центров по отдельным метеоэлементам (температура воздуха приземная и в свободной атмосфере, водный эквивалент снега, высота снежного покрова, удельная влажность в свободной атмосфере) сформулированы методические рекомендации по использованию перечисленных данных в технологиях составления ДМП и при валидации гидродинамических моделей в ходе численных экспериментов.

Оценки долгопериодной изменчивости отдельных метеоэлементов в глобальном и региональном масштабах будут учитываться при подготовке оперативных ДМП и послужат повышению их успешности.

Выполненные исследования по определению влияния характеристик подстилающей поверхности, таких как снежный покров, и синоптических факторов, таких как блокирующие антициклоны, на предсказуемость метеоэлементов на долгие сроки позволяют выявить периоды и регионы повышенной успешности ДМП. Учет этих факторов целесообразно реализовать в технологическом комплексе по выпуску ДМП в ФГБУ «Гидрометцентр России».

Результаты исследований, связанных с мультимодельным подходом к повышению качества ДМП, нашли практическое применение в технологии выпуска сезонных ансамблевых прогнозов в рамках оперативной деятельности Северо-евразийского регионального климатического центра Межгосударственного Совета по гидрометеорологии стран СНГ.

Результаты сравнительного анализа прогнозов на холодный период, выпускаемых двумя центрами - Центром исследований атмосферы и окружающей среды (США) и Гидрометцентром России - представленные в форме, адаптированной для потребителей в энергетической отрасли, позволяют повысить эффективность решения практических задач в сфере энергетики.

Созданная система и программно-технический комплекс долгосрочного прогнозирования пожароопасное™ лесов прошли апробацию и внедрены в производственную деятельность служб оперативного управления и планирования ФГУ «Авиалесохрана» (акт о внедрении прилагается).

Апробация результатов

Результаты диссертационной работы докладывались на научных семинарах в Гидрометцентре России, Росгидромете, Научно-исследовательском вычислительном центре МГУ имени М.В.Ломоносова, Национальная администрация по вопросам океана и атмосферы ОЮАА, США), Национальный центр по прогнозированию окружающей среды (ЫСЕР, США), Национальный межведомственный центр по борьбе с пожарами (ЬПРС, США), в Университете Жироны (Испания), в Университете штата Аризона (США), а также на многочисленных конференциях. Ниже перечислены только конференции за последние 3 года:

Международная конференция «Использование гидрометеорологической информации для нужд энергетической отрасли РФ» (Москва; 2009 г.),

VI Всероссийский метеорологическом съезд (Санкт-Петербург, 2009 г.);

Конференция "М.А. Петросянц и современные проблемы метеорологии и климатологии" (2009 г., Москва);

Техническая конференция по изменению климата; 15-й сессии Комиссии по климатологии (Анталия, Турция; 2010 г.);

Пятый корейско-российский совместный семинар по изменению и колебаниям климата (Чжейдо, Корея, 2010 г.);

Международный семинар «Проблемы и достижения долгосрочного метеорологического прогнозирования» (Киев, Украина, 2011 г.);

Международная конференция «Проблемы адаптации к изменению климата» (Москва, 2011 г.);

Ежегодные ассамблеи Европейского Геофизического Союза (Вена, Австрия, 2006-2011

гг);

Первый Форум стран СНГ по сезонным климатическим прогнозам (Москва, 2011 г.);

Международный семинар «Управление климатическими рисками» (Алма-Ата, Казахстан, 2011 г.).

Международное совещание экспертов ВМО по взаимодействию с пользователями климатической информации (Женева, 2011 г.)

Международное совещание экспертов ВМО по наращиванию потенциала для целей реализации Глобальной рамочной климатической основы (Женева, 2011 г.).

Международный семинар «Управление климатическими рисками» (Братислава, Словакия, 2012 г.).

По теме диссертации опубликована 41 печатная работа, из них 16 статей в журналах из перечня изданий, рекомендованных ВАК, 10 статей в сборниках «Труды Гидрометцентра России», 3 статьи являются главами в книгах, остальные работы - статьи в разных журналах и сборниках.

Специальность, которой соответствует диссертационная работа

По своей тематике диссертационная работа соответствует специальности 25.00.30 -«метеорология, климатология и агрометеорология» в перечне специальностей, утвержденном ВАК.

Структура и объем диссертации

Работа состоит из введения, пяти глав и заключения. Общий объем работы 305 страницы, иллюстраций 68, таблиц 38. Список литературы насчитывает 313 источников.

Благодарности

Автор выражает глубокую благодарность и признательность научному консультанту д.т.н. P.M. Вильфанду за поддержку и помощь в работе. Неоценимую помощь и содействие в ходе научных исследований диссертационной работы оказали д.ф-м.н. К.Г.Рубинштейн, д.ф-м.н. A.M. Стерин, к.г.н. В.А. Тищенко, сотрудники Отдела долгосрочных прогнозов погоды ФГБУ «Гидрометцентр России», а также коллеги, с кем довелось сотрудничать в рамках российских и международных научных проектов. Автор искренне благодарит

профессора д.ф-м.н. П.П. Васильева, д.ф-м.н. Л.Р. Дмитриеву, к.ф-м.н. Д.Б. Киктева за ценные консультации и обсуждения. Особую благодарность автор выражает д.г.н. П.О. Завьялову, А.П. Завьяловой и С.П. Завьялову за помощь в редактировании и оформлении диссертации, а также М.Д. Хан и А.П. Завьялову за поддержку.

2. Краткое содержание диссертации

Во Введении обоснованы актуальность и практическая важность диссертационной работы, сформулированы ее цели и задачи. Коротко описаны структура работы, основное содержание каждой главы и характер полученных результатов.

Глава 1 («История и современное состояние долгосрочного метеорологического прогнозирования») имеет обзорный характер. В ней обсуждаются факторы, определяющие долгосрочную предсказуемость и возможности ее повышения, приводится литературный обзор. Анализируются результаты и публикации российских и зарубежных ученых в области синоптико-статисгических, динамических и комбинированных методов долгосрочного прогнозирования.

Глава 2 («Реанализы как составляющая информационной основы долгосрочного прогнозирования») посвящена информационной основе долгосрочного прогнозирования -принципам отбора и подготовки данных, используемых для построения ДМП. Раздел 2.1 этой главы является вводным. В нем обсуждаются требования к данным, используемым для ДМП, и описываются современные источники информации, причем особое внимание уделяется реанализам. Исходные данные наблюдений составляют главный и ключевой элемент в любых методах прогнозирования. Анализ исторических данных наблюдений помогает изучить особенности и закономерности функционирования климатической системы. На ретроспективных данных строятся все эмпирические схемы прогнозирования. Данные натурных наблюдений используются в качестве начальных и граничных условий для моделей общей циркуляции, а также усваиваются гидродинамическими прогностическими схемами. Успешность прогнозов оценивается также на основе натурных данных.

В настоящее время едва ли не главным информационным источником для подготовки ДМП служат реанализы. Одним из наиболее важных преимуществ этого вида данных является возможность интегрирования наблюдений различного рода - станционных, аэрологических, спутниковых, радарных и т.д. - в единую систему для корректного описания климатической системы. В отличие от анализов, климатические реанализы используют «замороженную» прогностическую модель и систему усвоения данных для получения трехмерных полей метеоэлементов за достаточно продолжительные (порядка десятилетий) отрезки времени. В реанализах задействованы все источники информации, имеющиеся на момент расчета, некоторые из которых могли быть еще недоступными при построении оперативного анализа погоды.

В данной главе диссертации главное внимание уделено особенностям применения сеточных полей метеоэлементов (температура и влажность воздуха, характеристики снежного покрова) из различных существующих продуктов реанализа для решения задач ДМП, а также сопоставлению реанализов между собой и с данными наблюдений. Общий вывод состоит в том, что все реанализы неизбежно содержат ошибки, которые могут быть сравнимыми или превосходить по величине сигнал аномалий, являющихся предметом долгосрочного прогнозирования. Репрезентативность тех или иных продуктов реанализа различна для разных метеоэлементов. Она также зависит от географического региона, рассматриваемого периода времени, сезона и т.д. Все это необходимо учитывать при

подготовке ДМП с использованием реанализов. Сформулированы конкретные методические рекомендации в этом направлении. В этой же главе обсуждаются некоторые особенности использования станционных метеорологических данных и спутниковой информации в целях ДМП.

В разделе 2.2 рассматриваются реанализы полей температуры и влажности. Средние месячные значения температуры и удельной влажности по данным CARDS/MONADS (Comprehensive Aerological Reference Data Set/ Monthly Aerological Data Set) сравнивались с месячными величинами по данным реанализа NCAR/NCEP, интерполированными с помощью билинейной интерполяции из окружающих узлов массива реанализа в точку соответствующей станции. Для сопоставления использовались данные по температуре на изобарических поверхностях 850, 500 и 100 гПа и данные по удельной влажности на изобарических поверхностях 850, 500 и 300 гПа за период с 1958 по 1998 гг для июля и января. Для анализа выбраны некоторые континентальные области Азии и Южного полушария.

В сопоставлениях учитывались только те станции и те сроки, в расчетах месячных статистик которых присутствовало не менее двух третей от максимально возможного числа наблюдений за данный месяц. Для каждой выбранной географической области по невязкам рассматриваемых метеовеличин рассчитывались среднее для года значение, максимальное значение, минимальное значение, дисперсия. Дополнительно, с целью выяснения зависимости невязок от плотности аэрологических измерений для каждого региона рассчитывались коэффициенты корреляции между указанными выше статистическими характеристиками и количеством используемых станций. Максимальные невязки температуры на уровнях 500 гПа и 850 гПа отмечены над Южной Америкой, а для уровня 100 гПа над Австралией. По абсолютным значениям наименьшие расхождения температуры для данных из двух источников отмечены для поверхности 500 гПа. Для всех исследуемых географических регионов Южного полушария невязки температуры в июле выше, чем в январе. Наибольшие осредненные невязки удельной влажности отмечены для Австралии на уровнях 300 гПа и 500 гПа. Для уровня 850 гПа отмечен положительный тренд рядов осредненных невязок для региона Африки. Увеличение плотности станций с аэрологическими наблюдениями существенным образом улучшает качество воспроизведения осредненной температуры на изобарической поверхности 500 гПа, однако при этом среднеквадратичные отклонения остаются на том же уровне. Для удельной влажности тенденция к уменьшению значений невязки на поверхности 850 гПа с увеличением количества аэрологических наблюдений отмечена только для Африки для обоих рассмотренных месяцев.

Для региона Средней Азии результаты исследования указывают на в целом хорошее совпадение значений температуры воздуха по данным CARDS/MONADS и соответствующим данным реанализа NCAR/NCEP. Так, для января невязка, осредненная по всему району для нижней тропосферы, не превышает 0.5°С. На изобарических поверхностях 850 и 500 гПа данные реанализа по температуре оказались немного заниженными по отношению к данным CARDS, а на поверхности 100 гПа, наоборот, завышенными примерно на 0.3°С. Для июля абсолютная невязка температуры, осредненная по району, составила менее 0.4°С для нижней и средней тропосферы и менее 0.3°С для верхней тропосферы. Дисперсия отклонений в летний сезон была несколько более высокой, чем в зимний. Максимальные невязки относятся, в основном, к началу серий, для недавних же данных соответствие улучшается.

Аналогичным образом были проанализированы корреляции между количеством радиозондовых станций над регионом и рядами средних, среднеквадратичных, минимальных и максимальных значений невязки для удельной влажности. Для регионов Австралии и

Южной Америки значения среднеквадратичных отклонений данных и осредненных значений невязки растут по мере увеличения количества станций (за исключением уровня 500 гПа). Можно предположить существование систематической ошибки при построении реанализа NCAR/NCEP для этих регионов.

Далее представлены результаты по исследованию способности реанализа воспроизвести наблюдавшиеся долгопериодные тренды температуры в свободной атмосфере. Известно, что вертикальные распределения трендов температуры в атмосфере имеют сложный характер - так, тренды имеют различные знаки для различных слоев атмосферы. В этой связи вопрос оценки трендов на базе данных разного типа представляет значительный интерес. Основное внимание в этом разделе уделялось оценкам линейного тренда для тропосферы и нижней стратосферы, полученным из двух источников информации - по средним месячным значениям на аэрологических станциях и среднемесячным полям реанализов NCAR/NCEP и ERA-40 из Европейского центра среднесрочных прогнозов погоды (ECMWF). Расчеты линейных трендов производились с помощью обычного алгоритма линейной регрессии, основанного на методе наименьших квадратов. Для каждой из отобранных станций выполнялось сопоставление вертикальных профилей линейных трендов температуры в точках станций, полученных по данным аэрологических наблюдений и по данным реанализа. Как показывает анализ вертикальных профилей большинства исследуемых станций, для изобарических поверхностей выше 150 гПа в тропиках и выше 300 гПа во внетропической области, количественные оценки отрицательных трендов практически совпали. Не столь однозначная картина наблюдается для изобарических поверхностей в тропосфере: здесь имеет место расхождения как в величинах, так и в знаках трендов. При этом следует отметить, что в тропосфере значения линейных трендов вообще невелики.

Для - обобщения результатов был использован критерий ROC («Оперативная Сравнительная Характеристика») для линейных трендов температуры, полученных по среднемесячным данным реанализов NCEP/NCAR и ERA-40, а также аэрологического зондирования свободной атмосферы.

Таблица 1. Меры совпадения по критерию ROC знака линейных трендов температуры, полученных по среднемесячным данным реанализов NCEP/NCAR, ERA-40 и данным CARDS аэрологического зондирования для свободной атмосферы

Период с 1964 по 1998 гг.

H Сопоставление | CARDS и: отрицательные нейтральные положительные все категории

| (20"с.ш.-90'с.ш.)

1 ERA-40 0.79 0.61 0.79 0.78

I NCEP/NCAR 0.75 0.57 0.76 0.74

1 (20°ю.ш.-20'с.ш.)

| ERA-40 0.81 0.58 0.79 0.64

I NCEP/NCAR 0.73 0.59 0.71 0.60

| (20"ю.ш.-90"ю.ш.)

1 ERA-40 0.84 0.62 0.75 0.81

1 NCEP/NCAR 0.80 0.60 0.68 0.77

Согласно этому критерию, все пункты и изобарические поверхности были разделены на три категории в соответствии со знаком и величиной тренда температуры. Тренд считался «отрицательным», если он имел отрицательный знак и превосходил по абсолютной величине стандартное отклонение, «положительным» - если он имел положительный знак и превышал по абсолютной величине стандартное отклонение, и «нейтральным» - если он не превышал по модулю стандартное отклонение. Такая формулировка определения положительных или отрицательных трендов является более ограничительной, чем простой критерий знака, поскольку она исключает слабо выраженные тренды, относя их к категории нейтральных.

В таб. 1 приведены результаты расчета этих критериев.

Хотя, как видно из таб. 1, оба реанализа в целом неплохо воспроизводят тренды температуры в свободной атмосфере, реанализ ERA-40 более адекватен. Наилучшим образом воспроизводятся отрицательные тренды, связанные, в основном, со стратосферным похолоданием. Анализ агрегированных показателей ROC указывает на то, что в тропической зоне степень совпадения реанализов и фактических данных ниже, чем в умеренных и высоких широтах.

Анализ вертикально-зональных сечений значений линейных трендов температуры (карты трендов не приводятся в автореферате) по данным реанализов NCAR/NCEP, ERA-40 и радиозондовых данных позволил документировать похолодание в нижней стратосфере во всем диапазоне широт, причем оно оказалось более сильным в тропической зоне Южного полушария. Для периода 1964-1998 гг, максимальные скорости похолодания по данным реанализа NCAR/NCEP составили около -0.08°С в год. Абсолютная величина скорости стратосферного похолодания для этого периода по радиозондовым данным оказывается несколько большей по сравнению с реанализами. Похолодание в нижней стратосфере наиболее ярко выражено в период 1979-1998 гг. Значения трендов в этот период достигают -0.13°С в год по данным NCAR/NCEP и -0.14°С в год по радиозондовым данным.

Наличие положительного тренда в нижней тропосфере в широтном поясе от 40° до 70° с.ш. отмечается в обоих источниках данных. В период 1964-1998 гг скорость потепления составляла 0.02°С в год, а за период 1979-1998 гг - около 0.03°С в год. Регионы Северного полушария, для которых положительный тренд температуры выражен в наибольшей степени, являются наиболее плотно населенными и индустриально развитыми. В то же время следует учитывать, что густота наблюдательной сети и качество данных в этих регионах выше, чем в других, особенно расположенных в Южном полушарии.

Наименьшие расхождения величин трендов температуры для двух типов данных отмечены для средней тропосферы (700 - 500 гПа) для всех широтных поясов обоих полушарий. Для периода 1964-1998 гг максимальные расхождения наблюдались над тропическими зонами обоих полушарий на уровнях 150 - 50 гПа и в умеренных широтах Южного полушария на уровнях 300 - 100 гПа. Для периода 1979-1998 гг наибольшие расхождения значений трендов температуры наблюдались над тропической зоной Северного полушария на уровнях 250 - 20 гПа и в тропиках Южного полушария на уровнях 70 - 20 гПа. Значительные расхождения трендов температуры имели место также у поверхности Земли.

В развитие описанного выше сравнения трендов глобальных массивов данных, были выполнены сопоставления реанализов и станционных данных на региональном уровне. Получены региональные оценки трендов температуры воздуха по данным реанализов и станционных наблюдений по части территории Средней Азии (бассейну Аральского моря). Как известно, этот регион является районом крупнейшей экологической катастрофы. Существующие в литературе оценки изменений климата в бассейне Аральского моря существенно отличаются друг от друга. В частности, представляет большой интерес вопрос,

связаны ли региональные тренды температуры воздуха с высыханием Аральского моря, или же они отражают некоторую естественную изменчивость климата большего пространственного масштаба. Было выполнено статистическое сравнение данных реанализа и данных прямых аэрологических наблюдений, представленных в массиве CARDS. В период наблюдений после 1964 г число действующих аэрологических станций в пределах выбранного района менялось от 19 до 40. Сравнительный анализ показал соответствие двух типов данных, что позволило в дальнейших расчетах опираться на данные реанализа. В результате применения алгоритма объективной классификации Ланда, все станции были разбиты на 5 групп, каждая из которых соответствовала определенному типу изменчивости температуры воздуха. Помимо кросс-валидации различных источников данных, была поставлена задача идентификации той части тренда температуры, которая может быть связана с высыханием Аральского моря. С этой целью был устранен крупномасштабный тренд, полученный осреднением по площади, из трендов, рассчитанных для 5 групп станций. Значения трендов, рассчитанные по реанализам и станционным данным, в этом регионе в целом хорошо совпали. Наибольшие значения локальных трендов характерны для группы, расположенной в юго-западной части района исследования и для изобарических поверхностей от 1000 до 700 гПа. Здесь в период с 1964 по 1998 гг наблюдалось потепление со скоростью около 0.82°С за 10 лет, что на 0.44°С превышает крупномасштабное среднее. Можно предположить, что эта локальная аномалия связана с высыханием Аральского моря. Если так, то примерно половина величины тренда температуры, характерного для станций группы 1, может объясняться высыханием моря и снижением его модерирующей климат функции, другая же половина связана с крупномасштабными изменениями климата. Этот вывод хорошо согласуется с результатами некоторых предыдущих исследований, полученными совершенно иными методами. Для станций других групп предполагаемое влияние высыхания моря ограничено и не выходит за пределы изобарической поверхности 1000 гПа. Необходимо отметить, что в данном районе в течение всего года преобладают ветры северо-восточных румбов, поэтому именно подветренная по отношению к морю юго-западная часть района должна в наибольшей степени «ощущать» последствия высыхания моря. -

В разделе 2.3 выполнено сравнение данных по водному эквиваленту снега (ВЭС) из реанализов NCEP/DOE, ERA-40 и INTERIM из ECMWF, а также данных по высоте снежного покрова (ВСП) из реанализа JRA-25, с данными прямых измерений. Параметры снежного покрова являются важной характеристикой гидрологического цикла, и их адекватное представление необходимо для прогнозирования погоды и климата. В ряде работ средствами моделирования и анализа данных наблюдений было показано, что распределения снежного покрова оказывают существенное влияние на характер атмосферной циркуляции. Модели, используемые для генерации характеристик снега в различных реанализах, существенно отличаются друг от друга как физическими параметризациями, так и степенью детализации и используемыми наборами данных наблюдений. Так, например, данные по ВЭС реанализа ERA-40 получаются с использованием модели с разрешением 159 сферических гармоник по горизонтали и 60 уровней по вертикали. Прогностическая система содержит современные физические параметризации, включая недавно разработанную схему задания условий на поверхности Земли и трехмерную вариационную ассимиляционную систему с 6-часовым циклом анализа. Другая идеология используется для генерирования данных ВЭС из реанализа, выпущенного National Centre for Environmental Prediction (NCEP, США) и Department of Energy (DOE, США). ВЭС в реанализе NCEP/DOE не использует никакие данные поверхностных измерений и целиком основан на еженедельной спутниковой информации по снежному покрову Северного полушария. В случае несоответствия модельного ВЭС входному анализу модельные характеристики снега приводились к наблюдаемым с помощью специальной эмпирической процедуры. Используемая этим реанализом модель обладает спектральным разрешением Т62 и имеет 28 сигма-уровней по

вертикали. Данные по ВСП из реанализа JRA-25 (Japan Meteorological Agency, Япония, совместно с Central Research Institute of Electric Power Industry, Япония) генерируются с использованием глобальной прогностической модели JMA с горизонтальным разрешением Т106 и с 40 уровнями по вертикали. Схема усвоения данных использует трехмерную вариационную ассимиляционную систему. Большая часть данных измерений, используемых этим реанализом, происходит из базы данных ВСП синоптических наблюдений (SYNOP). В отличие от реанализов, указанных выше, новый реанализ INTERIM использует 4-мерную систему усвоения данных и прогностическую модель лучшего пространственного разрешения (Т255 и 60 уровней по вертикали). В этом реанализе также существенно улучшены параметризации процессов гидрологического цикла.

