Вероятностный сезонный прогноз температуры воздуха на основе статистических связей метеорологических величин тема диссертации и автореферата по ВАК РФ 25.00.30, доктор географических наук Крыжов, Владимир Николаевич

• Крыжов, Владимир Николаевич
• доктор географических наук
• 2013

Оглавление диссертации доктор географических наук Крыжов, Владимир Николаевич

СОДЕРЖАНИЕ

Стр.

ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

ВВЕДЕНИЕ

Глава 1. СЕЗОННЫЙ МЕТЕОРОЛОГИЧЕСКИЙ ПРОГНОЗ И ДАЛЬНИЕ СВЯЗИ В АТМОСФЕРЕ СЕВЕРНОГО ПОЛУШАРИЯ, ОПРЕДЕЛЯЮЩИЕ ФОРМИРОВАНИЕ ЗИМНЕЙ ПОГОДЫ И КЛИМАТА СЕВЕРНОЙ ЕВРАЗИИ

1.1 Сезонный метеорологический прогноз

1.2 Характеристики атмосферной циркуляции

1.3 Региональные дальние связи атмосферы северного полушария

1.4 Арктическая осцилляция

1.5 Выводы

Глава 2. ЭМПИРИЧЕСКИЕ ИССЛЕДОВАНИЯ СИНХРОННЫХ И АСИНХРОННЫХ СВЯЗЕЙ ЗИМНЕЙ ЗОНАЛЬНОЙ ЦИРКУЛЯЦИИ И МЕТЕОРОЛОГИЧЕСКИХ ВЕЛИЧИН НА ЕВРОПЕЙСКОЙ ТЕРРИТОРИИ РОССИИ НА РАЗЛИЧНЫХ ВРЕМЕННЫХ МАСШТАБАХ

2.1 Используемые данные и методы статистического анализа

2.2 Связь зимней температуры воздуха и зимнего индекса арктической осцилляции

2.3 Анализ типов циркуляции, влияющих на среднюю годовую температуру воздуха на Европейской территории России

2.4 Связь средней годовой и средних сезонных аномалий температуры воздуха с полярностью среднего январско-февральского индекса арктической осцилляции

2.5 Механизмы, обеспечивающие пролонгированное влияние зимней фазы арктической осцилляции на температуру

воздуха на ЕТР

2.6 Влияние средней январско-февральской фазы арктической осцилляции на ноябрьскую циркуляцию и ноябрьскую температуру воздуха

2.7 Выводы

Глава 3. СВЯЗЬ ПОЛЯРНОСТИ СРЕДНЕГО ЗИМНЕГО ИНДЕКСА АРКТИЧЕСКОЙ ОСЦИЛЛЯЦИИ С ЦИРКУЛЯЦИЕЙ В ПРЕДШЕСТВУЮЩИЕ ОКТЯБРИ

3.1. Мотивация исследования

3.2. Анализ возможных предикторов среднего зимнего индекса арктической осцилляции

3.3. Анализ связей октябрьской циркуляции и зимней фазы арктической осцилляции

3.4. Статистический прогноз зимнего индекса арктической осцилляции и зимней температуры воздуха над Северной Евразией на основе октябрьской циркуляции

3.5. Выводы

Глава 4. СТАТИСТИЧЕСКАЯ ПОСТОБРАБОТКА

ГИДРОДИНАМИЧЕСКИХ СЕЗОННЫХ ПРОГНОЗОВ

4.1. Краткий вводный обзор

4.2. Ансамблевый прогноз

4.2.1. Вероятностная интерпретация ансамблевого прогноза

4.2.3. Методы расчета вероятностных прогнозов

4.3. Мультимодельный ансамблевый прогноз

4.3.1. Цели применения мультимодельного подхода в прогнозировании на сезон

4.3.2. Основа рациональности мультимодельного подхода

4.3.3. Комплексация модельных прогнозов с учетом прошлого мастер ства моделей

4.4. Особенности верификации модельных сезонных прогнозов

4.5. Выводы

Глава 5. МЕТОД ГЛОБАЛЬНОГО ВЕРОЯТНОСТНОГО

МУЛЬТИМОДЕЛЬНОГО ПРОГНОЗА НА ОСНОВЕ ПРОГНОЗОВ МОДЕЛЕЙ С НЕРАВНЫМИ И НЕПРОПОРЦИОНАЛЬНЫМИ РАЗМЕРАМИ АНСАМБЛЕЙ В ИСТОРИЧЕСКИХ И ТЕКУЩИХ ПРОГНОЗАХ

5.1. Краткий обзор методов комплексирования сезонных гидродинамических прогнозов

5.2. Модели, участвующие в проекте АРСС (2006 г.)

5.3. Разработка метода комплексации модельных прогнозов

АРСС

5.4. Метод оперативного мультимодельного вероятностного прогноза АРСС

5.5. Оценка успешности сезонных прогнозов АРСС

5.5.1. Оценка успешности исторических прогнозов

5.5.2. Оценка успешности прогнозов в реальном времени

5.6. Сравнение успешности различных методов комплексации

мультимодельных прогнозов

5.7. Выводы

Глава 6. РЕГРЕССИОННЫЙ МЕТОД РЕГИОНАЛЬНОЙ ДЕТАЛИЗАЦИИ МУЛЬТИМОДЕЛЬНЫХ АНСАМБЛЕВЫХ ПРОГНОЗОВ С ВЕРОЯТНОСТНОЙ ИНТЕРПРЕТАЦИЕЙ НА ОСНОВЕ РАСЧЕТА СУММАРНОЙ НЕОПРЕДЕЛЕННОСТИ ПРОГНОЗА, СВЯЗАННОЙ С ПОГРЕШНОСТЯМИ РЕГРЕССИИ И

РАЗБРОСОМ АНСАМБЛЕЙ

6.1. Краткий обзор методов региональной детализации на

основе регрессии

6.2. Расчет суммарной неопределенности прогноза, связанной с разбросом прогностического ансамбля и погрешностями регрессии

6.3. Применение на практике. Вероятностный прогноз зимней температуры и осадков на станциях Республики Корея на основе детализации глобальных сезонных

му льтимодельных прогнозов

6.3.1. Используемые данные

6.3.2. Метод региональной детализации

6.3.3. Оценка успешности детализированных прогнозов

6.3.4. Оценка неопределенности детализированных прогнозов

6.4. Выводы

Глава 7. ПРОГНОЗ ЗИМНЕЙ ТЕМПЕРАТУРЫ ВОЗДУХА НА СТАНЦИЯХ СЕВЕРНОЙ ЕВРАЗИИ НА ОСНОВЕ РЕГИОНАЛЬНОЙ ДЕТАЛИЗАЦИИ ГЛОБАЛЬНЫХ СЕЗОННЫХ ПРОГНОЗОВ ДАВЛЕНИЯ НА УРОВНЕ МОРЯ, РАССЧИТАННЫХ ПО МОДЕЛИ ПЛАВ ФГБУ «ГИДРОМЕТЦЕНТР РОССИИ»

7.1. Оценка успешности воспроизведения зимней циркуляции в прогнозах модели ПЛАВ

7.1.1. Данные и методы анализа

7.1.2. Анализ воспроизведения изменчивости полей давления

на уровне моря в атлантико-европейском секторе

7.1.3. Анализ воспроизведения изменчивости циркуляции в средней тропосфере северного полушария

7.1.4. Обобщенные результаты оценки воспроизводимости ведущих мод изменчивости циркуляции северного полушария моделью ПЛАВ

7.2. Прогноз средних зимних значений индекса арктического колебания и температуры воздуха на станциях на основе региональной детализации гидродинамических прогнозов модели ПЛАВ

7.2.1. Методы региональной детализации

7.2.2. Верификационные оценки исторических прогнозов

7.2.3. Верификационные оценки прогнозов в реальном

времени

7.3. Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

АМК Анализ максимальных ковариаций

АО Арктическая осцилляция

АТЭС Азиатско-Тихоокеанское Экономическое Сотрудничество

ВМО Всемирная метеорологическая организация

ГК Главный компонент

ЕТР Европейская территория России

ЕЦСПП Европейский центр среднесрочного прогноза погоды

ЗШ Земной шар

МОЦА Модель общей циркуляции атмосферы

ПЛАВ ПолуЛагранжева, основанная на уравнении Абсолютной

заВихренности, глобальная модель Гидрометцентра России

САК Североатлантическое колебание

СМАО Совместная модель атмосферы и океана

СП Сингулярная переменная

СП Северное полушарие

стд.откл. Стандартное отклонение

ТПО Температура поверхности океана

ЭОФ Эмпирические ортогональные функции

ИЦ Индекс циркуляции

ММА Мультимодельный ансамбль

CEA Северная Евразия

СЕАКЦ Северо-Евразийский климатический центр

ЭНЮК Эль-Ниньо - Южное колебание

ВПИК Всемирная программа исследования климата

АО Arctic Oscillation

АСС Anomaly Correlation Coefficient - нецентрированный коэффициент корреляции аномалий (коэффициент конгруэнтности аномалий)

AN Above-Normal - выше нормы

АРСС Asia Pacific Economic Cooperation Climate Center

BN Below-Normal - ниже нормы

BS Brier Score - показатель Брайера

BSS Brier Skill Score - Показатель мастерства Брайера

CDC Climate Data Center

CI Circulation index

CPC Climate Prediction Center

CWB Central Weather Bureau (акроним модели, Тайвань)

DEMETER Development of a European Multi-model Ensemble System for Seasonal to Inter-Annual Prediction

DOE Department of Energy

DSP Dynamical Seasonal Prediction

ECMWF European Centre for Median-range Weather Forecasts

EUROSIP European Multimodel Seasonal to Interannual Prediction

FAR False Alarm Rate

GCPS Global Climate Prediction System

GDAPS Global Data Analysis and Prediction System (Акроним модели, Корея)

GPC Global Producing Center

HMC Hydrometcenter (акроним модели ПЛАВ Гидрометцентра России, принятый в АРСС)

HR Hit Rate

IPCC Intergovernmental Panel for Climate Change

IRI International Research Institute for Climate and Society

JMA Japan Meterological Agency

KMA Korea Meteorological Administration

MetOffice Meteorological Office

MGO Main Geophysical Observatory (акроним модели Главной Геофизической Обсерватории, принятый в АРСС)

ММЕ Multi-Model Ensemble

MSC Meteorological Service of Canada

NAM Northern Hemisphere Annular Mode

NAO North Atlantic Oscillation

NHTI Northern Hemisphere Teleconnection Indices

NN Near-Normal - около нормы

NCAR National Center for Atmospheric Research

NCEP National Centers for Environmental Prediction

г Коэффициент корреляции

P вероятность

POAMA Predictive Ocean-Atmosphere Model for Australia

PMME Probabilistic MultiModel Ensrmble

PROVOST Prediction of Climate Variations on Seasonal to Interannual Timescales

RO Показатель соответствия знаков аномалий

ROC Relative Operating Characteristic - Сравнительная оперативная

характеристика

RPS Rank Probability Score - Показатель успешности

вероятностных прогнозов в ранжированных категориях

RPSS Rank Probability Skill Score - Показатель мастерства

вероятностных прогнозов в ранжированных категориях

SMIP2/HFP Seasonal Model Intercomparison Project -2 / Historical Forecast Project

SVD Singular value decomposition

SVS WMO Standardized Verification System of World Meteorological Organization

TOGA Tropical Ocean Global Atmosphere

UEA CRU University of East Anglia Climatic Research Unit

WMO World Meteorological Organization

WMO LC WMO Lead Center for Long range Forecasting - Multimodel LRF-MME Ensemble - Ведущий центр ВМО по мультимодельному долгосрочному прогнозированию

/

Введение диссертации (часть автореферата) на тему «Вероятностный сезонный прогноз температуры воздуха на основе статистических связей метеорологических величин»

ВВЕДЕНИЕ

1. Актуальность темы диссертации

Долгосрочный метеорологический прогноз для внетропических широт, в частности, сезонный прогноз с заблаговременностью месяц, по-прежнему остается одной из приоритетных научных и практических задач современной метеорологии. Поэтому в настоящее время проводится множество эмпирических и модельных исследований низкочастотной изменчивости общей циркуляции атмосферы и климатической системы в целом с целью повышения качества сезонных прогнозов во внетропических широтах.

Определенные успехи в прогнозировании на сезон с помощью гидродинамических моделей общей циркуляции атмосферы и совместных моделей атмосферы и океана были достигнуты только для отдельных районов земного шара, главным образом для тропиков, в частности, для экваториальной части Тихого океана. Тем не менее, развитие прогнозирования на сезон, в том числе для средних и высоких широт, связывается, в основном, с развитием гидродинамических моделей. В последние десятилетия, наряду с совершенствованием моделей, все возрастающее внимание уделяется совершенствованию и внедрению в оперативную практику новых методов интерпретации модельных прогнозов. В частности, в оперативную практику уже прочно вошло производство ансамблевых сезонных прогнозов, а в последнее десятилетие -мультимодельных ансамблевых сезонных прогнозов, представляемых в вероятностной форме. В начале 2000-х годов выпуск мультимодельных ансамблевых сезонных прогнозов был начат в Западной Европе в Европейском центре среднесрочного прогноза погоды (ЕЦСПП) и в США в Научно-исследовательском институте климата и общества (International

Research Institute for Climate and Society - IRI). В это же время в Республике Коря был создан Климатический центр Азиатско-Тихоокеанского сотрудничества (Asia Pacific Economic Cooperation Climate Center - APCC), специализирующийся на выпуске мультимодельных ансамблевых сезонных прогнозов, а в 2011 г. выпуск вероятностных глобальных мультимодельных ансамблевых сезонных прогнозов был начат во вновь образованном Ведущем центре ВМО по мультимодельному ансамблевому долгосрочному прогнозированию (WMO Lead Center for Long Range Forecasting - MultiModel Ensemble - WMO LC LRF-MME). В настоящее время по инициативе ВМО, разработавшей концепцию региональных климатических центров, нацеленных на производство региональных прогнозов, интенсивно идут разработки методов региональной интерпретации глобальных модельных прогнозов на основе технологий региональной детализации (даунскейлинга).

В фокусе диссертационной работы - сезонный прогноз температуры воздуха на севере Евразийского континента с заблаговременностью один месяц. В работе рассмотрены различные аспекты разработки такого прогноза, начиная от анализа связей температуры воздуха с циркуляцией, и заканчивая постобработкой модельных прогнозов с использованием технологий региональной детализации с учетом связей температуры воздуха и циркуляции. Повышенное внимание уделяется вероятностной интерпретации, мультимодельным ансамблевым прогнозам, региональной детализации глобальных прогнозов, то есть, самым современным методам интерпретации гидродинамических модельных прогнозов.

Особую актуальность этот вопрос имеет для России и стран СНГ, полностью расположенных в средних и высоких широтах, чье социальное и экономическое развитие весьма климатозависимо.

Цель работы

Цель работы - исследования низкочастотной изменчивости общей циркуляции атмосферы, направленные на повышение качества сезонных прогнозов большой заблаговременности для внетропических широт на основе усовершенствования методов интерпретации гидродинамических модельных прогнозов с учетом эмпирически установленных связей метеорологических величин. Задачи исследования:

- анализ синхронных и асинхронных связей между зимней зональной циркуляцией и температурой воздуха различного временного осреднения;

- анализ связи среднего зимнего индекса арктического колебания с предшествующими осенними атмосферными процессами как основы для разработки статистического метода сезонного прогноза (с заблаговременностью один месяц) среднего зимнего индекса арктической осцилляции и температуры воздуха;

- разработка методов статистической постобработки, вероятностной интерпретации и комплексации сезонных ансамблевых гидродинамических модельных прогнозов в мультимодельный прогноз;

- разработка статистических методов региональной детализации глобальных

мультимодельных ансамблевых прогнозов с вероятностной интерпретацией.

Положения, выносимые на защиту, и их новизна

1. Результаты анализа синхронных и асинхронных связей зимней зональной циркуляции и метеорологических величин на Европейской территории России (ЕТР) на различных временных масштабах. Эмпирические исследования показали пролонгированное влияние зимней фазы арктической осцилляции на температуру воздуха на ЕТР. Впервые показана

связь ноябрьской температуры воздуха на ЕТР с фазой арктической осцилляции в предшествующую зиму, объясняющая понижение ноябрьской температуры воздуха 1970-х - 1990-х годов и последующее ее повышение. Впервые продемонстрирована связь полярности зимнего индекса арктической осцилляции с предшествующей октябрьской конфигурацией европейско-азиатской ветви арктического фронта.

2. Усовершенствованные методы вероятностной интерпретации мультимодельных ансамблевых сезонных прогнозов. Впервые предложен метод глобального вероятностного мультимодельного прогноза на основе комплексации прогнозов моделей с неравными и непропорциональными размерами ансамблей в исторических и текущих прогнозах. Впервые предложен регрессионный метод региональной детализации мульти- и одномодельных ансамблевых прогнозов с вероятностной интерпретацией на основе расчета суммарной неопределенности прогноза, связанной с погрешностями регрессии и разбросом ансамбля.

3. Разработанные диссертантом методы детализации глобальных ансамблевых прогнозов атмосферного давления модели ПЛАВ Гидрометцентра России для расчета вероятностного прогноза зимней температуры воздуха на территории Северной Евразии.

Достоверность результатов

Все опубликованные и показанные в диссертации результаты были получены на общедоступном фактическом материале с использованием стандартных методов анализа, что обеспечивает полную их воспроизводимость другими исследователями. В целях проверки и избежания ложных выводов все результаты были воспроизведены автором на фактических материалах из различных источников, для различных временных интервалов, с применением различных методов.

Практическая значимость результатов работы.

В мае 2006 г. разработанный диссертантом метод глобального вероятностного мультимодельного прогноза на основе прогнозов моделей с неравными и непропорциональными размерами ансамблей в исторических и текущих прогнозах был внедрен в оперативную практику АРСС, г. Пусан, Республика Корея. Сезонные прогнозы АРСС, разработанные на основе указанного метода, предоставляются России и используются в СевероЕвразийском климатическом центре в ФГБУ «Гидрометцентр России».

В июле 2011 г. этот метод был внедрен в оперативную практику \УМО ЬС ЬИР-ММЕ, г. Сеул, Республика Корея, работа которого направляется совместно Корейской Метеорологической Администрацией и Центром Климатического Прогнозирования (СРС, США). Сезонные прогнозы \\ПУЮ ЬС ЬИР-ММЕ, разработанные на основе указанного метода, предоставляются России и используются в Северо-Евразийском климатическом центре в ФГБУ «Гидрометцентр России».

Разработанный диссертантом метод вероятностного прогноза на основе региональной детализации одно- и мультимодельных глобальных ансамблевых прогнозов готов к внедрению в Северо-Евразийском климатическом центре (СЕАКЦ).

Работа состоит из введения, семи глав и заключения. Логически главы объединяются в три части: эмпирическая, модельная, и модельно-эмпирическая.

В первой части (главы 1-3) реализован эмпирический подход к анализу синхронных и асинхронных связей в климатической системе. На эмпирическом уровне показывается возможность прогноза зимнего индекса арктической осцилляции (АО) по осеннему состоянию арктического фронта, то есть показывается существование достаточно сильной и устойчивой физически обусловленной связи между этими феноменами. На основании

этого делается вывод, что, если в имеющейся прогностической модели эта связь описана достаточно адекватно, то стартовав с октябрьских условий и пользуясь октябрьскими аномалиями температуры поверхности океана, модель должна правильно прогнозировать полярность зимней АО.

Вторая часть (главы 4-6) посвящена постобработке (постпроцессингу) модельных прогнозов. В этой части подробно рассмотрены методы постобработки модельных прогнозов от общих положений до представления двух разработанных методов прогнозов с использованием мультимодельного ансамбля, метода, основанного на «сырых» модельных прогнозах, и метода, использующего разработанную технологию региональной детализации (даунскейлинга). Делается вывод о целесообразности применения технологии региональной детализации к модельным прогнозам во внетропических широтах.

Третья часть (глава 7) объединяет результаты первых двух -разрабатывается технология региональной детализации гидродинамических прогнозов модели ПЛАВ ФГБУ «Гидрометцентр России» с использованием результатов эмпирических исследований.

Содержание работы по главам.

Во введение представлена актуальность работы, формулируются цель и задачи исследования, дается краткое содержание глав работы.

