Математическое моделирование климатических характеристик для территории Сибири в условиях климатических изменений тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат физико-математических наук Мартынова, Юлия Валерьевна

• Мартынова, Юлия Валерьевна
• кандидат физико-математических наук
• 2011

Оглавление диссертации кандидат физико-математических наук Мартынова, Юлия Валерьевна

Введение.

Глава 1. Оценка обратных связей между вариацией лесной растительности и температурой и влажностью подстилающей поверхности.

1.1 Постановка задачи

1.2 Учет растительности в используемой климатической модели промежуточной сложности.

1.3 Методика исследования.

1.4 Описание эксперимента.

1.5 Результаты.

1.6 Выводы.

Глава 2. Влияние влажности подстилающей поверхности на количество осадков.

2.1 Постановка задачи

2.2 Методика исследования.

2.3 Описание эксперимента.

2.4 Результаты.

2.5 Выводы.

Глава 3. Влияние аномалий осеннего снежного покрова на температуру воздуха у поверхности Сибири в зимний период.

3.1 Постановка задачи

3.2 Описание эксперимента.

3.3 Методика исследования.

3.3.1 Методика оценки статистической значимости вносимых в начальные условия возмущений.

3.3.2 Расчет коэффициента корреляции Пирсона.

3.4 Результаты.

3.4.1 Анализ статистической значимости вносимых в начальные условия возмущений.

3.4.2 Анализ влияния площади глубины октябрьского снежного покрова на зимнюю приземную температуру воздуха.

3.5 Механизм влияния аномалий снежного покрова в октябре па приземную температуру зимних месяцев.

3.6 Выводы.

Глава 4. Программный комплекс для расчетов и визуализации.

4.1 Интеграция климатической модели в общий исследовательский процесс.

4.2 Пакет программ для анализа результатов моделирования

4.2.1 Предварительная обработка результатов моделирования

4.2.2 Программная реализация методики вычисления коэффициентов обратных связей.

4.2.3 Программная реализация методики вычисления значений индекса когерентности.

4.2.4 Программная реализация методики оценки статистической значимости возмущений

4.2.5 Программная реализация методики вычисления полей корреляции.

4.3 Выводы.

Введение диссертации (часть автореферата) на тему «Математическое моделирование климатических характеристик для территории Сибири в условиях климатических изменений»

В последние годы большое внимание уделяется проблеме глобальных климатических изменений. Межправительственная группа экспертов по изменению климата (МГЭИК) пришла к выводу, что одной из причин глобальных изменений климата в течение последнего столетия является интенсивное развитие промышленности, способствующее увеличения выбросов в атмосферу продуктов сжигания углеродного топлива, что приводит к увеличению концентрации углекислого газа в атмосфере [1]. Предсказать, какие именно изменения климата могут быть таким образом спровоцированы, пока невозможно. Единственным способом получения более или менее достоверных оценок будущих климатических изменений является построение модели климатической системы. При рассмотрении результатов моделирования возникает вопрос о достоверности данных результатов, то есть насколько действительные изменения климата будут соответствовать результатам модели. Показателем качества подобных прогнозов является качество воспроизведения данной моделью современного климата и его изменений за последнее столетие. При наличии прогноза изменения влияющих на климат факторов, качество климатического прогноза, в целом, может быть улучшено. Одним из таких факторов является концентрации углекислого газа в атмосфере, величина которой, прежде всего, зависит от количества сожженого в результате деятельности человека ископаемого топлива. Согласно оценкам межправительственной группы экспертов по изменению климата (МГЭИК) при различных сценариях развития человечества будет сожжено от 1.0 до 2.5 тысяч Гт топлива в пересчете на углерод, при том, что все разведанные запасы ископаемого топлива оцениваются в 5 тысяч Гт углерода. Однако, чтобы знать концентрацию СО2 в атмосфере, одного знания о его выбросах недостаточно, поскольку значительную их часть поглощают океан и экосистемы суши. Интенсивность поглощения сильно зависит от самого климата и его изменений. Согласно последнему сравнению моделей климата включающих углеродный цикл, опубликованному в 4 отчете МГ-ЭИК, в котором участвовало 10 моделей, при сценарии А1В к 2100 г. в атмосфере остается от 41% до 72% эмиссии, остальная часть — поглощается океаном и экосистемами суши. Такая неопределенность в определении концентрации атмосферного СО2 является одним из источников неопределенности всего прогноза. Источники и стоки остальных парниковых газов, например, метана, известны еще хуже, и относительная неопределенность прогноза концентрации этих газов еще больше. Кроме того, даже если сценарий изменения концентрации парниковых и других газов известен точно, различные модели дают различный прогноз изменений климата при его использовании. Поэтому при составлении прогноза изменений климата используют данные ансамбля моделей, для чего проводят международные сравнения моделей. Последнее такое сравнение осуществлялось в 2004-2005 гг. В нем участвовало около 20 моделей. Результаты сравнения приведены в 4-м отчете МГЭИК [1]. Стандартным тестом для определения чувствительности моделей климата является расчет с удвоенной по сравнению с современной или доиндустриальной концентрацией СО2. При этом, возможны два варианта проведения эксперимента: в первом — расчет проводится достаточно долго, до достижения квазиравновесного отклика; во втором — ищется нестационарный отклик на удвоение СО2, когда концентрация углекислого газа растет со скоростью 1% в год и достигает удвоения через 70 лет. Вопрос о том, какое влияние изменение концентрации СО2 окажет на различные компоненты климатической системы, и как изменится характер обратных связей между ними, "остается открытым и находится в центре внимания исследователей [2-5].