Рассматривались данные, относящиеся к водосборным бассейнам крупнейших рек России, за период с 1979 по 2000 гг. Анализ включает в себя сравнение средних значений, корреляционных характеристик для аномалий, сезонной и межгодовой изменчивости, а также трендов. Выполненные оценки качества различных реанализов для ВЭС и ВСП позволяют сделать выводы о степени применимости реанализов для соответствующего круга задач, а также сформулировать практические рекомендации пользователям по выбору реанализа, наиболее подходящего для тех или иных практических целей.

В качестве данных для валидации использовались характеристики снега из базы данных гидрологических наблюдений в СССР. Они включают в себя информацию с более 1300 станций. Сравнение выполнялось для периода с 1979 по 2000 гг. Анализ данных был выполнен несколькими способами. Прежде всего, были рассчитаны средние значения ВЭС и ВСП за весь период наблюдений для каждого месяца года и речного бассейна. Затем были получены средние значения и пространственные распределения коэффициентов корреляции между месячными аномалиями данных наблюдений и реанализов. Анализировалась также сезонная и межгодовая изменчивость в наблюдениях и по данным реанализов, а также тренды (последние определялись, как угловые коэффициенты соответствующих линейных регрессий)/ Для сравнения отбирались данные реанализа на узле сетки, ближайшем к точке наблюдений.

Полученные значения коэффициентов корреляции классифицировались тремя категориями: (а) значения ниже 0.2 - неудовлетворительное соответствие, (б) значения от 0.2 до 0.5 - неопределенное соответствие, (в) значения выше 0.5 - удовлетворительное соответствие.

Пространственные распределения значений коэффициентов корреляции (рис. 1) указывают на то, что реанализ ERA-40 хорошо согласуется с измерениями в европейской части Росси (бассейны Волги, Дона, Северной Двины, Печоры и Невы). В этих бассейнах не оказалось ни одной станции с низшей оценкой корреляционного соответствия. В водосборах великих сибирских рек Оби, Енисея и Лены картина оказалась неоднозначной. Для среднего течения Оби и среднего и нижнего течения Лены корреляции низкие. Для бассейна Амура реанализ ERA-40 разумно воспроизводит измерения в том смысле, что в этом районе почти нет станций с низшей оценкой корреляции. Однако среднее значение коэффициента корреляции здесь невысокое. Пространственное распределение корреляций для ВЭС из NCEP/DOE довольно неоднородно. Этот реанализ особенно плохо воспроизводит измерения в бассейне Лены, но много станций с низшей оценкой соответствия есть и в бассейнах Амура, Оби и Енисея. Для ВСП из JRA-25 число европейских станций с низшим рангом корреляции больше, чем для ERA-40. Коэффициенты корреляции для бассейна Лены низкие. Для остальных азиатских рек корреляционные характеристики JRA-25 аналогичны характеристикам ВЭС из ERA-40 and NCEP/DOE. Наилучшее же почти по всем характеристикам совпадение реанализа и фактических данных обеспечивается реанализом

13

INTERIM, который, в отличие от других рассмотренных продуктов, успешно воспроизводит снежный покров в Сибири. Число станций, для которых INTERIM обеспечивает корреляции свыше 0.5 с измерениями, составило 63%, что на 15%, 24% и 46% выше аналогичных показателей для реанализов ERA-40, JRA-25 и NCEP/DOE, соответственно.

Долгота

Д менее 0.2 + от 0.2 до 0.5 О более 0.5

Рис. I. Пространственное распределение значений коэффициентов корреляции между данными измерений и данными реанализов (ВЭС для ERA-40, INTERIM, NCEP/DOE, ВСП для JRA-25)

Очевидно, это связано с использованием реанализом INTERIM улучшенных параметризаций физических процессов и более высоким пространственным разрешением используемой прогностической модели.

В качестве примера воспроизведения реанализами межгодовой изменчивости ВЭС эта информация для реанализов NCEP/DOE и ERA-40 приведена на рис. 2.

160 -

120 - Волга ♦ ♦ ♦ ♦ * ♦ Д 120

80 -

4Э - од

і ■ і 1 і 1 8 & & 8 8 8 S S 8 8

д Нева

Измерения

ERA-ОД

NCBVDOE

> Число станций

I а 8 8 8

Рис. 2. Межгодовая изменчивость ВЭС (мм) по данным наблюдений и реанализов и изменения числа измерительных станций за рассматриваемый период

В целом воспроизведение межгодового и сезонного хода ВЭС реанализами можно считать неплохим, хотя отличия в абсолютных значениях достаточно велики. Наихудшее совпадение отмечено для бассейнов восточносибирских рек (Енисей, Лена, Амур), где реанализы дают сильно завышенные значения. Реанализы, особенно ЫСЕРЛЮЕ, как правило, завышают ВЭС в начале снежного сезона. На этом фоне ЕЯА-40 обеспечивает вполне реалистичные значения ВЭС в начале сезона для бассейнов европейских рек.

Максимальные значения ВЭС оказались приемлемыми во всех реанализах, но наилучшее соответствие обеспечивается ЕИА-40. Заниженные значения максимумов характерны для >ГСЕР/1Х>Е, особенно в бассейнах Печоры и Северной Двины (на 22 и 26%, соответственно). Оба реанапиза дают слишком высокие значения для марта в бассейнах Енисея (до 14%), Лены (до 34%) и Амура (до 61%), однако КСЕР/ООЕ завышает их в большей степени, чем ЕКА-40. В некоторых случаях оба реанализа отнесли максимум ВЭС к месяцу, предшествующему фактическому (бассейны Волги, Дона, Невы). Обоим реанализам присущи темпы снеготаяния, значительно превосходящие реально наблюдаемые. Поэтому значения ВЭС для месяцев преимущественного таяния снега (апрель-май) в реанализах занижены по отношению к измерениям на величину до 60% в апреле и до 80% в мае. Однако с этой точки зрения предпочтительнее выглядит ЫСЕРЛЭОЕ, который занижает ВЭС в меньшей степени. Вполне реалистично данными КСЕР/ООЕ реанализа воспроизводятся интегральные значения водного эквивалента, осредненные по большим территориям и за длительный интервал времени.

Данные Л1А-25 систематически занижают ВСП на 20-85% для всех месяцев и всех речных бассейнов. Отметим, что относительная ошибка для ВСП, как правило, превышает ошибку для ВЭС. Прежде всего необходимо отметить резкое занижение ВСП реанализами по всем рассмотренным речным бассейнам за период с 1979 по 1984 гг. Начиная с 1985 г, соответствие реанализов наблюдательных данных в целом улучшается, особенно для бассейнов Волги, Дона и Невы.

Аналогичный анализ был выполнен для части территории Средней Азии (бассейн Аральского моря). Оказалось, что значения ВЭС и ВСП из реанализов ЕЯА-40 и Л1А-25 хорошо согласуются с измерениями в равнинных частях бассейна Аральского моря. Реанализ ЫСЕРЯЗОЕ систематически завышает ВЭС в этих районах. Однако, для возвышенностей (600-900 м над уровнем моря) данные МСЕР/ООЕ воспроизводят измерения лучше, чем остальные два реанализа. Все реанализы, как правило, занижают характеристики снежного покрова в горных районах (выше 1000 м над уровнем моря). Реанализ Л1А-25 наилучшим образом воспроизводит изменчивость ВСП в равнинных частях района, особенно в северозападной части района. Реанализ ЕЯА-40 для ВЭС обеспечивает высокие корреляции с измерениями в юго-восточном горном районе.

Как отмечалось выше, одним из важных источников информации, используемой реанализами, являются спутниковые данные дистанционного зондирования Земли. В связи с этим, в разделе 2.4 также выполнен сравнительный анализ снежного покрова по данным наземных и спутниковых наблюдений. Наблюдения за снежным покровом с использованием спутниковых данных начались с 1960-х гг. Обладая рядом несомненных преимуществ и, в целом, будучи эффективным средством оценивания площадей покрытых снегом, спутниковая информация, однако, может вносить определенные искажения.

В диссертационной работе был выполнен сравнительный анализ информации о наличии или отсутствии снега на территории СНГ по данным станционных наблюдений и спутниковых изображений видимого диапазона за период с 1971 по 1996 гг. (для каждого года рассматривались месяцы с октября по апрель). Был разработан итерационный алгоритм для проведения сравнительного анализа данных спутниковых и наземных наблюдений. Результаты свидетельствуют о том, что в период устойчивого залегания снега (в декабре, январе, феврале) отмечаются наименьшие расхождения между спутниковыми и наземными измерениям (за исключением некоторых локализованных областей в Средней Азии). Наиболее "неблагоприятными" периодами с точки зрения расхождения спутниковых и наземных данных являются периоды формирования и таяния снежного покрова. Для

октября заметные расхождения в данных проявляются в центральных областях Восточноевропейской равнины, Западносибирской равнины, а также в южной части Среднесибирского плоскогорья, а для ноября - в Прикарпатье, Закавказье и небольших локализованных областях Средней Азии. В период схода снежного покрова наибольшие расхождения в данных отмечаются в пограничных зонах схода снега, особенно в Прикарпатье, в отдельных областях Закавказья. В течение весеннего периода зонами "наименьшей достоверности" спутниковой информации являются центральная часть Восточно-европейской равнины и южная часть Западносибирской равнины.

Таким образом, главные результаты Главы 2 сводятся к следующему (здесь и далее краткие резюме основных выводов каждой главы будут выделяться курсивом).

Показано, что сеточные поля данных общедоступных в настоящее время продуктов реанализов в целом удовлетворительно воспроизводят изменчивость метеоэлементов в сезонных и межгодовых масштабах и, следовательно, могут составлять информационную основу статистических и гидродинамических схем подготовки ДМП. Однако применимость реанализов в этих целях меняется в широких пределах в зависимости от прогнозируемой величины, рассматриваемых масштабов изменчивости, географического региона и изобарической поверхности. Можно сделать вывод, что наибольшие искажения в вертикальную структуру полей метеоэлементов в реанализах вносятся вблизи земной поверхности и в слое тропопаузы. Объяснение этому может быть связано с тем, что в схемах четырехмерного усвоения именно в этих слоях наиболее сложно адекватно воспроизвести турбулентные процессы. В каждом конкретном случае для оптимального отбора входных данных необходимо предварительное исследование, основанное на статистическом сопоставлении данных реанализа и наблюдений. В диссертационной работе такие исследования выполнены применительно к полям температуры и влажности воздуха на масштабах от месячного до межгодового, а также к параметрам снежного покрова в этих же масштабах. В последуюищх главах показано, что изменчивость и тренды именно этих характеристик обладают значительным прогностическим потенциалом для задач ДМП. Исследования выполнены как для глобальных полей, так и полей для отдельных районов.

Предложены практические рекомендации. Так, показано, что при использовании в целях ДМП данных реанализов по характеристикам снежного покрова необходимо учитывать систематическое и почти повсеместное завышение ими водного эквивалента снега в начале снежного сезона и занижение этого параметра в период снеготаяния. Наименее надежным в отношении характеристик снежного покрова является реанализ NCEP/DOE (за исключением горных районов, для которых можно рекомендовать применение именно этого продукта). Однако, данными NCEP/DOE реаначиза вполне реалистично воспроизводятся интегральные значения водного эквивалента, осредненные по большим территориям и за длительный интервал времени. В возвышенных и горных районах все современные реанализы, как правило, занижают значения водного эквивалента снега и высоты снежного покрова. Наилучшее почти по всем характеристикам совпадение реанализа и фактических данных по снежному покрову обеспечивается реанализом INTERIM, который, в отличие от других рассмотренных продуктов, успешно воспроизводит снежный покров в Сибири. Число станций, для которых INTERIM обеспечивает высокие корреляции с измерениями, составило 63%, что на 15%, 24Уо и 46%> выше аналогичных показателей для реанализов ERA-40, JRA-25 и NCEP/DOE, соответственно. Для представления высоты снежного покрова в задачах ДМП в настоящее время можно рекомендовать использовать реанализ JRA-25, который, начиная с 1984 г., наиболее адекватно отражает фактическую изменчивость этой характеристики.

Температура и влажность воздуха в масштабах от месячного до межгодового наилучшим образом воспроизводятся реанализами на уровне 500 гПа, наименее же надежны данные для поверхностей 850 гПа и 100 гПа над Южной Америкой и Австралией. Несколько лучшие показатели демонстрирует реанализ ERA-40. Как правило, ошибки в реанализах летом (Северного полушария) выше, чем зимой. Долгопериодные тренды температуры и влажности лучше всего воспроизводятся существующими реанализами в нижней тропосфере умеренных широт, особенно в Северном полушарии, а хуже всего - в тропиках. Наилучшим образом воспроизводятся отрицательные тренды, связанные, в основном, со стратосферным похолоданием. В тропической зоне совпадение реанализов и фактических данных ниже, чем в умеренных и высоких широтах.

Данные реанализов, относящиеся к менее отдаленным по времени периодам, как правило, надежнее, чем данные в начале имеющихся серий. Исключение составляет реанализ NCAR/NCEP влажности для Южного полушария, в котором увеличение со временем объема усвоенных данных наблюдений привело лишь к ухудшению надежности реанализа -последнее заставляет предположить наличие методических или технических проблем при формировании этого конкретного реанализа применительно к этой характеристике атмосферы.

В Главе 3 («Некоторые характеристики атмосферы и подстилающей поверхности, влияющие на долгосрочную предсказуемость») приведены результаты исследований по определению влияния снежного покрова и блокирующих антициклонов на предсказуемость метеоэлементов на долгие сроки. Значительная часть соответствующих расчетов выполнена на базе реанализов с учетом выводов и рекомендаций предыдущей главы.

В разделе 3.1 выполнено исследование статистических связей характеристик снежного покрова на территории северной Евразии с температурным режимом, что позволило расширить понимание прогностических свойств снежного покрова. На основе результатов предыдущей главы мы используем здесь для анализа водного эквивалента снега вместо станционных данных сеточный массив данных реанализа INTERIM, а для температуры воздуха - реанализ NCEP/DOE. Для получения оценок связей высот снежного покрова с приземной температурой воздуха применялся линейный корреляционный анализ с месячной дискретностью и временной заблаговременностью от 0 до 12 месяцев. Предварительно к исходным полям температуры воздуха и снежного покрова была применена процедура объективной типизации («K-среднее») с целью выявления регионов со схожими признаками изменчивости метеоэлементов во времени. Кластеризация объектов осуществлялась с учетом метрики евклидова расстояния, так, чтобы средняя внутриклассовая дисперсия была минимальной. Применение процедуры объективной типизации позволило установить, что оптимальное районирование включало 20 квазиоднородных района. Такая же процедура объективной классификации была применена и к полям ВЭС. Линейные зависимости между ВЭС и температурой воздуха рассматривались в привязке не к конкретным пунктам, а к осредненным по классам значениям двух характеристик. Анализ частотного распределения кросс-корреляций выявил, что наиболее прогностически ценной является информация о распределении ВЭС в январе. Наиболее значимыми оказались связи между ВЭС в январе и температурой воздуха в марте и сентябре. При этом преобладают отрицательные связи — большие значения ВЭС предполагают более низкую температуру. Усиление связей ВЭС с температурой воздуха весной и осенью объясняется следующим образом: в переходные периоды, которые характеризуются уменьшенными термическими и барическими градиентами в связи с меньшими температурными контрастами между континентом и океаном, макроциркуляционные факторы, связанные с образованием очагов холода над

снежным покровом, проявляются ярче. Обнаруженные зависимости не являются случайными с вероятностью не менее 95%.

В результате описанной процедуры были также выделены районы со снежным покровом повышенной потенциальной информативности для ДМП по северной Евразии. Эти районы можно условно объединить в три кластера (рис. 3). Заливкой темного цвета выделены районы, для которых преобладают отрицательные связи, а светлой - районы преимущественно положительных связей. Точками показаны соответствующие узлы сетки реанализа ЫСЕР/ООЕ.

Рис. 3. Районы повышенной потенциальной информативности снежного покрова для ДМП. Темной заливкой выделены районы, для которых преобладают отрицательные связи, а светлой - районы преимущественно положительных связей. Точками показаны узлы сетки реанализа ЫСЕР/ООЕ.

Таким образом, можно сделать вывод о том, что информация о снеге несет в себе значительный прогностический потенциал при составлении прогноза температурного режима с заблаговременностью 2-3 месяца и даже 8-9 месяцев.

Во второй части этого раздела работы анализ корреляционных связей между ВЭС в Сибири и температурой воздуха был расширен на все Северное полушарие и все изобарические уровни. Кроме того, рассматривались временные сдвиги, соответствующие как запаздыванию температуры по отношению к снегу, так и опережению, то есть причинно-следственные связи в двух направлениях. Использовались те же данные реанализов, однако вместо исходных данных по ВЭС рассматривались значения их первой естественной ортогональной составляющей (е.о.с.) в выделенных выше информативных районах Сибири.

Наиболее значимые корреляционные связи между ВЭС в выбранных районах и температурой воздуха (при опережающем влиянии снега) отмечены для всей толщи атмосферы в районе Северной Атлантики и в верхней тропосфере в полярных районах при временном сдвиге 1 месяц.

Декабрь

1000 80

Широта

0.4

0.2

-0.2

U-0.4 -0.6

Рис. 4. Трехмерные поля корреляций между первой е.o.e. ВЭС в январе и температурой воздуха на разных изобарических поверхностях для декабря.

Значения коэффициента корреляции в некоторых точках достигают 0.7. Также высокие положительные корреляции наблюдаются для нижней и средней тропосферы в зоне Алеутской депрессии при сдвиге 7 месяцев, причем в верхней тропосфере и в области тропопаузы знак связи меняется на отрицательный. В свою очередь, влияние глобальной температуры воздуха на снежный покров в выделенных районах (т.е. в Сибири) наиболее ярко проявляется для температуры воздуха над западной экваториальной Атлантикой с опережением 2 месяца по отношению к ВЭС. Максимальные корреляции относятся к приземному слою, они положительны и превышают 0.6. Вместе с этим, в тропосфере корреляции отрицательны и достигают -0.6.

При опережении в 1 месяц наиболее значительные корреляционные связи между температурой воздуха и ВЭС соответствуют северной Европе и омывающей ее части Атлантики (Рис.4). Интересно отметить, что именно для этого района характерна наибольшая повторяемость квазистационарных антициклонов. Эти барические образования играют особенно важную роль в формировании погодных условий на длительное время и реализации сложных обратных связей между характеристиками атмосферы и подстилающей поверхности. Влиянию блокирующих антициклонов на долгосрочную предсказуемость посвящен следующий параграф работы.

В разделе 3.2 анализируется изменчивость характеристик квазистационарных антициклонов за период с 1949 г по 2010 г в Атлантико-Европейском секторе, как один из важных циркуляционных факторов, определяющих погодные условия на пролонгированные сроки в северной Евразии. Исследования проводились с использованием цифрового каталога, составленного во ВНИГМИ-МЦД. Были проанализированы статистики антициклонической квазистационарной циркуляции на территории первого естественно-синоптического района (е.с.р.). На рис. 5 показана временная изменчивость событий квазистационарных антициклонов.

Рис. 5. Изменчивость характеристик квазистационарных антициклонов в Атлантико-Европейском секторе за период с 1949 по 2010 гг (число случаев, число дней в году)

На графиках показаны также соответствующие линейные тренды. Выявлена тенденция к уменьшению частоты БА над Атлантико-европейским сектором во все времена года. Этот вывод согласуется с данными других исследований и может означать, что зональная циркуляция начинает играть более важную роль в этом секторе. На фоне этого общего тренда, максимумы числа блокирующих ситуаций наблюдались в 1955-1959 и 1984-1986 гг. В первом из них число случаев составило до 39 в год, во втором - до 38. Минимальное число блокингов за весь период наблюдений отмечено в 1996-1997 гг. Главные максимумы повторяемости случаев БА отмечены над Британией и Уралом, а также над центральной частью европейской территории России.

Выполнен анализ показателей успешности воспроизведения месячных и сезонных полей геопотенциала и температуры на основе гидродинамической модели Гидрометцентра России с начальными данными при наличии процессов блокирования на территории 1-го естественного синоптического района и при их отсутствии за десятилетие с 1997 г по 2007 г (Таб. 2). Показатели качества прогнозов демонстрируют, что оправдываемость долгосрочного прогнозирования на основе гидродинамических моделей при наличии интенсивных и продолжительных (более 10 суток) блокирующих антициклонов над территорией 1 е.с.р. заметно повышается как в период блокирования, так и в последующие 20 суток.

Показано также, что воспроизводимость метеорологических полей при блокирующих ситуациях, возникших над акваториями океанов, несколько выше, чем при их формировании над сушей. При этом модельные расчеты существенно занижают время жизни блокингов. Непродолжительные квазистационарные антициклоны, вообще говоря, описываются моделью хуже, чем долгоживущие.

Таблица 2. Средние показатели оправдываемости сезонных прогнозов геопотенциала Нщо и температуры Tsso по территории I е.с.р. Условные обозначения: м1-м4 - месяцы прогноза, R - коэф. корреляции, р - параметр сходства аномалий по знаку, Abs - абс. ошибка, Mse -отн. ошибка, MSS- среднеквадратичная оценка успешности.

Средние показатели оправдываемости за все сезоны 1979-2007.г.

МІ M2 мЗ м4 сезон

Н$оо

R 0.20 0.01 -0.01 -0.01 0.04

Р 0.14 0.01 -0.01 -0.01 0.02

Abs 5.04 5.52 5.55 5.56 3.04

Mse 6.29 6.85 6.90 6.90 3.74

Mss -0.40 -0.54 -0.56 -0.57 -0.64

Tsso

R 0.19 0.02 0.00 -0.01 0.05

P 0.14 0.01 -0.00 -0.01 0.04

Abs 2.00 2.20 2.18 2.20 1.20

Mse 2.46 2.68 2.65 2.68 1.45

Mss -0.43 -0.54 -0.51 -0.51 -0.61

Средние показатели оправдываем антициклонов в начале п tocmu при наличии блокирующих рогностического периода

Ml M2 мЗ м4 сезон

Hsoo

R 0.32 0.00 -0.01 0.03 0.03 •

Р 0.24 0.01 -0.02 0.01 0.00

Abs 5.40 5.75 5.43 5.32 2.89

Mse 6.77 7.21 6.77 6.64 3.58

Mss -0.12 -0.53 -0.50 -0.41 -0.58

Tsso

R 0.30 0.02 0.01 0.05 0.09

P 0.22 0.02 0.01 0.05 0.05

Abs 2.11 2.31 2.20 2.05 1.11

Mse 2.63 2.80 2.70 2.52 1.35

Mss -0.16 -0.49 -0.48 -0.46 -0.47

Анализ успешности воспроизведения моделью структуры и изменчивости крупномасштабных циркуляционных характеристик, например, долгоживущих блокирующих антициклонических ситуаций, является актуальной задачей для совершенствования модели и одним из путей повышения качества прогнозов. Успешность воспроизведения полей геопотенциала и температуры гидродинамической моделью Гидрометцентра России в зависимости от наличия процессов блокирования была проанализирована впервые.