В первой главе приводится краткое описание подходов к представлению характеристик низкочастотной изменчивости макроциркуляции атмосферы. Рассматриваются методы определения основных мод изменчивости атмосферы (дальних связей). Подробно рассматривается доминирующая мода изменчивости атмосферы северного полушария - арктическая осцилляция. Показано, что средняя зимняя температура воздуха практически на всей Северной Евразии статистически

значимо связана с зимним индексом АО, а для большой части территории коэффициенты корреляции превышают 0.7.

Во второй главе исследуется шлейф зимней арктической осцилляции в температуре воздуха на ЕТР. В двух исследованиях, дополняющих друг друга, показано, что средняя годовая температура воздуха на ЕТР статистически значимо связана только с январским и февральским индексами арктической осцилляции. Их вариации объясняют 56% изменчивости средней годовой температуры воздуха на ЕТР, в том числе и значительную долю дисперсии весенней температуры на ЕТР, и значительную долю дисперсии температуры второго полугодия на севере ЕТР. Показано, что механизм сохранения влияния зимней фазы АО на температуру воздуха - это «память» снежного покрова и ледяного покрова о зимних условиях своего формирования при сильном воздействии зимней фазы АО. Дано объяснение наблюдавшемуся в 1970-1990-х годах ноябрьскому похолоданию, резко контрастировавшему с потеплением в другие сезоны. Показано, что при уменьшении летней площади ледяного покрова в Арктике, связанном с преобладанием положительной фазы зимней АО, при осеннем замерзании большей акватории в атмосфере формируется зональный диполь давления с отрицательной аномалией давления в районе моря Лабрадор и положительной аномалией над Скандинавией. По восточной периферии этой области положительной аномалии осуществляется аномальная адвекция холода на ЕТР, обусловливающая отрицательную аномалию температуры. При отрицательной зимней полярности АО знаки в центрах аномалий меняются, что способствует повышенному скагерракскому циклогенезу, и приходу на ЕТР теплого атлантического воздуха. Такие условия преобладают в последние годы.

В третьей главе анализируются возможные осенние (октябрьские) предикторы зимней фазы АО и показывается, что из всех возможных предикторов зимняя фаза АО устойчиво связана только с октябрьской

конфигурацией арктического фронта. Показан механизм этой связи -регулирующее воздействие азиатской части арктического фронта на аномальную адвекцию холода в Восточную Сибирь в нижней тропосфере, и, таким образом, на усиление или ослабление длинных климатических планетарных волн, взаимодействие которых со средним зональным потоком в стратосфере определяет арктическую осцилляцию как осцилляцию. Для характеристики азиатской части арктического фронта предложен циркуляционный индекс, который используется в качестве предиктора зимнего индекса АО. Вероятностный прогноз на основе теоремы гипотез (теоремы Байеса) весьма успешен, что подтверждается и весьма успешным прогнозом зимней температуры на станциях ЕТР. Делается вывод о том, что если прогностическая модель общей циркуляции атмосферы адекватно воспроизводит процессы в атмосфере, то она должна успешно прогнозировать зимнюю полярность АО, стартуя с октябрьского распределения метеорологических величин в атмосфере, и будучи контролируема инерционными октябрьскими аномалиями температуры поверхности океана.

В четвертой главе дается введение в постобработку сезонных модельных прогнозов. Рассматриваются детерминистский и различные варианты вероятностного подходов к интерпретации модельных прогнозов. Обосновывается рациональность мультимодельного подхода. Анализируются методы комплексации индивидуальных модельных прогнозов в мультимодельный ансамблевый прогноз, учитывающие и не учитывающие успешность исторических прогнозов моделей, входящих в ансамбль.

В пятой главе приводится подробное описание разработки метода глобального вероятностного прогноза на основе ансамбля моделей с различными размерами прогностических ансамблей и непропорциональными весами моделей в исторических и текущих прогнозах, принятого в АРСС и в

\¥М0 ЬС ЬЯБ-ММЕ в качестве оперативного метода мультимодельного вероятностного сезонного прогноза. Анализируются проблемы, связанные с непропорциональностью весов и различием в размерах ансамблей, обосновываются принятые решения, в частности обосновывается применение весовых коэффициентов, и выводятся формулы для их вычисления. Показывается, что мультимодельные прогнозы превосходят в успешности прогнозы индивидуальных моделей, входящих в ансамбль. С другой стороны отмечается основной недостаток мультимодельных прогнозов - их малая информативность для регионов со слабой предсказуемостью. Сравнение успешности прогнозов разработанным методом и прогнозов возможными альтернативными методами показывает приоритет разработанного метода.

В шестой главе рассматривается регрессионный метод региональной детализации мультимодельных ансамблевых прогнозов с вероятностной интерпретацией на основе расчета суммарной неопределенности прогноза, связанной с погрешностями регрессии и разбросом ансамблей. Выводятся формулы расчета суммарной неопределенности прогноза в результате применения регрессии к ансамблевому прогнозу, что позволяет избежать использования инфляции. Метод анализируется на примере прогнозов зимней температуры и зимних осадков для станций Республики Корея. Показывается преимущество разработанного метода по сравнению с интерполяцией «сырых» модельных прогнозов из узлов сетки на станции.

В первой части седьмой главы анализируется успешность гидродинамических прогнозов зимней циркуляции модели ПЛАВ Гидрометцентра России. Показано, что прогноз среднего зимней циркуляции в атлантико-европейском секторе и зимнего индекса САК находится на уровне корреляции 0.5 с наблюдениями. Делается вывод о целесообразности разработки метода прогноза средней зимней температуры воздуха на станциях Северной Евразии на основе постобработки модельного прогноза

среднего зимнего атмосферного давления в атлантико-европейском секторе с применением технологии региональной детализации. Во второй части главы приводятся результаты тестирований метода региональной детализации с вероятностной интерпретацией прогнозов, описанного в шестой главе и незначительно модифицированного, и разработанных дополнительно вероятностных методов региональной детализации на основе теоремы Байеса, в одном из которых отбор предикторов происходит с использованием индекса АО. Показано, что разработанные методы региональной детализации значительно повышают успешность прогнозов зимней температуры воздуха на станциях Северной Евразии по сравнению с интерполяцией «сырых» модельных прогнозов из узлов сетки на станции и по сравнению с альтернативными методами детализации. Делается вывод о целесообразности применения этих методов региональной детализации в прогнозах зимней температуры в Северо-Евразийском климатическом центре.

В Заключении формулируются наиболее важные результаты работы.

Основное содержание диссертации составляют исследования, выполненные диссертантом в рамках тем НИР и ОКР Росгидромета в 1984 -2012 гг., а также исследования, выполненные диссертантом во время работы в АРСС (2004-2006 гг.) и в ходе двустороннего научного сотрудничества между Росгидрометом и Корейской метеорологической администрацией (2007-2012 гг.).

1. СЕЗОННЫЙ МЕТЕОРОЛОГИЧЕСКИЙ ПРОГНОЗ И ДАЛЬНИЕ СВЯЗИ В АТМОСФЕРЕ СЕВЕРНОГО ПОЛУШАРИЯ, ОПРЕДЕЛЯЮЩИЕ ФОРМИРОВАНИЕ ПОГОДЫ И КЛИМАТА СЕВЕРНОЙ ЕВРАЗИИ

1.1. Сезонный метеорологический прогноз

Советская школа долгосрочного прогнозирования имеет долгую и весьма успешную историю. Сама география России предопределяет необходимость развития методов долгосрочного прогнозирования - это и обширные области рискованного земледелия, и освоение севера и востока страны, и обеспечение работы Северного морского пути, и многие другие социальные и экономические задачи развития нашей страны. Прогнозы развития атмосферных процессов и соответствующего распределения аномалий метеорологических величин на сезон выпускались и выпускаются Гидрометцентром СССР/России, Главной геофизической обсерваторией им. A.B. Воейкова, Арктическим и Антарктическим научно-исследовательским институтом.

В Гидрометцентре СССР в течение многих лет сезонные прогнозы выпускались на основе синоптико-статистического метода, основные положения которого были разработаны С.Т. Пагавой в 1940-х годах (Пагава, 1966). В основе метода лежит концепция естественного синоптического сезона, введенная Б.П. Мультановским (Мультановский, 1933). Суть метода заключается в выявлении предвестников следующего естественно-синоптического сезона и определении по ним характеристик этого наступающего сезона, включая его начало и окончание. Следует отметить, что естественные синоптические сезоны (выделяется шесть сезонов с изменяющимися год от года границами) не привязаны к календарным сезонам. Хотя они более органичны годовому ходу атмосферных процессов в

климатической системе Северной Евразии, метеорологическое обслуживание народного хозяйства требует сезонные прогнозы, привязанные к календарным, а не естественно-синоптическим сезонам.

Наибольшее распространение и применение в прогнозировании на сезон получили физико-статистические методы. Они построены на установлении асинхронных статистических связей между явно или косвенно физически обоснованно связанными метеорологическими величинами.

Наиболее известный и до настоящего времени применяемый в оперативной практике метод физико-статистического прогноза был разработан в ГГО им. А.И. Воейкова М.И. Юдиным и A.B. Мещерской (Юдин, Мещерская, 1977 и др. статьи авторов). Из множества потенциальных предикторов, отобранных на основе физически обоснованных связей с предиктантами, с использованием определенного статистического критерия отбираются предикторы для участия в регрессионных схемах прогноза. Прогнозы, рассчитанные в ГГО по этому методу, в настоящее время входят в ансамбль прогнозов, комплексируемых в ФГБУ «Гидрометцентр России» с целью выработки единого прогноза на отопительный и вегетационный периоды.

Ряд физико-статистических методов сезонного прогноза различных метеорологических величин и их производных был разработан в Гидрометцентре СССР сотрудниками ОДПП (Аристов и др., 1972; Мдинирадзе, Педь, 1972; Аристов и др., 1982; Куликова, 1982; и др.).

Общей чертой всех названных физико-статистических методов является применение регрессионного анализа для вывода прогностического уравнения, причем используется как одномерная, так и множественная регрессии; а так же широкое использование разложения полей предикторов на эмпирические ортогональные функции (ЭОФ) с целью уменьшения размерности предикторов и, главным образом, выделения главных мод их изменчивости.

Еще одна характерная черта названных методов - это «одношаговость» прогноза, то есть выделение и описание в прогностических уравнениях связей, непосредственно асинхронно связывающих предиктант с предикторами без явного выделения механизма, обеспечивающего асинхронность связей. В то же время, что вполне очевидно, существование такого механизма в неявном виде в этих методах присутствует, и изучению его уделяется большое внимание (Угрюмов, 1981; Багров и др., 1985; и др.). Асинхронность связей в неявном виде обеспечивается медленно меняющимися (или меняющимися по определенному сценарию) свойствами подстилающей поверхности - теплосодержанием деятельного слоя океана, характеристиками ледяного покрова на акватории, снежного покрова на суше. В работе А.И. Угрюмова (1981) была предложена «двухшаговая» схема прогноза: на первом шаге асинхронно прогнозируется будущее состояние теплосодержание деятельного слоя океана, а на втором шаге прогнозируются метеорологические величины на континенте Евразия с использованием уже синхронных связей подстилающая поверхность - циркуляция -метеорологические величины.

Обе схемы имеют свои плюсы и минусы. Неоспоримым плюсом одношаговой схемы является ее одношаговость, то есть отсутствие промежуточного прогноза. Но этот прогноз состояния подстилающей поверхности в неявном виде все-таки присутствует, причем в «осредненном» состоянии, и, кроме того, физический смысл выявленных непосредственных связей не всегда очевиден. Плюсом второй схемы «прогноз на основе прогноза» является как раз очевидность последовательности связей, в ней возможен более точный прогноз свойств подстилающей поверхности, но при этом может возникать накопление ошибок прогноза.

Следует заметить, что широко реализованная в настоящее время в гидродинамических методах прогнозирования на сезон «двухуровневая» (two-tier) схема практически повторяет схему «прогноз на основе прогноза».

В этой схеме сначала прогнозируется процесс эволюции граничных условий, а затем эти граничные условия «управляют» интегрированием по моделям общей циркуляции атмосферы. Наиболее сильная межгодовая изменчивость воздействия подстилающей поверхности на атмосферу связана с явлением Эль-Ниньо - Южное колебание, и, в то же время, внутри сезона прогноза связанные с этим явлением изменения можно считать медленными, поэтому на первом шаге прогнозируется эволюция пространственного распределения температуры поверхности океана в экваториальной части Тихого океана. Методы прогноза различны, в ряде прогностических схем - это инерционный прогноз аномалии ТПО в комбинации со средним климатическим годовым ходом ТПО (этот подход реализован, например, в Гидрометцентре России, в Канадской гидрометслужбе (до 2012 г.) ), в других - это статистические методы прогноза ТПО (например, в Корейской метеорологической администрации). Более подробно вопросы, связанные с гидродинамическими прогнозами будут рассмотрены в главе 4, здесь же заметим, что двухуровневая схема имеет ограничения, связанные как раз с накоплением ошибок прогноза. Она имеет ограничение интервала прогноза, так как с ростом этого интервала нарастают ошибки прогноза ТПО, особенно при инерционном прогнозе. Схемы, построенные на инерционном прогнозе ТПО, особенно малоуспешны для прогнозов на лето, так как переходы от Эль-Ниньо к Ла-Нинья и обратно происходят в летний период. Поэтому сохранение на весь четырехмесячный период (сезонный прогноз с заблаговременностью один месяц) пространственного распределения аномалий ТПО, наблюдаемого в конце апреля-начале мая, ведет к ошибкам в форсинге и, как результат, к ошибкам в прогнозе средних сезонных летних значений метеорологических величин.

Наряду с методами, основанными на регрессии, определенное место в долгосрочном прогнозировании получили методы, построенные на схожести развития атмосферных процессов в различные годы - методы аналогов. При

всей кажущейся их «статистичности» методы аналогов имеют в своей основе физические зависимости. Подбор исторических аналогов развитию процессов в текущем году подразумевает, что в году-аналоге сходным образом развивались процессы во всей системе физических воздействий и обратных связей.

В Гидрометцентре СССР/России прогностические методы на основе подбора аналогов нашли применение и успешно использовались и используются в оперативной практике. С 1983 г. до начала 1990-х применялся метод групповых аналогов (ГРАН), разработанный под руководством Г.В. Грузы (Груза и др., 1989). С середины 1990-х годов и по настоящее время в Гидрометцентре России выпускаются долгосрочные прогнозы на основе метода аналогов, разработанного В.П. Садоковым (Садоков, 2009; Садоков, 2012). Эти прогнозы, наряду с прогнозами ГГО, входят в ансамбль прогнозов, комплексируемых в ФГБУ «Гидрометцентр России» с целью выработки прогноза на отопительный и вегетационный периоды.

Основное ограничение статистических методов объективно -статистические связи устанавливаются на основе обучающих выборок, то есть исторических данных, отражающих статистические связи между предиктантом и предикторами в пределах изменчивости предиктанта и предикторов именно в анализируемый исторический период. Со временем многие статистические связи между заданным предиктантом и заданными предикторами ослабевают. Это ограничение касается, главным образом, малопараметрических статистических моделей, в которых используются один - два предиктора. В этом случае «обновление» прогностических уравнений, то есть расчет новых (регрессионных) коэффициентов при сохранении вида уравнений, то есть набора предикторов, оказывается малоэффективно. Наименее подвержены «устареванию»

многопараметрические методы, в которых отбор предикторов

осуществляется индивидуально для каждого прогноза, и отбор происходит из огромного множества потенциальных предикторов, то есть постоянно осуществляется адаптация обучающей выборки к меняющимся условиям, как это делается в методе, разработанном М.И. Юдиным и A.B. Мещерской (Юдин, Мещерская, 1977). Методы аналогов так же достаточно «долго живу щи», так как в них не устанавливаются статистические связи между фиксированными значениями метеорологических величин, а подбираются аналоги к динамике развития комплекса процессов.

В настоящее время в прогнозировании на сезон с заблаговременностью месяц все большее место занимают гидродинамические методы прогнозирования - интегрирование по моделям общей циркуляции атмосферы при медленно меняющихся прогнозируемых граничных условиях или по совместным моделям атмосферы и подстилающей поверхности. Современные подходы к гидродинамическим методам сезонного прогноза и методам их интерпретации будут подробно рассмотрены в главе 4.

Следует особо отметить современную интерпретацию сезонного прогноза. Если раньше преобладал детерминистский подход, и прогнозы формулировались в терминах аномалий метеорологических величин, то в настоящее время, учитывая большую неопределенность сезонных прогнозов, все ведущие центры, выпускающие сезонные прогнозы, формулируют их в терминах вероятности осуществления прогнозируемого события в трех равновероятных категориях - выше нормы, около нормы, ниже нормы. Таково и современное требование ВМО к представлению сезонных прогнозов (Наставление, 2005). В Советском Союзе пионерами вероятностного долгосрочного прогнозирования были Г.В. Груза и Э.Я.Ранькова (Груза, Ранькова, 1983; и др. публикации авторов). Метод ГРАН предполагал в большей степени вероятностную, нежели детерминистскую интерпретацию (Груза и др., 1989). Этот метод

вероятностного прогноза был реализован в Гидрометцентре СССР в качестве оперативного в 1983 г. и проработал в этом качестве до начала 1990-х годов.

В заключение краткого обзора подходов к прогнозированию на сезон следует отметить, что в основе физико-статистических методов сезонных прогнозов для Евразийского континента лежит цепочка: взаимодействие атмосферы и подстилающей поверхности, формирующее аномалии свойств подстилающей поверхности (теплосодержания деятельного слоя океана, свойств ледяного покрова, снежного покрова) - медленно изменяющиеся аномалии свойств подстилающей поверхности, обеспечивающие асинхронность связей, - взаимодействие атмосферы и подстилающей поверхности, формирующее аномалии атмосферной циркуляции - аномалии метеорологических величин на континенте. Передаточным механизмом от медленно меняющихся граничных условий (в основном) океана к аномалиям метеорологических величин на континенте является циркуляция атмосферы. В основе гидродинамических методов прогнозирования на сезон лежит аналогичная цепочка, но с охватом всего земного шара. И в этих методах передаточным механизмом от медленно меняющихся граничных условий океана к аномалиям метеорологических величин на континенте является так же циркуляция атмосферы. Различные типы и характеристики изменчивости циркуляции атмосферы, определяющие формирование погоды и климата северной Евразии, рассматриваются в разделах 1.2 - 1.4.

1.2. Характеристики атмосферной циркуляции

Атмосферная циркуляция - это один из трех основных, наряду с радиационным балансом и свойствами подстилающей поверхности, климатообразующих факторов, определяющих погоду и климат той или иной территории (Хромов, 1985). Анализ макромасштабной циркуляции и форм ее изменчивости лежит в основе многих методов долгосрочных метеорологических прогнозов. Для характеристики изменчивости

макромасштабной атмосферной циркуляции используются различные классификации форм циркуляции и циркуляционные индексы.

Классификации и индексы циркуляции атмосферы, разработанные в СССР, явились заметным вкладом в мировую метеорологическую науку. Наиболее известная и нашедшая широкое применение классификация - это классификация Вангенгейма-Гирса (Гире, 1960, 1971, 1974; Гире A.A., К.В. Кондратович, 1978; и др.). Она была предложена Г.Я. Вангенгеймом в на основе анализа процессов в Атлантико-Европейском секторе. Им было выделено три формы тропосферной циркуляции: западная W, восточная Е и меридиональная С. При западной форме преобладает смещение барических образований на Европу с Атлантики. При восточной форме циркуляции гребень располагается над Европой, а ложбина - над Атлантикой. При меридиональной - положение гребня и ложбины обратное. А.А.Гирс дополнил анализ Г.Я.Вангенгейма. Он предложил проводить анализ в двух секторах - атлантико-евроазиатском и тихоокеанско-американском. При этом в первом принимается классификация Вангенгейма, к которой добавляется аналогичная классификация циркуляции во втором секторе. Таким образом, во внетропической части Северного полушария было выделено девять основных типов макроциркуляции. В качестве количественной оценки наблюдаемой макроциркуляции применяется повторяемость процессов того или иного типа. Классификация Вангенгейма-Гирса оказалась очень удобной для характеристики преобладающих атмосферных процессов на масштабах от естественного синоптического периода, то есть дней, до климатических циркуляционных эпох, то есть десятилетий. В настоящее время эта классификация находит большее применение в описании климатических циркуляционных эпох (Крутских, 1991; Сидоренков, 2002; Сидоренков и Орлов, 2008, Кононова, 2009).