Таяние, вследствие потепления, значительной части ледовой массы приведет также к увеличению площади водной поверхности, что будет способствовать росту содержания водяного пара в атмосфере, и, возможно, перестройке всей океанической циркуляции. Увеличение глобальной температуры и рост содержания водяных паров приводит и к увеличению облачности. Облака дают двойственный эффект, отражая солнечное излучения идущее сверху, и поглощая и переизлучая инфракрасное излучение, идущее снизу. В разных условиях вклады этих процессов в формирование температуры различны. Вследствие потепления и таяния ледников, а также увеличения количества атмосферных осадков, приносимых с юга, в высоких широтах может произойти увеличение поступления пресных вод в Северную Атлантику, вследствие чего может снизиться соленость, а значит и плотность, холодных вод, из-за чего может произойти блокировка теплых течений.

Потепление оказывает значительное влияние на растительность, в частности на лесную. Под воздействием растущей температуры произойдет смещение лесной границы к северу, из-за чего значительно снизится альбедо поверхности, вызывая, в свою очередь, усиление нагрева поверхности. Другой стороной изменения океанической циркуляции будет то, что теплые воды уже не будут быстро выноситься из теплых низких широт в холодные высокие, и за счет сильного и длительного испарения соленость, а значит и плотность поверхностных вод, будет повышаться, что приведет к их опусканию в глубины [6]. В результате существенно ускорится прогревание глубинных слоев Мирового океана, что в свою очередь значительно усилит такие процессы, способствующие потеплению, как выделение в атмосферу растворенного в Мировом океане углекислого газа и разрушение залежей метангидратов.

При потеплении растворимость углекислого газа падает, причем довольно серьезно — например, при повышении температуры воды с 5 до 10°С, коэффициент растворимости углекислого газа в ней уменьшается с 1.42 до 1.19 (для пресной воды) [7]. Всего в Мировом океане растворено около 4 • 104 Гт [8] углекислого газа в пересчете на углерод — для сравнения в атмосфере его сейчас 7.5 • 102 Гт [9], т.е. в гидросфере его больше приблизительно в 50 раз [6]. В первую очередь при потеплении затрагиваются верхние слои Мирового океана, где хорошо работает вертикальная конвекция и позволяет достаточно быстро произвести изменения в температуре этих слоев и содержании в них углекислого газа. В этих слоях содержится всего несколько процентов от всего углекислого газа в гидросфере (сопоставимо с его атмосферным содержанием), обмен же углекислым газом между верхними и глубинными слоями имеет большое характерное время около 500-1000 лет.

В Северной Евразии (в частности, в Сибири), включающей обширные области тундры, арктических лесов, полупустынь и пустынь, наблюдается значительное разнообразие климатических условий. Регион играет важную роль в обмене энергией, влагой, парниковыми газами и аэрозолями между атмосферой, подстилающей поверхностью, гидросферой, и криосферой. За последние 30 лет в указанном регионе наблюдалось наиболее значительное потепление климата. Расчеты с помощью климатических моделей показывают, что климат Евразии будет подвержен существенным изменениям [5,10,14-16].

В 2000 году группой авторов во главе с М.В. Кабановым была опубликована статья, в которой было показано, что за 1955-1990 годы температура на территории Сибири увеличивалась со скоростью от 0.2°С/10 лет до 0.5°С/10 лет в зависимости от области [17]. По данным МГЭИК за 19742000 годы скорость роста температуры в северных широтах (в частности в Сибири) достигает 0.8-1.0°С/10 лет [1], при этом скорость роста температуры нижних слоев атмосферы в Северной Америке и в Европе составляет 0.3°С/10 лет и 0.4°С/10 лет, соответственно, а в районе экватора — менее 0.ГС/10 лет [1]. Рост температуры воздуха над поверхность территории Сибири может спровоцировать значительные изменения структуры и площади распространения вечной мерзлоты. Так, например, A.B. Павлов, Г.Ф. Гравис [18], исходя из прогноза повышения среднегодовой температуры воздуха на севере России к 2020 году на 0.9-1.5°С и к 2050 году на 2.5-3°С и основываясь при этом на анализе нынешних трендов температур по данным метеонаблюдений и их экстраполяции на будущее, показали, что температуры поверхности пород в Сибири могут местами подняться максимум на 1.4°С к 2020 г. и на 2.3°С к 2050 г.

Для исследования климатических изменений широко используются данные наблюдений. С Pix помощью исследуются закономерности современных природно-климатических изменений [19,20], атмосферная циркуляция и грозовая активность [21,22], ведутся исследования болотных угодий Сибири [23]; современные изменения температуры почвы [24-26] и влияние глобального потепления на.динамику эволюции криолитозоны [27]. По данным, наблюдений можно, оценивать тренды происходящих изменений и прогнозировать дальнейшее развитие изменений на.относительно короткие промежутки времени. Также можно исследовать поведение отдельно взятых параметров. Есть работы; посвященные исследованию обратных связей по данным наблюдений, но такие исследования,хорошо проводить только для территорий с густой сетью метеостанций [28]. К сожалению, на территории Сибири, особенно на севере территории, расположено недостаточное количество метеостанций, что делает подобные исследования малоинформативными. В этом случае на помощь приходит моделирование. Существует три основных класса моделей климатических систем: простые, комплексные и модели промежуточной сложности. Простые модели воспроизводят ограниченное число процессов и переменных, являются вычислительно экономичными. Такие модели как правило используются; для проведения длительных по времени исследований, таких как палеоисследования [29,30], проекции глобальных изменений в будущее [31,32]. Круг задач, для которых можно использовать.модели этого класса, ограничен за счет того, что в этих моделях не учтен ряд важных процессов и обратных связей, существующих в ре. 11 альном мире. Комплексные модели основаны на моделях общей циркуляции атмосферы и моделях высокой сложности других элементов климатической системы. Такие модели воспроизводят большой набор климатических процессов и обратных связей [33]. Основным ограничением использования этих моделей является их высокая вычислительная затратность. Модели промежуточной сложности занимают среднее положение между простыми с комплексными моделями. Как и комплексные модели, они воспроизводят большой набор климатических процессов и обратных связей, но за счет более низкого пространственного разрешения и упрощений некоторых уравнений модели промежуточной сложности вычислительно дешевле комплексных.