В этом же разделе диссертационной работы выполнен статистический анализ наиболее продолжительных (более двух недель) аномалий термического режима для северной Евразии и выявлены закономерности в пространственном распределении повторяемости таких эпизодов. Под аномалией понималась ситуация, когда среднесуточная температура воздуха отличалась от климатического значения за этот же день более чем на величину среднеквадратичного отклонения. В соответствии с рекомендациями предыдущей главы, в качестве дополнительной информационной основы для этого анализа был выбран реанализ, а именно КСЕРЛЗОЕ. В результате установлено, что районы повышенной повторяемости длительных положительных аномалий -европейская территория России (зимой и летом), север Сибири (зимой и летом), район Охотского моря (летом).

Обнаружено, что локализация крупных термических аномалий с продолжительностью более 2 недель очень близко совпадает с выявленным регионом в центральной и южной частях европейской территории России (ЕТР), где наиболее часто формируются продолжительные блокирующие антициклоны. Ярким недавним примером таких событий является лето 2010 г, когда блокирующий антициклон в центральной части ЕТР оставался стационарным 55 суток, следствием чего стали экстремальные волны жары, засуха и катастрофические лесные пожары.

Наконец, в завершение этого раздела работы выполнен композиционный анализ связей активности БА с характером распределения снежного покрова (а именно, полей ВЭС, рассматривавшихся в предыдущем параграфе) по территории России. Для этого сперва были выделены годы повышенной (1958, 1960, 1962, 1963, 1966, 1968, 1971, 1978, 1983, 1984 гг), и пониженной (1965, 1994, 1995, 1997, 1999, 2000,2002, 2003,2004, 2005 гг) повторяемости БА в Атлантико-европейском секторе в зимний период. Затем были построены осредненные поля ВЭС для каждой из этих групп, и анализировались их различия. Оценивалась статистическая значимость величины этой разности и выделялись регионы, где вероятность превышала 99%. Оказалось, что эти регионы практически совпали с районами повышенной информативности ВЭС, установленными совершенно иным способом в предыдущем параграфе (см. рис. 3). Этим подчеркивается информативность как блокирующих антициклонов, так и снежного покрова в задачах ДМП, а также существование внутренней связи между этими характеристиками.

Основные результаты Главы 3 сводятся к следующему.

Выделены районы повышенной потенциальной информативности снежного покрова для ДМП по северной Евразии. Эти районы, расположенные на азиатской территории России, можно объединить в три кластера. Наиболее прогностически ценной является информация о распределении водного эквивалента снега (ВЭС) в январе. Наиболее значимыми оказались связи между ВЭС в январе и приземной температурой воздуха следующей весной и осенью (но не летом). При этом преобладают отрицательные корреляционные связи. Обнаруженные зависимости не являются случайными (уровень значимости менее 5%).

Анализ пространственно-временных линейных зависимостей продемонстрировал, что наиболее значимые корреляционные связи между снежным покровом в Сибири в выбранных районах и температурой воздуха (при опережающем влиянии снега) отмечены для всей толщи атмосферы в районе Северной Атлантики и в верхней тропосфере в полярных районах при временном сдвиге 1 месяц. Также высокие положительные корреляции наблюдаются между ВЭС и термическим режимом нижней и средней тропосферы в зоне

Алеутской депрессии при сдвиге 7 месяцев, причем в верхней тропосфере и в области тропопаузы знак связи меняется на отрицательный. Влияние глобальной температуры воздуха на снежный покров в выделенных районах (т.е. в Сибири) наиболее ярко проявляется для температуры воздуха над западной экваториальной Атлантикой с опережением 2 месяца по отношению к снегу.

В целом, масштабы влияния снега, его площадей и характеристик на формирование погодных условий на долгие сроки, как показали расчеты, являются значительно большими, чем традиционно принято считать. Информация о снеге несет в себе значительный прогностический потенциал при составлении прогноза температурного режима на сроки 23 месяца и даже 8-9 месяцев.

Выполнен композиционный аначиз связей активности блокирующих антициклонов с характером распределения снежного покрова (а именно, полей водного эквивалента снега) по территории России. Выделены регионы, где эти связи были значимыми с вероятностью не менее 99%. Такие регионы практически совпали с районами повышенной информативности ВЭС, обнаруженными независимым образом выше. Этим подчеркивается информативность как блокирующих антициклонов, так и снежного покрова в задачах ДМП, а также существование внутренней связи между этими двумя характеристиками.

Обнаружена тенденция к уменьшению частоты блокирующих антициклонов над Атлантико-европейским сектором. На фоне этого общего тренда, наблюдались максимумы числа блокирующих ситуаций в ¡955-1959 и 1984-1986 гг. Гнавные максимумы повторяемости случаев БА локализуются над Британией и Уралом, а также над центральной частью европейской территории России. Оправдываемость долгосрочного прогнозирования на основе гидродинамических моделей при наличии интенсивных и продолжительных блокирующих антициклонов над территорией 1 е.с.р. существенно повышается (в рассмотренных здесь конкретных случаях - на 33-42% в терминах Яо) как в период блокирования, так и в последующие 10-20 суток.

Обнаружено также, что локализация крупных термических аномалий с продолжительностью более двух недель хорошо совпадает с выявленным регионом в центральной и южной частях европейской территории России, где наиболее часто формируются продолжительные стационарные антициклоны. Эту связь следует учитывать при прогнозировании термического режима на большие сроки.

В Главе 4 («Интерпретация ансамблевых прогнозов в задачах долгосрочного метеорологического прогнозирования») представлены результаты исследований, направленных на развитие методов долгосрочного прогнозирования элементов погоды для различных регионов России, по территории СНГ и в глобальном масштабе, использующих статистические методы интерпретации ансамблевых прогнозов. Предложенная методология, ориентированная на улучшение предсказуемости элементов погоды на пролонгированные сроки на базе статистической интерпретации ансамблей гидродинамических прогнозов одной или нескольких моделей, является новой для России и представляется перспективной. Для валидации моделей используются данные реанализов.

В разделе 4.1 усовершенствована адаптивная схема прогноза хода внутримесячной температуры. Кусочно-линейная регрессионная схема прогноза сглаженного хода температуры в течение месяца в пунктах на территории России основана на концепции совершенного прогноза, в качестве предикторов используются ортогонализированные

ансамблевые декадные прогностические поля Н500, Ро и Тш, являющиеся выходной продукцией гидродинамических моделей. Прогностическая продукция предложенной статистической модели также представляет собой не детерминированный прогноз, а расширенный ансамбль, реализации которого были получены в результате расчетов модели по различным совокупностям информативных точек предикторов, а также по всем отдельным членам ансамблей входных данных. Эксперименты по использованию ансамблевых гидродинамических прогнозов в адаптивной схеме проходили испытания на базе 39 среднесрочных прогнозов за период 2000-2004 гг по нескольким городам России (Москва, С.-Петербург, Н. Новгород, Красноярск и др.), выпущенных в Гидрометцентре РФ (модель Т42Ы4), за исходный срок т0 и за сроки г;=г0-12час и гг=г<г24час и ЫСЕР (США) (модель Т126Ь28, 12 членов ансамбля). Для восстановления сглаженного хода температуры в течение месяца в прогностической схеме применялись как отдельные гидродинамические прогнозы, так и прогнозы, осредненные по ансамблю. Кроме того, для каждого случая рассматривались несколько наилучших наборов предикторов, полученных по расчетам на зависимом материале. Сравнительный анализ прогностических данных по двум типам среднесрочных гидродинамических прогнозов на экспериментальной выборке за 2001-2004 гг показал, что статистические интерпретации гидродинамических прогнозов Гидрометцентра России и К'СЕР (США) в среднем дали близкие показатели оправдываемости для Москвы. Средние оценки качества прогнозов хода температуры в течение месяца, основанные на ансамблевых прогнозах ЫСЕР составили: г = 0.24, р = 0.3, а аналогичные оценки по прогнозам Гидрометцентра таковы: г = 0.22, р=0.27. Для обоих типов данных оправдываемость прогнозов для Красноярска оказалась достаточно низкой. Отметим, что Красноярск находится в максимальной удаленности от морей и океанов по сравнению с другими рассматриваемыми объектами исследования. Возможно, поэтому связи между предикторами и предиктантом для данного региона менее устойчивы. Для С.Петербурга и Нижнего Новгорода выявлены заметные преимущества использования модели ЫСЕР (12 членов ансамбля) по сравнению с моделью Гидрометцентра (3 члена ансамбля). Таким образом, результаты оценок указывают на целесообразность использования среднесрочных прогнозов для статистической интерпретации при большом числе членов ансамбля.

Далее в этом разделе предприняты попытки параметризовать состояния атмосферы в различных пространственно-временных масштабах, а затем исследовать влияние выведенного параметра на качество модельных ансамблевых данных, непосредственно ответственных за конечный результат прогноза хода температуры. В этом качестве мы рассматриваем несколько критериев: во-первых, кумулятивную дисперсию членов ансамбля, во-вторых, критерий, характеризующий тенденцию роста ширины прогностического пучка со временем и представляющий собой среднюю величину последовательных разностей среднеквадратичного отклонения за декаду и, наконец, в-третьих - критерий, основанный на применении объективной типизации методом К-средних. В результате проведенных исследований в некоторых случаях была обнаружена зависимость качества прогнозов хода температуры от скорости расхождения прогностического пучка со временем. Установлено, что успешность прогнозов определяется прежде всего кумулятивной дисперсией членов ансамбля в сочетании с объективной классификацией. Однако оценки прогнозов с использованием избирательных членов ансамбля имели нестабильный характер - в одних случаях они были выше оценок прогнозов, рассчитанных по всем членам ансамбля, в других ниже, поэтому все же представляется более целесообразным использовать осредненные значения прогностических данных по всем реализациям ансамбля.

Раздел 4.2 направлен на поиск «предшественников» развития региональных аномалий, с помощью которых можно было бы получить априорную оценку качества прогноза с

использованием вышеупомянутой прогностической схемы. В этих целях использовались два подхода. Во-первых, изучение корреляционных зависимостей предиктанта и предикторов (парные и множественные корреляции) по времени и по пространству в информативных районах (центрах действия атмосферы и т.п.). Во-вторых, использование алгоритма объективной классификации, сочетающего свойства алгоритма Ланда и метода К-средних, для типизации ситуаций с различными конфигурациями атмосферных полей предиктанта. В результате проведенных экспериментов были выделены типовые поля главного предиктора Н500, которым соответствовали наименее и наиболее удачные прогнозы (примеры таких полей, обеспечивающие наилучшие результаты прогнозирования для Москвы, показаны на рис. 6).

34 декада 2000года,

Ї 5 декада 2001 года.

23 декада 2001 года.

27 декада 2001 года.

Рис. 6. Осредненные поля предиктора за декады, соответствующие наилучшим статистическим прогнозам хода температурного режима для Москвы

Установлено, что если циркуляция в средней тропосфере соответствует одному из выявленных «худших» классов, то априорная вероятность неуспешного прогноза составляет 50-80%. При других типах циркуляции априорная вероятность неуспешного прогноза составляет лишь 10-40%. Выводы, полученные на архивной выборке за 1949-1994 гг, подтверждены на независимом материале за 1997-2000 гг. Анализ результатов на независимом материале показал, что выявленные классы полей, при которых повторяемость несогласованных прогнозов максимальна, соответствуют классам на обучающей выборке. Результаты проведенного исследования свидетельствуют о том, что введение характеристик изменчивости величины взаимосвязей и пространственного положения информативных районов в схеме долгосрочного прогноза, а также использование классификации метеорологических полей в средней тропосфере является весьма эффективной мерой для повышения качества прогноза.

В разделе 4.3 рассматривается мультимодельный подход при составлении прогнозов погоды на сезон на основе результатов ансамбля российских (Гидрометцентр России и Главная геофизическая обсерватория) и зарубежных моделей, представляемых Климатическим центром Азиатско-Тихоокеанского сотрудничества (Asia-Pacific Economic Cooperation Climate Center - АРСС) в рамках деятельности Северо-Евразийского регионального климатического центра, созданного в 2007 году. Рассматривая ансамбль модельных прогнозов как набор предикторов, можно реализовать различные методы расчета предиктанта - прогностического значения метеорологической величины. В соответствии с выводами Главы 2, в качестве эталонных данных наблюдений использовались сеточные поля месячного осреднения температуры Т850 из реанализа NCEP/DOE (National Center for Enviromental Prediction/Department of Energy) и поля осадков CMAP (Climate Prediction Centers Merged Analysis of Precipitation,) с шагом 2.5x2.5 градуса за период с 1983 по 2004 гг.

Для оценки качества детерминистских прогнозов, в дополнение к рекомендуемой ВМО среднеквадратической оценке успешности MSSS, являющейся показателем меры мастерства методических прогнозов по сравнению с климатическим прогнозом, использовались следующие оценки: абсолютные и среднеквадратичные ошибки ABSE и RMSE, а также коэффициент корреляции между прогностическими и фактическими значениями метеорологических величин АСС.

В таб. 3 приведены значения пространственно осредненных (по всему земному шару и полосе внетропических широт Северного полушария) статистических показателей успешности MSSS, ABSE, RMSE, АСС для летнего и зимнего сезонов. Из таблицы легко оценить, насколько в количественном отношении успешность мультимодельных прогнозов превосходит прогнозы отдельных моделей.

Анализируя значения абсолютной и среднеквадратичной ошибок, можно отметить, что процедура комлексирования моделей уменьшила абсолютную ошибку на величину от 0.03°С до 0.18°С (по сравнению с ошибками прогноза по разным отдельным моделям) для зимы и от 0.01°С до 0.11°С для лета, а среднеквадратичную ошибку - на величины от 0.05°С до 0.21°С для зимы и от 0.02°С до 0.14°С для лета, соответственно. Высокие значения среднеквадратичных и абсолютных ошибок сезонных прогнозов характерны для внетропических широт, что вызвано, во-первых, худшим качеством прогнозов и, во-вторых, большей изменчивостью фактической температуры в высоких широтах.

Для всех представленных моделей прогнозы относительно успешны для тропического пояса земного шара. Самые высокие показатели качества демонстрирует скомплексированный прогноз.

Таблица 3. Обобщенные показатели качества сезонных прогнозов для Т,!0 по глобусу и внетропической зоне Северного полушария .

Т850 Зима

MSSS ABSE (°С) RMSEfC) АСС

модель Земной шар 90°- 20" с. ш. Земной шар 90°. 20" с. ш. Земной шар 90°- 20° с. ш. Земной шар 90°-20° с. ш.

GDAPS_F -0.00 -0.02 1.23 1.84 1.53 2.28 0.15 0.11

GDAPS_0 -0.03 -0.03 1.25 1.86 1.55 2.29 0.03 0.05

ПЛАВ -0.20 -0.13 1.29 1.90 1.64 2.37 0.14 0.10

JMA -0.10 -0.17 1.30 1.97 1.61 2.44 0.15 0.08

METRI -0.40 -0.14 1.31 1.91 1.64 2.37 0.12 0.13

ГГО 0.04 -0.02 1.22 1.85 1.52 2.30 0.24 0.16

NCC -0.08 -0.07 1.27 1.88 1.58 2.33 0.01 0.02

CFS -0.01 -0.08 1.24 1.89 1.55 2.34 0.19 0.09

MULTI 0.08 0.04 1.19 1.79 1.48 2.21 0.25 0.20

T850 ЛЕТО

MSSS ABSE(°C) RMSEfC) АСС

модель Земной шар 90°- 20° є. ш. Земной шар 90°- 20° с. ш. Земной шар 90°- 20° с. ш. Земной шар 90°- 20° с. ш.

GDAPS_F -0.05 -0.10 1.08 1.16 1.34 1.45 0.15 0.05

GDAPS_0 -0.02 -0.02 1.06 1.12 1.33 1.39 0.14 0.13

ПЛАВ -0.04 -0.04 1.08 1.13 1.34 1.41 0.01 0.04

JMA -0.19 -0.21 1.10 1.17 1.37 1.45 0.15 0.10

METRI -0.14 -0.19 1.12 1.20 1.40 1.49 0.14 0.09

ГГО -0.39 -0.25 1.14 1.19 1.42 1.49 0.08 0.07

GCPS 0.03 -0.03 1.04 1.12 1.30 1.40 0.26 0.17

CFS -0.05 -0.08 1.09 1.15 1.36 1.43 0.14 0.07

MULTI 0.07 0.03 1.03 1.10 1.28 1.36 0.23 0.18

* JMA- Japan Meteorological Agency (Япония), GDAPS_F- Korea Meteorological Administration (Корея), прогностические значения температуры поверхности океана, GDAPS_0 - Korea Meteorological Administration (Корея), инерционные значения температуры поверхности океана, GCPS - Seoul National University (Корея), METRI - Meteorological Research Institute (Корея), ГГО - Главная Геофизическая Обсерватория (Россия), ПЛАВ - Гидрометцентр России (Россия), CFS - National Center for Environmental Prediction (США), MULTI - мультимодельный прогноз .

Кроме него, статистически значимые на уровне менее 20% по Р-критерию коэффициенты корреляции, выделенные в таблице жирным шрифтом, имеют лишь модель ГГО (весь земной шар и экстратропики, летний и зимний сезоны) и модель СРЭ (весь земной шар, зимний сезон).

В разделе 4.4. рассматривались различные методы комплексации ансамблевых прогнозов с использованием 3 ансамблевых прогностических систем - ПЛАВ Гидрометцентра РФ, Главной Геофизической Обсерватории и CFS NCEP Национального Центра по Прогнозам Окружающей Среды США. В ходе расчетов проводились численные эксперименты по нахождению оптимальной комплексации рассматриваемых моделей для детерминистской версии прогнозов с использованием четырех методов их комбинирования, а именно следующих.

•Метод 1 (ММ1). Комплексация осуществлялась без каких-либо весовых коэффициентов - рассчитывались средние по ансамблю численных интегрирований для двух российских моделей ПЛАВ, Гидрометцентра России и ГГО, а затем вычислялось среднее из полученных осреднений по каждой модели.

• Метод 2 (ММ2). Комплексация осуществлялась без каких-либо весовых коэффициентов - рассчитывались средние по ансамблю численных интегрирований для трех моделей, а именно по моделям ПЛАВ Гидрометцентра России, ГГО и CFS NCEP (США), а затем вычислялось среднее из полученных осреднений по каждой модели.

•Метод 3 (ММЗ). В этом подходе использовалась многомерная линейная регрессия рядов наблюдений по отношению к прогнозам каждой модели для нахождения весовых коэффициентов для этих моделей.

•Метод 4 (ММ4). Весовые коэффициенты для членов мультимодельного ансамбля рассчитывались в соответствии с величинами коэффициентов корреляции ретроспективных прогнозов соответствующих моделей с данными наблюдений.

ABSE

ti Jh J|p J „

"" П

ПЛ»е ГГО CFS М>И1 МИ2 ММЗ 1АЛ4

ПЛ/S ГГО CFS Mull UW. МИЗ ММ4

RMSE

МИ2 ММЗ К*М

АСС

ПЛ/« ГГО CFS WM1 ша МИЗ ММ4

| Глобус [_

□ С.»

кЧЧЧЧкЧЧЧ! Тр°™..

Рис. 7. Сгруппированные оценки успешности сезонных прогнозов Нт (зима): Глобус -земной шар, Тропики- тропики (20° ю.ш.-20°с.ш.), Сев.полушарие - внетропическая часть Северного полушария (20°-90° с.ш.). Сев. Евразия - Северная Евразия

На рис. 7 приведены диаграммы сгруппированных оценок для разных параметров качества прогнозов Н500 для зимы.. На диаграмме представлены данные для 7 методов прогнозирования, а именно: 1 группа - ПЛАВ, 2 группа - ГГО, 3 группа - СИЗ, 4 группа -ММ1, 5 группа - ММ2, 6 группа - ММЗ, 7 группа - ММ4. Каждая группа состоит из четырех столбиков, соответствующих регионам осреднения. По параметру р прогноз, составленный по методу ММ2, имеет явное преимущество перед другими методами комплексирования. В подтверждение этому факту по диаграммам легко оценить, что и среднеквадратичные и абсолютные ошибки для этого метода являются минимальными. Большие значения среднеквадратичных и абсолютных ошибок сезонных прогнозов преимущественно относятся к внетропическим широтам, что вызвано, во-первых, худшим качеством прогнозов по этому региону и, во-вторых, большими значениями изменчивости геопотенциала.

По коэффициентам корреляции метод комплексации ММ2 также опережает успешность отдельных моделей и другие способы комбинирования прогнозов. Самые высокие значения (до 0.7) относятся к тропическому поясу. Методы ММЗ и ММ4 во всех перекрестных оценках успешности и для всех рассматриваемых параметров устойчиво уступают по качеству методам ММ1 и ММ2.

В кратком изложении главные результаты Главы 4 сводятся к следующему.

Показано, что методы статистической интерпретации как гидродинамических, так и статистических прогнозов существенно улучшают оправдываемость ДМП.