Весьма важным прогностическим элементом классификации Вангенгейма-Гирса являются рассчитанные статистические оценки

вероятности переходов от одного типа циркуляции к другому. Таким образом, при наблюдаемом типе можно прогнозировать вероятность перехода к тому или иному другому типу циркуляции, называя при этом наиболее вероятный переход и наименее вероятный (или запрещенный) переход. Таблицы вероятности переходов приводятся, например, в монографии А.А. Гирса (1974). Можно назвать также ряд регионально ориентированных под-классификаций, или типизаций, направленных на применение в среднесрочных прогнозах, например, типизацию процессов для Арктики (Дыдина, 1964).

Наряду с классификациями типов макромасштабной циркуляции широкое применение нашли всевозможные индексы циркуляции, характеризующие количественно соответствие наблюдаемой циркуляции тому или иному эталонному типу циркуляции. Совокупность циркуляционных индексов дает представление о пространственно-временной изменчивости атмосферных процессов над той или иной территорией.

Методы определения и вычисления индексов могут быть весьма разнообразны. Наиболее простые методы построены на расчете аномалии (нормированной или нет) той или иной метеорологической величины или комбинации аномалий. Аномалии могут рассчитываться для определенной точки (например, центров действия атмосферы, в частности, аномалия атмосферного давления в Рейкьявике характеризует интенсивность исландской депрессии), или усредняться по некоторому району (например, индексы Эль-Ниньо, определяемые по аномалии температуры поверхности океана в районах Ninol+2, Nino3, и др.). Для характеристики определенных макроциркуляционных структур, как правило, используются комбинации аномалий метеорологических величин в различных точках или районах. Например, индекс северо-атлантического колебания (САК - NAO - North Atlantic Oscillation) может рассчитываться как разность аномалий (нормированных или нет - возможны варианты) атмосферного давления в

Понта-Дельгада (или Лиссабоне, или Гибралтаре) и в Рейкьявике (Walker, 1924; Walker, Bliss, 1932, Jones и др., 1997), а индекс южного колебания рассчитывается как разность аномалий (как правило, с нормировкой) атмосферного давления на Таити и в Дарвине (Walker, 1924; Walker, Bliss, 1932). Для структур, имеющих более двух центров, например, PNA (Pacific-North America - Тихий океан-Северная Америка), комбинации оказываются сложнее, но принцип тот же - это линейные комбинации аномалий той или иной метеорологической величины с нормировкой или нет (Wallace, Gutzier, 1981; и др.). Несколько особняком здесь стоит индекс Россби (Rossby, 1939), характеризующий зональную циркуляцию по широтному поясу или по его секторам, и вычисляемый как осредненная по данному региону аномалия зональной составляющей скорости геострофического ветра.

Иной подход к расчету индексов стал преобладать в последние 20-30 лет, что, скорее всего, следует связать с развитием компьютерной техники и появлением сеточных полей метеорологических величин. Индексы стали рассчитывать как главные компоненты разложения полей метеорологических величин на эмпирические ортогональные функции. Например, индексы дальних связей северного полушария или индекс арктической осцилляции, публикуемые СРС (Climate Prediction Center - Центр климатического прогнозирования), определенные в (Wallace, Gutzier, 1981; Barnston, Livesey, 1987, Thompson and Wallace, 1998, 2000).

В советской метеорологической науке разработка и применение индексов циркуляции имеет давнюю историю. Для характеристики интенсивности зональной циркуляции E.H. Блинова (Блинова, 1967) предложила индекс, характеризующий скорость вращения циркумполярного вихря как твердого тела относительно поверхности Земли. А.Л.Кац (Кац, 1960) предложил свои достаточно простые для расчетов индексы интенсивности зональной и меридиональной циркуляции, построенные на

разностях высот Н5оо, широко применяемые в Гидрометцентре России до настоящего времени.

Хотя исследование дальних связей, для характеристики которых большинство индексов и было предложено, восходит к 1920-м - 1930-м годам (Walker, 1924; Walker, Bliss, 1932, Angstrem, 1935; Loewe, 1937), практически, начало множеству современных исследований и самих дальних связей, и их проявлений в климате было положено серией статей Бьеркнеса (Bjerknes, 1966; Bjerknes, 1969; и др.), показавших дальние связи, ассоциирующиеся с явлением Эль-Ниньо - Южное колебание.

Зимняя погода в Европе в значительной степени зависит от интенсивности адвекции теплого и влажного воздуха с Северной Атлантики (Угрюмов, 1985; и др.). Для характеристики этой адвекции, как указывалось выше, еще в двадцатых годах XX века был предложен индекс североатлантического колебания (Walker, 1924; Walker, Bliss, 1932), характеризующий градиент давления между Азорским антициклоном и Исландской депрессией. По-видимому, возрождение интереса к дальним связям и к влиянию изменчивости макромасштабной циркуляции на погоду по обе стороны Северной Атлантики было вызвано публикацией статьи (Loewe, 1966) и последовавших за ней статей Ван Луна и Роджерса (van Loon и Rogers, 1978; Rogers и van Loon, 1979), показавших «качели» - дипольную структуру поля аномалии температуры воздуха и других метеорологических величин с центрами аномалий противоположного знака в Европе и в Гренландии, и, что самое главное, показавших, что эти «качели» определяются дипольной структурой поля изменчивости аномалий атмосферного давления, близкой к структуре северо-атлантического колебания.

1.3. Региональные дальние связи атмосферы северного полушария

Уоллес и Гацлер (Wallace, Gutzler, 1981) с использованием точечных корреляций высоты геопотенциальной поверхности 500 гПа (Н5оо), подтвержденных разложением полей Н5оо на эмпирические ортогональные функции, показали ряд дальних связей над Северной Атлантикой и Тихим океаном и предложили индексы, характеризующие эти дальние связи. Именно в этой работе было положено начало формированию списка ведущих мод низкочастотной изменчивости циркуляции северного полушария, составивших основу списка дальних связей и их индексов, вошедших в мировую метеорологическую литературу под именем Индексы дальних связей северного полушария (Northern Hemisphere Teleconnection Indices -NHTI). В частности, ими были определены структуры Восточная Атлантика, Тихий океан/Северная Америка, Западная Атлантика, Западный Тихий океан и Евразия. Необходимо отметить важный методологический аспект их исследования. Авторы показали, что дальние связи ярче проявляются в средней тропосфере, нежели у поверхности Земли, чем предопределили методологию последующих исследований. Провели они и разделение между найденными ими региональными структурами и охватывающей все северное полушарие зонально-симметричной структурой - «прообразом» структуры арктической осцилляции, которой будет посвящена большая часть диссертации. Хотя часть определенных Уоллесом и Гацлером структур дальних связей известны сегодня под другими названиями, в частности, Западная Атлантика - это Северо-Атлантическое колебание, Евразия - это Скандинавия, надо еще раз отдать им должное - именно их работа во многом предопределила основное направление развития исследований роли циркуляции в климатообразовании на временных масштабах от месяца до десятилетий.

Работа, положившая основу современному методологическому подходу к расчету индексов дальних связей, была выполнения Барнстоном и

Ливзи (Вагг^оп, Ыуегеу, 1987). С использованием разложения полей аномалий Н700 северного полушария на повернутые эмпирические ортогональные функции они получили набор структур дальних связей и их индексов, составивших упоминавшийся выше список Индексов дальних связей северного полушария. Основным методологическим достижением Барнстона и Ливзи был переход от обычных эмпирических ортогональных функций к повернутым, что обеспечивало их большую устойчивость. Кроме того, в отличие от Хорела (Ноге1, 1981), авторы задали стандарт - 10 ведущих повернутых (УАММАХ-вращение) ЭОФ Н700, которому следуют в течение всего года (таблица 1.1).

Таблица 1.1. Ведущие структуры дальних связей северного полушария, выделяемые по Н7оо в СРС (до 2005 г.). Цифры в ячейках таблицы - номера соответствующей моды изменчивости при разложении полей аномалий Н7оо на ЭОФ (по материалам СРС, ранее 2005 г.)

месяцы

Аббр.* XII I II III IV V VI VII VIII IX X XI

^О 2 2 3 1 1 2 3 2 2 5 1 1

ЕА 6 6 7 6 10 - - - - 8 7 5

ЕА-^ - - - - 6 9 7 3 7 - - -

\\Т 4 3 4 3 4 4 6 7 8 10 4 6

ЕР 9 10 9 10 8 3 1 1 - - 6 9

Ш> - - - 2 2 1 2 6 - - - -

Р^ 3 1 2 5 5 10 - - 6 6 5 2

ЕА/\\'К 7 8 10 7 9 7 - - - 7 3 4

вСАГЧБ 5 9 8 8 3 5 - - 10 1 2 3

РОЬ 1 4 1 - - - - - - - - -

Т1ЧН 8 7 - - - - - - - - - 8

РТ - - - - - 8 4 4 4 - - -

Ав1ап виттег - - - - - - 5 5 5 - - -

* Расшифровка аббревиатур дается в таблице 1.2.

Расчет и мониторинг этих индексов дальних связей ведется на регулярной основе в СРС и публикуется на сайте центра. Так как многие структуры дальних связей входят в ведущую десятку не во все месяцы года (пропуски в таблице 1.1), то общее число выделенных структур дальних

связей оказалось равным 14 (в таблице 1.1 не указана структура Subtropical Zonal, входящая в первую десятку только в августе и сентябре).

В 2005 г. СРС перешел на расчет индексов по Н5оо, и внес существенные изменения во всю процедуру расчета и мониторинга. Во-первых, число выделяемых мод и рассчитываемых индексов сократилось до 10 (таблица 1.2). Во-вторых, восемь из этих десяти индексов рассчитываются для всех месяцев года без пропусков.

Таблица 1.2. Ведущие структуры дальних связей северного полушария, выделяемые по Н500 в СРС (по материалам СРС, начиная с 2005 г.)

Аббревиатура Месяцы существования

1 North Atlantic Oscillation NAO Все месяцы

2 East Atlantic EA Все месяцы

3 West Pacific WP Все месяцы

4 East Pacific/North Pacific EP/NP Все месяцы

5 Pacific/ North American Pattern PNA Все месяцы

6 East Atlantic/West Russia Pattern EA/WR Все месяцы

7 Scandinavia Pattern SCAND Все месяцы

8 Tropical/ Northern Hemisphere Pattern TNH Декабрь-февраль

9 Polar/ Eurasia Pattern POL Все месяцы

10 Pacific Transition Pattern PT Август-сентябрь

Следует иметь в виду, что при переходе к новой процедуре значения одноименных индексов изменились. Например, на рядах 1950 - 2004 гг. старые и новые средние месячные значения индексов САК коррелируют с коэффициентами около 0.7 - 0.9, а индексы East Atlantic - с коэффициентом 0.5-0.8, зимние индексы POL (в старой версии эта структура дальних связей определялась только в три зимних месяца) - с коэффициентами от 0.6 (декабрьский индекс) до 0.2 (январский). Это говорит о том, что, несмотря на то, что названия индексов сохранились, физический смысл некоторых индексов изменился. Это необходимо учитывать при работе со старыми и новыми данными.

При работе с индексами, публикуемыми СРС, следует учитывать еще одну особенность их вычисления, налагающую определенные ограничения на многомесячные осреднения индексов, в частности, на сезонное

осреднение. Для расчета индексов за определенный месяц, например, январь, для вычисления базиса используются поля Н500 (ранее - Н7оо) за три месяца (декабрь - февраль), для расчета индексов за февраль используются поля Н500 за следующие три месяца (январь - март), что, в общем случае, не обеспечивает идентичность базисов январских и февральских индексов. Кроме того, не равны и дисперсии январского и февральского индексов, а публикуемые на сайте СРС индексы нормированы. Таким образом, при осреднении по сезону, может оказаться, что суммируются индексы, имеющие разные базисы и в оригинале имеющие разные дисперсии, то есть рассчитанный осредненный индекс может соответствовать базису, отличающемуся от опубликованного. При необходимости осреднений, следует использовать или вычисление индексов по точкам, приведенным в работах (Wallace, Gutzier, 1981; Barnston, Livezey, 1987), или рассчитывать базис самостоятельно, следуя, например, рекомендациям Харрела (Hurrell и др., 2003) для вычисления индексов САК.

При соблюдении приведенных ограничений использование индексов, публикуемых СРС вполне правомерно. Выделенные структуры дальних связей, а главное, их публикация и регулярное продолжение рядов индексов, дали новый импульс исследованиям низкочастотной изменчивости климатической системы Земли, затрагивающим широкий круг пространственных и временных масштабов.

В работе (Крыжов, 2002) исследовались синхронные связи средней месячной температуры воздуха на станциях Арктического побережья России со средними месячными индексами дальних связей с использованием множественной регрессии. Показано, что в зимний период наибольший вклад в изменчивость температуры дают моды изменчивости циркуляции, описывающие интенсивность зонального потока - САК и POL, что объяснимо, принимая во внимание связь зимней температуры на континенте с интенсивностью адвекции теплого морского воздуха с Атлантики. В

переходные сезоны возрастает роль ЕА\\П и БСАКЭ, описывающих вариации меридиональной циркуляции - положение гребней и ложбин волн Россби на уровне ведущего потока в атлантико-европейском секторе.

В серии работ Е.С.Нестерова (1992, 1998, 2003, 2009а, 20096, 2010) исследованы процессы взаимодействия низкочастотной изменчивости атмосферы в атлантико-европейском секторе и вод Северной Атлантики, а в работах Г.В.Алексеева и соавторов (1998а, 19986) и монографии Н.П.Смирнова и соавторов (1998) - их воздействия в атлантическом секторе Арктики. Другое направление исследований - это совершенствование методов долгосрочных прогнозов через лучшее понимание низкочастотной изменчивости атмосферы (Куликова, Реснянский, 1995; Казначеева, 1997; Муравьев и др., 2010; Муравьев, Куликова, 2011; и др.). В работах ряда авторов исследовалось влияние мод изменчивости атмосферы на гидротермический режим Евразии (Крыжов, 2002; Попова, Шмакин, 2003; Шмакин, Попова, 2003; Попова, 2004; и др.), а так же многие прикладные аспекты влияния низкочастотной изменчивости атмосферы на природную среду (Возжинская и др. 1997; Крыжов, 1997; 2001 и др.). В частности, приведенные на рис. 1.1 кривые из (Крыжов, 2001) показывают, что для полярной станции Харасавэй скорости ветра редкой повторяемости, рассчитанные по данным за годы положительного индекса САК, существенно превышают скорости, рассчитанные по данным за годы отрицательной фазы.

Из региональных мод низкочастотной изменчивости с точки зрения воздействий в атлантико-европейском секторе в зимний сезон наибольший интерес представляет САК - ведущая зимняя мода изменчивости в атлантико-европейском секторе, характеризующая здесь интенсивность зональной циркуляции (рисунок 1.2). Хотя, в остальные сезоны, как было показано выше (Крыжов, 2002; и др.), может возрастать роль других мод.

3 00 —I

1п(-1пР)

2 00 —

0.00 —

1 00 —

-1.00

1гЛ/

1 50

200

2.50

300

350

Рис. 1.1 - Эмпирические распределения вероятностей скорости ветра для лет с отрицательным индексом САК (треугольники) и лет с положительным индексом САК (кружочки) и их аппроксимации распределением Вейбулла (сплошная и штриховая линии, соответственно) для станции Харасавэй. (из Крыжов, 2001)

Рис. 1.2 - Карта коэффициентов корреляции (1960 - 2011 гг.) средних зимних значений атмосферного давления на уровне моря и среднего зимнего индекса САК, рассчитанного как ЭОФ] давления на уровне моря в атлантико-европейском секторе 80°-20°с.ш., 90°з.д.-40°в.д. (49% общей дисперсии).

Прямое и косвенное влияние зимней полярности САК на процессы в атлантико-европейском секторе и, в конечном счете, на температуру воздуха огромно. Во-первых, полярность САК определяет интенсивность адвекции

0.7

теплого атлантического воздуха на континент Евразии, и через это непосредственно контролирует зимнюю температуру воздуха на северо-западе континента. Благодаря зависимости зимнего снегонакопления на континенте от зимней температуры, зимняя полярность САК определяет весеннюю температуру, по меньшей мере, на ЕТР, что будет подробно рассмотрено в главе 2. В районах, близких к акваториям Баренцева и Балтийского морей, воздействие зимней зональной циркуляции продлевается на большую часть года, так как ее зимнее воздействие не ограничивается только термическим фактором (меньшие или большее снегонакопление и нарастание морского льда), но усиливается динамическим фактором -стапенью ветрового разрушения ледяного покрова.

Анализ модельных и эмпирических исследований воздействий и обратных связей в системе атмосфера - морской лед приводится в работах (Алексеев и др., 1998а, 19986, Смирнов и др., 1998; и др.). Положительная аномалия зимней зональной циркуляции сопровождается усилением адвекции теплого атлантического воздуха, интенсификацией циклонической деятельности на арктическом фронте и сдвигом фронта к северу. Это, в свою очередь, ведет к положительной аномалии ТПО, большей повторяемости сильных юго-западных ветров, меньшей толщине и сплоченности ледяного покрова. В период весеннего таяния при меньшей массе тающего льда меньше тепла расходуется на фазовые переходы, меньшая сплоченность льда уменьшает среднее по акватории альбедо - большая доля солнечной радиации поглощается водой и возвращается в атмосферу в виде потоков турбулентного тепла и длинноволновой радиации. Осеннее замерзание на фоне более теплой воды и меньшей сплоченности льда начинается позднее, замерзание происходит на большей площади, что сопровождается большим выделением тепла фазовых переходов. При отрицательной аномалии зимней зональной циркуляции наблюдается обратная картина. К приведенному описанию можно добавить, что все эти процессы отражаются в температуре

воздуха прибрежных регионов, влияние зимней зональной циркуляции в которых, как будет показано в главе 2, сохраняется практически до наступления следующей зимы.

Следует заметить, что многие исследования низкочастотной изменчивости циркуляции над северным полушарием базировались на анализе исходных полей высот геопотенциальных поверхностей (Разоренова, Зверяев, 1996а, 19966, и др.), не ограничиваясь анализом индексов СРС.

1.4. Арктическая осцилляция

С точки зрения влияния на климат Северной Евразии, одним из самых интересных, если не самым интересным, достижением в выявлении дальних связей во внетропических широтах северного полушария было выявление (recognition) арктической осцилляции (АО) Томпсоном и Уоллесом (Thompson and Wallace, 1998, 2000). Структура арктической осцилляции - это структура изменчивости атмосферного давления и высот геопотенциальных поверхностей с аномалией одного знака в приполярной области, сопровождающейся аномалией противоположного знака в поясе 40-50° с.ш. Эта мода впервые была обнаружена Е. Лоренцем в 1951 г. (Lorenz, 1951), затем она была показана во многих исследованиях (Kutzbach, 1970; Wallace, Gutzier, 1981; Trenberth, Paolino, 1981; Volodin, Galin, 1998; Володин, Галин, 1998, и др.). Достижение Томпсона и Уоллеса заключается в том, что они первыми показали, что АО - это доминирующая мода изменчивости зимней внетропической атмосферы северного полушария, имеющая на сезонном масштабе осреднения эквивалентно-баротропную структуру и во многом определяющая состояние атмосферы от земной поверхности до средней стратосферы, по меньшей мере. В работах (Thompson, Wallace, 2000; Thompson и др., 2000) авторы показали, что эта мода проявляется и в ветре, и в температуре воздуха, и в характеристиках ледяного и снежного покровов, и во многих других метеорологических величинах, и во многом определяет

наблюдаемые в последние десятилетия XX века тренды метеорологических величин в средних и высоких широтах северного полушария.

Представляемая диссертационная работа нацелена на повышение успешности сезонного прогноза зимней температуры воздуха в Северной Евразии. Поэтому основное внимание в работе будет уделено именно этой моде изменчивости циркуляции северного полушария, во многом определяющей средние сезонные зимние аномалии температуры воздуха над Северной Евразией.