Российские ученые активно и успешно изучают свойства климатической системы как сложного нелинейного объекта в контексте глобальных изменений с помощью методов теоретической физики и численного моделирования [2,3,5,10-15,34-38]. При анализе результатов расчетов по физико-математическим моделям различного пространственного разрешения получены оценки региональных изменений климата на территории России к середине и концу 21-го века, обусловленных ростом парниковых газов и аэрозоля в предположении умеренного экономического и социального развития мирового сообщества. Показано, что на фоне глобального потепления на 2.5-3.0°С к концу 21-го столетия среднее за год повышение температуры на территории России составит 4-6°С. Потепление климата и связанный с ним рост осадков на водосборах России в 21-м столетии существенно превысит среднеглобальные значения, особенно зимой. Несмотря на летний рост осадков, в большей части территории центральной России могут формироваться более засушливые условия по сравнению с современными условиями. Это особенно будет выражено на южных и западных водосборах и вызвано более ранним таянием снега и усилением испарения с подстилающей поверхности. При потеплении климата ожидаются значительные изменения гидрологического режима подстилающей поверхности, обусловленные влиянием процессов в криосфере. Ожидается, что на водосборах европейской части России и в южных регионах западной Сибири масса снега, накапливаемая за зиму, уменьшается, вследствие чего максимум весеннего стока будет уменьшаться и к концу столетия наступать раньше на один месяц. На водосборах центральной и восточной Сибири накопленная масса снега зимой будет увеличиваться, и максимум весеннего стока за счет его таяния также возрастет. В результате увеличится вероятность появления крупных весенних паводков в этой части территории России. Потепление климата приведет к сокращению ледяного покрова океана в северном полушарии, особенно летом, и увеличению глубины протаивания вечномерзлых грунтов, особенно в обширной зоне, примыкающей к.южной границе вечной мерзлоты.

Моделирование широко используется при проведении различных исследований для территории Сибири. Исследуются температурный и гидрологический режимы водосборов сибирских рек в условиях вечной мерзлоты [39], влияние скорости глобального потепления на таяние вечной мерзлоты [40], а также изменения различных климатических процессов и характеристик, связанных с глобальным потеплением [41]. Из-за деградации вечной мерзлоты происходят изменения в болотных экосистемах, в частности, происходят изменения эмиссии метана, что также активно исследуется [42]. Кроме того ведутся исследования влияния солнечной и вулканической активности на климатические изменения происходящие вследствие антропогенного влияния [43]. Исследуются возможные изменения экстремальности термического режима и условий пожароопасности [44]. Хотя для территории Сибири проводится большое количество исследований, тем не менее стоит отметить, что эти исследования затрагивают далеко не все климатические аспекты. Например, недостаточное внимание уделяется исследованию обратных связей. Исследования обратных связей ведутся [45-48], в основном, в глобальных масштабах. В. Soden и I. Held [49], например, проводили исследования обратных связей между вариациями атмосферных параметров, а также параметров поверхности, и приземной температурой для всей поверхности планеты. Стоит отметить, что свои исследования они проводили без учета глобальных изменений климата, и, кроме того, используемые ими модели не учитывали влияние растительности. Существуют исследования влияния влажности поверхности на количество осадков [50], но в процессе исследований не рассматривалось влияние влажности поверхности отдельных регионов, исследования проводились только в глобальном масштабе. Ведутся также исследования влияния величины осеннего снежного покрова на зимнюю приземную температуру [51,52]. Однако эти исследования не учитывают экстремальных величин снежного покрова, которые могут иметь место в случае глобальных климатических изменений, что приводит к невозможности выделения условий, при которых влияние проявляется наиболее сильно.

Данная диссертационная работа посвящена исследованию обратных связей, существующих между атмосферой и поверхностью суши. Осуществляется оценка обратных связей между вариацией лесной растительности и температурой и влажностью подстилающей поверхности, исследуется влияние влажности почвы Сибири на количество осадков, выпадающих на этой же территории, а также исследуется влияние аномалий осеннего снежного покрова на температуру воздуха у поверхности Сибири в зимний период. Все исследования в рамках данной диссертационной работы проводились с учетом возможных глобальных климатических изменений. Для России исследование обратных связей, существующих между атмосферой и поверхностью суши является одним из приоритетных, направлений в области исследований климата [4].

Для исследований, проводимых в рамках данной работы, была использована глобальная крупномасштабная модель промежуточной сложности «Planet Simulator» [53,54], разработанная в Метеорологическом инстатуте Гамбургского университета, состоящая из нескольких вычислительных блоков: атмосферного, океанического, биосферного, поверхности суши и морского льда. В данной модели предусмотрена возможность отключения одного или нескольких из перечисленных блоков. Модель воспроизводит все необходимые для исследований климатообразующие процессы. Модель «Planet Simulator» имеет открытый код, нетребовательна к аппаратному обеспечению, и может быть запущена на персональном компьютере как на базе Linux, так и на базе Windows. Данная модель вычислительно дешевая даже при расчетах на интервалах до ста лет и более. Подробное описание модели приведено в Приложении А. В рамках данной работы использовался ансамблевый подход, характеризующийся проведением моделирования с использованием одной модели с различными начальными условиями. Данный подход позволяет исключить зависимость результата от начальных условий.