Предложена усовершенствованная адаптивная схема ансамблевого прогноза хода внутримесячной температуры. Результаты выполненных оценок указывают на целесообразность использования среднесрочных прогнозов для их статистической интерпретации в характеристики динамики температуры внутри месяца при большом числе членов ансамбля. Выявлено, что успешность прогнозов в наибольшей степени связана с кумулятивным значением дисперсии членов ансамбля в сочетании с объективной классификацией. Однако оценки качества прогнозов с использованием избирательных членов ансамбля на существующей небольшой архивной выборке имели нестабильный характер. Поэтому сделан вывод о целесообразности использования в прогностической схеме осредненных значений данных по всем реализациям ансамбля.

Показано, что учет характеристик изменчивости взаимосвязей и пространственного положения информативных районов, а также использование объективной классификации барических полей в средней тропосфере в схеме долгосрочного прогноза является эффективной мерой повышения качества прогноза. Последний вывод подтверждается и результатами Главы 3, полученными другими средствами.

В Главе 5 («Методики применения долгосрочных метеорологических прогнозов для отдельных секторов экономики») приводятся примеры использования результатов диссертационной работы для усовершенствования долгосрочных прогнозов при решении конкретных задач в интересах различных секторов экономики.

В разделе 5.1 представлена новая схема для прогнозирования уровня лесной пожарной опасности (ПО) на долгие сроки. Несмотря на существующую потребность ФГУ «Авиалесохрана» и других заинтересованных подразделений Федерального агентства лесного хозяйства и МЧС в регулярном обеспечении долгосрочной прогностической информации ПО, прогнозы ПО с заблаговременностью месяц и более до настоящего времени

регулярно не составлялись. В данной работе мы впервые представляем результаты экспериментального прогнозирования ПО на весь пожароопасный сезон с апреля по октябрь.

Прогнозы на пожароопасный сезон составлялись на основе расчетного показателя пожарной опасности Нестерова (ППО) с использованием ансамблевых сезонных гидродинамических прогнозов осадков и температуры воздуха по моделям ПЛАВ (Россия) и СР!5 (США) с суточным разрешением и эмпирических прогностических зависимостей между нарастанием ПО и температурой воздуха для 1335 пунктов на территории РФ. Ансамблевые прогностические системы ПЛАВ и СРЭ были оптимально скомплексированы с применением методов, развитых в предыдущей главе. На рис. 8 приводится блок-схема составления прогноза.

Исходные прогностические ПОЛЯ Исходные прогностические ПОЛЯ

модели ПЛАВ модели СРв

Расходировка, форматирование, расчет средних Расходировка, форматирование, расчет средних

значений по ансамблю значений по ансамблю

Комплексирование значений метеопараметров

(температура и осадки), по двум моделям. Интерполирование в координаты 1335 станции

Расчет индексов Нестерова и классов ПО с учетом эмпирических зависимостей нарастания ППО от температуры

Расчет градаций ПО ¥

Рис. 8. Блок-схема технологии выпуска прогноза ПО на долгие сроки

Для долгосрочных прогнозов ПО в данной работе рассматривались не шкалы ПО, а, по аналогии с долгосрочными метеорологическими прогнозами, прогностические значения ПО в 3 градациях, отражающих тенденции прогнозов по отношению к средним климатическим значениям. В связи с этим мы предложили наряду с принятым термином «класс пожарной опасности» (КПО) использовать термин «градация пожарной опасности» (ГПО) по отношению к терцилям частотного распределения исторических значений индекса Нестерова (ГПО=1 - ниже нормы, ГПО=2 - норма, ГПО=3 - выше нормы). При расчете ожидаемых градаций ПО учитывалось также климатическое распределение снежного покрова по еженедельным спутниковым данным со спутника МОАА-ЫЕБОГЭ, полученных с помощью радиометра АУНЯЯ в видимом диапазоне и текущие данные по водному

эквиваленту снега из реанализа INTERIM. Выбор этого реанализа для решения поставленной задачи был основан на результатах, приведенных выше в Главе 2.

На рис. 9 в качестве примера представлен выпущенный в оперативном режиме прогноз ПО на август 2011 г. Предложенная экспериментальная методика оценки ПО на сезон проходила испытание на ретроспективных модельных и фактических данных за 6 лет. Критерий оценивания был принят из методических указаний Росгидромета и адаптирован для оценки не традиционных классов, а градаций ПО. Перекрестная оценка успешности прогнозов также включала сопоставление с климатическими и случайными прогнозами. Расчеты производились как для трех градаций, так и с учетом только крайних градаций.

Август

20 40 60 80 100 120 140 160 180

Долгота

Рис. 9. Прогноз показателя пожарной опасности (ППО) в градациях относительно климатического распределения ППО по территории России на август 2011 г.

В целом оценки успешности показали положительные результаты - наши прогнозы демонстрируют качество выше случайного прогноза и климатического прогноза (в случае прогнозирования крайних градаций ПО), хотя превышение этих уровней и не очень значительно. Вычислительные эксперименты расчетов ПО по каждому члену прогностического ансамбля с последующим осреднением и переводом в ГПО не привели к существенному улучшению оценок успешности прогнозов ГПО.

С нашей точки зрения, эти результаты указывают на перспективность предложенного метода. Предложенная методика внедрена в оперативную деятельность ФГУ «Авиалесохрана».

Раздел 5.2 посвящен сравнению двух существующих методик применения ДМП к задачам теплоэнергетики. Использование адаптированных долгосрочных метеорологических прогнозов в целях оптимизации управления теплоэнергетикой помогает с достаточной заблаговременностью корректировать запасы необходимого топлива, определять регионы

повышенных рисков дефицита мощности в ходе отопительного периода. Особенно востребованными являются долгосрочные прогнозы температуры. В данном разделе приводятся оценки долгосрочных прогнозов температурного режима по территории РФ, выпущенных в двух центрах - в Центре исследований атмосферы и окружающей среды, США (Atmospheric and Environmental Research - AER) и в Гидрометцентре России за экспериментальный холодный период 2008 и 2009 гг. Эти оценки выполнены с целью определения, какая из этих прогностических методик лучше соответствует требованиям энергетической отрасли.

Наряду со стандартными характеристиками температурного режима, рассчитывались специализированные параметры, используемые в практической деятельности российской энергетической отрасли, такие как параметр ГСОП («градус-сутки отопительного периода»). Этот параметр характеризует средний интегральный перепад температур между наружным воздухом и воздухом внутри отапливаемых помещений (СНиП 23-02-2003. Тепловая защита зданий):

ГСОП = г*(Т„-Тнв),

где г - продолжительность периода с температурами, устойчиво держащимися ниже +8°С, Т„„ - средняя температура воздуха внутри отапливаемых помещений, принимаемая за 18.3°С, Тга - средняя температура наружного воздуха (в целом за отопительный период или в пределах какого-либо месяца). Перед сравнением прогнозов между собой была выполнена процедура приведения прогнозов к единому формату, включающая проверку однородности климатических рядов с помощью стандартного нормального теста для расчета климатических норм. Было также проведено тестирование устойчивости климатических норм рядов месячной температуры воздуха для каждого пункта (всего 147 пунктов на территории РФ) в зависимости от периода осреднения. Рассматривались традиционные нормы ВМО 1961-1990 гг и нормы за последний 30-летний период 1978-2007 гг. В результате такого тестирования было установлено, что отличия норм по разным периодам осреднения порой достигают значений более 1°С (для для января и февраля на ЕТР и в Западной Сибири). По этой причине аномалии прогностических значений температурного режима были представлены в терминах отклонений как от традиционных норм за 1961-1990 гг, так и от норм, рассчитанных за период 1978-2007 гг.

Успешность прогнозов оценивалась с использованием следующих параметров: среднеквадратичная ошибка прогнозов; коэффициент корреляции между фактическими и прогностическими аномалиями; параметр Ro - соотношение между совпавшими и несовпавшими по знаку прогностическими аномалиями.

Обобщенные по пространству оценки прогнозов Гидрометцентра (ГМЦ) и AER сведены в таб. 4. Прогностические и фактические значения приведены в таблице в виде отклонений от норм, рассчитанных за разные периоды. Если использовать привязку к официальным нормам ВМО, то прогнозы обоих центров демонстрируют довольно высокие оценки по параметру Ro, не ниже 0.36 для AER и 0.4 для ГМЦ. Такой уровень успешности долгосрочных прогнозов по всем трем показателям считается в мировой практике весьма высоким. При переходе к нормам за период 1978-2007 гг успешность по параметру Ro в целом ухудшается, особенно для прогнозов ГМЦ. Однако для прогнозов ГМЦ отмечаются довольно высокие значения коэффициентов корреляции для всех месяцев рассматриваемого периода, что говорит о хорошем воспроизведении структуры изменчивости поля

температуры. Наиболее успешным месяцем при привязке к новым нормам в прогнозах обоих центров является декабрь.

Таблица 4. Оценки успешности прогнозов температуры воздуха на отопительный период, составленных в Гидрометцентре РФ (ГМЦ) и Atmospheric Environmental Research, США (AER)

Расчет оценок по нормам 1961-1990

RMSE АСС RO

AER 2.65 0.16 0.61

ГМЦ 2.35 0.23 0.61

Расчет оценок по нормам 1978-2007

RMSE АСС RO

AER 2.65 0.05 0.20

ГМЦ 2.35 0.58 0.22

На рис. 10 представлены графики спрогнозированных и фактических значений интегрального показателя ГСОП для рассмотренных населенных пунктов на территории России в зависимости от долготы места. Как видно из этого графика, наибольшие расхождения прогноза с действительностью отмечены для восточной Сибири и Дальнего Востока. Более близкие совпадения отмечены для европейской территории России и районов с более мягкими условиями зимнего периода.

1800

1600

1400

1200

С 1000 О

L 800 600 400 200

°0 20 40 60 80 100 120 140 160 180

Долгота

Рис. 10. Прогнозируемые и фактические значения параметра ГСОП в зависимости от долготы места.

Декабрь, 2009 г.

i..

^ЯШ AER

f: І ГМЦ mm фАКТ -

і. Ii [ і -

В целом прогнозы обоих центров для параметра ГСОП за холодный период продемонстрировали хорошие результаты при среднем отклонении от фактических значений лишь 14-16% в обоих случаях. Эти прогнозы можно использовать как качественные в задачах теплоэнергетики для всего холодного периода.

Главные результаты Главы 5 следующие.

Впервые разработана методика прогнозирования пожарной опасности на сезон. Предложен новый подход, связанный с применением градаций пожарной опасности вместо классов пожарной опасности. Методика прогнозирования основана на использовании оптимальной комплексации гидродинамических прогнозов в соответствии с рекомендациями, описанными в главе 4. Также впервые для прогнозирования уровня пожарной опасности предложено учитывать характеристики снежного покрова. Результаты применения новой методики продемонстрировали ее успешность.

Прогностическая информация представлена в форме специализированных параметров, удобных для использования в практической деятельности энергетического сектора.

В Заключении подытожены основные результаты диссертационной работы (в автореферате они были выделены курсивом выше при изложении содержания глав 2-5) и высказаны завершающие замечания общего характера.

В диссертации показано, что на первый план в задачах совершенствования ДМП выходят средства, связанные с оптимизацией информационной базы, сочетанием методов распознавания образов со статистической интерпретацией ансамблевых гидродинамических прогнозов, использованием современных синоптико-статистических приемов. Такой комплексный подход, названный нами структурно-статистическим, представляется наиболее перспективным для решения задач ДМП. Кроме того, продемонстрированы ресурсы для повышения эффективности использования долгосрочных метеорологических прогнозов -даже при их современном не слишком высоком уровне оправдываемости - в целях решения ряда практических задач (например, применения прогнозов погоды на сезон для оценки уровней лесной пожарной опасности, и т.д.). Разработанная научная идеология формализована в прогностическую схему и внедрена в практическую деятельность Рослесхоза (акт о внедрении прилагается).

Публикации

Публикации в журналах из перечня ВАК

1. Регрессионная схема прогноза месячных осадков на Юге Бразилии. Метеорология и Гидрология, 1999 г. (в соавторстве с P.M. Вильфандом), 2000, №5, стр. 55-66

2. Оценки трендов температуры в свободной атмосфере по данным NCAR/NCEP реанализа и по радиозондовым наблюдениям, "Гидрология и Метеорология", Метеорология и Гидрология, 2003, №12, стр. 5-18, (в соавторстве с К.Г. Рубинштейном, А.М. Стериным)

3. Современное гидрофизическое и гидробиологическое состояние западной части Аральского моря. Океанология, 2003, 43, 2, 316-319. (в соавторстве П.О.Завьяловым и др.)

4. Hydrographie survey in the dying Aral Sea. Geophysical Research Letters, 2003, 30, 1659-1662, DOI: 10.1029/2003 GL017427 (в соавторстве П.О.Завьялов и др.)

5. Long-term variability of air temperature in the Aral sea region, Journal of Marine Systems, 2004, 47,25-34 (в соавторстве с P.M. Вильфандом, П.О.Завьяловым)

6. Комплексные экспедиционные исследования в западной части Аральского моря в октябре 2003 г. Океанология, 44,4, 667-670. ,2004. (в соавторстве с П.О.Завьяловым и др.)

7. Сравнение характеристик снежного покрова для бассейнов великих сибирских рек по результаты численных экспериментов, данных наземных и спутниковых наблюдений и реанализов. 2005, Вычислительные технологии, 10, ISSN 1560-7534, 118-124 (в соавторстве с К.Г. Рубинштейном и С.Громовым)

8. Сравнение сезонной и межгодовой изменчивости снежного покрова в бассейнах рек России по данным наблюдений и реанализов, Известия РАН, Физика атмосферы и океана, 2007, т.43, N1, с. 69-80 (в соавторстве с К.Г. Рубинштейном и А.Б. Шмакиным)

9. Статистический прогноз температуры воздуха на месяц с использованием выходных данных гидродинамических моделей, Метеорология и Гидрология, 2007, N3, стр. 5-13. (в соавторстве с P.M. Вильфандом и В.А. Тищенко)

10. Show Cover Characteristics Over the Main Russian River Basins as Represented by Reanalyses and Measured Data, Journal of Applied Meteorology and Climatology, 2008, Vol. 47, No. 6, 18191833 (в соавторстве с L. Holko. и др.)

11. Snow cover characteristics in the Aral Sea Basin from different data sources and their relation with river runoff, Journal of Marine Systems (2009), doi: 10.1016/j.jmarsys.2008.03.012, v.76, 254262 (в соавторстве с L. Holko)

12. Geodynamical processes in the channel connecting the two lobes of the Large Aral Sea, Hydrol. Earth Syst. Sci., 13,2265-2271,2009 (в соавторстве с E. Roget и др.)

13. Мультимодельный подход при составлении прогнозов погоды на сезон, Метеорология и Гидрология, 2011, №1, 19-29 с. (в соавторстве с В.Н.Крыжовым и др.)

14. Оценка мультимодельного вероятностного прогноза на сезон на основе данных моделей АРСС, Метеорология и Гидрология, 2011, .№3, 5-18 с. (в соавторстве с А.Ю.Бундель и др.)

15. Impact of the European Russia drought in 2010 on the Caspian Sea level, Hydrol. Earth Syst. Sci., 8, 7781-7803, doi:10.5194/hessd-8-7781-2011,2012. (в соавторстве с К. Arpe и др.)

16. Долгосрочное прогнозирование пожарной опасности лесов на основе ансамблевых сезонных прогнозов по модели ПЛАВ, 2012, Метеорология и Гидрология (в печати)

Другие публикации

17. As zonas de TSM de possível impacto para o regime pluviométrico na regiao Su! do Brasil. / Anais de XI Semana Nacional de Oceanografía, 1998, p. 422-424.

18. Использование ансамблевых гидродинамических прогнозов для предсказания хода температуры внутри месяца. Труды конференции молодых ученых, посвященной 80-летию отдела динамической метеорологии Главной геофизической обсерватории, 2001, Санкт-Петербург, 242-248 (в соавторстве с Тищенко В.А.).

19. Связь типов циркуляции в средней тропосфере с успешностью статистического прогноза термического режима приземного воздуха внутри месяца, В сборнике докладов Международной научной конференции, посвященной результатам исследований в области гидрометеорологии и мониторинга загрязнения природной среды в государствах-участниках СНГ, 2002 г., Санкт-Петербург, 3-5 стр. (в соавторстве с P.M. Вильфандом и В.А.Тищенко).

20. Сопоставление месячных данных проекта реанализа NCAR/NCEP с постанционными статистиками радиозондовых наблюдений. В сборнике докладов Международной научной конференции, посвященной результатам исследований в области гидрометеорологии и мониторига загрязнения природной среды в государствах-участниках СНГ, 2002 г., Санкт-Петербург. 9-10 стр. (в соавторстве с К.Г. Рубинштейном и A.M. Стериным)

21. Comparison between monthly data of NCAR/NCEP reanalysis and aerological observations in Southern Hemisphere. 2002 Anais de XII Congresso Latinoamericano de Meteorología, Foz do Iguacu, pp. 1053-1062, (в соавторстве с К.Г. Рубинштейном, A.M. Стериным и С.М. Абдулаевым)

22. Ensemble approach to detailed statistical forecast of surface air temperature, Proceedings of Technical Conference DPFS WMO, 2-3 December 2002, Cairns, in CD, 4p. (в соавторстве с P.M. Вильфандом и В.А.Тищенко)

23. Сравнительный анализ месячных данных pe-анализа NCAR/NCEP и аэрологических наблюдений по южному полушарию, Труды конференции молодых ученых, посвященной 80-летию отдела динамической метеорологии Главной геофизической обсерватории, 2002, Гидрометеоиздат, Санкт-Петербург, стр. 173-181. (в соавторстве с К. Г. Рубинштейном).

24. Результаты исследований по прогнозированию сглаженного хода температуры в течение месяца. Труды Гидрометцентра России, вып. 337,2002, стр. 16-32, Гидрометеоиздат, С.-П. (в соавторстве с P.M. Вильфандом и В.А.Тищенко)

25. Априорное оценивание качества статистических прогнозов хода приземной температуры на основе анализа состояния циркуляции в средней тропосфере. Труды Гидрометцентра России, 2002, вып. 337, стр. 3-15, Гидрометеоиздат, С.-П. (в соавторстве с P.M. Вильфандом и В.А.Тищенко)

26. Усовершенствование методики прогнозирования по ансамблю приземной температуры воздуха в течение месяца. В кн. Фундаментальные и прикладные гидрометеорологические исследования, 2003, стр. 14-23, Гидрометеоиздат, С.-П. (в соавторстве с P.M. Вильфандом и В.А.Тищенко)

27. Схема прогноза внутримесячного хода приземной температуры воздуха с использованием ансамблевого подхода. В кн. Фундаментальные и прикладные гидрометеорологические исследования, 2003, стр. 3-13, Гидрометеоиздат, С.-П. (в соавторстве с P.M. Вильфандом и В.А.Тищенко)

28. Simulation Of Extreme Snow Events Over Eurasia In GCM Experements, Proceedings of International Symposium on Extreme Weather and Climate Events CAS-TWAS-WMO Forum, China 2004, 5p. (в соавторстве с К.Г. Рубинштейном и С.Громовым)

29. О современном экологическом состоянии Аральского моря (апрель 2004 г.). В книге: Экологическое Образование и Устойчивое развитие, А.Т. Матчанов (ред.), 2004, "Каракалпакистан", Нукус, 63-65. (в соавторстве с П.О.Завьяловым и др.)

30. Long-Range forecasting in Roshydromet, Report of Workshop WMO of global producers of long-range forecasts, Jeju Island 10-14 October 2005 in CD.

31. Формирование и таяние снежного покрова в бассейнах великих рек Сибири, 2006, Труды ГУ "Гидрометцентра России", 341, 152-161 (в соавторстве с К.Г. Рубинштейном и др.)

32. Характеристики бризовой циркуляции в западной части Аральского моря, 2006, Экологический вестник, 8, 25-26 (в соавторстве с А.А.Ни)

33. Multiscale and multidisciplinary aspects of snow cover, 14th International Poster Day Transport of Water, Chemicals and Energy in the System Soil-Crop Canopy-Atmosphere, Bratislava, 9.11.2006, 174-177 (в соавторстве с Holko L. и др.)

34. Snow Cover Characteristics Over the Aral Sea Basin from Different Data Sets and their Relationship with the Amudarya and Syrdarya Rivers Runoff Changes, 14th International Poster Day, Transport of Water, Chemicals and Energy in the System Soil-Crop Canopy-Atmosphere, Bratislava, 9.11.2006,212-215 (в соавторстве с Holko L. и др.)

35. Мультимодельный подход при прогнозировании приземной температуры воздуха на сезон, Труды Гидрометцентра России, 342, стр. 3-17, 2008 (в соавторстве с P.M. Вильфандом и В.А.Тищенко)

36. Snow and Landscape: multi-scale and multi-disciplinary Aspects of Snow Cover, Proceedings of 18th ECLAS conference "Landscape Assessment - From Theory to Practice: Applications in Planning and Design", Belgrade October 10th to 14th, eds. Dragovic T. and R. Kadovic, pp. 297307. (в соавторстве с M. Breiling и др.)

37. Upper-air Temperature Trends: Current Problems and Some Recent Results, S. Bronnimann et al. (eds.), Climate Variability and Extremes During the Past 100 Years, Springer, 2008, 85-101. (в соавторстве с К.Г. Рубинштейном и A.M. Стериным)

38. Об успешности долгосрочных прогнозов в холодный период 2008-2009 гг., Сборник докладов Первой Международной научно-практической Конференции «Использование гидрометеорологической информации для нужд энергетической отрасли Российской Федерации», 2 стр. (в соавторстве с Д.Б. Киктевым)

39. Прогнозы погоды на месяц: состояние и перспективы, Юбилейный сборник, посвященный 80-летию Гидрометцентра РФ, 2010, Триада, 235-246 (в соавторстве с В.П. Садоковым, P.M. Вильфандом и В.А.Тищенко)

40. Improvements of seasonal precipitation forecasts using optimal combination of multimodel hydrodynamical forecasts. Proceedings of Taiwan Water Resources Conference, 2010, 154-162 pp.

