Усовершенствование долгосрочных метеорологических прогнозов на основе структурно-статистического подхода тема диссертации и автореферата по ВАК РФ 25.00.30, доктор географических наук Хан, Валентина Моисеевна

• Хан, Валентина Моисеевна
• доктор географических наук
• 2012

Оглавление диссертации доктор 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 диссертации (часть автореферата) 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 диссертации 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.

Список литературы диссертационного исследования доктор географических наук Хан, Валентина Моисеевна, 2012 год

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.