Целью данной работы является исследование для территории Сибири влияния характеристик подстилающей поверхности на характеристики атмосферы при возможных глобальных изменениях климата.

Для достижения поставленной цели необходимо было решить следующие задачи:

1. Исследовать обратные связи, между вариацией лесной растительности и приземной температурой воздуха, а так же между вариацией лесной растительности и влажностью подстилающей поверхности.

2. Исследовать влияние влажности подстилающей поверхности на количество осадков.

3. Исследовать влияние аномалий осеннего снежного покрова на температуру воздуха у поверхности Сибири в зимний период.

Основные положения, выносимые на защиту:

1. Создан программный комплекс, состоящий из глобальной крупномасштабной модели климатической системы (разработана в Метеорологическом институте Гамбургского университета), адаптированного автором данной диссертационной работы для решения поставленных задач, и пакета программ для анализа и визуализации результатов моделирования, разработанного непосредственно автором данной диссертации.

2. Результаты качественной оценки влияния вариации лесной растительности на температуру и влажность подстилающей поверхности.

3. Результаты математического моделирования влияния влажности подстилающей поверхности на количество осадков.

4. Результаты математического моделирования влияния аномалий осеннего снежного покрова на приземную температуру воздуха в зимний период.

Научная новизна:

1. Впервые для территории Сибири дана оценка значений параметров обратных связей между лесной растительностью и приземной температурой воздуха и влажностью поверхности с использованием климатических сценариев.

2. Впервые для территории Сибири с использованием климатических сценариев была определена степень влияния влажности подстилающей поверхности данной территории на количество осадков, выпадающих на ней.

3. Было выполнено оригинальное исследование влияния осеннего снежного покрова территории Сибири на зимнюю приземную температуру воздуха данной территории в условиях экстремальных значений величины снежного покрова.

Научная и практическая значимость диссертационной работы определяется результатами проведенных исследований, которые позволяют лучше понять механизмы взаимодействия подстилающей поверхности и атмосферы для территории Сибири, могут применяться при разработке новых моделей, а так же для модификации существующих глобальных и региональных климатических моделей; кроме того, могут быть полезны при разработке методов сезонных прогнозов погоды. Представленные в диссертационной работе исследования выполнялись по проектам, поддержанным Российским фондом фундаментальных исследований (№№ 05-05-64989, 08-05-00457), что подтверждает их научную значимость.

Степень достоверности полученных результатов обеспечивается применением современной климатической модели и современных методов исследования. Возможные интервалы неопределенности в оценках климатических характеристик были уточнены за счет использования ансамблевого подхода. Результаты находятся в соответствии с результатами, полученными другими авторами.

Апробация работы. Основные результаты работы докладывались на: Генеральной ассамблее Европейского геонаучного объединения «ЕСи-2009» (Австрия, Вена, 2009), Международной конференции по измерениям, моделированию и информационным системам для изучения окружающей среды «Е1\тУ11ЮМ18-2008» (Томск, 2008), «ЕтТ110М18-2010» (Томск 2010) Международной конференции по вычислительно-информационным технологиям для наук об окружающей среде «С1ТЕ8-2007», «С1ТЕ8-2009» (Томск, 2007; Красноярск, 2009), Сибирском совещании по климато-экологическому мониторингу (VIII, Томск, 2009), Всероссийской конференции «Состав атмосферы. Атмосферное электричество. Климатические эффекты» (XI, Нижний Новгород, 2007).

Личный вклад. Автор принимал активное участие на этапе постановки задач и планирования численных экспериментов. Кроме того, автором была осуществлена настройка и интеграция крупномасштабной климатической модели промежуточной сложности в общий исследовательский процесс, проведено численное моделирование с использованием данной модели, проведены численные исследования и анализ полученных результатов, а также разработано необходимое программное обеспечение.

Публикации. Основные результаты по теме диссертации изложены в 14 печатных изданиях [14-16,55-65], 4 из которых изданы в журналах, рекомендованных ВАК [14,15,56,65], 10 — в тезисах докладов [16,55,57-64].

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения и двух приложений. Полный объем диссертации составляет 121 страница с 22 рисунками и 10 таблицами. Список литературы содержит 140 наименований.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Мартынова, Юлия Валерьевна

Основные результаты работы заключаются в следующем.

1. На основе анализа результатов моделирования было получено, что глобальные изменения климата, обусловленные ростом концентрации углекислого газа в атмосфере могут оказывать значительное влияние на величину интенсивности обратных связей между вариацией лесной растительности, с одной стороны, и приземной температурой воздуха и влажностью поверхности — с другой.

2. Численные исследования с применением модели «Planet Simulator» показали, что влажность поверхности в конкретной точке территории Сибири не является основным фактором, оказывающим влияние на количество осадков, выпадающих в этой же точке на данной территории. Вместе с тем, климатические изменения, обусловленные быстрым ростом концентрации СО2 в атмосфере (при агрессивном сценарии антропогенного воздействия на систему — А2), оказывают значительное воздействие на влияние влажности подстилающей поверхности Сибири на количество осадков: происходит ослабление влияния на количество крупномасштабных осадков, и усиление его на количество конвективных.