41. О статистических связях высот снежного покрова с приземной температурой воздуха над территорией северной Евразии, 2011, Сборник докладов научного семинара «Проблемы и достижения долгосрочного метеорологического прогнозирования», с. 15-17

Личный вклад соискателя

В исследованиях по оцениванию результативности применения различных реанализов, спутниковых данных и станционных наблюдений для решения задач, связанных с ДМП и изменениями климата (включая оценивание трендов) лично автором выполнена разработка критерия отбора длиннорядных станций и контроль качества данных, подготовка и обработка массивов, сформулированы обобщенные критерии сравнения метеоэлементов, осуществлены основные расчеты и обобщения, подготовлен графический материал.

В исследованиях крупномасштабных процессов, влияющих на предсказуемость, вклад автора состоит в постановке задачи, реализации расчетов и анализе результатов. В частности, все результаты по исследованию прогностических свойств снежного покрова получены лично автором. В работах по исследованию блокирующих антициклонов и их влияния на предсказуемость автор участвовала в постановке задачи, разработке и реализации плана исследований, в анализе и обобщении результатов.

В работах по усовершенствованию статистического прогноза хода температуры воздуха внутри месяца с использованием ансамблевых гидродинамических прогнозов автор была инициатором постановки задачи, принимала участие в выборе методологии исследования, подготовке унифицированного формата рядов для формирования ансамбля, выполнении серии расчетов, связанных с испытанием схемы на новых ансамблевых входных данных, а также провела серию экспериментов по выявлению успешности прогнозов в зависимости от кумулятивной дисперсии членов ансамбля и использования избирательных членов ансамбля.

В исследованиях по мультимодельному подходу при составлении прогнозов погоды на сезон в детерминистской версии автор участвовала в постановке задачи, и реализовала подход, включая оценивание успешности прогнозов как индивидуальных, так и скомплексированных прогнозов. Численные эксперименты по нахождению оптимальной комплексации трех ансамблевых прогностических систем (ГГО, ГМЦ, СРЭ ЫСЕР) автор выполнила самостоятельно от постановки задачи до подготовки публикации.

Программно-технологический комплекс по прогнозированию пожарной опасности автор реализовала самостоятельно. Работа по оценке возможностей использования долгосрочных прогнозов для нужд энергетической отрасли также была выполнена в основном лично автором.

Автором выполнена основная часть работы по подготовке большинства публикаций.

Подписано в печать: 17.05.2012 Объем: 2,5 п.л Тираж: 130 экз. Заказ№ 156 Отпечатано в типографии «Реглет» 119526, г. Москва, Страстной бульвар, д. 6, стр. 1 (495) 978-43-34; www.reglet.ru

Содержание диссертации, доктора географических наук, Хан, Валентина Моисеевна

Введение.

ГЛАВА 1. История и современное состояние долгосрочного метеорологического прогнозирования

1.1. Долгосрочная предсказуемость и определяющие ее факторы.

1.2. Информационная основа долгосрочных метеорологических прогнозов.

1.3. Эмпирические методы долгосрочного прогнозирования.

1.4. Динамические методы долгосрочного прогнозирования.

1.5. Оперативный выпуск долгосрочных прогнозов в ведущих зарубежных центрах.

1.6. Оперативный выпуск долгосрочных прогнозов в России.

ГЛАВА 2. Реанализы как составляющая информационной основы долгосрочного прогнозирования

2.1. Введение к Главе 2.

2.2. Использование реанализов полей температуры и влажности.

2.2.1. Сопоставление данных реанализов и радиозондовых наблюдений.

2.2.1.1. Использованные данные.

2.2.1.2. Методика сравнения.

2.2.1.3. Анализ результатов - температура воздуха.

2.2.1.4. Анализ результатов - удельная влажность.

2.2.2. Сравнение данных реанализа ИСАЯ/КСЕР и наблюдений по региону Средней Азии.

2.2.3. Глобальные оценки трендов температуры в свободной атмосфере по данным реанализов и по радиозондовым наблюдениям.

2.2.3.1.Использованные данные и их подготовка.

2.2.3.2. Вертикальные профили трендов.

2.2.4. Региональные оценки трендов температуры воздуха по данным реанализов и станционных наблюдений в бассейне Аральского моря.

2.2.4.1. Регионализация и тренды температуры воздуха.

2.2.4.2. Вертикальные распределения трендов.

2.2.4.3. Антропогенное воздействие или естественная изменчивость?.

2.2.4.4. Сезонная изменчивость трендов.

2.2.4.5. Частотная структура изменчивости по результатам вэйвлет-анализа.

2.3. Верификация характеристик снежного покрова из реанализов.

2.3.1. Реанализы снежного покрова по территории России.

2.3.1.1. Использованные данные и методика анализа.

2.3.1.2. Результаты и их обсуждение.

2.3.2. Характеристики снежного покрова в бассейне Аральского моря по данным реанализов и наблюдений и их взаимосвязь с расходами рек.

2.3.2.1. Использованные данные и методы анализа.

2.3.2.2. Сравнение характеристик снежного покрова по данным реанализов и измерений.

2.3.2.3. Изменчивость характеристик снежного покрова и речных расходов.

2.4. Сравнение наземных и спутниковых наблюдений снежного покрова.

Выводы по Главе 2.

ГЛАВА 3. Некоторые характеристики атмосферы и подстилающей поверхности, влияющие на долгосрочную предсказуемость

3.1. Прогностический потенциал снежного покрова.

3.1.2. Районирование полей температуры и водного эквивалента снега по территории Северной Евразии.

3.1.3. Асинхронные корреляции между водным эквивалентом снега и приземной температурой воздуха.

3.1.4. Разложение полей водного эквивалента снега в районах повышенной информативности по ЭОФ.

3.1.5. Трехмерный анализ связей водного эквивалента снега с температурой воздуха в тропосфере и нижней стратосфере Северного полушария.

3.2. Блокирующие антициклоны и их влияние на предсказуемость.

3.2.1. Изменчивость характеристик квазистационарных антициклонов за период с 1950 по 2010 гг.

3.2.2. Блокирующие антициклоны и предсказуемость.

3.2.3. Длительные аномалий температуры и блокинги на территории

Северной Евразии.

3.2.4 Композиционный анализ связей активности блокирующих. антициклонов с характером распределения снежного покрова

3.3. Выводы по Главе 3.

ГЛАВА 4. Интерпретация ансамблевых прогнозов в задачах долгосрочного метеорологического прогнозирования

4.1 Усовершенствованый статистический прогноз хода температуры воздуха внутри месяца с использованием ансамблевых гидродинамических прогнозов.

4.1.1. Испытания схемы прогноза на независимом материале.

4.1.2. Анализ изменчивости связей предиктора и предиктанта и априорная оценка успешности прогнозов.

4.1.3. Объективная классификация изменчивости атмосферных ситуаций.

4.2. Мультимодельный подход при составлении прогнозов погоды на сезон.

4.2.1. Данные и методология.

4.2.2. Оценки успешности мультимодельного прогнозирования.

4.3. Методы комплексации ансамблевых прогнозов.

4.4. Выводы по Главе 4.

ГЛАВА 5. Методики применения долгосрочных метеорологических прогнозов для отдельных секторов экономики

5.1. Введение.

5.2. Долгосрочное прогнозирование пожарной опасности лесов с использованием ансамблевых сезонных прогнозов.

5.2.1. Вводные замечания.

5.2.2. Данные и методология.

5.2.3. Анализ результатов.

5.3. Прогнозирование температурного режима холодного периода для нужд энергетики.

5.3.1. Параметр ГСОП.

5.3.2. Прогностические значения приземной температуры воздуха и ГСОП.262 5.4. Заключение к Главе 5.

Введение Диссертация по наукам о земле, на тему "Усовершенствование долгосрочных метеорологических прогнозов на основе структурно-статистического подхода"

Задачи долгосрочных метеорологических прогнозов (ДМП) занимают особое место среди проблем прогнозирования погоды и климатических изменений. Верное предсказание климатических аномалий на долгие сроки (месяц, сезон, год и более) имеет очевидное практическое значение, которое трудно переоценить. По данным (WWF Russia, 2008), экономический ущерб от неблагоприятных климатических явлений в России ежегодно составляет в среднем 58 миллиардов рублей. Надежное и своевременное предупреждение о таких явлениях, как периоды аномально высоких или низких температур, наводнения, засухи, лесные пожары, и др., может обеспечивать огромный экономический эффект. Зачастую от надежности таких прогнозов зависят качество жизни, здоровье и безопасность населения. В результате стихийных бедствий и условий, связанных с опасными метеорологическими явлениями, в России ежегодно погибают не менее 1000 человек (Revich and Sapozhnikov, 2006), а в отдельные периоды, такие как, например, экстремально жаркое лето 2010 г на европейской территории России, смертность значительно возрастает. Улучшение методов заблаговременного прогнозирования таких явлений может помочь смягчить их негативные последствия. К сожалению, оправдываемость долгосрочных прогнозов остается в настоящее время относительно невысокой. Это объясняется как принципиальными ограничениями предсказуемости эволюции хаотических систем, так и неполнотой знания о физических процессах, ответственных за крупномасштабную изменчивость климатической системы. Кроме того, прогнозирование на длительные сроки предъявляет особенно высокие требования к используемым в прогностических схемах данным.

Подходы к совершенствованию ДМП можно условно разделить на несколько направлений. Одно из них связано с увеличением объема и повышением точности входных данных, составляющих информационную основу прогноза - используемых в качестве предикторов в статистических схемах, либо ассимилируемых при использовании численных моделей. Актуальность этого направления возрастает в связи с происходящим в настоящее время бурным развитием систем наблюдения за состоянием атмосферы и океана, распространением средств спутникового зондирования Земли, а также появлением глобальных массивов метеорологических данных на регулярных сетках (продукты реанализа). Другое направление приложения усилий лежит в сфере усовершенствования численных гидродинамических моделей, используемых в методах ДМП - как в части улучшения самих моделей и заложенных в них параметризаций физических процессов, так и в части разработки новых методических принципов их применения и интерпретации результатов. Поскольку оправдываемость прогноза, рассчитанного по любой отдельно взятой модели, неизбежно снижается с увеличением заблаговременности, долгосрочное прогнозирование на основе какой-либо единственной модели представляется проблематичным. Одним из возможных выходов из положения может оказаться комплексация прогноза, т.е. одновременное использование не одной, а нескольких моделей, после чего прогноз формируется на основе статистического анализа всего множества прогнозов («ансамблевый подход»). Перспективным представляется также г совместное применение статистических и динамических методов прогнозирования. Еще один путь улучшения ДМП - возможно более полное использование имеющейся априорной синоптической информации о крупномасштабных характеристиках атмосферной циркуляции, определяющих предсказуемость и оптимальный выбор предикторов.

Наилучшие результаты могут быть достигнуты при сочетании всех обозначенных выше подходов. Исследованию этого комплекса научных проблем, связанных с задачей повышения качества ДМП, посвящена предлагаемая диссертационная работа.

Общей целью диссертационной работы является развитие методов повышения качества ДМП с применением структурно-статистического подхода. Под термином «структурно-статистический подход» здесь понимается оптимизация основных структурных компонентов технологии подготовки ДМП (организация информационной базы, интерпретация гидродинамических и статистических прогнозов, учет синоптических и макроциркуляционных факторов, адаптация прогнозов для нужд секторов экономики) на основе статистического анализа составляющих их элементов.

Первая глава диссертации имеет обзорный характер. В ней обсуждаются факторы, определяющие оправдываемость долгосрочных прогнозов и возможности ее повышения, а также дается исторический обзор.

Глава 2 посвящена информационной основе долгосрочного прогнозирования -принципам отбора и подготовки данных, используемых для построения ДМП. Поскольку в настоящее время едва ли не главным информационным источником для методов ДМП служат реанализы, главное внимание уделено особенностям применения сеточных полей метеоэлементов (температура и влажность воздуха, характеристики снежного покрова) из различных существующих продуктов реанализов для решения задач ДМП, а также сопоставлению реанализов между собой и с данными наблюдений. Общий вывод состоит в том, что все реанализы неизбежно содержат ошибки, которые могут быть сравнимыми или превосходить по величине сигнал аномалий, являющихся предметом долгосрочного прогнозирования. Репрезентативность тех или иных продуктов реанализа различна для разных метеоэлементов, она также зависит от географического региона, рассматриваемого периода времени, сезона и т.д. Все это необходимо учитывать при подготовке ДМП с использованием реанализов. Сформулированы конкретные методические рекомендации в этом направлении. В этой же главе обсуждаются некоторые особенности использования станционных метеорологических данных и спутниковой информации в целях ДМП, а также долгопериодные тренды в полях метеоэлементов, которые сами по себе обладают определенным прогностическим потенциалом. Обсуждаются аэрологические тренды метеополей с глобальным пространственным покрытием, а затем исследуются более детальным образом некоторые региональные примеры, в частности, тренды температуры воздуха, снежного покрова и речных стоков в Приаралье - районе крупнейшего экологического кризиса.

Продолжением второй главы является следующая Глава 3, в которой исследуются связи долгосрочной предсказуемости с крупномасштабными циркуляционными процессами в климатической системе. В этом контексте рассматриваются характеристики блокирующих антициклонов, а также ранее редко использовавшиеся в прогностических схемах показатели состояния снежного покрова.

Глава 4 целиком посвящена методам интерпретации ансамблевых прогнозов для повышения успешности ДМП. Показано, что этот подход позволяет повысить предсказуемость и улучшить оправ дываемость прогнозов. Предложен метод статистического прогнозирования хода температуры воздуха внутри месяца с использованием ансамблевых гидродинамических прогнозов. Развита методика мультимодельного подхода при составлении прогнозов погоды на сезон.

Наконец, в Главе 5 приводятся некоторые примеры использования результатов диссертации для усовершенствования долгосрочных прогнозов при решении конкретных задач в интересах отдельных секторов экономики. Предложена новая схема для прогнозирования уровня лесной пожарной опасности. Эта схема внедрена в производственную практику служб оперативного управления ФГУ «Авиалесохрана» (акт о внедрении прилагается) для обеспечения в оперативном режиме планирования деятельности ФГУ «Авиалесохрана» и других природоохранных организаций и демонстрирует перпективные результаты. В качестве другого примера практического использования ДМП рассматривается прогнозирование температурного режима на холодный период, основанного на долгосрочных сезонных прогнозах двух центров, в форме, адаптированной для потребителей в энергетической отрасли, что позволяет повысить эффективность решения практических задач в сфере энергетики.

В диссертационной работе создана методическая основа для улучшения ДМП в ходе всего «технологического цикла» подготовки прогноза - от создания информационной базы до применения прогностических выводов к планированию и решению практических задач. Основное внимание уделяется главной «триаде» путей усовершенствования ДМП - 1) повышению обеспеченности и качества метеорологических данных, используемых для прогнозирования; 2) статистической интерпретации модельных расчетов, в частности, за счет мультимодельного (ансамблевого) подхода, и 3) наиболее полному использованию наряду с результатами моделирования информативных для ДМП синоптических процессов, а также параметров крупномасштабной циркуляции атмосферы и подстилающей поверхности.

Диссертационная работа выполнялась автором в Гидрометцентре России в течение 15 лет. На разных ее этапах в ней участвовали коллеги из Гидрометцентра РФ, Института глобального климата и экологии, Института географии РАН, Всероссийского научно-исследовательского института гидрометеорологической информации, Географического факультета МГУ, Института океанологии РАН, Университета Рио Гранде (Бразилия) и ряда других организаций. Всем им автор выражает свою сердечную благодарность.

Заключение Диссертация по теме "Метеорология, климатология, агрометеорология", Хан, Валентина Моисеевна

4.4. Выводы по Главе 4

В заключение этой главы работы перечислим еще раз ее основные результаты.

Предложена усовершенствованная адаптивная схема прогноза хода температуры воздуха на месяц по территории России и стран СНГ. При этом рассматривается не детерминированный прогноз, а ансамбль выходных данных гидродинамической модели (или моделей). Для улучшения прогноза внутримесячного хода температуры используются сведения о динамике метеорологических процессов в течение первой декады месяца. Из прогностических ансамблевых полей отбираются точки, содержащие наиболее важную для прогноза информацию.

Для Евразии наиболее трудно прогнозируемые районы относятся к европейской территории России и северными азиатскими территории. В теплый период года ошибки прогнозов меньше, чем в холодный.

Изучена зависимость успешности прогноза от параметров, характеризующих когерентность прогностического ансамблевого пучка начальных данных. Показано, что успешность прогнозов лучше всего предсказывается кумулятивной суммой дисперсии членов ансамбля.

Предложена процедура априорной оценки успешности прогнозов на основе анализа изменчивости связей предиктанта и предикторов. На примере полей геопотенциала выполнена объективная классификация изменчивости атмосферных ситуаций и выявления «предшественников» развития региональных аномалий. На этой основе построены рекомендации по априорной оценке успешности прогноза в зависимости от типов циркуляции в средней тропосфере.

Впервые в России представлены результаты прогнозов погоды на сезон с применением мультимодельного подхода на базе двух отечественных глобальных гидродинамических моделей (Гидрометцентра РФ и ГГО) и 6 зарубежных моделей, используемых в работе Климатического центра Азиатско-Тихоокеанского сотрудничества. Показано, что успешность мультимодельных прогнозов превосходит прогнозы отдельных моделей. Наиболее успешны прогнозы для тропического пояса, а наименее - для внетропических районов, особенно континентальных.

Выполнено сравнение различных методов комплексации мультимодельного прогноза (с учетом мастерства отдельных моделей и без). Показано, что учет мастерства моделей весовыми коэффициентами при комплексации в рассмотренных случаях не приводит к значимому улучшению успешности прогноза.

ГЛАВА 5. МЕТОДИКИ ПРИМЕНЕНИЯ ДОЛГОСРОЧНЫХ МЕТЕОРОЛОГИЧЕСКИХ ПРОГНОЗОВ ДЛЯ ОТДЕЛЬНЫХ СЕКТОРОВ ЭКОНОМИКИ

5.1. Введение

В связи с новыми угрозами, возникающими в результате изменений климата и ухудшения состояния окружающей среды, участившихся опасных природных явлений, а также последствий быстрой урбанизации и экономической глобализации, значимость для общества климатической информации постоянно возрастает. Интенсивно разрабатываются и применяются на практике новые инструменты поддержки принятия решений для различных социальных и экономических секторов.

Организация в последние годы региональных климатических центров, расширение сети региональных климатических ориентировочных форумов, более тесное сотрудничество с пользователями и усовершенствование технологии подготовки кадров и наращивание потенциала открывают перспективу дальнейшего повышения качества климатического и прогностического обслуживания. Глобальная рамочная основа климатического обслуживания обеспечит такое положение, когда все сектора общества будут располагать ориентированной на пользователя климатической продукцией, что создаст возможности для заблаговременного планирования мер реагирования на меняющиеся климатические условия.

Несмотря на серьезные трудности, связанные с уровнем неопределенности I долгосрочных прогнозов, их разумное использование может обеспечить значительные экономические результаты. Так, например, в результате своевременно принятых компаниями и правительственными организациями мер в ответ на заблаговременные предупреждения о возможных последствиях, связанных с ожидавшимся событием Эль-Ниньо (например, McPhaden et al. 2006а) удалось сэкономить около 1 млрд. долл. США в период 1997-1998 гг. Goddard and Dilley (2005) показали, что своевременно принятые превентивные меры при наличии прогностической информации на долгие сроки способны свести экономический и социальный ущерб от неблагоприятных погодных явлений к минимуму.

Одним из первых в современной России опытов разностороннего диалога специалистов климатологов и потребителей климатической информации стала работа Первой международной научно-практической конференции «Использование гидрометеорологической информации для нужд энергетической отрасли Российской Федерации», прошедшей в Москве 21-22 апреля 2009 г. В ходе дискуссий состоялось обсуждение практических шагов по повышению эффективности энергетики за счет более полного использования климатической информации.

В данной главе диссертационной работы приводятся примеры возможностей использования изложенных выше результатов для усовершенствования долгосрочных прогнозов при решении конкретных задач в интересах различных секторов экономики {Хан и др. 2009, Хан 2012).

5.2. Долгосрочное прогнозирование пожарной опасности лесов с использованием ансамблевых сезонных прогнозов

В данном разделе представлена новая схема для прогнозирования уровня лесной пожарной опасности (ПО) на долгие сроки. При этом используются ансамблевые гидродинамические прогнозы, скомплексированные с учетом результатов Главы 4.

5.2.1. Вводные замечания

Лесные пожары относятся к категории стихийных бедствий природного характера с быстрым распространением и охватом больших территорий. Так, например, беспрецедентные лесные пожары 2010 г в России нанесли большой урон лесному хозяйству и экономике страны, около 60 человек погибли, более 1000 остались без крова. Согласно официальной сводке Федерального агентства лесного хозяйства, площадь, охваченная лесными пожарами на территории России с начала года по август 2010 г, составила 866743 га. Продукты горения в виде взвешенного аэрозоля в воздухе и дыма наносят серьезный ущерб здоровью людей. С другой стороны, лесные пожары влияют на динамику углерода в лесных экосистемах, приводя к эмиссии углерода не только в момент горения, но и после пожаров. Считается, что между частотой возникновения пожаров и изменениями климата существует двусторонняя причинно-следственная связь.

Для эффективной борьбы с лесными пожарами и их последствиями требуются надежные системы прямого и дистанционного мониторинга и достоверные прогнозы возможности их возникновения. Противопожарные мероприятия по охране лесов должны планироваться с учетом пространственно-временных особенностей пожарной опасности, антропогенной нагрузки и в зависимости от погодных условий.

Проблемы лесных и степных пожаров актуальны для многих стран, особенно для США, Канады, Австралии, Испании, Китая, Казахстана, Украины и других. Универсальной системы оценки пожарной опасности, применимой для любых регионов земного шара, на сегодняшний день не существует. В основе большинства существующих в России и за рубежом методик оценки лесной пожарной опасности лежат эмпирические или полуэмпирические, адаптированные к конкретному региону, модели. Наиболее известные за рубежом системы оценки пожарной опасности - это американская NFDRS (National Fire Danger Rating System) (Deeming et al. 1978), канадская CFFDRS (Canadian Forest Fire Danger System) (Stocks, 1989) и австралийская

McArtur Forest Danger Rating System (FDRS) (Luke et al. 1978). Итогом оценочных совещаний по Северо-Американскому региону, проводимых ежегодно с участием специалистов из Канады, Мексики и США, является прогноз ПО на весь пожароопасный сезон. При составлении комплексного прогноза потенциального риска возникновения пожаров учитывается целый ряд факторов, а именно: климатический прогноз на предстоящий период, условия засушливости, состояние снежного покрова и состояние растительных горючих материалов.