В научной литературе можно встретить два названия этой моды изменчивости циркуляции. Во-первых, это предложенное Томпсоном и Уоллесом в 1998 г. (Thompson, Wallace, 1998) название Арктическая осцилляция (АО, Arctic Oscillation) и, во вторых, это введенное Томпсоном и Уоллесом в 2000 г. (Thompson, Wallace, 2000) название Кольцевая (круговая) мода северного полушария (NAM, Northern Hemisphere Annular Mode). По сути, эти два названия - синонимы. Томпсон и Уоллес (Thompson, Wallace, 2000, с. 1001) применяют название АО к процессам от земной поверхности до средней стратосферы, включительно. В то же время, некоторые авторы применение термина АО ограничивают только нижней тропосферой, а для описания процессов в стратосфере применяют название NAM.

Структура АО определяется как первая ЭОФ средних месячных аномалий поля Нюоо севернее 20°с.ш. за период 1979-2000 гг. (Thompson, Wallace, 2000). Она объясняет 19% общей дисперсии аномалий Нюоо- Индекс АО определяется как проекция аномалии Нюоо на этот базис. Следует отметить, что первоначально структура поля АО и индекс АО определялись на основе средних месячных аномалий давления на уровне моря севернее 20°с.ш. только в зимние месяцы с ноября по апрель (Thompson, Wallace, 1998). Сейчас на сайте Университета штата Вашингтон (Сиэтл) можно найти первоначальную многолетнюю серию индекса АО, рассчитанную по полям атмосферного давления, начинающуюся в 1899 г., но прерванную в 2002 г.

Регулярно продолжаемая с 1950 г. по настоящее время серия индексов публикуется на сайте СРС.

Первая ЭОФ средних месячных аномалий Н10оо относительно средней месячной нормы за 1979-2000 гг. (базис АО) показана на рисунке 1.3. Следует отметить, что в тропосфере в связи с контрастами между океанами и континентами, пояс положительной аномалии давления (при положительной фазе АО) не сплошной, а имеет разрывы над континентами. В средней стратосфере эта мода изменчивости становится практически зонально симметричной (Thompson, Wallace, 2000).

Рис. 1.3 - Ведущая эмпирическая ортогональная функция (ЭОФ]) средних месячных аномалий Н10оо (относительно средней месячной нормы за 19792000 гг.). Объясняемая дисперсия 19%. Значения ЭОФ1 нормированы (сумма равна единице) и умножены на 1000.

Индексы АО, публикуемые в интернете на сайте СРС нормированы относительно месячного значения среднего квадратического отклонения за период 1979-2000 гг., то есть ряды всех средних месячных индексов имеют дисперсию, равную единице в этот период (1979-2000 гг.) и сравнимую между собой в другие периоды. При осреднении за несколько месяцев, например, сезон, необходимо учитывать, что дисперсия ненормированных

рядов различается на порядок между зимними и летними индексами (рисунок 1.4).

II III IV V VI VII VIII IX X XI XII

Рис. 1.4 - Отношение средних квадратических отклонений средних месячных индексов АО к среднему квадратическому отклонению январского индекса. Индексы определены как проекции полей средней месячной аномалии Нюоо на ведущую эмпирическую ортогональную функцию (ЭОФ) средних месячных аномалий Нюоо (относительно среднего месячной нормы за 19792000 гг.)

В многолетнем ряду среднего зимнего индекса АО (рисунок 1.5) хорошо прослеживаются периоды многолетней изменчивости. Рост 1970-х -1980-х годов сменился отрицательным трендом в 1990-х - 2000-х годах. В тридцатилетнем исчислении (1983-2012 гг. по январю) тренд (-0.57о / 30 лет) статистически не значим на 5% уровне. Но в интервале между максимумом индекса АО (1989 г.) и минимумом (2010 г.) - тренд (-2.12а / 22 года) статистически значим на 5% уровне при оценке и с использованием /статистики Стьюдента, и с использованием более консервативного метода Манна-Кендала.

При сезонном масштабе осреднения изменчивость циркуляции атмосферы, ассоциирующаяся с арктической осцилляцией, имеет эквивалентно-баротропную структуру от земной поверхности до средней стратосферы, по меньшей мере. Положительной полярности АО (в северном

полушарии) соответствует усиление западного переноса в поясе севернее примерно 45° с.ш. и усиление восточного переноса южнее. При этом усиливаются ячейки Гадлея и Фаррела, и ослабляется полярная ячейка ввиду понижения давления в полярной области. При отрицательной полярности АО аномалии имеют обратный знак.

Рис. 1.5 - Многолетний ход среднего зимнего (декабрь-февраль) индекса АО.

Физическая природа арктической осцилляции стала предметом множества исследований последнего десятилетия. В настоящее время есть общее понимание, что АО - это, в значительной степени, результат взаимодействия длинных планетарных волн с волновыми числами 1 и 2, распространяющихся из тропосферы в стратосферу, со средним зональным потоком, то есть, циркумполярным вихрем в стратосфере (Thompson, Wallace, 2000; Shindell et al., 2001; Limpasuvan et al., 2004, Limpusavan et al., 2005a; и др.). Усиление циркумполярного вихря ассоциируются с положительной фазой АО, ослабление (вплоть до разрушения вследствие обрушения планетарных волн) - с отрицательной фазой. Стратосферные вариации АО передаются в тропосферу вплоть до земной поверхности (Baldwin and Dunkerton, 1999, 2003а; Hartman et al., 2000; и др.). Обращает на себя внимание сложность полного процесса, определяющего полярность АО

и состоящего, как минимум, из двух стадий. Во-первых, генерирование длинных планетарных волн в тропосфере, связанное с контрастами температуры поверхности океанов и континентов и неоднородностями рельефа, и их распространение в стратосферу. Во-вторых, взаимодействие волн с зональным потоком в стратосфере и трансляция сигнала вниз в тропосферу, что будет анализироваться в главах 2 и 3.

Средний зимний индекс АО очень близко коррелирует со средним зимним индексом САК. Коэффициент корреляции между индексом АО и индексом САК составляет около 0.8. Действительно, в Атлантико-Европейском секторе их структуры, выраженные в атмосферном давлении или высотах геопотенциальных поверхностей в тропосфере, практически совпадают. Хотя северо-атлантическое колебание - это в значительной степени результат взаимодействия Северной Атлантики и тропосферной циркуляции (Pan, 2005; Mosedale et al., 2006; и др.), а арктическое колебание - это стратосферно-тропосферный феномен (Baldwin, Dunkerton, 1999; 2001; и др.), очень часто северо-атлантическое колебание представляется как региональное северо-атлантическое проявление АО (Wallace, 2000; Кислов, 2011; и др.). По-видимому, до определенной степени это допущение имеет право на существование. Из индексов региональных дальних связей, рассчитываемых в СРС, интенсивность западного переноса на уровне Н7оо в евразийском и атлантико-европейском секторах характеризуют индексы POL и NAO. Положительная фаза обоих индексов соответствует усилению западного переноса. Средние месячные значения обоих индексов в зимний период в равной степени коррелируют (г = 0.6 - 0.7) с индексом арктической осцилляции, обеспечивая коэффициент множественной детерминации г =0.80 - 0.85. Индексы POL и NAO могут рассматриваться, в определенной степени, как компоненты индекса арктической осцилляции, причем индекс POL описывает интенсивность зонального переноса в евразийском секторе, а индекс NAO - интенсивность зонального переноса в атлантико-европейском

секторе. Следует заметить, что индексы POL, рассчитываемые после 2005 г. корреляцию с АО утратили.

Физическое обоснование близости индексов САК и АО было предложено в работе (Ambaum, Hoskins, 2002). Авторы показали, что усиление исландской депрессии ведет к опусканию тропопаузы над исландской депрессией и усилению здесь потенциального вихря, большей рефракции распространяющихся вверх планетарных волн в сторону экватора, усилению циркумполярного вихря в стратосфере, повышению тропопаузы и понижению давления на уровне моря в полярной области с задержкой в несколько дней. Оценки авторов для среднемесячных данных показывают, что возрастание индекса САК на одно стандартное отклонение ведет к 10% усилению циркумполярного вихря, выраженного в единицах потенциального вихря на уровне изэнтропической поверхности 500 К (высота около 20 км), что ведет в околополярной области к повышению тропопаузы примерно на 300 м и понижению атмосферного давления на уровне моря примерно на 5 гПа. Этому понижению давления соответствует рост индекса АО так же примерно на одно стандартное отклонение, так как одному стандартному отклонению АО соответствует изменение высоты поверхности Нюоо в околополярной области примерно на 35 м, а барическая ступень на этом уровне может быть приблизительно принята 8 м/гПа.

1.5. Выводы

В основе физико-статистических методов сезонных прогнозов для Евразийского континента лежит цепочка причинно-следственных связей: взаимодействие атмосферы и подстилающей поверхности, формирующее аномалии теплосодержания деятельного слоя океана (и/или характеристик ледяного покрова, снежного покрова) - медленно изменяющиеся аномалии свойств подстилающей поверхности, обеспечивающие асинхронность связей, - взаимодействие подстилающей поверхности и атмосферы, формирующее

аномалии атмосферной циркуляции, - аномалии метеорологических величин на континенте. Передаточным механизмом от медленно меняющихся аномалий свойств подстилающей поверхности к аномалиям метеорологических величин на континенте является циркуляция атмосферы.

Циркуляция атмосферы северного полушария характеризуется значительной пространственно-временной изменчивостью. Исследования последних десятилетий XX века позволили представить эту изменчивость в виде определенного и устойчивого во времени (по меньшей мере, на уровне нескольких десятилетий) набора мод изменчивости - дальних связей, пространственная структура каждой из которых характеризуется определенным полем аномалий давления или высоты геопотенциальных поверхностей, а временной ход - определенным индексом.

Региональные моды изменчивости, определяемые по высоте геопотенциальных поверхностей в средней тропосфере (Н50о), описывают до 10% общей дисперсии высоты соответствующей поверхности каждая, описывая в сумме около 50-60% общей дисперсии.

Полушарная мода изменчивости - арктическая осцилляция или круговая (кольцевая) мода изменчивости - характеризует интенсивность зонального переноса в средних и высоких широтах с осью около 55 - 60° с.ш., описывая около 20% общей дисперсии атмосферного давления не уровне моря и высоты поверхности 1000 гПа. Являясь доминирующей модой атмосферной изменчивости внетропических широт северного полушария в зимний сезон, АО имеет определяющее значение для климата Северной Евразии, так как она характеризует интенсивность адвекции теплого морского воздуха с Северной Атлантики на континент.

2. ЭМПИРИЧЕСКИЕ ИССЛЕДОВАНИЯ СИНХРОННЫХ И АСИНХРОННЫХ СВЯЗЕЙ ЗИМНЕЙ ЗОНАЛЬНОЙ ЦИРКУЛЯЦИИ И МЕТЕОРОЛОГИЧЕСКИХ ВЕЛИЧИН НА ЕВРОПЕЙСКОЙ ТЕРРИТОРИИ РОССИИ НА РАЗЛИЧНЫХ ВРЕМЕННЫХ МАСШТАБАХ

В этой главе приводятся результаты анализа синхронных и асинхронных связей зимней зональной циркуляции и метеорологических величин на ЕТР на различных временных масштабах. В разделе 2.1 дано краткое описание данных и методов анализа, используемых автором в эмпирических исследованиях. Синхронные связи зимних значений температуры воздуха и индекса АО были исследованы во многих публикациях многих авторов, поэтому в разделе 2.2 приводится только краткий анализ этих связей. В разделе 2.3 представлено исследование, показывающее, что средняя годовая температура воздуха на ЕТР статистически значимо связана только с январской и февральской зональной циркуляцией. Результаты анализа связей температуры воздуха на ЕТР различного временного осреднения и зимней фазы арктической осцилляции представлены в разделе 2.4. В разделе 2.5 показаны механизмы, обеспечивающие пролонгацию воздействия зимней фазы АО на метеорологические величины в последующие сезоны. Причины ноябрьского похолодания на ЕТР в последней трети XX века и последующего потепления проанализированы в разделе 2.6.

2.1. Используемые данные и методы статистического анализа

Все эмпирические (статистические) исследования проводились с использованием широкого набора данных. При этом результаты, полученные

на данных из одного источника, дублировались на данных из других источников, что обеспечивало достоверность результатов. Основным критерием отбора данных для анализа была их общедоступность, что предполагало возможность проверки достоверности полученных результатов другими исследователями.

В исследованиях использовались:

- Сеточные данные метеорологических величин у земной поверхности

и на высотах из Реанализа I NCEP/NCAR (Kalnay и др., 1996) и Реанализа II NCEP-DOE (Kanamitsu и др., 2002). Для анализа более длинных рядов, начинающихся в 1930-х гг., использовались сеточные данные, подготовленные Группой исследования климата Университета Восточной Англии (UEA CRU), - данные по температуре воздуха (Jones, 1994) и данные давления воздуха на уровне моря (Jones, 1987). Для характеристики температуры поверхности океана (ТПО) использовались данные Колумбийского университета (Kaplan и др., 1998), данные NOAA/CDC (Smith и др., 2008); ТПО и сплоченности ледяного покрова - данные Центра Хэдли (Rayner и др. 2003).

- Станционные данные по ряду станций севера России, включая Мурманск, Архангельск, Канин Нос, Нарьян-Мар, Марре-Сале, Салехард.

- Индексы дальних связей северного полушария и АО в интерпретации

СРС. Для исследований зависимостей более длинных рядов, начинающихся в 1930-х гг., использовалась более длинные ряды АО, подготовленный в Университете штата Вашингтон, и САК, рассчитанный по станционным рядам давления в Гибралтаре и Рейкьявике (Jones и др., 1997).

Периоды, по анализу которых получены те или иные результаты, конкретизируются в тексте.

В эмпирических исследованиях широко применялись стандартные методы статистического анализа (Андерсон, 1976; Четыркин и Калихман. 1982; Юл и Кендэл, 1960; Wilks, 1995; von Storch, Zwiers, 1999; и др.): корреляционный и регрессионный анализ, анализ композитов и сравнение средних, дисперсионный анализ, методы анализа на основе ортогонального разложения и т.д. Определение уровня значимости получаемых статистических оценок всегда проводилось с учетом эффективного (эквивалентного) числа степеней свободы (Багров, 1969; Bretherton и др., 1999). При анализе полей (множества) оценок всегда проводился «тест значимости поля» на основе метода Монте-Карло (Livezy, Chen, 1983).

Значимость результатов анализа главных компонентов на основе разложения на эмпирические ортогональные функции (Багров, 1959; Мещерская и др., 1970) проверялась с использованием критерия Норта (North, 1992). Значимость результатов метода максимальных ковариаций на основе сингулярного разложения (Дымников, 1985, Чавро, Дымников, 2000, Bretherton и др., 1992; Wallace и др., 1992; Cherry, 1996), проверялась с использованием метода Монте-Карло в интерпретации, предложенной в (Venegas и др., 1997).

2.2. Связь зимней температуры воздуха и зимнего индекса арктической осцилляции

На рисунке 2.1 приведена карта коэффициентов корреляции средней зимней (декабрь-февраль) температуры воздуха и среднего зимнего индекса АО. Аналогичные распределения коэффициентов корреляции были получены и опубликованы во многих работах, начиная с первой работы, описывающей АО (Thompson, Wallace, 1998). Область положительных статистически значимых корреляций покрывает практически все территорию Северной Евразии, причем для огромного пояса, простирающегося от Британских островов до Охотского моря коэффициенты корреляции превышают 0.6, а

для Скандинавии, большой части Восточно-Европейской равнины, и ряда областей Восточной Сибири коэффициенты корреляции превышают 0.7, то есть на огромной территории более 36%, а на значительной территории более 50% дисперсии межгодовой изменчивости температуры воздуха и индекса АО связаны между собой. Практически на всей территории Северной Евразии положительная фаза АО ассоциируется с положительной аномалией температуры воздуха. При отрицательной фазе АО - аномалия отрицательная. В целом же поле аномалий температуры воздуха, ассоциирующихся с фазой АО, - это квадриполь. При положительной фазе АО, в соответствии с усилением адвекции теплого морского воздуха, положительные аномалии температуры наблюдаются над Северной Евразией и восточными штатами США. В это же время усиление адвекции холодного воздуха из центральной Азии ведет к отрицательной аномалии температуры в восточном Средиземноморье и Северной Африке, а адвекция с Канадского Архипелага - к отрицательной аномалии температуры на северо-востоке Канады и в Гренландии. Усиление тихоокеанского центра АО ведет к отрицательной аномалии температуры на Аляске и в прибрежных районах Канады. При отрицательной фазе АО распределение аномалий температуры обратное.

-0.7 -0.6 -0.3 -0.+

-0.3

0.3

0.4

0.5

0.6

0.7

180

Рисунок 2.1 - Коэффициенты корреляции между средней зимней температурой воздуха и средним зимним индексом АО. Коэффициенты рассчитаны по ряду 1979-2010 гг.

Анализ коэффициентов корреляции между температурой в Северной Евразии и индексом АО приводит к принципиальному выводу: невозможно успешно прогнозировать аномалию температуры воздуха, не прогнозируя тем самым успешно и полярность АО. Или, с другой стороны, успешный прогноз фазы АО есть успешный прогноз температуры. Этот вывод применим как минимум к ЕТР, где коэффициенты корреляции превышают 0.7.

Следует отметить отсутствие значимых связей между температурой и индексом АО в центральной Арктике. Действительно, положительные аномалии температуры воздуха в центральной Арктике связаны с междуширотным обменом - адвекцией теплого воздуха с юга, а интенсивный зональный перенос при положительной фазе АО изолирует центральную Арктику от южных воздействий, что должно было бы приводить к похолоданию. Однако, значительное разрушение ледяного покрова под воздействием усиливающегося при положительной фазе АО ветра (Катцов и др., 1997; Deser и др., 2000; Dickson и др., 2000; Rigor и др., 2002; Zhang и др., 2000; и др.), по-видимому, компенсирует эту изоляцию и приводит к незначимости связей.

Основным синоптическим проявлением положительной фазы АО является усиление циклонической активности в северной части Атлантико-европейского сектора (Serreze и др., 1997; Deser и др., 2000; Gulev и др., 2001; Бардин, Полонский, 2005), и смещение траекторий циклонов к северу, что и обеспечивает усиление адвекции теплого атлантического воздуха на евразийский континент в теплых секторах атлантических циклонов. При отрицательной фазе - наоборот, циклоническая активность подавлена, и циклоны смещаются по более южным траекториям, имеется тенденция к блокированию.

2.3. Анализ типов циркуляции, влияющих на среднюю годовую температуру воздуха на Европейской территории России

Связь средней годовой температуры воздуха с различными типами циркуляции в различные сезоны, тем более, месяцы, анализируется в литературе достаточно редко. Однако изменения средней годовой температуры воздуха наиболее широко используются как индикатор изменений климата (IPCC, 2007). Причем, как на глобальном, так и на региональном уровне. Поэтому весьма правомерен вопрос: какие изменения циркуляции вносят существенный вклад в повышение или понижение средней годовой температуры в том или ином регионе.

Для северной части европейской территории России и западной Сибири этот вопрос исследовался в ряде работ диссертанта. В частности, отбор и анализ форм циркуляции, влияющих на среднюю годовую температуру воздуха, был проведен автором в в работе (Kryjov, 2004).

Связь средней годовой температуры с различными индексами циркуляции, осредненными за год, оказывается достаточно слабой и неустойчивой. Это вполне понятно, если принять во внимание огромное число факторов, определяющих среднюю годовую температуру. Однако, согласно множеству опубликованных исследований (Hurrell, 1995; Serreze и др., 1997; Slonosky и др., 1995; Thompson, Wallace, 2000; Trigo и др., 2002, Xie и др., 1999; и др.), синхронные связи между температурой воздуха в северозападной части Евразии и индексами САК и АО, характеризующими зональность циркуляции, для зимних месяцев не просто статистически значимы, но достаточно сильны (см. также рисунок 2.1). Коэффициент корреляции, как правило, превышает 0.5-0.7, варьируя в зависимости от региона, периода исследования, определения зимнего сезона (в различных исследованиях зима определяется различно: декабрь-февраль, январь-март, ноябрь-март и т.д., то есть различные комбинации 3-х - 5-ти последовательных месяцев с ноября по март, включительно).

Принимая во внимание, что для Северо-западной Евразии характерен резко выраженный годовой ход дисперсии средней месячной температуры воздуха с максимумом, приходящимся на ноябрь - март, на основании опубликованных исследований можно предположить, что только за счет указанных синхронных связей значительная доля дисперсии средней годовой температуры воздуха должна быть связана с зимней (январь, февраль, март, ноябрь, декабрь) зональной циркуляцией.