3. Математическое моделирование, проведенное для территории Сибири показало, что наиболее сильное влияние снежный покров, сформировавшийся в октябре, оказывает на декабрьскую приземную температуру воздуха. При этом в условиях экстремально большой величины снежного покрова на приземную температуру воздуха зимних месяцев наиболее сильное влияние оказывает изменение глубины снежного покрова, а в условиях экстремально малой — изменение площади. стей: глобальной крупномасштабной модели климатической системы «Planet Simulator» [53,54], разработанной в Метеорологическом институте Гамбургского университета, и адаптированного автором данной диссертационной работы для решения поставленных задач, а также пакета программ для анализа результатов моделирования, разработанного непосредственно автором данной диссертации. Созданный комплекс нетребователен к аппаратным ресурсам, и, при необходимости, может быть легко перенесен с одной аппаратной платформы на другую. Гибкая структура комплекса программ позволяет быстро менять различные параметры обработки данных, что позволяет расширять разработанный программный комплекс путем добавления в него новых модулей. Ход и характер климатических процессов на территории Сибири проявляют высокую чувствительность к глобальным изменениям климата, что подтверждает важность проводимых исследований.

Заключение

Список литературы диссертационного исследования кандидат физико-математических наук Мартынова, Юлия Валерьевна, 2011 год

1. 1.CC: 2007. Climate change. The physical science basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.

2. Володин Е.М., Дианский H.A. Моделирование изменений климата в XX-XXII столетиях с помощью модели общей циркуляции атмосферы и океана. // Изв. РАН. Физика атмосферы и океана, 2006. — Том 42, т. С. 291-306.

3. Катцов В.М., Мелешко В. П. Современные приоритеты фундаментальных исследований климата. // Труды ГГО, 2008. — вып. 557. — С. 3-19.

4. Иващенко О.В. Россия 2010-2020 — без Сибири?. // http://prognosis.frornru.com, 2002.

5. Справочное руководство гидрогеолога / Том 2. Под ред. В.М. Максимова, «Недра», 1967.

6. Алексеев В.В., Киселева C.B., Чернова Н.И. Рост концентрации СО2В атмосфере — всеобщее благо? // Природа, 1999. — № 9. — С. 3-13.

7. Кабанов М.В., Лыкосов В.Ii. Мониторинг и моделирование природно-климатических изменений в Сибири // Оптика атмосферы и океана, 2000. — Том. 19, № 9. С. 753-764.

8. Пененко В. В. Методы численного моделирования атмосферных процессов / Ленинград: «Гидрометеоиздат», 1981г. — 352 с.

9. Пененко В.В., Цветова Е.А. Оптимальное прогнозирование природных процессов с оценкой неопределенности // ПМТФ, 2009. № 2. -С. 156-166.

10. Пененко В.В. О концепции природоохранного прогнозирования // Оптика атмосферы и океана, 2010. — Т. 23, № 6. — С. 432-438.

11. Кузин В.И., Крупчатников В.П., Голубева E.H., Мартынова Ю.В., Платов Г.А. Исследование динамики климатической системы Северной Евразии и Арктического бассейна. // Сибирский журнал вычислительной математики, 2009. — Том 12, №3. — С. 289-295.

12. Кабанов М.В., Задде Г.О., Ипполитов И. И , Катаев С.Г., Кусков А. И. Пространственно-временная изменчивость температурного режима Сибири // Доклад на VII Международном симпозиуме «Оптика атмосферы и океана», Томск, 2000.

13. Павлов A.B., Гравис Г.Ф. Вечная мерзлота и современный климат // Природа, 2000. — № 4. — С. ххх-ххх.

14. Ипполитов И.И., Кабанов М.В., Логинов C.B. Закономерности современных природно-климатических изменений в Сибири: периодичность приземных температур, давления и некоторых геофизических индексов // География и природные ресурсы, 2005. — № 1. — С. 13-20.

15. Кабанов М.В. Сезонные закономерности наблюдаемого потепления в Сибири // Оптика атмосферы и океана, 2009. — Т. 22, №1. — С. 7-10.

16. Горбатенко В.П., Ипполитов И.И., Кабанов М.В., Логинов C.B., Ре-шетъко М.В., Таранюк М.И. Анализ структуры временных рядов повторяемости форм атмосферной циркуляции и грозовой активности // Оптика атмосферы и океана, 2002. — Т. 15, № 8. — С. 693-698.

17. Ипполитов И.И., Кабанов М.В., Нагорский П.М., Смирнов C.B. Изменчивость метеорологических и атмосферно-электрических величин в приземном слое атмосферы в предгрозовых ситуациях // Оптика атмосферы и океана, 2009. — Т. 22, № 1. — С. 11-16.

18. Алексеева М.Н., Дюкарев А.Г., Полищук Ю.М., Пологова H.H. Исследование структуры лесоболотных комплексов Васюганской равнины с использованием ГИС, дистанционных и подспутниковых данных // География и природные ресурсы, 2004. — № 2. — С. 71-77.

19. Pavlov A. V.,Moskalenko N.G. The Thermal Regime of Soils in the North of Western Siberia // Permafrost and Periglacial Processes, 2002. — V. 13, N. 1. P. 43-51.

20. Павлов А. В. Тренды современных изменений температуры почвы на севере России // Криосфера Земли, 2008. Т. XII, № 3. — С. 22-27.

21. Израэлъ Ю.А., Павлов А.В., Анохин Ю.А. Эволюция криолитозоны при современных изменениях глобального климата // Метеоролгия и гидрология, 2002. — № 1. — С. 22-34.

22. Liu Z., Notaro М., Kutzbach J., Liu N. Assessing Global Vegetation-Climate Feedbacks from Observations //J. Clim., 2006. — V. 19. P. 787-814.