В работе (Viegas et al. 2000) приводятся результаты международного эксперимента по оценке эффективности 5 различных индексов ПО для южных регионов Европы. Ретроспективные прогнозы ПО, составленные по различным методикам, сопоставлялись с данными о возникновении и распространении пожаров за период от 3 до 9 лет для шести регионов Франции, Италии и Португалии. Наилучшую оправдываемость прогнозов показали канадский индекс ПО и модифицированный индекс Нестерова. Преимущества и недостатки 3 наиболее широко используемых индексов ПО - канадского, австралийского и американского - качественно оценивались при составлении прогнозов ПО для территории Китая в работе (Tian et al. 2005). Авторы этой работы отдают предпочтение канадскому индексу ПО.

В России история составления прогнозов ПО в лесах насчитывает более 70 лет. Основателем этого направления являлся В.Г. Нестеров. В 40-х годах им был разработан и обоснован метод определения пожарной опасности (ПО) в лесах по специальному комплексному метеорологическому показателю (Нестеров, 1949).

1 , где t - температура воздуха в 15 час местного времени, т - точка росы, п - количество предшествующих последовательных сухих дней (осадки менее 3 мм).

Основная идея этого подхода связана с учетом того факта, что возможность возгорания леса зависит не только от текущих метеорологических условий, но и от погодных условий в предшествующий период времени. Следует отметить, что многие из расчетных формул индексов ПО, используемых в мире, учитывают также скорость ветра. С одной стороны, ветер усиливает испарение и уменьшает влажность горючего материала. С другой стороны, он обеспечивает приток воздуха к очагу уже возникшего пожара и тем самым способствует процессу горения. Вопреки этим качественно верным соображениям, практика показала, что вероятность возникновения лесного пожара коррелирует с силой ветра слабо. Экспериментальные наблюдения, выполнявшиеся еще в 1940-х гг под руководством В.Г. Нестерова в течение нескольких лет, показали, что скорость ветра в лесу редко превышает 1 м/с, следовательно, колебания этой величины малы (Нестеров, 1949). Поэтому ветер не учитывался в комплексном показателе ПО Нестерова.

По величине показателя рассчитывались классы пожарной опасности. В случае прогнозирования высоких классов опасности лесные пожарные службы проводили комплекс противопожарных мероприятий. Метод Нестерова доказал свою эффективность в многолетней практике и успешно используется до настоящего времени. С конца 1970-х гг наряду с индексом Нестерова используются также «показатель влажности» ПВ-1, разработанный в Ленинградском НИИ лесного хозяйства ПВ-2 {Коровин, 1964) и ПВГ(Софронов и др, 2004). В основе этих индексов -тот же комплексный метеорологический показатель Нестерова с введенными поправочными коэффициентами, отражающими специфику процессов испарения влаги, содержащейся в лесных горючих материалах.

Сравнительный анализ эффективности использования метеорологических показателей ПО по Нестерову, ПВ-1, ПВ-2, показателя ПВГ Сафронова, а также канадского показателя Е\¥1 проводился в работе (Софронова, 2006). для центральной части Южного Прибайкалья (на территории Слюдянского лесхоза). Для оценки работы метеорологических показателей использовались сведения о лесных пожарах с 1996 по 2003 гг в регионе исследования и данные ежедневных наблюдений на близлежащей метеостанции Култук с апреля по октябрь за те же годы. Результаты анализа эффективности показателей ПО позволили сделать вывод, что дальнейшее их совершенствование уже не приведет к значительному улучшению корректности прогнозирования ПО. По мнению автора, главным направлением оптимизации оценки ПО является не расширение набора метеорологических показателей ПО, а совершенствование методики составления местных шкал, учитывающих, в частности, характер растительного покрова и типы леса.

Известно, что показатель ПО варьируется в широких пределах в зависимости от условий температурного и влажностного режима. Традиционно (Нестеров, 1949) выделяются 5 классов пожарной опасности по шкале Нестерова. В таб. 5.1 приводятся значения интервалов ППО для каждого класса.

ЗАКЛЮЧЕНИЕ

Данная работа посвящена исследованию круга научных вопросов, возникающих в связи с общей задачей повышения надежности долгосрочных метеорологических прогнозов (ДМП). При этом рассмотрена вся последовательность расчета и реализации прогноза, от отбора и подготовки входных данных до особенностей применения результатов прогнозирования к решению конкретных практических задач. На основе выполненных исследований намечены пути совершенствования качества ДМП с учетом новых синоптико-статистических факторов.

Процедура подготовки информационной основы долгосрочного прогноза предполагает принятие решения о том, какие входные данные и в какой форме должны использоваться для получения оптимальных результатов. Интенсивное развитие в последние годы наблюдательных средств и систем мониторинга параметров атмосферы, океана и суши открывают перед прогнозистами принципиально новые возможности.

Важным шагом вперед стало появление продуктов реанализа, дающих возможность объединить все имеющиеся данные наблюдений из различных источников с учетом основных физических принципов и построить информационную базу на регулярных прстранственно-временных сетках в глобальном пространственном масштабе. Естественно, что эти данные представляются наиболее перспективными с точки зрения их использования для задач метеорологического прогнозирования. Необходимо помнить, однако, что репрезентативность реанализов отнюдь не является абсолютной, и оптимальный выбор из них подмножества входных данных, а также процедуры их использования для ДМП, должны в каждом конкретном случае предметом специального исследования и статистической верификации на натурных данных. Методы объективной классификации (регионализации) последних позволяют оптимизировать как валидацию модельных продуктов, так и выявление устойчивых статистических связей между аномалиями предиктора и предиктанта.

Учет таких связей при подготовке прогноза дает возможность априорной оценки вероятности успешного прогноза и позволяет сделать выбор в пользу той или иной прогностической схемы в зависимости от текущих синоптических условий и крупномасштабных характеристик атмосферной циркуляции. Представляется перспективным расширение набора метеорологических величин, рассматриваемых в качестве предикторов, в частности, использование таких относительно «нетрадиционных» предикторов, как характеристики снежного покрова.

В отношении применения гидродинамических моделей современная мировая тенденция состоит в переходе к ансамблевому и мультимодельному прогнозированию. Вообще говоря, такой подход дает значительно лучшие результаты ДМП, чем использование какой-либо отдельно взятой модели. Однако важное значение при этом имеет выбор оптимального метода комплексакции прогноза, в частности, вопрос целесообразности «взвешивания» результатов прогноза в зависимости от мастерства отдельных моделей ансамбля, дисперсии в пучке ансамблевых прогнозов, и т.д.

Конкретные результаты работы были перечислены в соответствующих главах диссертации. Сформулируем в заключение более общие положения, выносимые на защиту.

1) Показано, что современные продукты реанализа на глобальных регулярных сетках, как правило, могут использоваться в качестве полей предикторов и входных данных гидродинамических моделей при долгосрочном прогнозировании. Однако применимость реанализов в этих целях меняется в широких пределах в зависимости от прогнозируемой величины, рассматриваемых масштабах изменчивости, географического региона и изобарической поверхности. В каждом конкретном случае для оптимального отбора входных данных необходимо предварительное исследование, основанное на статистическом сопоставлении данных реанализа и наблюдений.

2) Предложена процедура априорной оценки успешности прогнозов на основе учета крупномасштабных характеристик циркуляции атмосферы и анализа изменчивости связей предиктанта и предикторов. На примере полей геопотенциала выполнена объективная классификация для типизации изменчивости атмосферных ситуаций и выявления «предшественников» развития региональных аномалий. На этой основе построены рекомендации по выбору оптимальной прогностической схемы в зависимости от типов циркуляции в средней тропосфере.

3) Показано, что успешность мультимодельных прогнозов применительно к прогнозированию на сезон и более долгие сроки превосходит прогнозы отдельных моделей. Впервые для России представлена схема прогнозов погоды на сезон с применением мультимодельного подхода. Также показано, в частности, что учет мастерства моделей весовыми коэффициентами как метод комплексации прогноза в настоящее время не приводит к значимому улучшению его успешности.

4) Рассмотрены прогностические свойства снежного покрова в северной Евразии и выявлены регионы, где снежный покров имеет высокий прогностический потенциал. Масштабы влияния снега на климат с учетом его площадей и характеристик, по-видимому, являются значительно большими, чем традиционно принято считать.

5) Расширение возможностей и повышение эффективности решений задач энергетики и подразделений лесного хозяйства за счет более полного использования климатической информации продемонстрировано на практических разработках в данной работе. Такой подход - адаптация прогностической климатической информации к нуждам пользователей - является одним из важных направлений на пути дальнейшего повышения качества климатического и прогностического обслуживания потребителей.

Как известно, существуют принципиальные ограничения на долгосрочную предсказуемость метеорологических процессов. Поэтому детерминированный прогноз на длительные сроки едва ли окажется возможным даже в условиях дальнейшего ускоренного роста обеспеченности данными наблюдений и выхода на качественно новый уровень знаний о текущем состоянии климатической системы, а также многократного увеличения вычислительных мощностей и разрешающих возможностей численных моделей. Значительно больший оптимизм вызывают перспективы предсказуемости второго рода, то есть возможности прогнозирования статистических характеристик вероятного ансамбля будущих состояний атмосферы. Кроме того, далеко не исчерпаны ресурсы для повышения эффективности использования долгосрочных метеорологических прогнозов - даже при их современном не слишком высоком уровне оправдываемости - в целях решения тех или иных практических задач (например, применения прогнозов погоды на сезон для оценки уровней лесной пожарной опасности, и т.д.).

С точки зрения автора, есть основания надеяться, что внедрение в оперативную практику новых подходов, а также учет при подготовке долгосрочных метеорологических прогнозов новых синоптико-статистических факторов, будет способствовать достижению заметного прогресса при движении в этих направлениях.

Библиография Диссертация по наукам о земле, доктора географических наук, Хан, Валентина Моисеевна, Москва

1. Анисимов, O.A., E.J1. Жильцова. 2012, Об оценках изменений климата 20 и начала 21 веков по данным наблюдений на территории России. Метеорология и гидрология (В печати)

2. Анисимов, O.A., В.А. Лобанов, С.А. Ренева. 2007: Анализ изменений температуры воздуха на территории России и эмпирический прогноз на первую четверть 21 века. Метеорология и гидрология, 10, С. 20-30.

3. Аристов H.A., 1972: Вопросы долгосрочных прогнозов погоды : реперные синоптические процессы и индексы циркуляции в долгосрочных прогнозах погоды. Гидрометеоиздат, Ленинград.

4. Астафьева Н.М., 1996. Вэйвлет-анализ: основы теории и примеры применения.

5. Багров Н.А, Мякишева H.H., 1983: О регрессионной схеме прогноза с предсказателями различной длины рядов наблюдений. Труды Гидрометцентра СССР, 244, С. 3-7.

6. Багров H.A., Кондратович К.В., Педь Д.А., Угрюмов А.И., 1985: Долгосрочные метеорологические прогнозы, Л.: Гидрометеоиздат, 247 с.

7. Багров H.A., 1959: Аналитическое представление последовательности метеорологических полей посредством естественных ортогональных составляющих. Труды ЦИП, 74, С. 3-18.

8. Байдал М.Н., 1972: Взаимосвязь вековой изменчивости уровня Аральского моря, солнечной активности и макротипов атмосферной циркуляции. Труды КАЗНИГМИ, 44, 62-66.

9. Бардин М.Ю., 2005: Североатлантическое колебание и синоптическая изменчивость в Европейско-Атлантическим регионе в зимний период. Изв. РАН, ФАО, 41, № 2, С. 147-157.

10. Бардин М. Ю., 2007: Антициклоническая квазистационарная-циркуляция и ее влияние на аномалии и экстремумы температуры воздуха в западных областях России. Метеорология и гидрология, 2, С.5-18.

11. Батырева О.В., 1969: Расчет значимости коэффициента множественной корреляции и выбор оптимального числа предсказателей. Метеорология и Гидрология, N 3.

12. Батырева О. В., 1983: Сравнение канонических переменных с главными компонентами при учете влияния Северной Атлантики на температуру воздуха на европейской территории СССР. Труды Гидрометцентра СССР, вып. 244.

13. Батырева О.В., Васильев A.A., Вильфанд P.M., Волобуев Н.М., Воробьев В.П., 1999: Тищенко В.А. Автоматическая классификация ежедневных полей геопотенциала. Труды Гидрометцентра России, 330, С. 84-89.

14. Батырева О.В., Вильфанд P.M., Лукиянова Л.Е., Тищенко В.А., 1996: Прогноз хода аномалии температуры внутри месяца осредненный по территории. Метеорология и гидрология, 8, с. 27-36.

15. Блинова E.H., 1961: Гидродинамическая теория климата и долгосрочного прогноза погоды. ДАН СССР, 3. с. 571-574.

16. Боннер P.E., 1969: Некоторые виды классификации. В сб.: Автоматический анализ сложных изображений. М., Мир, 205-235.

17. Вангенгейм Г.Я., 1935: Опыт применения синоптических методов к изучению и характеристике климата. Л: Гидрометеоиздат.

18. Бундель А.Ю., Крыжов В.Н., Мин Е.-М., Хан В.М., Вильфанд P.M., Тищенко В.А., 2011: Оценка мультимодельного вероятностного прогноза на сезон на основе данных моделей АРСС. Метеорология и Гидрология, 3, с. 5-18.

19. Васильев П.П., Васильева Е.Л., 1999: Система статистической интерпретации выходной продукции гидродинамических моделей для среднесрочного прогноза погоды. В сб.:70 лет Гидрометцентру России. СПб, Гидрометеоиздат, с. 118-133.

20. Вильфанд P.M., Рудичева Н.И., 1993: Применение метода канонической корреляции для прогноза аномалии температуры. Метеорология и гидрология, 6, 23-30.

21. Вильфанд P.M., В.А. Тищенко, В.М. Хан, 2008: Мультимодельный подход при прогнозировании приземной температуры воздуха на сезон, Труды Гидрометцентра России, 342, стр. 3-17.

22. Вильфанд P.M., Тищенко В.А., Хан В.М., 2002: Результаты исследований по прогнозированию сглаженного хода температуры в течение месяца. Труды Гидрометцентра России, Гидрометеоиздат, С.-П., 337, стр. 16-32

23. Вильфанд P.M., Тищенко В.А., Хан В.М., 2007: Статистический прогноз хода температуры воздуха внутри месяца с использованием выходных данных гидродинамических моделей. Метеорология и гидрология, 3, 5-13

24. Вильфанд P.M., Тищенко В.А., Хан В.М., 2003: Схема прогноза внутримесячного хода приземной температуры воздуха с использованием ансамблевого подхода. -Фундаментальные и прикладные гидрометеорологические исследования, СПб, Гидрометеоиздат, с. 3-13.

25. Вильфанд P.M., Тищенко В.А., Хан В.М., 2002: Априорное оценивание качества статистических прогнозов хода приземной температуры на основе анализа состояния циркуляции в средней тропосфере. Труды Гидрометцентра России, 337, с. 3-15.

26. Вильфанд P.M., Тищенко В.А., Хан В.М., 2003: Априорное оценивание качества статистических прогнозов хода приземной температуры на основе анализа состояния циркуляции в средней тропосфере, Труды Гидрометцентра России, 338, С. 84-89.

27. Вильфанд P.M., Хан В.М., 2000: Регрессионная схема прогноза месячных осадков на Юге Бразилии, Метеорология и гидрология, 5, pp. 55-66

28. Воейков А.И., 1889: Снежный покров, его влияние на почву, климат и погоду и способы исследования. Изд. 2-е, испр. и знач. доп. Спб.,212 с.

29. Володин Е.М., Дианский H.A., 2006: Моделирование изменений климата в XX-XXII столетиях с помощью совместной модели общей циркуляции атмосферы и океана. Изв. РАН, ФАО, 42, No3. С.291-306.

30. Вонский, С. М. и др., 1975: Составление и применение местных шкал пожарной опасности в лесу: методические указания. ЛенНИИЛХ, 57 с.

31. Гире A.A., 1974: Макроциркуляционный метод долгосрочных метеорологических прогнозов, JL: Гидрометеоиздат, 485 с.

32. Груза Г.В., Коровкина J1.B., 1991: Сезонные особенности пространственного распределения индексов блокирования в Северном полушарии. Метеорология и гидрология, 3, с. 108-110.

33. Груза Г.В., Ранькова Э. Я., Клещенко J1. К., Аристова JI. Н., 2003: Статистический анализ сезонных индексов блокирования в северном полушарии, Труды ВНИИГМИ-МЦД, 171, с. 127-150.

34. Груза Г.В., Ранькова Е.Я., 1970: О принципах автоматической классификации метеорологических объектов. Метеорология и гидрология, 2, с. 12-22.

35. Груза Г.В., Ранькова Е.Я., 1983: Вероятностные метеорологические прогнозы, JI. Гидрометеоиздат, 271 с

36. Груза Г.В., Ранькова Е.Я., Клещенко J1.K., Аристова JI.H., 1999: Связь между климатическими аномалиями на территории России и явлением Эль-Ниньо / Южное Колебание. Метеорология и Гидрология, 5, 32-51.

37. Груза, Г.В., Э. Ранькова, 2009: Оценка предстоящих изменений климата на территории Российской Федерации, Метеорология и гидрология, 11, С. 5-29.

38. Груза Г.В., Ранькова Э.Я., Клещенко Л.К., Аристова JI.H., 2003: Статистический анализ сезонных индексов блокирования в Северном полушарии. Труды ВНИИГМИ-МЦЦ, 171, 127-150.

39. Груза, Г.В., Э. Ранькова, J1.H. Аристова, J1.K. Клещенко, 2006: О неопределенности некоторых сценарных климатических прогнозов температуры воздуха и осадков на территории России. Метеорология и гидрология, 10, С. 5-23.

40. Груза, Г.В., Э. Ранькова, Э.В. Рочева, 2007: Климатические изменения температуры воздуха на территории России по данным инструментальных наблюдений. Бюллетень "Использование и охрана природных ресурсов в России", №3.

41. Дзердзеевский Б.Л., 1975: Общая циркуляция атмосферы и климат, М: Наука, 285 с.

42. Елисеев A.B., Мохов И.И., 2011: Влияние учёта радиационного эффекта изменения альбедо поверхности суши при землепользовании на воспроизведение климата XVI-XXI веков. Изв.РАН. Физика атмосферы и океана, 47(1), С. 18-34.

43. Житорчук Ю.В., 1981: О предсказуемости крупномасштабных атмосферных процессов с большой заблаговременностью. Труды ГГО, 446, с. 82-92.

44. Кац, A.JI. и др., 1975: Методические указания по прогнозированию пожарной опасности в лесах по условиям погоды. М. Гидрометеоиздат, 15 с.

45. Киктев Д.Б., Тросников И.В., Толстых М.А. и др., 2006: Оценки успешности прогнозов сезонных аномалий метеорологических полей для модели SLAV в эксперименте SMIP2. Метеорология и гидрология, 6, С. 16-26.

46. Ким И.С., 1996: Короткопериодные колебания климата Средней Азии и методики прогнозирования. Ташкент, 149с.

47. Климат России/ под ред. Кобышевой Н.В. Спб: Гидрометеоиздат, 2001, 654 с.

48. Коровин Г. Н., 1977: Оценка пожарной опасности в лесу и расчет параметров лесных пожаров на ЭВМ: методические указания. ЛенНИИЛХ, 64 с.

49. Кренке А.Н., Китаев Л.М., Кадомцева Т.Г., 1997: Межгодовые изменения снежного покрова на территории СНГ, Материалы метеорологических исследований, 16, С. 6-24.

50. Лукиянова Л.Е., 1978: Прогноз осадков на сезон с помощью дискриминантного анализа. Труды Гидрометцентра СССР, 195, с.3-9.

51. Мандель И.Д., 1988: Кластерный анализ. М.: Финансы и статистика, 176 с.

52. Мартазинова В.Ф., E.K. Иванова, 2008: Использование синоптической информации методов плавающего и традиционного аналогов в представлении текущих синоптических процессов, Наук, пращ УкрНДГМ1, 257, 5-15.

53. Мещерская A.B., Болдырева H.A., Шалаева Н.Д., 1982: Средние областные запасы продуктивной влаги в почве и высота снежного покрова (статистический анализ и примеры использования). JL: Гидрометеоиздат, 243 с.

54. Мещерская A.B., Потова Н.Д., Николаев Ю.В., 1972: Опыт применения дискриминантного анализа для долгосрочного прогноза осадков, Труды ГГО, 273, с. 29-39.

55. Мещерская A.B., Блажевич В.Г., Голод М.П., Белянкина И.Г., 1985: Статистическая оценка информативности предикторов в зависимости от заблаговременности. Труды ГГО, 480, с. 63- 79.

56. Мирвис В.М., 2001: Оценка и коррекция систематических ошибок гидродинамического прогноза приземной температуры воздуха на месяц для сети станций СНГ. Труды ГГО, 550, с. 155—165.

57. Молоснова Т.И., Субботина О.И., Чанышева С.Г., 1987: Климатические последствия хозяйственной деятельности в зоне Аральского моря. М.: Гидрометеоиздат, 119 с.

58. Мохов И.И., Карпенко A.A., Стотт П.А., 2006: Наибольшие скорости регионального потепления климата в последние десятилетия с оценкой роли естественных и антропогенных причин. Доклады РАН, 406(4), С.538-543.

59. Мультановский Б.П., 1933: Основные положения синоптического метода долгосрочных прогнозов погоды. М.: ЦУЕГМС, 180с.

60. Муравьев A.B., Казначеева В.Д., Круглова E.H., Куликова И.А., 1999: Долгосрочное прогнозирование аномальных синоптических ситуаций. II. Условия эксперимента и результаты прогноза. Метеорология и гидрология, 4, с. 5—15.