Кроме того, Ригор и соавторы (Rigor и др., 2002) показали сохранение влияния зимней полярности АО на температуру воздуха на протяжении большей части последующего года для акватории Северного ледовитого океана. Для береговых станций Баренцева и Карского морей диссертантом были установлены асинхронные зависимости температуры воздуха весной и осенью от зональной циркуляции предшествующей зимы (Kryjov, 2002; Крыжов, 2003). Это проявляется и в зависимости средней годовой температуры береговых станций от зимней зональной циркуляции (Крыжов, 2003). Авторы названных исследований объясняют полученные асинхронные связи «памятью» ледяного покрова (толщина, сплоченность, распространение) об условиях своего зимнего формирования, проходящего под сильным влиянием фазы АО и САК. Зима в этих работах определялась как январь-март (Rigor и др., 2002) и январь-февраль (Kryjov, 2002).

В континентальной Северной Европе, распространение снежного покрова и сроки его весеннего таяния также в значительной степени зависят интенсивности зональной циркуляции в предыдущие зимы (Bamzai, 2003). Это предполагает существование асинхронной корреляции между зимней циркуляцией и весенней температурой воздуха, так как положительные обратные связи могут генерироваться снежным покровом (Groisman и др., 1994; Brown, 2000). Снегонакопление в диапазоне значений температуры, характерных для европейской территории России, в большей степени зависит от зимней температуры, нежели от суммы осадков (Ye и др., 1998; Clark и др.,

1999; Davis и др., 1999), причем при повышении температуры (более интенсивной адвекции теплого воздуха с Атлантики) наблюдается пониженное снегонакопление. Весеннее положение южной границы снежного покрова так же связано с интенсивностью зональной циркуляции в предшествующую зиму (Вильфанд и др., 2001; Китаев, 2002; Bamzai, 2003).

Таким образом, на основании опубликованных результатов на качественном уровне можно предположить, что средняя годовая температура воздуха, при осреднении по календарному году, должна быть связана с индексами, описывающими аномалию зональной циркуляции зимой (январь, февраль, март, ноябрь, декабрь). При этом можно ожидать большего веса циркуляции в январе-марте, так как снежный покров, так же как и морской лед и температура поверхности омывающих морей после таяния морского льда, должен обеспечивать косвенное воздействие зимней циркуляции на температуру весенних месяцев.

Целью данного исследования является проверка данного предположения, получение количественных оценок связей между средней годовой температурой и средними месячными формами циркуляции и, таким образом, выяснение, какие средние месячные формы циркуляции вносят значимый вклад в наблюдаемые вариации средней годовой температуры воздуха.

Задача, поставленная в этом исследовании, является обратной к задачам, решаемым в указанных выше работах. В этих работах оцениваются связи между заранее предопределенными средними месячными или сезонными индексами циркуляции и синхронными или асинхронными характеристиками средней месячной или сезонной или даже годовой (Крыжов, 2003) температуры воздуха. В этом же исследовании, ищутся непредопределенные средние месячные формы циркуляции, статистически значимо связанные со средней годовой температурой воздуха. Идея такого подхода основана на предположении, что, когда анализируются связи между

средней годовой температурой воздуха и средними месячными формами циркуляции, средняя годовая температура действует как фильтр, выделяя только те формы циркуляции, которые когерентны формам изменчивости температуры, обладающим наибольшей дисперсией. Преимущество этого подхода заключается в возможности анализа режимов изменчивости температуры, не привязанных к определенному месяцу или сезону, но более общих и даже мигрирующих.

Методы исследования

Исследование проведено с применением линейных методов анализа. Все результаты корреляционного и регрессионного анализа получены на рядах с удаленным линейным трендом. Уровень значимости оценивался на основе i-статистики Стьюдента, причем эффективное число степеней свободы определялось с учетом автокорреляции в рядах. Линейная зависимость считалась устойчивой, если разница между максимальными и минимальными коэффициентами корреляции, полученными в скользящих 29-летних окнах, при общей длине рядов 61 год, не была значима на уровне 5% (тесты различия в средних на основе ¿-статистики Стьюдента, примененные к преобразованным по Фишеру коэффициентам корреляции (Юлл, Кендалл, I960)).

Каждая карта коэффициентов корреляции между средней годовой температурой воздуха и средними месячными полями аномалии давления на уровне моря состоит из 125 локальных коэффициентов корреляции. Поэтому, чтобы проверить, не были ли значимые локальные корреляции получены случайно, применялся тест значимости множественных оценок или «тест значимости поля» (Livezey, Chen, 1983). Уровень значимости для отклонения локальных и глобальных нулевых гипотез был установлен 1%. Если бы аномалии давления внутри поля были независимы, появление по крайней мере 5 локальных значимых на 1% уровне корреляций было бы достаточно,

чтобы отказаться от глобальных нулевых гипотез (расчет на основе биномиального распределения вероятностей). Однако, средние месячные поля аномалий давления существенно пространственно коррелированны, поэтому глобальные нулевые гипотезы тестировались с помощью метода Монте-Карло. Для каждого месяца рассчитывалось число т значимых локальных коэффициентов корреляции на оригинальных последовательностях. Затем, ряды средней годовой температуры перемешивались случайным образом с учетом автокорреляции в рядах (Wilks, 1997) и рассчитывались числа т* случайно полученных значимых коэффициентов корреляции. Эта процедура повторялась 500 раз. Уровень значимости отклонения глобальной нулевой гипотезы р (%) определялся как 1/5 числа тестов, в которых случайно полученные числа т* были не меньше числа т, полученного на оригинальных последовательностях.

Для месяцев, для которых глобальные нулевые гипотезы оказались отвергнуты на 1% уровне значимости в тестах Монте-Карло, и при этом число отвергнутых на 1% уровне значимости локальных нулевых гипотез превышало 4, были рассчитаны циркуляционные индексы карт (CI) путем проекции полей аномалий давления (взвешенных на косинус широты) на корреляционные карты. Очевидно, что значения средних месячных CI равны пространственному коэффициенту регрессии между соответствующими средними месячными полями аномалии давления и полем коэффициентов корреляции. Ряды индексов были нормализованы по времени. Аналогичный прием был применен в работе (Thompson и др., 2000) для расчета прокси-показателей индекса АО.

Результаты

Результаты тестов глобальной нулевой гипотезы приведены в таблице 2.1. Удивительно, но нулевая гипотеза отвергается на 1% уровне значимости только для январской и февральской карт корреляций. Количество статистически значимых локальных корреляций в марте, ноябре и декабре не достаточно, чтобы относиться к ним как неслучайным.

Таблица 2.1. Результаты тестов на множественность, т - число отвергнутых локальных нулевых гипотез из 125; р (%) - уровень значимости, на котором отвергается глобальная нулевая гипотеза в соответствии с тестами Монте-Карло (объяснение дано в текст). XI-1 и XII-1 - ноябрь и декабрь предыдущего года.

XI-1 XII-1 I II III IV V VI VII VIII IX X XI XII

т 0 0 54 69 8 4 2 0 0 0 0 0 0 2

Р(%) - - <0.2 <0.2 4.6 8.8 17.8 - - - - - - 16.4

Январский и февральский типы изменчивости циркуляции (рис. 2.2) имеют сходство со структурами САК и АО в атлантико-европейском секторе. Главной особенностью этих типов является диполь юг-север аномалий давления, чья полярность и величина характеризуют адвекцию теплого атлантического воздуха в Северную Европу. Коэффициенты корреляции между январским и февральским индексами циркуляции и соответствующими индексами САК и АО составляют около 0.9, в то время как корреляция между самими индексами САК и АО близки к 0.8.

a) Regression map Jan. SLP, ann. SAT

b) Regression map Feb. SLP, ann. SAT

m

-4 -3-2-10 1 2

hPa per 1 std. dev. of ann SAT ci Circulation index. NAO. AO indices. Januarv

-s -1 -3 -2 -1 0 I 2 : hPa per 1 std dev. of ann. SAT

d) Circulation index, NAO, AO indices. February

3 2

-2

-3

-CI

- NAOI

- AOI

Correlations

1940 1950 1960 1970 1980 1990 2000

-CI

-NAOI

-AOI

Correlations r<CI.NAOI) =0 91 r(CI.AOI) =0 89 r(NAOI,AOI)=0 80

1990 2000

1950 1960 1970 1980

Рисунок 2.2 - Карты коэффициентов регрессии атмосферного давления в январе (а) и феврале (Ь) на среднюю годовую температуру воздуха. Многолетние ряды стандартизированных индексов циркуляции, индексов САК и АО за январь (с) и февраль (ё). Также показаны коэффициенты корреляции между индексами.

Январский и февральский индексы циркуляции значимо коррелируют (г - 0.36), поэтому на основе средних двухмесячных карт давления за январь-февраль были вычислены корреляционные карты, успешно прошедшие тест на множественность (число отвергнутых локальных нулевых гипотез равно 84 из 125, р < 0.2%). Рассчитанный циркуляционный индекс карты коррелирует со средними январско-февральскими индексами АО и САК с коэффициентом 0.94, в то время как корреляция между самими этими индексами равна 0.84. Коэффициен корреляции между январско-февральским С1 и средней годовой температурой воздуха равен 0.75. Небольшие отклонения в скользящей корреляции являются статистически незначимыми (рис. 2.3).

Заключение диссертации по теме «Метеорология, климатология, агрометеорология», Крыжов, Владимир Николаевич

7.3. Выводы

Разработано семейство методов вероятностной региональной детализации глобальных одно- и мультимодельных прогнозов, сочетающих систему отбора предикторов на основе внутренней кроссвалидации и вероятностную интерпретацию детализированных прогнозов.

Результаты верификации, полученные и на исторических прогнозах, и на прогнозах в реальном времени, свидетельствуют, что прогнозы средней зимней температуры воздуха на станциях Северной Евразии, рассчитанные с применением вероятностной региональной детализации глобальных прогнозов атмосферного давления модели ПЛАВ, превосходят в успешности и климатические прогнозы температуры, и прогнозы температуры, интерполированные из узлов сетки глобальных прогнозов температуры модели ПЛАВ.

Успешность прогноза среднего зимнего индекса АО с применением разработанных методов характеризуется оценками: АСС = 0.65, ЯО = 0.6, ЯРББ = 0.12 (исторические прогнозы) и ЯРББ превышает 0.6 (прогнозы в реальном времени).

Практически, по результатам испытаний с использованием и исторических прогнозов, и прогнозов в реальном времени постобработка сезонных гидродинамических прогнозов модели ПЛАВ с применением технологий региональной детализации выводит успешность прогнозов средней сезонной зимней температуры на станциях большей части Северной Евразии на тот уровень, который делает целесообразным практическое применение этих прогнозов.

ЗАКЛЮЧЕНИЕ

В работе представлены результаты исследований по трем основным направлениям:

1. Эмпирические исследования синхронных и асинхронных связей зимней зональной циркуляции и метеорологических величин в Северной Евразии;

2. Исследования и разработки в области вероятностной интерпретации ансамблевых гидродинамических модельных прогнозов на сезон с заблаговременностью один месяц;

3. Исследования и разработки в области вероятностной региональной детализации ансамблевых гидродинамических модельных прогнозов с учетом эмпирически установленных связей метеорологических величин.

Наиболее важные научные результаты исследований:

1. Показано, что средняя годовая температура воздуха - наиболее часто используемый индикатор изменений климата - на северо-востоке Европы статистически значимо (г =0.56) связана только с январской и февральской формой циркуляции, причем структура изменчивости этой формы циркуляции очень близка к структуре АО и САК.

2. Получены оценки влияния средней январско-февральской фазы АО на среднюю годовую, весеннюю, летнее-осеннюю температуру в северной части ЕТР, и показано, что это влияние обеспечивается «памятью» свойств подстилающей поверхности о зимних условиях своего формирования под воздействием зимней фазы АО.

3. Дано объяснение наблюдавшемуся на ЕТР понижению ноябрьской температуры в 1970-х - 1990-х годах и последующему ее повышению. Определена форма изменчивости ноябрьской атмосферной циркуляции -диполь с полюсами над морем Лабрадор и Скандинавией-Балтийским морем - обусловившая межгодовые (и многолетние) вариации ноябрьской температуры, и показана ее связь с полярностью АО в предшествующую зиму. Получены оценки, говорящие о том, что сигнал передается через летне-осенние характеристики ледяного покрова, сформировавшиеся в предыдущую зиму под воздействием зимней фазы АО.

4. Продемонстрирована связь полярности зимнего индекса арктической осцилляции с предшествующей октябрьской конфигурацией европейско-азиатской ветви арктического фронта. Показано, что положительной полярности зимнего индекса АО предшествует осеннее ослабление исландской депрессии и смещение циклонов вдоль оси арктического фронта далеко на восток, вплоть до п-ова Таймыр; отрицательной полярности, наоборот, предшествует интенсификация исландской депрессии и стационирование циклонов в атлантико-европейском секторе при малом смещении на восток. Это различие обусловливает аномальную адвекцию тепла (холода) в Восточной Сибири ослабляющую (усиливающую) генерирование климатических длинных планетарных волн. Тестирование выявленных зависимостей в режиме прогноза показало статистически значимые оценки успешности рассчитанных сезонных прогнозов зимнего индекса АО и температуры воздуха для ЕТР.

5. Предложен механизм стратосферной модуляции воздействия осенней фазы ЭНЮК на зимнюю фазу АО, объясняющий неустойчивость связи зимней полярности АО и осенней полярности ЭНЮК.

6. Предложен метод комплексации прогнозов гидродинамических моделей с неравными и непропорциональными размерами ансамблей в исторических и текущих прогнозах. На основе этого метода разработана технология производства глобального вероятностного мультимодельного прогноза. Технология внедрена в оперативную практику двух международных климатических центров.

7. Предложен метод вероятностной интерпретации результатов региональной детализации мультимодельных глобальных прогнозов, в котором суммарная неопределенность прогноза, связанная с погрешностями регрессии и разбросом ансамбля, рассчитывается без применения инфляции. На основе этого метода была разработана технология региональной детализации мультимодельных прогнозов. Испытания технологии показали очевидное преимущество детализированных вероятностных прогнозов по сравнению с недетализированными вероятностными модельными прогнозами.

8. Разработано семейство методов вероятностной региональной детализации глобальных одно- и мультимодельных прогнозов, сочетающих систему отбора предикторов на основе внутренней кроссвалидации и вероятностную интерпретацию детализированных прогнозов. С использованием этих методов разработана технология прогноза средней сезонной температуры воздуха на станциях Северной Евразии на основе региональной детализации сезонных ансамблевых прогнозов атмосферного давления модели ПЛАВ.

9. Испытания разработанной технологии показали существенное преимущество в успешности рассчитываемых прогнозов средней зимней температуры воздуха и среднего зимнего индекса АО по сравнению с климатическими прогнозами и с недетализированными модельными прогнозами.

Основным практическим результатом исследований диссертанта стало решение важной народно-хозяйственной задачи - обеспечение в оперативном режиме работы Северо-Евразийского климатического центра мультимодельными сезонными прогнозами международных климатических центров, внедривших разработки диссертанта.

В мае 2006 г. разработанный диссертантом метод глобального вероятностного мультимодельного прогноза на основе прогнозов моделей с неравными и непропорциональными размерами ансамблей в исторических и текущих прогнозах был внедрен в оперативную практику АРСС, г. Пусан, Республика Корея. Россия является членом АТЭС. Сезонные прогнозы АРСС, разработанные на основе указанного метода, предоставляются России и используются в Северо-Евразийском Климатическом Центре в ФГБУ «Гидрометцентр России».

В июле 2011 г. этот метод был внедрен в оперативную практику \\ПУЮ ЕС ЬИР-ММЕ, г. Сеул, Республика Корея. Россия является членом ВМО. Сезонные прогнозы \УМО ЬС Ы1Г-ММЕ, разработанные на основе указанного метода, предоставляются России и используются в СевероЕвразийском Климатическом Центре в ФГБУ «Гидрометцентр России».

Разработанные диссертантом методы вероятностной региональной детализации глобальных гидродинамических модельных прогнозов показали успешные результаты и готовы к внедрению в Северо-Евразийском климатическом центре.

Список литературы диссертационного исследования доктор географических наук Крыжов, Владимир Николаевич, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Алексеев Г.В., Булатов Л.В., Захаров В.Ф., Иванов В.В., 1998. Тепловая экспансия атлантических вод в Арктическом бассейне. - Метеорология и гидрология, № 7, с. 69-78.

2. Алексеев Г.В., Захаров В.Ф., Смирнов А.Н., Смирнов Н.П., 1998. Многолетние колебания ледовых условий и атмосферной циркуляции в Приатлантической Арктике и Северной Атлантике - Метеорология и гидрология, № 9, с. 87-98.

3. Андерсон Т., 1976. Статистический анализ временных рядов. - М., Мир, 1976, 756 с.

4. Аристов H.A., Багров H.A., Васюков К.А., Громова Г.Г., Зверев Н.И., Кац А.Л., Пагава С.Т., (ред.) 1972. Руководство по месячным прогнозам погоды. - Л., Гидрометеоиздат, 1972, 366 с.

5. Аристов H.A., Педь Д.А., Симонов A.A., 1982, Методика расчета ожидаемой сезонной аномалии температуры воздуха. - Труды Гидрометцентра СССР, вып. 227, с. 39-58.

6. Атлас Арктики, 1985. (Ред. Трешников А.Ф., Короткевич Е.С., Кручинин Ю.А., Марков В.Ф.), М., ГУГК.

7. Багров H.A., 1959. Аналитическое представление последовательности метеорологических полей посредством естественных ортогональных составляющих. - Труды ЦИП, вып. 74, с. 3-24.

8. Багров H.A., 1962. О комплексном методе прогнозов. - Метеорология и гидрология, № 4, с. 14-21.

9. Багров H.A., 1969. Об эквивалентном числе независимых данных. - Труды Гидрометцентра СССР, вып. 44, с. 3-11.

Ю.Багров H.A., Кондратович К.В., Педь Д.А., Угрюмов А.И., 1985. Долгосрочные метеорологические прогнозы. - Л., Гидрометеоиздат, 248 с.

П.Бардин М.Ю., Полонский А.Б., 2005. Североатлантическое колебание и синоптическая изменчивость в европейско-атлантическом регионе в зимний период. - Известия РАН, ФАО, 41, с. 3-13.

12.Батырева О.В., Вильфанд P.M., Лукиянова Л.Е., 1995. Сверхдолгосрочные прогнозы аномалии месячной температуры по территории СНГ с использованием оптимальной комплексации в вероятностной форме. - в инф. сборнике Проблемы долгосрочного прогноза и короткопериодных

колебаний климата, совершенствование обеспечения потребителей этой продукцией. - С.-Пб., Гидрометеоиздат, с. 126-129.

И.Белов П.Н., 1975. Численные методы прогноза погоды. - JL, Гидрометеоиздат, 392 с.

14.Блинова E.H., 1967. Общая циркуляция атмосферы и гидродинамический долгосрочный прогноз погоды. - Труды Гидрометцентра СССР, вып. 15, с. 3-26.

15.Борисенков Е.П., 1982. Принципы и статистические методы оптимизации (комплексирования) прогнозов. - Метеорология и гидрология, № 9, 5-24.

16.Бундель А.Ю., Крыжов В.Н., Мин Ён-Ми, 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. 5-19.

17.Вильфанд P.M., Садоков В.П., Тищенко В.А., 2001. О связи границы снежного покрова с интенсивностью циклонической деятельности в Северном полушарии. - Метеорология и гидрология, № 9, с. 32-39.

18.Володин Е.М., Галин В .Я., 1998. Исследование первой моды низкочастотной изменчивости зимней атмосферной циркуляции. -Метеорология и гидрология, № 9, с. 26-40.

19.Возжинская В.Б., Виноградов Г.М., Кузин B.C., Крыжов В.Н., 1997. Многолетние колебания элементов морской биоты в приарктических регионах (на примере Белого и Карского морей) - Доклады РАН, т.357, № 3, с. 401-403.

20.Гаврилова JI.A., 1965. Вертикальная протяженность барических систем в Арктике. - Проблемы Арктики и Антарктики, вып. 20, с. 31-39.

21.Гире A.A., 1960. Основы долгосрочных прогнозов погоды. - JL, Гидрометеоиздат, 570 с.

22.Гире A.A., 1971. Многолетние колебания атмосферной циркуляции и долгосрочные гидрометеорологические прогнозы. - Л., Гидрометеоиздат, 1971,280 с.