23. Harvey L.D. Milankovitch forcing, vegetation feedback, and North Atlantic deep water formation //J. Clim., 1989. — V. 8. — P. 800-815.

24. Berger A., Fichefet Т., Gallee H., Tricot Ch., van Ypersele J.P. Entering the glaciation with a 2-D coupled climate model // Quat. Sci. Rev., 1992. -V. 11. P. 481-493.

25. Alcamo J., Kreileman G.J.J., KrolM.S., Zuidema G. Modelling the global society-biosphere-climate system. Part I: model description and testing // Water Air Soil. Polut., 1994. — V. 76. — P. 1-35.

26. Xiao XKicklighter D.W., Melillo J.M., McGuire A.D., Stone P.H., Sokolov A.P. Linking a global terrestrial biogeochemical model and a 2-dimensional climate model: implications for the global carbon budget // Tellus, 1997. V. 49B. - P. 18-37.

27. Foley J.A., Levis S., Prentice I.C., Pollard D., Thompson S.L. Coupling dynamic models of climate and vegetation // Global Change Biol, 1998. V. 4. - P. 561-579.

28. Дымников В.П., Грицун А. С. Современные проблемы математической теории климата. // Изв. РАН. Физика атмосферы и океана, 2005. — Том 41, т. С. 266-284.

29. Дымников В.П., Лыкосов В.Н., Володин Е.М. Проблемы моделирования климата и его изменений. // Изв. РАН. Физика атмосферы и океана, 2006. -Том 42, №5. — С. 618-636.

30. Мелешко В.П., Катцов В.М., Говоркова В.А., Малевский-Малевич С.П., Надеэюина Е.Д., Спорышев П.В. Антропогенные изменения климата в XXI веке в Северной Евразии. // Метеорология и гидрология, 2004. — №7. — С. 5-26.

31. Демченко П.Ф., Елисеев A.B., Аржанов М.М., Мохов И.И. Влияние скорости глобального потепления на реакцию вечной мерзлоты // Изв. РАН. Физика атмосферы и океана, 2006. — Том 42, №1. — С. 35-43.

32. Елисеев A.B., Аржанов М.М., Демченко П.Ф., Мохов И.И. Изменения климатических характеристик суши внетропических широт Северного полушария в XXI веке: оценки с климатической моделью ИФА

33. РАН // Изв.РАН. Физика атмосферы и океана, 2009. — Том 45, №3. — С. 291-304.

34. Мохов И.И., Елисеев А.В., Денисов С.Н. Модельная диагностика изменений эмиссии метана болотными экосистемами во второй половине XX века с использованием данных реанализа // Доклады РАН, 2007. — Том 417, т. С. 258-262.

35. Woodward F.I., Lomas M.R., Betts R.A. Vegetation-climate feedbacks in a greenhouse world // Phil. Trans. R. Soc. Lond. B, 1998. — N 353. — P. 29-39.

36. Brovkin V. et al. Stability analisys of the climate-vegetation system in the northern high latitudes // Climatic Change, 2003. — V. 57. — P. 119-138.

37. Boer G.J., Bin Yu Dynamical aspects of climate sensitivity // Geophys. Res. Lett.,2003. V. 30, N. 3. - P. 1135-1138.

38. Bony S. et al. How Well Do We Understand and Evaluate Climate Change Feedback Processes? // J. Climate, 2006. V. 19. - P. 3445-3482.

39. Soden B.J., Held I.M. An assessment of climate feedbacks in coupled atmosphere-ocean models. //J. Climate, 2006. — V. 19. — P. 3354-3360.

40. Koster R. D. et al. Comparing the degree of land-atmosphere interaction in four atmospheric general circulation models. //J. Hydrometeorol., 2002.- V. 3. P. 363-375.

41. Gong G., Entekhabi D., Cohen J. Modeled Northern Hemisphere winter climate response to realistic Siberian snow anomalies. //J. Climate, 2003.- V. 16. P. 3917-3931.

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

43. Fraedrich K., Jansen H., Kirk E., Luksch V., Lunkeit F. The Planet Simulator: Towards a user friendly model. // Meteorologische Zeitschrift,2005. V. 14, N. 3. - P. 299-304.

44. Liakka J. Validation of the dynamical core of the Portable University Model of the Atmosphere (PUMA) // Master's thesis, Upsalla University,2006. ISSN 1650-6553 Nr 130.

45. Мартынова Ю.В. Оценка влияния вариации растительности Северного полушария на динамику температуры и влажности в 21 веке. // Вычислительные технологии, 2007. — Том 13. — С. 124-129.

46. Мартынова Ю.В., Крупчатников В.Н. Исследование чувствительности температуры поверхности в Евразии в зимний период к аномалиям снежного покрова. Роль стратосферы. // Известия РАН. Физика атмосферы,и океана, 2010. — Т. 46, № 6. — С. 1-13.

47. Cubasch U., Cess R.D. Processes and modeling. // Climate Change: The IPCC Scientific Assessment, J.T. Houghton et al., Eds., Cambridge Univercity Press, 1990. — P. 69-72.

48. Winton M.W. Surface albedo feedback estimates for the AR4 climate models. // J. Climate, 2006. V. 19. - P. 359-365.

49. Murphy J.M. Transient response of the Hadley Centre coupled ocean-atmosphere model to increasing carbon dioxide. Part III: Analysis ofglobal-mean response using simple models. //J. Climate, 1995. — V. 8. P. 496-514.

50. Senior C.A., Mitchell J.F.B. The time-dependence of climate sensitivity. // Geophys. Res. Lett., 2000. V. 27. - P. 2685-2688.