61. Муравьев A.B., И.А. Куликова, 2005: Ансамбли прогнозов: методы, проблемы и перспективы, Метеорология и Гидрология, 3, 5-22.

62. Мякишева H.H., Стеблянко H.H., 1983: Использование рядов наблюдений различной продолжительности в регрессионной схеме прогноза аномалий температуры воздуха. Труды Гидрометцентра СССР, 244, 72-75.

63. Нестеров В. Г., 1949: Горимость леса и методы ее определения. Гослесбумиздат, 76 с

64. Оганесян В. В., 2011: О соотношении между продолжительностью аномалий температуры и величиной ее экстремумов, Метеорология и гидрология, 9, С.41-45.

65. Оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации, 2008: Том I и II. Москва.

66. Пагава С.Т., 1948: Синоптический метод месячных прогнозов погоды. Труды ЦИП, 5, с.3-27.

67. Педь Д. А., 1975: О показателях засухи и избыточного увлажнения. Труды Гидрометцентра СССР, 156, С. 19-39.

68. Погосян, Х.П., 1965: Сезонные и внутрисезонные изменения температуры, геопотенциала и атмосферной циркуляции в стратосфере земного шара. МГК при АН СССР, М.: изд-во «Наука», «Метеорология», 10, 111с.

69. Покровская Т.В., 1969: Синоптико-климатологические и гелиогеофизические долгосрочные прогнозы, Гидрометеоиздат, 254 стр.

70. Попова В.В., 2004: Структура многолетних колебаний высоты снежного покрова в Северной Евразии, Метеорология и гидрология, 8, С. 78-88.

71. Попова В.В., Кренке А.Н., 2004: Связь многолетних колебаний толщины снежного покрова в Северной Евразии с крупномасштабной атмосферной циркуляцией // Материалы гляциологических исследований, 96, С. 25-32.

72. Рафаилова Х.Х., 1973: Использование характеристик стратосферы: тропосферы и подстилающей поверхности в долгосрочных прогнозах погоды, Гидрометеоиздать, 317 стр.

73. Рубинштейн К.Г., Громов С.С., Хан В.М., Игнатов Р.Ю., Золоева М. В., 2006: Формирование и таяние снежного покрова в бассейнах великих рек Сибири. Труды ГУ "Гидрометцентра России", 341, 152-161

74. Рубинштейн К.Г., Стерин А.М., 2002: Сравнение результатов реанализа с аэрологическими данными. Изв РАН, серия Физика атмосферы и океана, 38, 3, 301315.

75. Семенов В.Г., 1960: Влияние атлантического океана на режим температуры и осадков на европейской территории СССР, Гидрометеоиздат, 147 стр.

76. Савичев А.И., В.Ю. Цепелев, 2008: Прогноз погоды на месяц по методу типовых макропроцессов. Ученые записки РГМУ, 4, 62-81.

77. Садоков В.П., Вильфанд P.M., 1999: Новые результаты в разработке статистических методов долгосрочных прогнозов погоды и технология их выпуска. В кн. 70 лет Гидрометцентру России. Гидрометеоиздат. СПб, С. 134-140.

78. Сидоренков Н.С., 2002: Атмосферные процессы и вращение Земли, Санкт-Петербург, Гидрометеоиздат, 200 стр.

79. Сонечкин Д.М., Изотов П.Ю., Семенюк Н.В., 1995: Опыт использования расчетов поля Н500 по квазисинхронной модели для предсказания хода температуры воздуха на следующий месяц. Метеорология и гидрология, 12, 32-39.

80. Сонечкин Д.М., Даценко Н.М., Иващенко H.H. Оценка тренда глобального потепления с помощью вейвлетного анализа, 1997: Изв. РАН. Физика атмосферы и океана, 33, 2, С.184-194.

81. Софронов М.А., Т. М. Софронова, А. В. Волокитина, 2004: Оценка пожарной опасности по условиям погоды с использованием метеопрогнозов. Лесное хозяйство, 6, с. 31-32

82. Софронова Т. М., 2006: Разработка мер по совершенствованию оценки пожарной опасности по условиям погоды в горных лесах Южного Прибайкалья, Диссертация на соискание ученой степени кандидата сельхоз. наук., 252 с.

83. Тищенко В.А., 1995: Прогноз сглаженного хода температуры внутри месяца с использованием классификации ежедневных данных по температуре в пунктах. -Метеорология и гидрология, 7, с. 31-38.

84. Тищенко В.А., Хан В.М., 1999: Использование сингулярного спектрального анализа в схеме долгосрочного прогнозирования термического режима. Конф. молодых ученых национальных гидрометслужб стран СНГ. Сборник докл., с. 3-4.

85. Тищенко В.А., Хан В.М., 2003: Априорное оценивание качества статистических прогнозов хода приземной температуры на основе анализа состояния циркуляции в средней тропосфере. Труды Гидрометцентра России, Гидрометеоиздат, С.-П., 337, 3-15.

86. Толстых М.А. и др., 2010: Воспроизведение сезонной атмосферной циркуляции модифицированной полулагранжевой моделью атмосферы. Известия Ран. Физика Атмосферы и Океана, 46, 2, с. 149-160

87. Угрюмов А.И., 2006: Долгосрочные метеорологические прогнозы. Учебное пособие. СПб, изд. РГГМУ, 84 с.

88. Угрюмов А.И. Крутянская А.И. Просекина Г.М., 1973: Об учете температуры поверхности океана при составлении месячных прогнозов погоды по Северной Атлантике. Метеорология и гидрология, 5, с. 28-34.

89. Угрюмов А.И., 1973: О крупномасштабных колебаниях температуры поверхности воды в Северной Атлантике. Метеорология и гидрология, 5, с. 12-22.

90. Филатов А.Н., Муравьев A.B., Реснянский Ю.Д., 1999: Долгосрочный метеорологический прогноз: математические проблемы и возможности гидродинамических моделей. В кн. 70 лет Гидрометцентру России. СПб., 141165.

91. Фролов A.B., Важник А.И., 1999: Интегрированная схема гидродинамического среднесрочного прогноза и объективного анализа глобальных метеорологических полей. В кн. 10 лет Гидрометцентру России. СПб., 25-43.

92. Хан В.М, 2012: Долгосрочное прогнозирование пожарной опасности лесов на основе ансамблевых сезонных прогнозов по модели ПЛАВ, Метеорология и Гидрология (в печати)

93. Хан В.М., A.M. Стерин, К.Г. Рубинштейн, 2003: Оценки трендов температуры в свободной атмосфере по данным NCAR/NCEP реанализа и по радиозондовым наблюдениям, Метеорология и Гидрология, 12, с. 5-18

94. Хан В.М., В.П. Садоков, В.А. Тищенко, P.M. Вильфанд, 2010: Прогнозы погоды на месяц: состояние и перспективы, Юбилейный сборник, посвященный 80-летию Гидрометцентра РФ, 235-246

95. Хан В.М., Крыжов В.Н., Вильфанд P.M., Тищенко В.А., Бундель А.Ю., 2011: Мультимо дельный подход при составлении прогнозов погоды на сезон.-Метеорология и Гидрология, 1, 149-160.

96. Хан В.М., Рубинштейн К.Г., Шмакин А.Б., 2007: Сравнение сезонной и межгодовой изменчивости снежного покрова в бассейнах рек России по данным наблюдений и реанализов, Известия АН, Физика Атмосферы и океана, 1, 43(1), с. 69-80.

97. Чуб В.Е., 2000: Изменение климата и его влияние на природно-ресурсный потенциал Республики Узбекистан. Ташкент: САНИГМИ, 252 с.

98. Чувашина И.Е., 1976: Применение аппарата разложения в двойные ряды по естественным ортогональным функциям координат и времени для исследований временной структуры полей средних суточных температур. Труды ГГО, 367, с. 1222.

99. Шакина Н. П., А. Р. Иванова, 2010: Блокирующие антициклоны: современное состояние исследований и прогнозирования, Метеорология и гидрология, 11, С. 518.

100. Шамен A.M., 1996: Гидрометеорология и мониторинг окружающей среды в Казахстане, Галым, Алма-Ата, 296.

101. Шаповалова Н.С., 1990: Статистика блокирующих образований в атмосфере. Метеорология и гидрология, 8, 20-28.

102. Adams, J., M. Mann, and C. Ammann, 2003: Proxy evidence for an El Nino-like response to volcanic forcing. Nature, 426, 274-278, doi:10.1038/nature02101.

103. Allen, R. J. and C. S. Zender, 2010: Effects of continental-scale snow albedo anomalies on the wintertime Arctic oscillation. J. Geophys. Res., 115, D23105, doi: 10.1029/2010JD014490.

104. Anderson, T.W. 1963: An introduction to multivariate statistical analysis. John Wiley & Sons, New York, 499p.

105. Armstrong, R. L., and M. J. Brodzik, 2005: Northern Hemisphere EASE-Grid weekly snow cover and sea ice extent version 3. Boulder, Colorado USA: National Snow and Ice Data Center. Digital media.

106. Агре, К., Leroy, S. A. G., Lahijani, Н., and Khan, V., 2011: Impact of the European Russia drought in 2010 on the Caspian Sea level, Hydrol. Earth Syst. Sci., 8, 7781-7803, doi:10.5194/hessd-8-7781-2011, 2012.

107. Baldwin M. P., and T. J. Dunkerton, 1999: Propagation of the Arctic Oscillation from the stratosphere to the troposphere. J. Geophys. Res., 104, 30937-46.

108. Baldwin M. P., and T. J. Dunkerton, 2001: Stratospheric harbingers of anomalous weather regimes. Science, 294, 581-84.

109. Baldwin, M. P., and D. W. J. Thompson, 2009: A critical comparison of stratosphere troposphere coupling indices, Q. J. R. Meteorol. Soc., 135, 1661-1672.

110. Balmaseda, M.A., M. K. Davey, and D. L. T. Anderson, 1995: Decadal and Seasonal Dependence of ENSO Prediction Skill. Journal of Climate, 8, 2705-2715.

111. Barriopedro, D., R. Garcia-Herrera, A.R. Lupo, and E.Hernandez, 2006: A climatology of Northern Hemisphere blocking, J. Climate, 19, 1042-1063.

112. Barnston, A. G. and C. F. Ropelewski, 1992: Prediction of ENSO episodes using canonical correlation analysis. Journal of Climate, 5, 1316-1345.

113. Barnston, A. G. and Y. He, 1996: Skill of canonical correlation analysis forecasts of 3-month mean surface climate in Hawaii and Alaska. Journal of Climate, 9, 2579-2605.

114. Basist A.N., Chelliah M., 1997: Comparison of Tropospheric Temperatures Derived from the NCEP/NCAR Reanalysis, NCEP Operational Analysis, and the Microwave Sounding Unit, Bulletin of the American Meteorological Society, 78, 7.

115. Beljaars, A.C.M., P. Yiterbo, M.J. Miller, and A.K. Betts, 1996: The anomalous sensitivity over USA during July 1993: sensitivity to land surface parameterization. Mon. Wea. Rev., 124, 362-383.

116. Blanford H. F., 1884: On the connexion of the Himalaya snowfall with dry winds and seasons of drought in India, Proc. Roy. Soc. London, 37, 1-23.

117. Boer G. J., 2005: An Evolving Seasonal Forecasting System using Bayes' Theorem. Atmosphere-Ocean, 43 (2) 2005, 129-143

118. Brandefelt, J., and H. Kornich, 2008: Northern Hemisphere Stationary Waves in Future Climate Projections. J. Climate, 21, 6341-6353.26

119. Brown, R. D., and P. Mote, 2009: The response of Northern Hemisphere snow cover to a changing climate. J. Climate, 22, 2124-2145.

120. Brown, R. D., B. Brasnett and D. Robinson, 2003: Gridded North American Monthly Snow Depth and Snow Water Equivalent for GCM Evaluation. Atmos. Ocean, 41, 1-14.

121. Cane, M. A., S. E. Zebiak, and S. C. Dolan, 1986: Experimental Forecasts of El-Nino. Nature, 321(6073), 827-832.

122. Charney,J.G. and Drazin, P.G.,1961: Propagation of planetary-scale disturbances from the lower into the upper atmosphere. J.Geophys.Res., 66, 83-109

123. Chen, D., S.E. Zebiak., A.J. Busalacchi, M.A. Cane, 1999: An Improved Procedure for EI Nino Forecasting: Implications for Predictability. Science, 269(5231), 1699-1702.

124. Chelliah M., Ropelewski C.F., 2000: Reanalyses-Based Tropospheric Temperature Estimates: Uncertainties in the Context of Global Climate Change Detection. Journal of Climate, 13, 1.

125. Christopher S., 1992: Brethetron and other. An intercomparison of methods for finding coupled patterns in climate data. Journal of Climate, 5, 6.

126. ChristyJ. R., 1995: Temperature Above the Surface Level, Climatic Change, 31, p.455-474.

127. Clark M. P. and M. C. Serreze, 2000: Effects of Variations in East Asian Snow Cover on Modulating Atmospheric Circulation over the North Pacific Ocean. J. Climate, 13, 37003710.

128. Clark, M. P., M. C. Serreze, and D. A. Robinson, 1999: Atmospheric controls on Eurasian snow extent. Int. J. Climatol., 19, 27-40.

129. Coelho C.A.S., S. Pezzulli, M. Balmaseda, F. J. Doblas-Reyes, D. B. Stephenson, 2004: Forecast Calibration and Combination: A Simple Bayesian Approach for ENSO. J. Climate, 17, 1504-1516.

130. Cohen, J., and C. Fletcher, 2007: Improved skill for Northern Hemisphere winter surface temperature predictions based on land-atmosphere fall anomalies, J. Clim., 20, 4118— 4132, doi: 10.1175/JCLI4241.1.

131. Cohen, J., and D. Entekhabi, 1999: Eurasian snow cover variability and Northern Hemisphere climate predictability. Geophys. Res. Lett., 26, 345-348.

132. Cohen, J., J. Foster, M. Barlow, K. Saito, and J. Jones, 2010: Winter 2009-2010: A case study of an extreme Arctic Oscillation event. Geophys Res Lett, 37, LI7707, doi: 10.1029/2010GL044256.

133. Cohen, J., M. Barlow, P. Kushner, and K. Saito, 2007: Stratosphere-Troposphere coupling and links with Eurasian Land-Surface Variability, J. Climate, 21, 5335-5343.

134. Dee DP, Uppala SM, Simmons AJ, Berrisford P, Poli P, Kobayashi S, Andrae U, Balmaseda MA, Balsamo G, Bauer P, Bechtold P, Beljaars ACM, van de Berg L, Bidlot J,

135. Deeming J E, Burgan R E, Cohen J D., 1978: The National Fire-Danger Rating System-USD A For. Serv. Intermt. For. and Range Exp. Stn., Ogden, Utah. Gen. Tech. Rep. INT-39

136. Doblas-Reyes, F., M. Deque, and J.-P. Piedelievre, 2000: Multi-model spread and probabilistic seasonal forecast in PROVOST. Quart. J. Roy. Meteor. Soc., 126, 2069-2087

137. Drusch M., D. Vasiljevic and P. Viterbo, 2004: ERA-40's global snow analysis: Assessment and revision based on satellite observations. Journal of Applied Meteorology, 43, 1282-1294

138. Efron, B. 1983: Estimating the error rate of a prediction rule: Improvement on cross validation. J.Amer.Stat, 78, p. 316-331.

139. Emile-Geay, Julien, Richard Seager, Mark A. Cane, Edward R. Cook, Gerald H. Haug, 2008: Volcanoes and ENSO over the Past Millennium. J. Climate, 21, 3134-3148.

140. Eskridge R.E., O.A. Alduchov, I.V. Chernykh, Z. Panmao, A.C. Polansky and S.R. Doty, 1995A: Comprehensive Aerological Reference Data Set (CARDS): Rough and systematic errors, BAMS, 76, p. 1759-1775.

141. Evans,R.E., Harrison,M.S.J. and Graham,R.J., 2000: Joint Medium Range Ensembles from the UKMO and ECMWF Systems. Mon. Wea. Rev., 128, 9, 3104-3127.

142. Fallot J.M., R. Barry, and D. Hoogstrate, 1997: Variations of mean cold season temperature, precipitation and snow depths during the last 100 years in the former Soviet Union (FSU). Hydrol. Sci. J., 42, 301-327.

143. Fischer, E. M., S. I. Seneviratne, P. L. Vidale, D. Luthi, and C. Schar, 2007: Soil moisture— atmosphere interactions during the 2003 European summer heat wave. Journal of Climate, 20, 5081-5099.

144. Fletcher, C. G., and P. J. Kushner, 2011: The role of linear interference in the annular mode response to tropical SST forcing. J. Climate, 24, 778-794.

145. Fletcher, C. G., P. J. Kushner, and J. Cohen, 2007: Stratospheric control of the extratropical circulation response to surface forcing. Geophys. Res. Lett., 34, L21802, doi: 10.1029/2007GL031626.

146. Fletcher, C. G., S. C. Hardiman, P. J. Kushner, and J. Cohen, 2009: The dynamical response to snow cover perturbations in a large ensemble of atmospheric GCM integrations. J. Climate, 22, 1208-1222, doi:10.1175/2008JCLI2505.1.

147. Foster J., G. Liston, R. Koster, R. Essery, Behr H., Dumenil L., D. Verseghy, S. Thompson, D. Pollard and J. Cohen, 1996: Snow cover and snow mass intercomparisons of general circulation models and remotely sensed datasets. J. Climate, 2, 409-426.

148. Foster, J., M. Owe, and A. Rango, 1983: Snow Cover and Temperature Relationships in North America and Eurasia. J. Clim. and Appl. Meteor., 22, 460-469.

149. Frei, A. and D.A. Robinson, 1998: Evaluation of snow extent and its variability in the Atmospheric Model Intercomparison Project. J. Geophys. Res., 103, 8859-8871.

150. Frei, A., and G. Gong, 2005: Decadal to century scale trends in North American snow extent in coupled atmosphere-ocean general circulation models. Geophys. Res. Lett., 32, LI8502, doi: 10.1029/2005GL023394.

151. Frei, A., R. Brown, J.A. Miller, and D.A. Robinson, 2005: Snow mass over North America: Observations and results from the second phase of the Atmospheric Model Intercomparison Project (AMIP-2), J. Hydromet., 6, 681-696.

152. Gaffen D., 1994: Temporal Inhomogeneities in Radiosonde Temperature Records. Journ. Gophys. Res., 99, 3667-3676.

153. Gaffen D.I., Sargent M.A., Habermann R.E., and J.R. Lanzante, 2000: Sensitivity of Tropospheric and Stratospheric Temperature Trends to Radiosonde Data Quality. J. Climate, 13, 1776-1796.

154. Garfinkel, C. I., D. L. Hartmann, and F. Sassi, 2010: Tropospheric Precursors of Anomalous Northern Hemisphere Stratospheric Polar Vortices. J. Climate, 23, doi: 10.1175/2010JCLI3010.1.

155. Gibson, J., P. Kallberg, S. Uppala, A. Nomura, A. Hernandez, and E. Serrano, 1997: ERA description. ECMWF Re-Analysis Final Rep. Series 1, 71 pp.

156. Glahn H.R., 1976: Numerical-statistical forecasting in the National Weather Service. Weather forecasting and weather forecasts: models, systems and users. Boulder, Colorado, 2, p.448-522.

157. Glantz, M. H., 1999: Creeping Environmental Problems and Sustainable Development in the Aral Sea Basin. Cambridge University Press, 304 pp.

158. Goddard, L. and M. Dilley, 2005: El Niño: Catastrophe or opportunity?, J. Climate,19, 6443-6445

159. Gong, G., D. Entekhabi, and J. Cohen, 2003: Modeled Northern Hemisphere winter climate response to realistic Siberian snow anomalies. J. Climate, 16, 3917-3931.

160. Graf, H.-F., J. Yang, and T. M. Wagner, 2009: Aerosol effects on clouds and precipitation during the 1997 smoke episode in Indonesia. Atmospheric Chemistry and Physics, 9, 743756, doi: 10.5194/acp-9-743-2009.

161. Graham R. J., Evans, A. D. L. Mylne, K. R. Harrison, M. S. J.&Robertson K. B., 2000: An assessment of seasonal predictability using atmospheric general circulation models. Q. J. R. Meteorol. Soc., 126, 2211-2240.

162. Groisman, P. Ya., T. R. Karl, R. W. Knight, and G. L. Stenchikov, 1994: Changes of snow cover, temperature, and radiative heat balance over the Northern Hemisphere. J. Climate, 7, 1633-1656.

163. H. van. Loon and Labitzke, 1998: The global range of the stratospheric decadal wave, Part I: Its association with the sunspot cycle in summer and in the annual mean, and with the troposphere. J. Climate, 11, 1529-1537

164. Hahn, D. and J. Shukla, 1976: An apparent relationship between Eurasia snow cover and Indian monsoon rainfall. J. Atmos. Sci., 33, 2461-2463.

165. Hall, A., and X. Qu, 2006: Using the current seasonal cycle to constrain snow albedo feedback in future climate change. Geophys. Res. Lett., 33, L03502, doi: 10.1029/2005GL025127

166. Held, I. M. and M. Ting, 1990: Orographic Versus Thermal Forcing of Stationary Waves -the Importance of the Mean Low-Level Wind. Journal of the Atmospheric Sciences, 47(4), 495-500.

167. Henderson, G. R., and D. J. Leathers, 2009: European snow cover extent variability and associations with atmospheric forcings. Int. J. Climatol., DOI: 10.1002/joc.l990.

168. Hurrel J.W., Trenberth K.E., 1998: Difficulties in Obtaining Reliable Temperature Trends: Reconciling the Surface and Satellite Microwave Sounding Unit Records. J. Climate, 11, p. 945-967.

169. Hurrell J.W., Brown S.J, Trenberth K.E. and Christy J.R., 2000: Comparison of Tropospheric Temperatures from Radiosondes and Satellites: 1979-98. Bulletin of American Meteorological Society, 81, No. 9.

170. Hurrell J.W., Trenberth K.E., 1999: Global Sea Surface Temperature Analyses: Multiple Problems and Their Implications for Climate Analysis, and Reanalysis. Bulletin of the American Meteorological Society, 80, No. 12.