23.Гире A.A., 1974. Макроциркуляционный метод долгосрочных метеорологических прогнозов. - Л., Гидрометеоиздат, 488 с.

24.Гире A.A., Кондратович К.В., 1978. Методы долгосрочных прогнозов погоды. - Л., Гидрометеоиздат, 342 с.

25.Груза Г.В., Ранькова Э.Я., 1983. Вероятностные метеорологические прогнозы. - Л., Гидрометеоиздат, 272 с.

26.Груза Г.В., Ранькова Э.Я., 2003. Колебания и изменения климата на территории России. - Известия РАН, ФАО, Том 39, № 2, с. 166-185.

27.Груза Г.В., Ранькова Э.Я., Семенюк Е.А., Бардин М.Ю., Муравьев A.B., Нестерова Г. А., Савелова О.Ф., Хамидулина А.Б., 1989. Схема вероятностного адаптивного метеорологического прогноза (групповые аналоги) с оптимизацией состава предикторов. — Труды Гидрометцентра СССР, вып. 306., с. 3-55.

28.Груза Г.В., Ранькова Э.Я., Клещенко JI.K., Аристова JI.H., 1999. О связи климатических аномалий на территории России с явлением Эль-Ниньо -Южное колебание. - Метеорология и гидрология, № 5, с. 32-51.

29.Дзедзеевский Б.Л., 1975. Общая циркуляция атмосферы и климат. - М., Наука, 288 с.

30.Дыдина Л.А., 1964. Макроциркуляционный метод прогноза погоды на 3 -10 дней для Арктики. - Л., Гидрометеоиздат, 391 с.

31.Дыдина Л.А., 1982. Особенности развития синоптических процессов в Арктике и их использование в прогнозах погоды. - Л., Гидрометеоиздат, 224 с.

32.Дымников В.П., 1985. Исследования корреляций между наблюдаемыми аномалиями температуры поверхности океана в средних широтах и потока тепла в атмосферу используя FGGE данные. - М., Препринт ИВМ РАН, 84, 34 с.

33.Жадин Е.А., 2001. Арктическое колебание и межгодовые вариации температуры поверхности Атлантического и Тихого океанов. Метеорология и гидрология, № 8, с. 28-40.

34.Жадин Е.А., 2003. Озон и изменения приземной температуры -Метеорология и гидрология, № 10, с. 64-73.

35.Жадин Е.А., 2006. О связи параметров стратосферы с аномалиями приземной температуры - Метеорология и гидрология, № 6, с. 27-37

36.Жуковский Е.Е., Брунова Т.М., 1978. Об эффективном комплексировании альтернативных прогнозов. - Метеорология и гидрология, 1978, № 5, с. 1019.

37.3юляева Ю.А., Жадин Е.А., 2009. Анализ трехмерных потоков Элиассена -Пальма в нижней стратосфере - Метеорология и гидрология, № 8, с. 5-14.

38.Казначеева В.Д., 1997. Дальние связи низкочастотной составляющий Н500 и средней месячной приземной температуры воздуха в зимний период. -Метеорология и гидрология, № 9, с. 5-13.

39.Казначеева В.Д., Тростников И.В., 2008. Оценка зависимости сезонной предсказуемости метеорологических величин в разных регионах Северного полушария от явления Эль-Ниньо — южное колебание. -Метеорология и гидрология, № 2, с. 5-19.

40.Катцов В.М., Мелешко В.П., Алексеев Г.В., Матюшин В.А., Шнееров Б.Е., Гаврилина В.Н., 1997. Влияние сплоченности ледяного покрова океана на изменчивость атмосферы в высоких широтах. - Метеорология и гидрология, № 4, с. 43-54.

41.Кац А.Л., 1960. Сезонные изменения общей циркуляции атмосферы и долгосрочные прогнозы. - Л., Гидрометеоиздат, 270 с.

42.Киктев Д.Б., Крыжов В.Н., 2004. О сравнении различных методов оценки статистической значимости линейных трендов. - Метеорология и гидрология, № 11, с. 27-38.

43.Кислов A.B., 1994. Связь границы сезонного снежного покрова на континентах с температурой и влажностью воздуха. - Метеорология и гидрология, № 8, с. 52-56.

44.Кислов A.B., 2011. Климатология. - М., ИЦ «Академия», 224 с.

45.Китаев Л.М., 2002. Пространственно-временная изменчивость высоты снежного покрова в Северном полушарии. - Метеорология и гидрология, № 5, с. 28-34.

46.Князева В.И., 1960. К вопросу о вертикальной структуре арктических циклонов. - Проблемы Арктики и Антарктики, вып. 3, с. 25-30.

47.Кондратович К.В., 1977. Долгосрочные гидрометеорологические прогнозы в Северной Атлантике. - Л., Гидрометеоиздат, 183 с.

48.Кононова Н.К., 2009. Классификация циркуляционных механизмов Северного полушария по Б.Л.Дзердзеевскому. - М., Воентехиниздат, 372 с.

49.Крутских Б.А., под ред., 1991. Климатический режим Арктики на рубеже XX и XXI вв. - СП, Гидрометеоиздат, 200 с.

50.Крыжов В.Н., 1997. Раздел 2.1. Климатические условия Байдарацкой губы в монографии Природные условия Байдарацкой губы. Основные результаты исследований для строительства подводного перехода. М., Геос, 254 с.

51.Крыжов В.Н., 2001. Связь скорости ветра на побережье северо-западной Сибири и Североатлантического колебания в зимний период. - Труды Гидрометцентра России, вып. 336, с. 138-148.

52.Крыжов В.Н., 2002. Синхронные связи температуры воздуха на арктическом побережье России с аномалиями Н700 в атлантико-европейском секторе. - Труды Гидрометцентра России, вып. 337, с. 115124.

53.Крыжов В.Н., 2003. Связь средней месячной, сезонной и годовой температуры воздуха на севере России с индексами зональной циркуляции зимой - Метеорология и гидрология, № 2, с. 15-28.

54.Крыжов В.Н., 2004. Связь средней годовой температуры воздуха в Северо-Западной Евразии с арктическим колебанием. - Метеорология и гидрология, № 1, с. 5-14.

55.Крыжов В.Н., 2008. Причины ноябрьских похолоданий 1980-х - 1990-х годов на Европейской территории России. - Метеорология и гидрология, № 1, с. 5-14.

56.Крыжов В.Н., 2010. Постпроцессинг модельных долгосрочных прогнозов в Североевразийском климатическом центре - Юбилейный сборник, посвященный 80-летию Гидрометцентра РФ, М., с. 247-253.

57.Крыжов В.Н., 2012. Региональная коррекция глобальных сезонных прогнозов Гидрометцентра России для Северной Евразии. - Метеорология и гидрология, № 5, с. 5-14.

58.Крыжов В.Н., 2012. К долгосрочному прогнозу зимнего индекса Арктической осцилляции. - Труды Международной научной конференции «Региональные эффекты глобальных климатических изменений в XXI веке (причины, последствия, прогнозы)», 26 - 27 июня 2012 г., Воронеж, с. 66-69.

59.Куликова И.А., 1982. Факторный анализ как способ представления полей температуры и геопотенциала. - Труды Гидрометцентра СССР, вып. 227, с. 39-58.

60.Куликова И.А., Реснянский Ю.Д., 1995. О низкочастотной изменчивости и типах атмосферной циркуляции. - Метеорология и гидрология, № 10, 5-12.

61. Лоренц, Э.Н., 1970. Природа и теория общей циркуляции атмосферы. - Л., Гидрометеоиздат, 259 с.

62.Мещерская A.B., Руховец Л.В., Юдин М.И., Яковлева H.H., 1970. Естественные составляющие метеорологических полей. - Л., Гидрометеоиздат, 200 с.

63.Мещерская A.B., Чувашина И.Е., Маргасова В.Г., Голод М.П., 1999. Многофакторный регрессионный метод долгосрочных метеорологических

прогнозов большой заблаговременности - В кн. Современные исследования Главной геофизической обсерватории, С.Петербург, Гидрометеоиздат, т. 1, с. 51-69.

64.Мирвис В.М., Мелешко В.П., Гаврилина В.М., Матюгин В.А., Львова Т.Ю., 2006. Прогноз метеорологических величин на предстоящий месяц гидродинамико-статистическим методом ГГО. I. Категорические прогнозы — результаты 26-летних серий испытаний - Метеорология и гидрология, № 1, с. 5-18.

65.Мирвис В.М., Мелешко В.П., Гаврилина В.М., Матюгин В.А., Львова Т.Ю., 2006. Прогноз метеорологических величин на предстоящий месяц гидродинамико-статистическим методом ГГО. И. Вероятностный прогноз: анализ и интерпретация распределения ансамбля, методика и качество прогнозов. - Метеорология и гидрология, № 2, с. 5-16.

66.Мдинирадзе Д.А., Педь Д.А., 1972. О возможности прогноза индекса зональной циркуляции атмосферы. - Тр. Гидрометцентра СССР, вып. 96, с. 58-71.

67.Мохов И. И., Смирнов Д. А., 2006. Исследование взаимного влияния процессов Эль-Ниньо-Южное колебание и Северо-Атлантического и Арктического колебаний. - Известия РАН. ФАО, 42, № 5, с. 650-667.

68.Мультановский, Б.П., 1933. Основные положения синоптического метода долгосрочных прогнозов погоды: ч. I. - М.: Изд. ЦУЕГМС, 140 с.

69.Муравьев А. В., Круглова E.H., Куликова И.А., Казначеева В.Д., 2005. Опыт использования ансамблей в гидродинамико-статистическом прогнозе метеорологических полей. - Метеорология и гидрология, № 7, с. 3-15.

70.Муравьев A.B., Куликова И.А., 2005. Ансамбли прогнозов: методы, проблемы и перспективы. - Метеорология и Гидрология, №3, с. 5-22.

71.Муравьев A.B., Куликова И.А., 2011. Взаимосвязь суммарных осадков над Евразией с центрами действия атмосферы Северного полушария и главными модами изменчивости температуры поверхности Северной Атлантики. - Метеорология и Гидрология, №5, с. 5-16

72.Муравьев A.B., Куликова И.А., Реснянский Ю.Д., 2010. Синхронные и асинхронные связи между аномалиями температуры поверхностных вод Северной Атлантики и особенностями крупномасштабной циркуляции атмосферы над Северным полушарием. - Метеорология и Гидрология, №2, с. 5-25

73. Наставление по глобальной системе обработки данных и прогнозирования. ТОМ I. (Дополнение IV к Техническому регламенту ВМО). Глобальные аспекты. Издание 1992 г. ВМО-№ 485. Добавление II.8. Стандартная система проверки оправдываемое™ (ССПО) долгосрочных прогнозов (ДП). - Секретариат Всемирной Метеорологической Организации — Женева — Швейцария. 2005, 173 с.

74.Нестеров Е.С., 1992. О влиянии североатлантического колебания на температуру поверхности океана. - Метеорология и гидрология, № 5, с. 62-68.

75.Нестеров Е.С., 1998. Особенности состояния океана и атмосферы в разных фазах североатлантического колебания. - Метеорология и гидрология, № 8, с. 74-82.

76.Нестеров Е.С., 2003. О фазах североатлантического колебания. -Метеорология и гидрология, № 1, с. 64-74.

77.Нестеров Е.С., 2009а. О влиянии температуры воды и потоков тепла на поверхности океана в Северной Атлантике на циркуляцию атмосферы. -Метеорология и гидрология, № 1, с. 39-48.

78.Нестеров Е.С., 20096. О восточно-атлантическом колебании циркуляции атмосферы. - Метеорология и гидрология, № 12, с. 32-40.

79.Нестеров Е.С., 2010. О формировании взрывных циклонов в северовосточной части Атлантического океана. - Метеорология и гидрология, № 10, с. 44-53.

80.Пагава, С.Т., 1966. Основы сезонных прогнозов погоды - Л., Гидрометеоиздат.

81.Педь Д.А., Садоков В.П., 1993. О возможности прогноза значительных аномалий средней месячной температуры воздуха. - Метеорология и гидрология, № 1, с. 83-87.

82.Погосян Х.П., 1972. Общая циркуляция атмосферы,- Л.: Гидрометеоиздат, 394 с.

83.Попова В.В., 2004. Структура многолетних колебаний высоты снежного покрова в Северной Евразии. - Метеорология и гидрология, № 8, с. 78-88.

84.Попова В.В., А.Б. Шмакин, 2003. Влияние североатлантического колебания на многолетний гидротермический режим Северной Евразии. I. Статистический анализ данных наблюдений. - Метеорология и гидрология, № 5, с. 62-74.

85.Разоренова O.A., Зверяев И.И., 1996а. Характеристики низкочастотной изменчивости средней тропосферы Северного полушария в зимний период. I Дисперсии, тренды, дальние связи, изаномалы геопотенциала АТ500. - Метеорология и гидрология, № 5, с. 83-96.

86.Разоренова O.A., Зверяев И.И., 19966. Характеристики низкочастотной изменчивости средней тропосферы Северного полушария в зимний период. II Индексы циркуляции и аномальность поля геопотенциала АТ500. - Метеорология и гидрология, № 6, с. 73-81.

87.Рафаилова Х.Х., 1973. Использование характеристик стратосферы, тропосферы и подстилающей поверхности в долгосрочных прогнозах погоды. - Д., Гидрометеоиздат, 320 с.

88.Садоков В.П., 2009. Долгосрочный прогноз сезонной температуры воздуха методом временных аналогов. - Метеорология и гидрология, № 10, с. 22-26.

89.Садоков В.П., 2012. Сезонный прогноз аномалии температуры воздуха методом временных аналогов. - Метеорология и гидрология, № 6, с. 22-26.

90.Семенов, В.Г., 1960. Влияние Атлантического океана на режим температуры и осадков на Европейской территории СССР. - М.: Гидрометеоиздат, 148 с.

91.Сидоренков Н.С., 1991. Характеристики явления Южное колебание - Эль-Ниньо. - Труды Гидрометцентра СССР, вып. 316, с. 31-44.

92.Сидоренков Н.С., 2002. Атмосферные процессы и вращение Земли. - С.-Пб., Гидрометеоиздат, 368 с.

93.Сидоренков Н.С., Орлов И.А., 2008. Атмосферные циркуляционные эпохи и изменения климата. - Метеорология и гидрология, № 9, с. 22-29.

94.Смирнов Н.П., Воробьев В.Н., Качанов С.Ю., 1998. Северо-Атлантическое колебание и климат,- СПб.: Изд. РГГМУ, 119 с.

95.Тейлор Дж., 1985. Введение в теорию ошибок. - М., Мир, 272 с.

96.Толстых М.А., 2010. Глобальная полулогранжева модель численного прогноза погоды. - Обнинск, ОАО ФОП, 112 с.

97.Угрюмов А.И., 1981. Тепловой режим океана и долгосрочные прогнозы погоды. - JL, Гидрометеоиздат, 175 с.

98.Хан В.М., Крыжов В.Н., Вильфанд P.M., Тищенко В.А., Бундель А.Ю., 2011. Мультимодельный подход при составлении прогнозов погоды на сезон. - Метеорология и гидрология, № 1, с. 19-29.

99.Хромов С.П., 1937. Введение в синоптический анализ. - М., Гидрометеоиздат, 510 с.

100. Хромов С.П., 1985. Метеорология и климатология для географических факультетов. Изд. 3, переработанное. - JL, Гидрометеоиздат, 455 с.

101. Чавро А.И., Дымников В.П., 2000. Методы математической статистики в задачах физики атмосферы. - М., ИВМ РАН, 210 с.

102. Черниговская М.А., 2008. Морфологические особенности температурного режима атмосферы в регионе юга Восточной Сибири. -Оптика атмосферы и океана, Т. 21. № 12, с. 1101-1107.

103. Четыркин Е.М., Калихман И.Д., 1982. Вероятность и статистика. - М., Финансы и статистика, 320 с.

Ю4.Шмакин А.Б., В.В. Попова, 2003. Влияние североатлантического колебания на многолетний гидротермический режим Северной Евразии. II. Моделирование внутривековых колебаний теплового и водного балансов. - Метеорология и гидрология, № 6, с. 59-68.

105. Юдин М.И., Мещерская А.В., 1977. Комплексный физико-статистический метод прогноза большой заблаговременности. Метеорология и гидрология, № 1, с. 3-12.

106. Юл Дж.Э., Кендэл М.Жд., 1960. Теория статистики. - Госстатиздат ЦСУ СССР, М., 780 с.

107. Alessandri A., Borrelli A., Navarra A., Arribas A., Deque М., et al., 2011. Evaluation of probabilistic quality and value of the ENSEMBELS multi-model seasonal forecasts: comparison with DEMETER. - Monthly Weather Review, 139, p. 581-607.

108. Alves O., Wang G., Zhong A., Smith N., Tseitkin F., Warren G., et al., 2003. POAMA: Bureau of meteorology operational coupled model seasonal forecast system. - Proceedings of national drought forum, Brisbane, April 2003, p. 4956.

109.Ambaum M.H., Hoskins B.J., 2002. The NAO troposphere-stratosphere connection. - Journal of Climate, 15, p. 1969-1978

110.Ambaum M.H., Hoskins B.J., Stephenson D.B., 2001. Arctic Oscillation or North Atlantic Oscillation? - Journal of Climate, 14: 3495-3507

111. Anderson J.L., Stern W.F., 1995. Evaluating the Potential Predictive Utility of Ensemble Forecasts. - Journal of Climate., 9, p. 260-269

112.Angstrem A., 1935. Teleconnections of climate changes in present time. -Geographical Annales, 17, p. 242 - 258.

113. Annamalai H., Liu P., 2005. Response of the Asian summer monsoon to changes in El Nino properties. - Quarterly Journal of Royal Meteorological Society, 131, p. 805-831.

114. Annamalai H., Hamilton K., Sperber K.R., 2007. The south Asian summer monsoon and its relationship with ENSO in the IPCC AP4 simulation. - Journal of Climate, 20, p. 1071-1092.

115.Atger F., 2003. Spatial and interannual variability of the reliability of ensemble-based probabilistic forecasts: Consequences for calibration. -Monthly Weather Review, 131, p. 1509-1523.

116. Atger F., 2004. Estimation of the reliability of ensemble based probabilistic forecasts. - Quarterly Journal of Royal Meteorological Society., 130, p. 627-646

117. Baldwin M.P., Dunkerton T.J., 1999. Propagation of the Arctic Oscillation from the stratosphere to the troposphere. - Journal of Geophysical Research, 104, p. 30937-30946.

118. Baldwin M.P., Dunkerton T.J., 2001. Stratospheric Harbingers of Anomalous Weather Regimes. - Science, 294, p. 581-584.

119. Baldwin M.P., Thompson D.W.J., Shuckburgh E.F., Norton W.A., Gillett N.P., 2003a. Weather from the Stratosphere? - Science, 301, p. 317-318.

120. Baldwin M.P., Stephenson D.B., Thompson D.W.J., Dunkerton T.J., Charlton A.J., O'Neill A., 2003b. Stratospheric memory and extended-range weather forecasts. - Science, 301, p. 636-640.

121. Baldwin, M.P., Dunkerton T.J., 2005. The solar cycle and stratosphere-troposphere dynamical coupling. - Journal of Atmospheric and Solar-Terrestrial Physics, 67, p. 71-82

122.Bamzai A.S., 2003. Relationship between snow cover variability and Arctic oscillation index on a hierarchy of time scales. - International Journal of Climatology, 23, p. 131-142.

123.Barnett, T. P., Preisendorfer R., 1987. Origins and levels of monthly and seasonal forecast skill for United States surface air temperatures determined by canonical correlation analysis. - Monthly Weather Review, 115, p. 1825-1850.

124. Barnston A.G., Livezey R.E., 1987. Classification, seasonality and persistence of low-frequency atmospheric circulation patterns. - Monthly Weather Review, 115,p. 1083-1126.

125. Barnston A.G., Mason S.J., Goddard L., Dewitt D.G., Zebiak S.E., 2003. Multimodel ensembling in seasonal climate forecasting at IRI. - Bulletin of American Meteorological Society, 84, p. 1783-1796.

126. Bengtsson L., Schlese U., Roeckner E., Latif M., Barnett T.P., Graham N.E., 1993. A two-tiered approach to long-range climate forecasting. - Science, 261, p. 1027-1029.