51. Ramaswamy V. et al. Radiative Forcing of Climate Change. // Climate Change 2001: The Scientific Basis, New York: Houghton, J. T. et al; Cambridge University Press, 2001. — P. 350-416.

52. Wallace J.M. et al. On the structure and evolution of ENSO-related climate variability in the tropical Pacific: lessons from TOGA. // J. Geophys. Res., 1998. V. 103. — P. 14241-14259.

53. Kirtman B. P., Schopf P. S. Decadal variability in ENSO predictability and prediction. // J. Climate, 1998. V. 11. — P. 2804-2822.

54. Rasmusson E. M., Carpenter T. H. Variations in tropical sea surface temperature and surface wind fields associated with the Southern Oscillation/El Niño. // Mon. Wea. Rev., 1982. V. 110. - P. 354-384.

55. Vinnikov Y. et al. Scales of temporal and spatial variability of midlatitude soil moisture //J. Geophys. Res., 1996. V. 101. — P. 7163-7174.

56. Robock A. et al. The global soil moisture data bank // Bulletin of the American Meteorological Society, 2000. — V. 81. — P. 1281-1299.

57. Shukla J., Mintz Y. Influence of land-surface evatranspiration on the Earth's climate. // Science, 1982. V. 215. — P. 1498-1501.

58. Dirmeyer P.A. Using a global soil wetness dataset to improve seasonal climate simulation //J. Climate, 2000. — V. 13. — P. 2900-2922.

59. Roster R. D., Suarez M. J., Heiser M. Variance and predictability of precipitation at seasonal-to-interannual timescales. //J. Hydrometeorol., 2000. — V. 1. P. 26-46.

60. N amias J. Some empirical evidence for the influence of snow cover on temperature and precipitation. // Mon. Wea. Rev., 1985. — V. 113. — P. 1542-1553.

61. Cohen J., Rind D. The effect of snow cover on climate. //J. Climate, 1991. V. 4. - P. 689-706.

62. Володина Е.Е., Бенгтссон Л., Лыкосов В.Н. Параметризация процессов тепловлагопереноса в снежном покрове для целей моделирования сезонных вариаций гидрологического цикла суши // Метеорология и гидрология., 2000. — №5. — С. 5-14.

63. Мачульская Е.Е., Лыкосов В.Н. Математическое моделирование процессов взаимодействия атмосферы и криолитозоны // Известия РАН. Физика атмосферы и океана., 2009. — Т. 45, №6. — С. 736-753.

64. Cook В. I., Вопап G. В., Levis S., Epstein Н. Е. Rapid vegetation responses and feedbacks amplify climate model response to snow cover changes.// Climate Dynamics., 2008. — V. 30, N. 4. — P. 391-406.

65. Wagner A.J. The influence of average snow depth о monthly mean temperature anomaly. // Mon. Wea. Rev., 1973. — V. 101. — P. 624-626.

66. Cohen J. Snow coyer and climate. // Weather, 1994. — V. 49. — P. 150156.

67. Марчук Г. И. Численные методы решения задач динамики атмосферы и океана / JL, Гидрометеоиздат., 1974. — 280 с.

68. Wallace J. М., Gutzler D.S. Teleconnections in the geopotential height field during the Northern Hemisphere winter. // Monthly Weather Review, 1981. — V. 109. P. 784-812.

69. Марчук Г.И., Дымииков В.П., Залесный В.А., Лыкосов В.Н., Галин В. Я. Математическое моделирование общей циркуляции атмосферы и океана. / Л.: Гидрометеоиздат., 1984. — 320 с.

70. Дымников В.П., Володин Е.М., Галин В.Я., Глазунов А.В., Грицун А.С., Дианский Н. А., Лыкосов В.Н. Климат и его изменения: математическая теория и численное моделирование.// Сибирский журнал вычислительной математики., 2003. — Т. 6. — С. 347-379.

71. Dewey K.F. Daily maximum and minimum temperature forecasts and the influence of snow cover. // Mon. Wea. Rev., 1977. — V. 105. — P. 15941597.

72. Foster J., Owe M., Rango A. Snow cover and temperature relationships in North America and Eurasia. //J. Climate Appl. Meteor., 1983. — V. 22. P. 460-469.

73. Cess R.D. et all. Interpretation of snow-climate feedback as produced by 17 general circulation models. // Science, 1991. V. 253. — P. 888-892.

74. Leathers D.J., Robinson D.A.'The association between extremes in North American snow cover extent and Unated States temperature. // J. Climate, 1993. V. 6. - P. 1345-1355.

75. Walland D.J., Simmonds I. Sub-grid scale topography and the simulation of Northern Hemisphere snow cover. // Int. J. Climatol., 1996. — V. 16.1. P. 961-982.

76. Hahn D.G., ShuklaJ. An apparent relationship between the Eurasian snow cover and Indian monsoon rainfall. //J. Atmos. Sci., 1976. — V. 33. — P. 2461-2462.

77. Barnett T.P., Dumenil L., Schlese U., Roeckner E., Latif M. The effect of Eurasian snow cover on regional and global climate variations. // J. Atmos. Sci., 1989. — V. 46. — P. 661-685.

78. Douville H., Royer J.-F. Sensitivity of the Asian summer monsoon t oanomalous Eurasian snow cover within the Meteo-France GCM. // Climate Dynamics, 1996. — V. 12. — P. 449-466.

79. Bamzai A.S., Shukla J. Relation between Eurasian snow cover, snow depth, and the Indian summer monsoon: An observational study. // J. Climate, 1999. V. 12. - P. 3117-3132.