171. Ineson, S., and A. A. Scaife, 2009: The role of the stratosphere in the European response to El Nino. Nature Geoscience, 2, DOI: 10.1038/NGE0381.

172. Ji M., D. W. Behringer and A. Leetmaa, 1998: An improved coupled model for ENSO prediction and implications for ocean initialization. Part II: The coupled model. Monthly Weather Review, 126, 1022-1034.

173. Jones, P.D., S.C.B. Raper, R.S. Bradle, H.F.Diaz, P.M. Kelly and T.M.L. Wigley, 1986: Northern Hemisphere surface air temperature variations 1851-1984, Journal of Climate and Applied Meteorology, 25, 161-179.

174. Kalnay E., and Coauthors. The NCEP/NCAR 40 Year Reanalysis Project. BAMS, 1996, v. 77, p.437-471

175. Kanamitsu, M., W. Ebisuzaki, J. Woolen, S. K. Yang, J. J. Hnilo, M. Fiorino, and G. L. Potter, 2002: NCEP-DOE AMIP-II reanalysis (R-2). Bull. Amer. Meteor. Soc., 83, 16311643.

176. Khan V. M., R. M. Vil'fand and P.O. Zavialov, 2004: Long-term variability of air temperature in the Aral sea region, Journal of Marine Systems, 47, 25-34.

177. Khan V., L. Holko, K. Rubinstein and M. Breiling, 2008: Snow Cover Characteristics Over the Main Russian River Basins as Represented by Reanalyses and Measured Data, Journal of Applied Meteorology and Climatology, 47, 6, 1819-1833

178. Khan V.M., Tischenko V.A. and Vil'fand R.M., 2002: Ensemble approach to detailed statistical forecast of surface air temperature. Technical Conference DPFS WMO, Cairns, in CD, 4p.

179. Khan, V.M., Holko, L., 2009: Snow cover characteristics in the Aral Sea Basin from different data sources and their relation with river runoff. Journal of Marine Systems, doi:10.1016/j.jmarsys.2008.03.012, v.76, 254-262

180. Kharin, V. V., and F. W. Zwiers, 2003: Improved seasonal probability forecast. J. Climate, 16, 1684-1701.

181. Kistler, R, and Coauthors, 2001: The NCEP-NCAR 50-Year Reanalysis: Monthly Means CD-ROM and Documentation. Bull. Amer. Meteor Soc., 82, 247-267.

182. Kleeman R., A. M. Moore, N. R. Smith, 1995: Assimilation of subsurface thermal data into asimple ocean model for the initialization of an intermediate tropical coupled oceanatmosphere forecast model. Monthly Weather Review, 123, 3103-3113.

183. Krenke, A, 1998, updated 2004: Former Soviet Union hydrological snow surveys, 19661996. Edited by NSIDC. Boulder, CO: National Snow and Ice Data Center/World Data Center for Glaciology. Digital media.

184. Krishnamurti, T.N., Kishtawal, C.M., LaRow, T.E., Bachiochi, D.R., Zhang, Z., Williford, E.C., Gadgil, S., Surendran, S., 1999: Improved Weather and Seasonal Climate Forecasts from Multimodel Superensemble. Science, 285(5433), 1548-1550.

185. Krishnamurti T.N., Kishtawal C.M., Zhang Z, LaRow T., Bachiochi D., Williford E., Gadgil S. and Surendran S., 2000: Multi-model superensemble forecasts for weather and seasonal climate, J.Climate, 13, 4196-4216

186. Li, Z., A. Barcilon, and I.M. Navon, 1999: Study of block onset using sensitivity perturbations in climatological flows. Mon. Wea. Rev., 127, 879 900.

187. Li, H., Robock A., Liu S, Mo X. and Viterbo P., 2005: Evaluation of Reanalysis Soil Moisture Simulations Using Updated Chinese Soil Moisture Observations. J. Hydromet., 6, 180-193.

188. Lorenz E. N., 1975: Climatic Predictability, in The Physical Basis of Climate and Climate Modelling, GAPR Publication Series No. 16. Geneva, World Meteorological Organization, 133-136.

189. Lorenz E. N., 2006: Predictability—a problem partly solved, in Predictability ofWeather and Climate, T. Palmer and R. Hagedorn, eds. New York: Cambridge University Press, 40-58

190. Luke R H, McArthur A G., 1978: Bushfires in Australia. CSIRO Div. For. Res. Australian Gov. Publ. Serv, p. 359.

191. Lupo A.R., 1997: A diagnosis of two blocking events that occurred simultaneously over the mid-latitude Northern Hemisphere, Mon. Wea. Rev., 125. 1801-1823.

192. Lupo A.R., Bosart L.F., 1999: An analysis of a relatively rare case of continental blocking. Quart. J. Roy. Meteor. Soc., 125, 107-138.

193. Lupo A.R., Smith P.J., 1995: Planetary and synoptic-scale interactions during the life cycle of a mid-latitude blocking anticyclone over the North Atlantic. Tellus, V. 47A, P. 575-596.

194. Lund J.A., 1963: Map-pattern classification by statistical methods, J. Appl. Meteorology, 2, 1,56-65.

195. Martius, O., L. M. Polvani, and H. C. Davies, 2009: Blocking precursors to stratospheric sudden warming events. Geophys. Res. Lett., 36, L14806, doi:10.1029/2009GL038776.

196. Matsuno, 1970: Vertical propagation of stationary planetary waves in the winter Northern Hemisphere. J. Atmos. Sci., 27, 871-883.

197. McPhaden, M.J., S.E. Zebiak, and M.H. Glantz, 2006: ENSO as an integrating concept in Earth science. Science, 314, 1740-1745.

198. Micklin, P, 2002: "Water in the Aral Sea Basin of Central Asia: Cause of Conflict or Cooperation?" Eurasian Geography and Economics, 43, 7, 505-528.

199. Molteni F., Buizza R., Palmer T.N. and Petroliagis T., 1996: The ECMWF Ensemble Prediction System: Methodology and Validation. Quart.J.Roy.Meteor.Soc., 122, 73-119.

200. Mason SJ, 2008: From dynamical model predictions to seasonal climate forecasts, in: Seasonal Climate: Forecasting and Managing Risk, Troccoli A, Harrison M, Anderson DLT and Mason SJ, eds, NATO Science Series, Springer Academic Publishers, 205-234.

201. Mote, T., 2008: On the role of snow cover in depressing air temperature, J. Appl. Meteorol.Climatol., 47, 2008-2022, doi:10.1175/ 2007JAMC 1823.1.

202. Muminov F.A., and I.I. Inagatova, 1995: Variability of Central Asian Climate, SANIGMI, Tashkent, 215 pp. (in Russian)

203. Mylne,K.R., 2000: Multi-model ensembles, poor man's ensembles and super-ensembles -A brief review, Report of WMO Workshop on the use of ensemble prediction, 16-20 October 2000, Beijing, China

204. Nutter, P. A., S. L. Mullen, and D. P. Baumhefner, 1998: The impact of initial condition uncertainty on numerical simulations of blocking. Mon. Wea. Rev., 126, 2482-2502.

205. Nezlin, N.P., A.G. Kostyanoy and S.A. Lebedev, 2004: Interannual variations of the discharge of Amudarya and Syrdarya estimated from global atmospheric precipitation. Journal of Marine Systems, 47, 151, 67-76.

206. Ni-Meister, W.,2008: Recent advances on soil moisture data assimilation. Physical Geography, 29(1), 19-37.

207. Nishii, K., H. Nakamura, and T. Miyasaka, 2009: Modulations in the planetary wave field induced by upward-propagating Rossby wave packets prior to stratospheric sudden warming events: A case-study. Q. J. R. Meteorol. Soc., 135, 39-52.29

208. Nishii, K., H. Nakamura, and Y. J. Orsolini, 2010: Cooling of the wintertime Arctic stratosphere induced by the western Pacific teleconnection pattern. Geophys. Res. Lett., 37 , L13805,doi: 10.1029/2010GL043551.

209. Nutter, P. A., S. L. Mullen, and D. P. Baumhefner, 1998: The impact of initial condition uncertainty on numerical simulations of blocking. Mon. Wea. Rev., 126, 2482-2502.

210. Oort A.H., Liu H., 1993: Upper Air Temperature Trends over the Globe, 1958 -1989. Journal of Climate, 6, No. 2.

211. Orsolini, Y. J. and N. G. Kvamsto, 2009: Role of Eurasian snow cover in wintertime circulation:Decadal simulations forced with satellite observations. J. Geophys. Res., Doi:10.1029/2009jD012253.

212. Palmer, T. N., 1999: A Nonlinear dynamical perspective on climate prediction. J. Climate, 12, 575-591

213. Panagiotopoulos, F., M. Shahgedanova, A. Hannachi, and D. B. Stephenson, 2005: Observed trends and teleconnections of the Siberian High:A recently declining center of action. J. Climate, 18, 1411-1422

214. Park S. K., Miller K. W., 1988: Random Number Generators: Good ones are hard to find. Comm. ACM, 10, Vol. 32, 1192-1201.

215. Pavan, V., and F. J. Doblas-Reyes, 2000: Multi-model seasonal hindcasts over the Euro-Atlantic: skill scores and dynamic features. Climate. Dyn., 16, 611-625

216. Pelly, J.L., and B.J. Hoskins, 2003b: How well does the ECMWF Ensemble Prediction System predict blocking. Quart. J. Roy. Meteor. Soc., 129, 1683 1703.

217. Peng, P., A. Kumar, and H. van den Dool, 2002: Analysis of multimodel ensemble predictions for seasonal climate anomalies. J. Geophys. Res., 107, 4710, doi: 10.1029/2002JD002712

218. Penland, Cécile, Theresa Magorian, 1993: Prediction of Nino 3 Sea Surface Temperatures Using Linear Inverse Modeling. J. Climate, 6, 1067-1076.

219. Polvani, L. M., and D. W. Waugh, 2004: Upward wave activity flux as precursor to extreme stratospheric events and subsequent anomalous surface weather regimes. J. Climate, 17, 3548-3554.

220. Portman, D. A., and D. S. Gutzler, 1996: Explosive volcanic eruptions, the El Nino-Southern Oscillation, and U.S. climate variability. J. Climate, 9, 17-33.

221. Scinocca, J. F., P. H. Haynes, 1998: Dynamical Forcing of Stratospheric Planetary Waves by Tropospheric Baroclinic Eddies. J. Atmos. Sci., 55, 2361-2392.

222. Rajagopalan, B., U. Lall and S. Zebiak, 2002: Categorical climate forecasts through regularization and optimal combination of multiple GCM ensembles. Mon. Weather Rev., 130, 1792-1811.

223. Reichler T. and J. O. Roads, 2004: Time-Space Distribution of Long-Range Atmospheric Predictability. J. Atmos. Sci., 61, 249-263

224. Revitch, B.A., and D.A. Shaposhnikov, 2006: Climate, air quality and mortality in Moscow in 2000 2006. IN: Climate, air quality and health of Moscow population. P.102-140

225. Robinson, D. A., K. F. Dewey, and R. R. Heim, Jr. 1993: Global snow cover monitoring: an update. Bull. Amer. Meteor. Soc., 14, 1689-1696.

226. Robock, A. and J. Mao, 1995: The volcanic signal in surface temperature observations. Journal of Climate, 8, 1086-1103.

227. Roesch, A., 2006: Evaluation of surface albedo and snow cover in AR4 coupled climate models. J. Geophys. Res., Ill, D15111, doi:10.1029/2005JD006473.

228. Roget E., Zavialov P., Khan V., and Muniz M.A., 2009: Geodynamical processes in the channel connecting the two lobes of the Large Aral Sea, Hydrol. Earth Syst. Sci., Hydrol. Earth Syst. Sci., 13, 2265-2271.

229. Ropelewski, C.F., M.S. Halpert, 1996: Quantifying Southern Oscilation Precipitation Relationships. Journal of Climate, 9, 1043-1059.

230. Saito, K. and J. Cohen, 2003: The potential role of snow cover in forcing interannual variability of the major Northern Hemisphere mode. Geophys. Res. Lett., 30, 1302, doi: 10.1029/2002GL016341.

231. Schar, C., L. Vasilina, F. Pertziger, and S. Dirren, 2004: Seasonal runoff forecasting using precipitation from meteorological data assimilation systems. Journal of Hydrometeorology, 5, 959-973.

232. Schubert, S. D., R. B. Rood, and J. Pfaendtner, 1993: An assimilated dataset for earth science applications. Bull. Amer. Meteor. Soc., 74, 2331-2342.

233. Seidel D., and Couathors, 2002: Intercomparison of Global UpperAir Temperature Datasets from Radiosondes and Satellites. Conf. American Geophysical Union

234. Serreze, M. C., D. H. Bromwich, M. P. Clark, A. J. Etringer, T. Zhang, and R. B. Lammers, 2003: The large-scale hydro-climatology of the terrestrial Arctic drainage system. J. Geophys. Res., 108, 8160, doi: 10.1029/2001JD000919.

235. Serreze, M. C., and C. I. Hurst, 2000: Representation of mean Arctic precipitation from NCEP-NCAR and ERA reanalysis. J. Climate, 13, 182- 201.

236. Shukla, J., 1981: Dynamical Predictability of Monthly Means. J. Atmos. Sci., 38, 25472572

237. Shukla, J., J. Anderson, D. Baumhefner, C. Brankovic, Y. Chang, E. Kalnay, L. Marx, T. Palmer, D. Paolino, J. Ploshay, S. Schubert, D. M. Straus, M. Suarez, and J. Tribbia, 2000: Dynamical seasonal prediction. Bull. Amer. Meteor. Soc., 81, 2593-2606.

238. Silverman, D. and J. A. Dracup, 2000: Artificial neural networks and long-range precipitation prediction in California. Journal of Applied Meteorology, 39, 57-66.

239. Small, E. E., L. C. Sloan, et al., 2001: Changes in surface air temperature caused by desiccation of the Aral Sea. Journal of Climate, 14,3,284-299.

240. Smith, K. L., C. G. Fletcher, and P. J. Kushner, 2010: The role of linear interference in the Annular Mode response to extratropical surface forcing. J. Climate, 23, 6036-6050 .

241. Sterin A. M., Estridge R., 1997: Monthly Aerological Data Set: Some Features and Comparison of Upper Air Temperature Data to the NCAR/NCEP Reanalysis Monthly Data. Proc. 22 Annual Climate Diagnostics and Prediction Workshop, NOAA, p. 210-213

242. Sterin A. M., V. M. Khan and K. G. Rubinshtein, Upper-air Temperature Trends: Current Problems and Some Recent Results, S. Bronnimann et al. (eds.), 2008: Climate Variability and Extremes During the Past 100 Years, Springer, 85-101.

243. Stocks B J, Lawson B D, Alexander M E, Van Wagner C E, McAlpine R S, Lynham T J, Dube D E., 1989: The Canadian forest fire danger rating system: an overview. For. Chron., 65, p. 450—457.

244. Schwierz, C., Croci-Maspoli, M. and Davies, H. C., 2004: A perspicacious indicator of atmospheric blocking. Geophys. Res. Letters, 31 (6), L06125, doi:10.1029/2003GL019341.

245. Tang B. W., W. Hsieh, A. H. Monahan, and F. T. Tangang, 2000: Skill comparisons between neural networks and canonical correlation analysis in predicting the equatorial Pacific sea surface temperatures. Journal of Climate, 13, 287-293.

246. Tangang, F. T., B. Tang A. H. Monahan, and W. W. Hsieh. 1998. Forecasting ENSO events: a neural network-extended EOF approach. Journal of Climate, 11, 29^-1.

247. Thompson, D. W. J., and J. M. Wallace, 1998: The arctic oscillation signature in the wintertime geopotential height and temperature fields. Geophys. Res. Lett., 25, 12971300.

248. Thompson, D. W. J., and J. M. Wallace, 2000: Annular Modes in the Extratropical Circulation.Part I: Month-to-Month Variability. J. Climate, 13, 1000-1016.

249. Tian Xiao-rui et al., 2005: Comparisons and Assessment of Forest Fire Danger Systems. Forestry Studies in China, Vol.7, № 1, p.53-61.

250. Tibaldi S. and Molteni F., 1990: On the operational predictability of blocking, Tellus 42A, 343-365

251. Tibaldi, S., E. Tosi, A. Navarra, and L. Pedulli, 1994: Northern and Southern Hemisphere seasonal variability of blocking frequency and predictability. Mon. Wea. Rev., 113, 3 21.

252. Torrence, C. and G. P. Compo, 1998: A Practical Guide to Wavelet Analysis. Bull. Amer. Meteor. Soc., 79, 61-78.

253. Toth Z., and Kalnay E., 1993: Ensemble Forecasting at the NMC:The generation of perturbations. Bull.Amer.Meteor.Soc, vol. 74, 2317-2330.

254. Traction M.S. and Kalnay E., 1993: Operational ensemble prediction at the NMC: Practical aspects. Wea. and Forecasting, vol. 8, No.3, 380-398.

255. Troccoli A, ed, 2010: "Management of Weather and Climate Risk in the Energy Industry", NATO Science Series, Springer Academic Publisher, 344 pp.

256. Troccoli A, Harrison M, Anderson DLT and Mason SJ, eds, 2008: "Seasonal Climate: Forecasting and Managing Risk", NATO Science Series, Springer Academic Publishers, 467 pp.

257. Uppala, S.M. and Coautors, 2005: The ERA-40 re-analysis. Quart. J. R. Meteorol. Soc., 131, 2961 -3012.doi: 10.1256/qj.04.176

258. Vavrus, S., 2007: The role of terrestrial snow cover in the climate system. Climate Dyn., 29(1), 73-88.

259. Verseghy, D., 1991: CLASS A Canadian Land Surface Scheme for GCMs. I Soil model. Int. J. Climat., 13, 111-133.

260. Viegas, D. X. , G. Biovio, A. Ferreira, A. Nosenzo, and B. Sol, 2000: Comparative study of various methods of fire danger evaluation in southern Europe. Intl. J. Wildland Fire, p.235-246.

261. Wagner, A. J., 1973: The influence of average snow depth on monthly mean temperature anomaly. Mon. Weather Rev., 101, 624-626.

262. Walker, G. T., 1910: Correlations in seasonal variations of weather. Memo. Indian Meteorol. Dep., 21, 22-45.

263. Wang, X.L., and Y.Wang, 1996: Temporal structure of the Southern Oscillation as revealed by wave-form and wavelet analysis. Journal of Climate, 9, 1586-1598.

264. Ward, M.N., C.K. Folland, 1991: Prediction of seasonal rainfall in the North Nordeste of Brazil using eigenvectors of sea- surface temperature. Int. J. Climatology, v.l l,p. 711-743.

265. Watanabe, M. and T. Nitta, 1998: Relative impacts of snow and sea surface temperature anomalies on an extreme phase in the winter atmospheric circulation. J. Climate, 11, 2837-2857.

266. Watson, J.S. and Colluci, S.J, 2002: Evaluation of ensemble predictions of blocking in the NCEP global spectral model. Mon. Wea. Rev., 127, 879 900.

267. Wiedenmann J.M., Lupo A.R., Mokhov I.I., Tikhonova E.A., 2002: The climatology of blocking anticyclones or the Northern and Southern Hemispheres: Block intensity as a diagnostic. J. Climate. V. 15., P. 3459-3474.

268. White, B.W., Peterson, R.G., 1996: An Antartic circumpolar wave in surface pressure, wind, temperature and sea-ice extent. Nature, v. 380, p. 699-702.

269. Wu, Q., H. Hu, and L. Zhang, 2011: Observed Influences of Autumn-Early Winter Eurasian Snow Cover Anomalies on the Hemispheric PNA-like Variability in Winter. J. Climate, 24, 2017-2023.

270. Woollings, T., A. Charlton-Perez, S. Ineson, A. Marshall and G. Masato, 2010: Associations between stratospheric variability and tropospheric blocking, J. Geophys. Res., 115, D06108.

271. WWF Russia, OXFAM, 2008. Russia and neighboring countries: Environmental, economic and social impacts of climate change. I.E. Chestin, N.A. Coloff (Eds.), Moscow., 64 pp.

272. Xie, P., and P. A. Arkin, 1997: Global precipitation: A 17-year monthly analysis based on gauge observation, satellite estimates, and numerical model outputs. Bull. Amer. Meteor. Soc., 78, 2539-2558.

273. Yamazaki, K., 1989: A Study of the Impact of Soil Moisture and Surface Albedo Changes on Global Climate Using the MRI GCM-I. J. Meteor. Soc. Japan, 67, 123-146.305

274. Yang, D., B. Ye, and A. Shiklomanov, 2004: Streamflow characteristics and changes over the Ob River watershed in Siberia. J. Hydromet., 5, 69- 84.

275. Yang, D., D. Robinson, Y. Zhao, T. Estilow, and B. Ye, 2003: Streamflow response to seasonal snow cover extent changes in large Siberian watersheds. J. Geophys. Res., 108, 4578, doi: 10.1029/2002JD003149.

276. Yatagai, A., 2003: Evaluation of hydrological balance and its variability in arid and semiarid regions of Eurasia from ECMWF 15 year reanalysis. Hydrol. Processes, 17, 2871— 2884.

277. Yeh, T-C., R. Wetherald, and S. Manabe, 1983: A model study of the short-term climatic and hydrological effects of sudden snow-cover removal. Mon. Wea. Rev., Ill, 10131024.

278. Yun, W. T., L. Stefanova, and T. N. Krishnamurti, 2003: Improvement of the multimodel superensemble technique for seasonal. J. Climate, 16, 3834-3840

279. Zavialov, P.O., A.G. Kostianoy, T.V. Kudyshkin, V.M. Khan, A.A.Ni, D. Ishniyazov, and S.V. Emelianov, 2003: Hydrographic survey in the dying Aral Sea. Geophysical Research Letters, 30, 1659-1662, DOI: 10.1029/2003 GL017427

280. Zavialov, P.O., 2005: Physical Oceanography of the Dying Aral Sea. Praxis/SpringerVerlag, Chichester, UK, 154 pp.