127. Bjerknes J., Solberg H., 1922. Life cycle of cyclones and polar front theory of atmospheric circulation. - Geof. Publ., 3, No.l, Oslo.

128. Bjerknes J., 1964. Atlantic air-sea interactions. - Advances in Geophysics, 10, p. 1-82.

129. Bjerknes J., 1966. A Possible Response of the Atmospheric Hadley Circulation to Equatorial Anomalies of Ocean Temperature. - Tellus, 18, 4, p. 820-829.

130. Bjerknes J., 1969. Atmospheric teleconnections from the equatorial Pacific. -Monthly Weather Review, 97, p. 162-172.

131. Boer G.J., 2005. An evolving seasonal forecasting system using Bayes' theorem. - Atmosphere-Ocean, 43, p. 129-143.

132. Bretherton C.S., Smith S., Wallace J.M., 1992. An intercomparison of methods for finding coupled patterns in climate data. - Journal of Climate, 5, p. 541-560.

133. Bretherton C.S., Widmann M., Dymnikov V.P., Wallace J.M., Blade I., 1999. The Effective Number of Spatial Degrees of Freedom of a Time-Varying Field. - Journal of Climate, 12, p. 1990-2009.

134. Brier G.W., 1950. Verification of forecasts expressed in terms of probability. -Monthly Weather Review, 78, p. 1-3.

135. Bronnimann S., Luterbacher J., Staehelin J., Svendby T.M., Hansen G., Svenoe T., 2004. Extreme climate of the global troposphere and stratosphere in 1940-42 related to El Nino. - Nature, 431, p. 971-974.

136. Brown R.D. 2000. Northern Hemisphere Snow Cover Variability and Change, 1915-97. - Journal of Climate, 13, p. 2339-2355.

137. Camp C.D., Tung K.K., 2007. Stratospheric polar warming by enso in winter: A statistical study. - Geophysical Research Letters, 34 (4).

138.Charney J.G., Drazin P.G., 1961. Propagation of planetaryscale disturbances from the lower into the upper atmosphere. - Journal of Geophysical Research, 66, p. 83-109.

139. Cherry S., 1996. Singular value decomposition and canonical correlation analysis. - Journal of Climate, 9, p. 2003-2009.

140. Chu J. L;, Kang H., Tam C.Y., Park C.K., Chen C., 2008. Seasonal forecast for local precipitation over northern Taiwan using statistical downscaling. -Journal of Geophysical Research, 113, D12118. doi:10.1029/2007JD009424.

141. Clark M.P., Serreze M.C., Robinson D.A., 1999. Atmospheric controls on Eurasian snow extent. - International Journal of Climatology, 19, p. 27-40.

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

143. Cohen J., Entekhabi D., 1999. Eurasian snow cover variability and Northern Hemisphere climate predictability. - Geophysical Research Letters, 26, p. 345348.

144. Cohen J., Saito K., Entekhabi D., 2001. The role of the Siberian high in Northern Hemisphere climate variability. - Geophysical Research Letters, 28, p. 299-302.

145. Cohen J., Barlow M., Kushner P.J., Saito K., 2007. Stratosphere-Troposphere Coupling and Links with Eurasian Land Surface Variability. - Journal of Climate, 20, p. 5335-5343

146. Cohen J. Fletcher C., 2007. Improved Skill for Northern Hemisphere winter surface temperature predictions based on land-atmosphere fall anomalies. -Journal of Climate, 20, p. 4118-4132.

147. Cohen J., Foster J., Barlow M., Saito K., Jones J., 2010. Winter 2009-2010. A case study of an extreme Arctic Oscillation event. - Geophysical Research Letters, 37, L17707.

148. Cote J., Gravel S., Methot A., Patoine A., Roch M., Staniforth A., 1998. The operational CMC/MRB global environmental multiscale (GEM) model: Part I -Design considerations and Formulation. - Monthly Weather Review, 126, p. 1373-1395.

149. Cusack S., Arribas A., 2009. Sampling errors in seasonal forecasting. -Monthly Weather Review, 137, p. 1132-1141.

150. Davis R.E., Lowit M.B., Knappenberger P.C., 1999. A climatology of snowfall-temperature relationships in Canada. - Journal of Geophysical Research, 104D,p. 11985-11994.

151. Derome, J., et al., 2001. Seasonal predictions based on two dynamic models. -Atmosphere-Ocean, 43, p. 129-143.

152. DelSole T., 2007. A Bayesian framework for multimodel regression. - Journal of Climate, 20, p. 2810-2826.

153.Deser C., Walsh J.E., Timlin M.S., 2000. Arctic sea ice variability in the context of recent atmospheric circulation trends. - Journal of Climate, 13, p. 617-633.

154. Dickson R.R., Osborn T.J., Hurrell J.W., Meincke J., Blindheim J., Adlandsvik B., Vinje T., Alekseev G., Maslowsky W., 2000. The Arctic Ocean response to the North Atlantic Oscillation. - Journal of Climate, 13, p. 26712696.

155. Doblas-Reyes F.J., Déqué M., Piedeliérem J.-P., 2000. Multi-model spread and probabilistic seasonal forecasts in PROVOST. - Quarterly Journal of Royal Meteorological Society, 126, p. 2069-2088.

156. Doblas-Rayes F.J., Hagedorn R., Palmer T.N., 2005. The rationale behind the success of multi-model ensembles in seasonal forecasting - II. Calibration and combination. - Tellus, 57A, p. 234-252

157. Doblas-Reyes F.J., Pavan V., Stephenson D.B., 2003. The skill of multimodel seasonal forecasts of the wintertime North Atlantic Oscillation. - Climate Dynamics, 21, p. 501-514.

158. Epstein E.S., 1969. A scoring system for probability forecasts of ranked categories. - Journal of Applied Meteorology, 8, p. 985-987.

159. Feddersen H., Navarra A., Wrad M.N., 1999. Reduction of model systematic error by statistical correction for dynamical seasonal prediction. - Journal of Climate, 12, p. 1974-1989.

160. Feddersen H., Andersen U., 2005. A method for statistical downscaling of seasonal ensemble predictions. - Tellus, 57A, p. 398—408.

161. Fletcher C.G., Kushner P. J., 2011. The Role of Linear Interference in the Annular Mode Response to Tropical SST Forcing. - Journal of Climate, 24, p. 778-794.

162.Fritsch J.M., Hilliker J., Ross J., Vislocky R.L., 2000. Model consensus. -Weather and Forecasting, 15, p. 571-582.

163. Fu C., Diaz H.F., Dong D., Fletcher J.O., 1999. Changes in atmospheric circulation over Northern Hemisphere oceans associated with the rapid warming of the 1920s - International Journal of Climatology, 19, p. 581-606.

164. Garfinkel C.I., Hartmann D.L., 2008. ENSO teleconnections and their effects on the stratospheric polar vortex. - Journal of Geophysical Research, 113 (D18), D18114.

165. Gong G., Entekhabi D., Cohen J., 2002. A large-ensemble model study of the wintertime AO/NAO and the role of interannual snow perturbations. - Journal of Climate, 15, p. 3488-3499.

166. Gong G., Entekhabi D., Cohen J., 2003. Modeled northern hemisphere winter climate response to realistic Siberian snow anomalies. - Journal of Climate 16, p. 3917-3931.

167. Gong G., Entekhabi D., Cohen J., 2004. Orographic constraints on a modeled Siberian snow-Arctic Oscillation teleconnection pathway. - Journal of Climate 17, p. 1176-1189.

168. 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. - Quarterly Journal of Royal Meteorological Society, 126, p. 2211-2240.

169. Groisman P.Y., Karl T.E., Knight R.W., Stenchikov G.L., 1994. Canges of snow cover, temperature, and radiative heat balance over the Northern Hemisphere. - Journal of Climate, 7, p. 1633-1656.

170. Guilyardi E., Gualdi S., Slingo J., Navarra A., Delecluse P., Cole J., et al., 2004: Representing El Nino in coupled ocean-atmosphere GCMs: the dominant role of the atmospheric component. - Journal of Climate, 17, p. 4623-4629.

171. Gulev S.K., Zolina O., Grigoriev S., 2001. Extratropical cyclone variability in the Northern Hemisphere winter from the NCEP/NCAR reanalysis data. -Climate Dynamics, 17, p. 795-809.

172. Hagedorn R., Doblas-Reyes F.J., Palmer T.N., 2005. The rationale behind the success of multi-model ensembles in seasonal forecasting - I. Basic concept. -Tellus, 57A, p. 219-233.

173. Hamilton K., 1993. An examination of observed Southern Oscillation effects in the Northern Hemisphere stratosphere. - Journal of Atmospheric Sciences, 50, p. 3468-3473.

174.Hartmann D.L., Wallace J.M., Limpasuvan V., Thompson D.W.J., Holton J.R., 2000. Can ozone depletion and global warming interact to produce rapid climate change? - Proceedings of National Academy of Sciences USA, 97, p. 1412-1417.

175. Haynes P.H., Marks C.J, Mclntyre M.E, Shepherd T.G, Shine K.P, 1991. On the "downward control" of extratropical diabatic circulations by eddy-induced mean zonal forces. - Journal of Atmospheric Sciences, 48, p. 651-78.

176.Horel D.J., 1981. A rotated principal component analysis of the interannual variability of the Northern Hemisphere 500 mb height field. - Monthly Weather Review, 109, p. 2080-2092.

177. Hurrell J.W., 1995. Decadal trends in the North Atlantic Oscillation: regional temperatures and precipitation. - Science, 269, p. 676-679.

178. Hurrell J.W., 1996. Influence of variations in extratropical wintertime teleconnections on Northern Temperature. - Geophysical Research Letters, 23, p. 665-668.

179.Hurrell J.W., Kushnir Y., Ottersen G., Visbec M., 2003. The North Atlantic Oscillation: Climatic Significance and Environmental Impact. - Geophysical Monograph, 134, 2003, DOI 10.1029/134GM01.

180.IPCC Fourth Assessment Report: Climate Change 2007 (AR4): The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, 2007. Solomon S., Qin D., Manning M., Chen Z., Marquis M., Averyt K.B., Tignor M., Miller H.L. (eds.) Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. 996 pp.

181. Jolliffe I.T., D.B. Stephenson, 2003. Forecast Verification: A Practitioner's Guide in Atmospheric Science. 240 pp, Wiley, New York

182. Jones P.D., 1987. The early twentieth century Arctic High - fact or fiction? -Climate Dynamics, 1, p. 63-75.

183. Jones P.D., 1994. Hemispheric surface air temperature variations: a reanalysis and an update to 1993. - Journal of Climate, 7, p. 1794-1802.

184. Jones P.D., Jonsson T, Wheeler D., 1997. Extention to the North Atlantic Oscillation using early instrumental pressure observations from Gibraltar and south-west Iceland. - International Journal of Climatology, 17, p. 1433-1450.

185. Juneng L., Tangang F.T., Kang H., Lee W.-J., Seng Y.K., 2010. Statistical

downscaling forecasts for winter monsoon precipitation in Malaysia using multimodel output variables. - Journal of Climate, 23, p. 17-27.

186. Kalnay E., and coauthors, 1996. The NCEP/NCAR 40-year reanalysis project. - Bulletin of American Meteorological Society, 77, p. 437-471.

187. Kanamitsu M., et al., 2002. NCEP dynamical seasonal forecast system 2000. -Bulletin of American Meteorological Society, 83, p. 1019-1037.

188. Kanamitsu M., Ebisuzaki W., Woollen J., Yang S.K., Hnilo J.J., Fiorino M., Potter G.L., 2002. NCEP-DOE AMIP-II reanalysis (R-2). - Bulletin of American Meteorological Society, 83, p. 1631-1643.

189. Kang H., Ah K.H., Park C.K., 2007. Multimodel output statistical downscaling prediction of precipitation in the Philippines and Thailand. -Geophysical Research Letters, 34, L15170. doi:10.1029/2007GL030730

190. Kang H., Park C.-K., Hameed S.N., Ashok K., 2009. Statistical downscaling of precipitation in Korea using multimodel output variables as predictor. -Monthly Weather Review, 137, p. 1928-1938.

191. Kang I.S., Shukla J., 2006. Dynamical seasonal prediction and predictability of the monsoon. - The Asian Monsoon, Wang B.(Ed.), p. 585-612.

192. Kang I.S., Lee J.Y., Park C.K., 2004. Potential predictability of summer mean precipitation in a dynamical seasonal prediction system with systematic error correction. - Journal of Climate, 17, p. 834-844.

193. Kaplan A., Cane M., Kushnir Y., Clement A., Blumenthal M., Rajagopalan B., 1998. Analyses of global sea surface temperature 1856-1991, - Journal of Geophysical Research, 103, p. 18567-18589,

194. Ke Z., Zhang P., Dong W., Le L., 2009. A new way to improve seasonal prediction by diagnosing and correcting the intermodel systematic errors. -Monthly Weather Review, 137, p. 1898-1907.

195.Kharin V.V., Zwiers F.W., 2001: Skill as function of time scale in ensemble of seasonal hindcast. - Climate Dynamics, 17, p. 127-141.

196.Kharin V.V., Zwiers F.W., 2002. Climate predictions with multimodle ensembles. - Journal of Climate, 15, p. 1684-1701.

197.Kharin V.V., Zwiers F.W., 2003a. Improved seasonal probability forecast. -Journal of Climate, 16, 1684-1701.

198.Kharin V.V., Zwiers F.W., 2003b. On the roc score of probability forecasts. -Journal of Climate, 16, p. 4145-4150.

199. Krishnamurti T.N., Kishtawal C.M., Zhang Z., LaRow T.E., Bachiochi D.R., et al., 1999. Improved weather and seasonal climate forecasts from multi-model superensemble. - Science, 285, p. 1548-1550.

200.Kryjov V.N., 1997. Accuracy Estimates of Multidecade Return Period Wind Velocity Values over Shelf. - Proc. of the Seventh (1997) International Offshore and Polar Engineering Conference. Honolulu, USA, May 25-30, Vol.Ill, p. 259-264.

201.Kryjov V.N., 2000. Relationships between Russian Sub-Arctic temperature variability and atmosphere circulation patterns. - Abstract AAC1619, Geophysical Research Abstracts, vol. 2, 2000, 25th General Assembly.

202. Kryjov V.N. 2000. North-Eastern Europe Long Term Climate Variability. -Proceedings of the ECAC 2000 - 3rd European Conference on Applied Climatology. Pisa, Italy, October 16-20, 2000, 6 p.

203. Kryjov V.N., 2002. The influence of the winter Arctic Oscillation on the Northern Russia spring temperature. - International Journal of Climatology, 22, p. 779-785.

204. Kryjov V.N., 2004a. Response of Summer and Autumn Circulation to the Wintertime Arctic Oscillation. - In "Progress in Understanding the Arctic Climate System", 2004, WCRP-118, WMO/TD No. 1232.

205. Kryjov V.N., 20046. Regional Peculiarities of Two 20th Century Abrupt Warmings in North-Western Eurasia: Empirical Evidences of Distinction in Causes. - In "Progress in Understanding the Arctic Climate System", 2004, WCRP-118, WMO/TD No. 1232.

206. Kryjov V.N., 2004b. Searching for Circulation Patterns Affecting Northern Europe Annual Temperature. - Atmospheric Science Letters, 5, 2004, p. 23-34.

207. Kryjov V.N., Park C.-K., 2007. Solar modulation of the El-Nino/Southern Oscillation impact on the Northern Hemisphere annular mode. - Geophysical Research Letters, 34, L10701, doi:10.1029/2006GL028015.

208. Kryjov V.N., Kang H.-W., Nohara D, Song B.-G., Lee D.-Y., An K.-H., Sohn S.-J., Min Y.-M., Saji N.H., Tam C.Y.F., 2006. Assessment of the Climate Forecasts Produced by Individual Models and MME Methods. - APCC Technical Report No. 1, Vol. 1, 534 p.

209. Kryjov V.N., 2012. Seasonal climate prediction for North Eurasia. -Environmental Research Letters, 7 (2012) 015203, doi: 10.1088/17489326/7/1/015203.

210. Krzysztofowicz R., 1983. Why should a forecaster and a decision maker use Bayes theorem. - Water Resources Research, 19, p. 327-336.

211. Kug J.S., Lee J.Y., Kang I.S., 2007. Global sea surface temperature prediction using a multimodel ensemble. - Monthly Weather Review, 135, p. 3239-3247.

212. Kug J.S., Kang I.S., Choi D.H., 2008a. Seasonal climate predictability with tier-one and tier-two prediction systems. - Climate Dynamics, 31, p. 403-416.

213. Kug, J.S., Lee J.Y., Kang I.S., 2008b: Systematic error correction of dynamical seasonal prediction of sea surface temperature using a stepwise pattern projection method. - Monthly Weather Review, 136, p. 3501-3512.

214. Kug J.S., Lee J.Y., Kang I.S., Wang B., Park C.K, 2008c: Optimal multimodel ensemble method in seasonal climate prediction. - Asia-Pacific Journal of Atmospheric Sciences, 44, p. 259-267.

215.Kutzbach J.E., 1970. Large-scale features of monthly mean Northern Hemisphere anomaly maps of sea-level pressure. - Monthly Weather Review, 98, p. 708-716.

216.Labitzke K., van Loon H., 1999. The stratosphere, Springer-Verlag, New York, 179 pp.

217. Lau N.C., Nath M.J., 2000. Impact of ENSO on the variability of the Asian-Australian monsoon as simulated in GCM experiments. - Journal of Climate, 13, p. 287-4309.

218. Lee J.-Y., 2003. Assessment of potential seasonal predictability with a multimodel dynamical-statistical ensemble system, Ph.D. thesis, Seoul National University, Seoul, Korea, 164pp

219. Lee J.Y., Wang B., Kang I.S., Shukla J., et al., 2010. How are seasonal prediction skills related to models' performance on mean state and annual cycle? - Climate Dynamics, 35, p. 267-283.

220. L'Heureux M.L., Thompson D.W.J., 2005. Observed Relationships between the El-Nino/ Southern Oscillation and the Extratropical Zonal-Mean Circulation. - Journal of Climate, 19, p. 276-287.

221. Limpasuvan V., Thompson D.W.J., Hartmann D.L., 2004. The life cycle of Northern Hemisphere sudden stratospheric warmings. - Journal of Climate, 17, p. 2584-2596.

222. Limpasuvan V., Hartmann D.L., Thompson D.W.J., Jeev K., Yung Y.L., 2005a. Stratosphere-troposphere evolution during polar vortex intensification. -Journal of Geophysical Research, 110, D24101, doi: 10.1029/2005JD0063022005.

223. Limpasuvan V., Thompson D.W.J., Hartmann D.L., 20056. Reply. - Journal of Climate, 18, p. 2778-2780.

224. Liou C.S., Chen J.H., Terng C.T., Wang F.J., Fong C.T., Rosmond T.E., Kuo H.C., Shiao C.H., Cheng M.D., 1997. The second generation global forecast system at the central weather bureau in Taiwan. - Weather and Forecasting, 3, p. 653-663.

225.Livezey R.E., Chen W.Y., 1983. Statistical field significance and its determination by Monte Carlo technique. - Monthly Weather Review, 111, p. 46-58.

226.Lorenz E.N., 1951. Seasonal and irregular variations of the Northern Hemisphere sea-level pressure profile. - Journal of Meteorology, 8, p. 52-59.

227. Lorenz E.N., 1963. Deterministic nonperiodic flow. - Journal of Atmospheric Sciences, 20, p. 130-141.

228.Loewe F., 1937. A period of warm winters in Western Greenland and the temperature see-saw between western Greenland and Europe. - Quarterly Journal of Royal Meteorological Society, 63, p. 365-371.

229. Loewe F., 1966. The temperature see-saw between western Greenland and Europe. - Weather, 21, p. 241-246.

230.Manson I., 1982. A model for assessment of weather forecasts. - Australian Meteorological Magazine, 30, p. 291-303.

231. Mason S.J., Goddard L., Graham N.E., Yulaeva E., Sun L., Arkin P.A., 1999. The IRI seasonal climate prediction system and the 1997/98 El Nino event. -Bulletin of American Meteorological Society, 80, p. 1853-1873

232. Mason, S.J., Graham N.E., 1999. Conditional probabilities, relative operating characteristics, and relative operating levels. - Weather and Forecasing, 14, p. 713-725.

233. McFarlane N., Boer G.J., Blanchet J.P., Lazare M., 1992. The Canadian climate centre second generation general circulation model and its equilibrium climate. - Journal of Climate, 5, p. 1013-1044.