80. Watanabe M., Nitta T. Decadal changes in the atmospheric circulation and associated surface climate variations in the Northern Hemisphere winter. //J. Climate, 1999. — V. 12. P. 494-509.

81. Clark M.P., Serreze M.C. Effects of variations in east Asian snow cover on modulating atmospheric circulation over the North Pacific Ocean. // J. Climate, 2000. V. 13. — P. 3700-3710.

82. Cohen J., Entekhabi D. Eurasian snow cover variability and Northern Hemisphere climate predictability. // Geophys. Res. Lett., 1999. — V. 26.1. P. 345-348.

83. Cohen J., Saito K., Entekhabi D. The role of the Siberian High in Northern Hemisphere climate variability. // Geophys. Res. Lett., 2001. — V. 28. — P. 299-302.

84. Saito K., Cohen J., Entekhabi D. Evolution of atmospheric response to early-season Eurasian snow cover anomalies. // Mon. Wea. Rev., 2001. — V. 129. P. 2746-2760.

85. Walsh J.E., Ross B. Sensitivity of 30-day dynamical forecasts to continental snow cover. //J. Climate, 1988. — V. 1. — P. 739-754.

86. Walland D.J., Sommonds I. Modelled atmospheric response to changes in Northern Hemisphere snow cover. // Climate Dynamics, 1997. — V. 13. — P. 25-34.

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

88. Gong G., Entekhabi D., Cohen J. A large-ensamble model study of the wintertime AO-NAO and the role of interannual snow perturbations. // J. Climate, 2002. V. 15. — P. 3488-3499.

89. Cohen J., Salstein D., Saito K. A dynamical framework to understand and predict the major Northern Hemisphere climate mode. // Geophys. Res. Lett., 2002. V. 29. - P. 1412, doi:10.1029/2001GL014117.

90. Iians von Storch, Francis W. Zwiers Statistical analysis in climate research. — Cambridge University Press, 1999. — 484 p.

91. Chervin R.M., Schneider S.H. On determining the statistical significance of climate Experiments with general circulation models. //J. Atmos. Sci., 1975. — V. 33. P. 405-412.г

92. Cohen JBarlow M.} Kushner P.J., Saito K. Stratosphere-troposphere coupling and links with Eurasian land-surface variability. //J. Climate, 2007. — V. 20. — P. 5335-5343.

93. Orszag S.A. Transform method for calculation of vector coupled sums. // Journal of Atmospheric Science, 1970: — V. 27. — P. 890-895.

94. Eliassen E., Machenhauer B.} Rasmusson E. On a numerical method for integration of the hydrodynamical equations with a spectral representation of the horizontal fields. / Inst. Of Theor. Met., University Copenhagen, 1970.

95. Hoskin B.J., Simmons A.J. A multi-layer spectral model and the semi-implicit method. // Quart. J. Roy. Meteor. Soc., 1975. -V. 101. — P. 637655.

96. Robert A.J. A stable numerical integration scheme for the primitive meteorological equations. // Atmos. Ocean, 1981. — V. 19. — P. 35-46.

97. Asselin R. Frequency filter for time integrations. // Mon. Wea. Rev., 1972. V. 100. - P. 487-490.

98. Roeckner E., K. Arpe L. Bengtsson Simulation of present-day climate with the ECHAM model: Impact of model physics and resolution. // MaxPlanck-Institute, Tech. Rep., 1992. — V. 93.

99. Laursen L., E. Eliasen On the effect of the damping mechanisms in an atmospheric general circulation model. // Tellus, 1989. — V. 41. — P. 385400.

100. Stephens G.L. Radiation profiles in extended water clouds. II: Parametrization schemes. //J. Atmos. Sc,i., 1978. — V. 35. — P. 21232132.

101. Lacis A. A., Hansen J. E. A parameterization for the absorption of solar radiation in the Earth's atmosphere. //J. Atmos. Sci., 1974. — V". 31- — P. 118-133.

102. Berger A. Long-term variations of daily insolation and quaternary climatic change. // J. Atmos. Sci., 1978. V. 35. - P. 2362- 2367.

103. Sasamori T. The radiative cooling calculation for application to general circulation experiments. // J. Appl. Met., 1968. — V. 7. — P. 72l"729'

104. Kuo H.L. On formation and intensification of tropical cyclones through latent heat release by cumulus convection. //J. Atmos. Sci., 1965. V. 22. — P. 40-63.

105. Kraus E. B., Turner J. S. One-dimensional model of the seasonal thermocline II. The general theory and its consequences. // TeiriJ-s'- V. 19. P. 98-105.

106. Gaspar P. Modeling the seasonal cycle of the upper ocean. // J-Oceanogr., 1988. — V. 18. P. 161-180.

107. Karaca M., Miiller D. Mixed-layer dynamics and buoyancy trans:PortiS' ^ Tellus, 1991. V. 43. - P. 350-365.

108. Dommenget D., Latif M. Generation of SST anomalies in themidi^itudes.

109. Max-Planck-Institut Report, 2000. — 304 p.

110. Danielson J.J. Delineation of drainage basins from 1 km African digital elevation data. In: Pecora Thirteen, Human Interactions -zvfth. the Environment Perspectives from Space, Sioux Falls, South Dakota-, -A1-1*?118^ 20-22, 1996.

111. Goodberlet M.A. Special Sensor Microwave/Imager Calibration/Validation. / Ph.D. dissertation submitted to the University of Massachusetts, 1990.

112. Wentz F.J. Final report, production of SSM/I data sets. Remote Sensing Systems, Inc., Santa Rosa, CA. RSS Technical Report 090192, 1992.