234.McPhaden M.J. and coauthors, 1998. The tropical ocean-global atmosphere observing system: A decade of progress. - Journal of Geophysical Research, 103, p. 14169-14240.

235. Min Y.-M., Kryjov V.N., 2007. Comparison between PMME Prediction Methods based on different PDFs. - APCC Technical Report 2007, 2, p. 31-48.

236. Min Y.-M., Kryjov V.N., C.-K. Park, 2009. A probabilistic multimodel ensemble approach to seasonal prediction. - Weather and Forecasting, 24, p. 812-828.

237. Min Y.-M., Kryjov V.N., Oh J.-H., 2011. Probabilistic interpretation of regression-based downscaled seasonal ensemble predictions with the estimation of uncertainty. - Journal of Geophysical Research, 116, D08101, doi: 10.1029/2010JD015284.

238. Molteni F., Buizza R., Palmer T.N., Petroliagis T., 1996. The ECMWF ensemble prediction system. Meteodology and validation. - Quarterly Journal of Royal Meteorological Society, 122, p. 73-119.

239. Mosedale T.J, Stephenson D.B, Collins M, Mills T.C, 2006. Granger causality of coupled climate processes: Ocean feedback on the North Atlantic Oscillation. - Journal of Climate, 19, p. 1182-1194.

240. Murphy A.H, 1971. A note on the ranked probability score. - Journal of Applied Meteorology, 10, p. 155-156.

241. Murphy A.H, 1973. A new vector partition of the probability score. - Journal of Applied Meteorology, 12, p. 595-600.

242. Murphy A.H, Winker R.L, 1977. Reliability of subjective probability forecasts of precipitation and temperature. - Applied Statistics, 26(1), p. 61-78.

243.Neelin J.D, Battisti D.S, Hirst A.C, Jin F.-F, Wakata Y, Yamagata T, Zebiak S.E, 1998. ENSO theory. - Journal of Geophysical Research, 103, p. 14261-14290.

244. North G.R, Bell T.L, Cahalan RF, 1982. Sampling errors in the estimation of empirical orthogonal functions. - Monthly Weather Review, 110, p. 699706.

245.0rsolini Y.J, Kindem, I.T, Kvamsto N.G, 2010. On the potential impact of the stratosphere upon seasonal dynamical hindcasts of the North Atlantic Oscillation: a pilot study. - Climate Dynamics, 36, p. 579-588.

246. Palmer T.N, 1993. Extended-range atmospheric prediction and the Lorenz model. - Bulletin of American Meteorological Society, 74, p. 49-65.

247. Palmer T.N, 1999. A Nonlinear dynamical perspective on climate prediction. - Journal of Climate, 12, p. 575-591.

248. Palmer T.N, Suhkla J, 2000. Editorial to DSP/PROVOST special issue. -Quarterly Journal of Royal Meteorological Society, 126, p. 1989-1990.

249. Palmer T.N, Brankovic C, Richardson D.S, 2000. A probability and decision-model analysis of PROVOST seasonal multi-model ensemble integrations. - Quarterly Journal of Royal Meteorological Society, 126, p. 20132034.

250. Palmer T.N, 2001. A non-linear dynamical perspective on model error: a proposal for non-local stochastic-dynamical parametrization in weather and climate prediction models. - Quarterly Journal of Royal Meteorological Society, 127, p. 279-304.

251. Palmer T.N, 2002. Predictability of weather and climate: from theory to practice - from days to decades. - ECMWF Seminal Proceedings: Predictability of Weather and Climate. ECMWF, Reading, UK, p. 1-14.

252. Palmer T.N., Alessandri A., Andersen U, Cantelaube P., Davey M., et al., 2004. Development of a European multi-model ensemble system for seasonal to interannual prediction (DEMETER). - Bulletin of American Meteorological Society, 85, p. 853-872.

253. Pan L.L., 2005. Observed positive feedback between the NAO and the North Atlantic SSTA tripole. - Geophysical Research Letters, 32, L06707. doi: 10.1029/2005GL022427.

254. Park C.K., et al., 2002. Long-term forecasting system. Climate Science Bureau Tech. report no. 2002-8, Korea Meteorological Administration, Seoul.

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

256. Peng P., Kumar A., Barnston A.G., Goddard L., 2000. Simulation skills of the SST-forced global climate variability of the NCEP-MRF9 and Scripps-MPI ECHAM3 models. - Journal of Climate, 13, p. 3657-3679.

257. Peng, P., Kumar A., van den Dool A.H., Barnston A.G., 2002. An analysis of multimodel ensemble predictions for seasonal climate anomalies. - Journal of Geophysical Research, 107, 4710, doi: 10.1029/2002JD002712.

258. Plumb R. A., 1985. On the three-dimensional propagation of stationary waves. - Journal of Atmospheric Sciences, 42, p. 217-229.

259. Pozo-Vazquez D., Gamiz-Fortis S.R., Tovar-Pescador J., Esteban-Parra M.J., Castro-Diez Y., 2005. North Atlantic Winter SLP Anomalies Based on the Autumn ENSO State. - Journal of Climate, 18, p. 97-103

260. Quadrelli R., Wallace J.M., 2002. Dependence of the structure of the Northern Hemisphere annular mode on the polarity of ENSO. - Geophysical Research Letters, 29 (23), 2132, doi:10.1029/2002GL015807.

261. Qin J., Robinson W.A., 1995. The impact of tropical forcing on extratropical predictability in a simple global model. - Journal of Atmospheric Sciences, 52, p. 3895-3910

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

263. Randel W.J, 2004. Wider connections for El Nino. - Nature, 431, p. 920-921

264. Rayner N. A, Parker D.E, Horton E.B. Folland C.K, Alexander L.V, Rowell D.P, Kent E.C, Kaplan A, 2003. Global analyses of sea surface temperature,

sea ice, and night marine air temperature since the late nineteenth century. -Journal of Geophysical Research, 108, D14, 4407 10.1029/2002JD002670.

265.Reichler T., Roads J.O., 2004. Time-Space Distribution of Long-Range Atmospheric Predictability. - Journal of Atmospheric Sciences, 61, p. 249-263.

266. Richardson D.S., 2000. Skill and relative economic value of the ECMWF ensemble prediction system. - Quarterly Journal of Royal Meteorological Society., 126, p. 649-668.

267. Rigor I.G., Colony R.L., Martin S., 2000. Variations in surface air temperature observations in the Arctic. 1979-97. - Journal of Climate, 13, p. 896-914.

268. Rigor I.G., Wallace J.M., Colony R.L., 2002. Response of sea ice to the Arctic Oscillation. - Journal of Climate, 15, p. 2648-2663.

269. Ritchie H., 1991. Application of the semi-Lagrangian method to a multilevel spectral primitive-equations model. - Quarterly Journal of Royal Meteorological Society, 117, p. 91-106.

270. Robertson A.W., Lall U., Zebiak S.E., Goddard L., 2004. Improved combination of multiple atmospheric GCM ensembles for seasonal prediction. -Monthly Weather Review, 132, p. 2732-2744.

271. Rogers J.C., 1997. North Atlantic storm track variability and its association to the North Atlantic Oscillation and climate variability of Northern Europe. -Journal of Climate, 10, p. 1635-1647.

272. Rogers J.C., van Loon H., 1979. The seesaw in winter temperatures between Greenland and Northern Europe. Part II: Some oceanic and atmospheric effects in middle and high latitudes. - Monthly Weather Review, 107, p. 509-519.

273.Rossby C.G., 1939. Relations between variation in the intensity of the zonal circulation and the displacements of the semipermanent centers of action. -Journal of Marine Research, 2, p. 38-55.

274. Saha S, Nadiga S., Thiaw C., Wang J., et al., 2006. The NCEP climate forecast system. - Journal of Climate, 19, p. 3483-3517.

275. Saito K., Cohen J., Entekhabi D., 2001. Evolution of atmospheric response to early-season Eurasian snow cover anomalies. - Monthly Weather Review, 129, p. 2746-2760.

276. Saito K., Cohen J., 2003. The potential role of snow cover in forcing interannual variability of the major Northern Hemisphere mode. - Geophysical Research Letters, 30(6), 1302, doi:10.1029/2002GL016341.

277. Sarndal C.-E., Swensson B., Wretman J., 1992. Model Assisted Survey Sampling, Springer Verlag, 712 pp.

278. Saunders M.A., Qian B., 2002. Seasonal predictability of the winter NAO from North Atlantic sea surface temperatures. - Geophysical Research Letters, 29, 2049, doi:10.1029/2002GL014952.

279. Saunders M.A., Qian B., Lloyd-Hughes B., 2003. Summer snow extent heralding of the winter North Atlantic Oscillation. - Geophysical Research Letters, 30(7), 1378, doi:10.1029/2002GL016832.

280. Scinocca, J. F., Mcfarlane N.A., Lazare M., Li J., Plummer D., 2008. The CCCma third generation AGCM and its extension into the middle atmosphere. -Atmospheric Chemistry and Physics, 8, p. 7055-7074.

281. Serreze M.C., Carsey F.D., Barry R.G., Rogers J.C., 1997. Icelandic low cyclone activity: Climatological features, linkages with the NAO, and relationships with recent changes in the Northern Hemisphere circulation. -Journal of Climate, 10, p. 453-464.

282. Shindell D.T., Schmidt G.A., Miller R.L., Rind D., 2001. Northern Hemisphere winter climate response to greenhouse gas, ozone, solar, and volcanic forcing. - Journal of Geophysical Research, 106, p. 7193-7210.

283.Shukla J., 1981. Dynamical Predictability of Monthly Means. - Journal of Atmospheric Sciences, 38, p. 2547-2572.

284. Shukla J., Anderson J., Baumhefner D., Brankovic C., Chang Y., Kalnay E., Marx L., Palmer T., Paolino D., Ploshay J., Schubert S., Straus D.M., Suarez M., Tribbia J., 2000. Dynamical seasonal prediction. - Bulletin of American Meteorological Society, 81, p. 2593-2606.

285.Slonosky V.C., Jones P.D., Davies T.D., 2001. Atmospheric circulation and surface temperature in Europe from the 18th century to 1995. - International Journal of Climatology, 21, p. 63-75.

286. Smith T.M., Reynolds R.W., Peterson T.C., Lawrimore J., 2008. Improvements to NOAA's Historical Merged Land-Ocean Surface Temperature Analysis (1880-2006). - Journal of Climate, 21, p. 2283-2296.

287. Stefanova L., Krishnamuri T.N., 2002. Interpretation of seasonal climate forecast using Brier skill score, the Florida State University superensemble, and the AMIP-I data set. - Journal of Climate, 15, p. 537-544.

288. Stephenson D.B., 2007. An Introduction to Probability Forecasting. - in Seasonal Climate: Forecasting and Managing Risk, Springer, p. 241-264.

289. Stephenson D.B., Doblas-Reyes F.J., 2000. Statistical methods for interpreting Monte Carlo ensemble forecasts. - Tellus, 52A, p. 300-322.

290. Swets J.A., 1973. The relative operating characteristic in psychology. -Science, 182, p. 990-1000.

291.Taguchi M., Hartmann D.L., 2006. Change in Occurrence Frequency of Stratospheric Sudden Warmings with ENSO-like SST Forcing as Simulated WACCM. - Journal of Climate, 19, p. 319 -332.

292. Thompson D.W.J., Wallace J.M., 1998. The Arctic Oscillation signature in wintertime geopotential height and temperature fields. - Geophysical Research Letters, 25, p. 1297-1300.

293. Thompson D.W.J., Wallace J.M., 2000. Annular modes in the extratropical circulation. Part I: Month to month variability. - Journal of Climate, 13, p. 1000-1016.

294. Thompson D.W.J., Wallace J.M., Hegerl G.C., 2000. Annular modes in the extratropical circullation. Patr II: Trends. Journal of Climate, 13, p. 1018-1036.

295.Tippett M.K., Barnston A.G., Robertson A.W., 2007. Estimation of seasonal precipitation tercile-based categorical probabilities from ensembles. - Journal of Climate, 20, p. 2210-2228.

296. Tourpali K., Schuurmans C.J.E., van Dorland R., Steil B., Brühl C., Manzini E., 2005. Solar cycle modulation of the Arctic Oscillation in a chemistry-climate model - Geophysical Research Letters, 32, L17803, doi: 10.1029/2005GL023509.

297. Trenberth K.E., Paolino D.A., 1981. Characteristic patterns of variability of sea level pressure in the Northern Hemisphere. - Monthly Weather Review, 109, p. 1169-1189.

298. Trigo R.M., Osborn T.J., Corte-Rea J.M., 2002. The North Atlantic Oscillation influence on Europe: climate impacts and associated physical mechanisms. - Climatic Research, 20, p. 9-17.

299. Turner A.G., Inness P.M., Slingo J.M., 2005. The role of the basic state in the ENSO-monsoon relationship and implications for predictability. - Quarterly Journal of Royal Meteorological Society, 131, p. 781-804.

300. van den Dool H., Toth Z., 1991. Why do forecast for "near normal" often fail? - Weather and Forecasting, 6, p. 76-85.

301. van Loon H., Rogers J.C., 1978. The seesaw in winter temperatures between Greenland and Northern Europe. Part I: General description. - Monthly Weather Review, 106, p. 296-310.

302.Venegas S.A., Mysak L.A., Straub D.N., 1997. Atmosphere-ocean coupled variability in the South Atlantic. - Journal of Climate, 10, p. 2904-2920.

303. Vintzileos A., Delecluse P., Sadourny R., 1999a. On the mechanisms in a tropical ocean-global atmosphere coupled general circulation model. Part I: mean state and the seasonal cycle. - Climate Dynamics, 15, p. 43-62.

304. Vintzileos A., Delecluse P., Sadourny R., 1999b. On the mechanisms in a tropical ocean-global atmosphere coupled general circulation model. Part II: interannual variability and its relation to the seasonal cycle. - Climate Dynamics, 15, p. 63-80.

305.Volodin E.M., Galin V.Ya., 1998. The nature of the Northern Hemisphere winter troposphere circulation response to observed ozone depletion in low stratosphere. - Quarterly Journal of Royal Meteorological Society, 124, p. 1-30.

306. Von Storch, H., 1995. Inconsistencies at the interface of climate impact studies and global climate research. - Meteorol. Zeitschrift, 4, p. 72-80.

307. Von Storch, H., 1999. On the use of "inflation" in statistical downscaling. -Journal of Climate, 12, p. 3505-3506.

308. Von Storch H., Zwiers F.W., 1999. Statistical Analysis in Climate Research, 484 pp, Cambridge Univ Press, New York.

309. Walker G.T., 1924. Correlation in seasonal variation of weather. - Memoirs of India Meterological Departement, IX, 25, p. 275- 332.

310. Walker G.T., Bliss E.W., 1932. „World Weather". - Memoirs of Royal Meteorological Society, X, 4, p. 53-84.

311. Wallace J.M., Gutzler D.S., 1981. Teleconnections in the geopotential height field during the Northern Hemisphere winter. - Monthly Weather Review, 109, p. 784-812.

312. Wallace J.M., 2000. North Atlantic Oscillation/Annular Mode: Two paradigms—One Phenomenon. - Quarterly Journal of Royal Meteorological Society, 126, 791-805, p. 2000.

313. Wallace J.M., Smith C., Bretherton C.S., 1992. Singular value decomposition of wintertime sea surface temperature and 500-mb height anomalies. - Journal of Climate, 5, p. 561-576.

314. Wang B., Kang I.S., Lee J.Y., 2004. Ensemble simulations of Asian-Australian monsoon variability by 11 AGCMs. - Journal of Climate, 17, p. SOS-SIS.

315. Wang B, Lee J.Y, Kang I.S, Shukla J, et al, 2008: How accurately do coupled climate models predict the Asian-Australian monsoon interannual variability? - Climate Dynamics, 30, p. 605-619.

316. Wang B, Lee J.Y, Kang I.S, Shukla J, Park C.K, et al, 2009. Advance and prospectus of seasonal prediction: Assessment of APCC/CliPAS 14-model ensemble retrospective seasonal prediction (1980-2004). - Climate Dynamics, 33, p. 93-117.

317. Ward M.N, Navarra A, 1997. Pattern analysis of SST-forced variability in ensemble GCM simulations: Examples over Europe and the tropical Pacific -Journal of Climate, 10, p. 2210-2220.

318.Weigel A.P, Liniger M.A, Appenzeller C, 2008. Can multi-model combination really enhance the prediction skill of probabilistic ensemble forecasts? - Quarterly Journal of Royal Meteorological Society, 134, p. 241260.

319. Wilby R.L, Dawson C.W, Barrow E.M, 2002. SDSM-a decision support tool for the assessment of regional climate change impacts - Environmental Modelling Software, 17, p. 145-157.

320. Wilks D. S, 1995: Statistical Methods in the Atmospheric Sciences. 467 pp, Academic Press.

321. Wilks D.S, 1997. Resampling hypothesis tests for autocorrelated fields. -Journal of Climate, 10, p. 65-82.

322. Wilks D.S, 2002. Smoothing forecast ensembles with fitted probability distributions. - Quarterly Journal of Royal Meteorological Society, 128, p. 2821-2836.

323. WMO, 2002. Standardised Verification System (SVS) for Long-Range Forecasts (LRF). New attachment II-9 to the manual on the GDPS. Vol.1. -WMO-No. 485, 24pp.

324. WMO, 2007. Report of WMO/KMA Workshop of Global Producing Centres on Lead Centre for Long-Range Forecast Multi-Model Ensemble Prediction. Busan, Republic of Korea, 18-20 September 2007. www.wmo.int/pages/prog/www/DPFS/Reports/Wshop-LCLRFMME_Busan.doc

325. WMO, 2008. Meeting of the Expert Team on Extended and Long-Range Forecasting.-www.wmo.int/pages/prog/www/DPFS/Reports/ET-ELRF_Beijing2008.doc

326. WMO, 2010. Manual on the Global Data-processing and Forecasting System. Volume I (Annex IV to WMO Technical Regulations). Global Aspects. WMO-No. 485. 2010. 190 pp. - WMO, Geneva.

©

327. Xie S.-P., Noguchi H., Matsumura S., 1999. A hemispheric-scale quasi-decadal oscillation and its signature in Northern Japan. - Journal of Meteorological Society of Japan, 77, p. 573-582.

328. Xie S.-P., Arkin P.A., 1997. Global precipitation: A 17-year monthly analysis based on gauge observation, satellite estimates, and numerical model outputs. -Bulletin of American Meteorological Society, 78, p. 2539-2558.

329. Ye H., Cho H.R., Gustafson P.E., 1998. The changes in Russian winter snow accumulation during 1936-83 and its spatial patterns. - Journal of Climate, 11, p. 856-863.

330. Yoo J.H, Kang I.S., 2005. Theoretical examination of a multi-model composite for seasonal prediction. - Geophysical Research Letters, 32, LI 8707, doi:10.1029/2005GL023513.

331. Yun W.T., Stefanova L., Mitra A.K., Kumar V.V., Dewar W., Krishnamurti T.N., 2005. A multi-model superensemble algorithm for seasonal climate prediction using DEMETER forecasts. - Tellus, 57A, p. 280-289.

332. Yun W.T., Stefanova L., Krishnamurti T.N., 2003: Improvement of the superensemble technique for seasonal forecasts. Journal of Climate, 16, p. 3834-3840.

333. Zebiak S.E., Cane M.A., 1987. A model of El Nino-Southern Oscillation. -Monthly Weather Review, 115, p. 2262-2278.

334. Zhang J., Rothrock D., Steele M., 2000. Recent changes in the Arctic sea ice: the interplay between Ice dynamics and Thermodynamics. - Journal of Climate, 13, p. 3099-3114.

335. Zheng X., Renwick J.A., 2003. A Regression-Based Scheme for Seasonal Forecasting of New Zealand Temperature. - Journal of Climate, 16, p. 18431853.

336.Zorita E., von Storch H., 1999. The analogue method as a simple statistical downscaling technique: Comparison with more complicated methods. - Journal of Climate, 12, p. 2474-2489.

337. Zwiers F.W., 1996. Interannual variability and predictability in an ensemble of AMIP climate simulations conducted with the CCC GCM2. - Climate Dynamics, 12, p. 825-848.

338. Zwiers F.W., von Storch, H., 1995. Taking Serial Correlation into Account in Tests of the Mean. - Journal of Climate, 8, p. 336-351.