Исследование предсказуемости погоды и климата на сезонном временном масштабе с помощью климатической модели ИВМ РАН

Обложка

Цитировать

Полный текст

Аннотация

Рассматривается система воспроизведения аномалий погоды на сезонных временных масштабах, созданная на основе модели климата ИВМ РАН. Модель состоит из блока динамики атмосферы, включая модель поверхности и почвы, блока динамики океана и морского льда и аэрозольного блока. Начальные состояния задавались как аномалии состояния атмосферы, океана и морского льда, вычисленные по атмосферным и океанским реанализам, добавленные к модельному климату. Рассмотрено воспроизведение аномалий декабря–февраля и июня–августа 1980–2014 гг. Показано, что модель воспроизводит многие особенности атмосферной циркуляции рассмотренных летних и зимних сезонов, включая аномалии, связанные с индексами Северо-Атлантического колебания (NAO), Тихоокеанско-Североамериканского колебания (PNA). Показано, что показатели качества воспроизведения аномалий прошлых лет соответствуют аналогичным показателям качества для существующих на настоящий момент мировых прогностических центров. Рассмотрены оперативные прогнозы, выполненные с помощью этой системы, для летнего сезона 2022 г. Показана возможность применения этой системы в оперативном режиме.

Об авторах

Евгений Михайлович Володин

Институт вычислительной математики им. Г.И. Марчука РАН

Автор, ответственный за переписку.
Email: volodinev@gmail.com
Россия, 119333, Россия, Москва, ул. Губкина, 8

Василиса Васильевна Воробьева

Институт вычислительной математики им. Г.И. Марчука РАН

Email: VVorobyeva@yandex.ru
Россия, 119333, Россия, Москва, ул. Губкина, 8

Мария Александровна Тарасевич

Институт вычислительной математики им. Г.И. Марчука РАН

Email: mashatarasevich@gmail.com
Россия, 119333, Россия, Москва, ул. Губкина, 8

Список литературы

  1. B. Hoskins Quart. J. Roy. Meteor. Soc., 2013, 139, 573. doi: 10.1002/qj.1991.
  2. M.A. Tolstykh, E.M. Volodin, S.V. Kostrykin, R.Y. Fadeev, V.V. Shashkin, N.N. Bogoslovskii, R. M. Vilfand, D.B. Kiktev, T.V. Krasjuk, V.G. Mizyak, A.V. Shlyaeva, J.-F. Geleyn, I.N. Ezau, A.Y. Yurova Russ. Meteorol. Hydrol., 2015, 40(6), 374. doi: 10.3103/S1068373915060035.
  3. E.M. Volodin, E.V. Mortikov, S.V. Kostrykin, V.Ya. Galin, V.N. Lykossov, A.S. Gritsun, N.A. Diansky, A.V. Gusev, N.G. Yakovlev Clim. Dyn., 2017, 49, 3715. doi: 10.1007/s00382-017-3539-7.
  4. J.A. Carton, G.A. Chepurin, L. Chen J. Climate, 2018, 31(17), 6967. doi: 10.1175/JCLI-D-18-0149.1.
  5. D.P. Dee, S.M. Uppala, A.J. Simmons, P. Berrisford, P. Poli, S. Kobayashi, U. Andrae, M.A. Balmaseda, G. Balsamo, P. Bauer, P. Bechtold, A.C.M. Beljaars, L. van de Berg, J. Bidlot, N. Bormann, C. Delsol et al. Quart. J. Roy. Met. Soc., 2011, 137, 553. doi: 10.1002/qj.828.
  6. R.F. Adler, G.J. Huffman, A. Chang, R. Ferraro, P. Xie, J. Janowiak, B Rudolf, U. Schneider, S. Curtis, D. Bolvin, A. Gruber, J. Susskind, P. Arkin J. Hydrometeor., 2003, 4, 1147. doi: 10.1175/1525-7541(2003)004<1147:TVGPCP>2.0.CO;2.
  7. N. Calvo, R.R. Garcia, W.J. Randel, D.R. Marsh J. Atmos. Sci., 2010, 67(7), 2331. doi: 10.1175/2010JAS3433.1.
  8. V.V. Vorobyeva, E.M. Volodin Russ. Meteorol. Hydrol., 2018, 43(11), 737. doi: 10.3103/S1068373918110043.
  9. WMO Lead Centre for Long-Range Forecast Multi-Model Ensemble. (https://wmolc.org).
  10. R. Hagedorn, F.J. Doblas-Reyes, T.N. Palmer Tellus A, 2005, 57, 219. doi: 10.1111/j.1600-0870.2005.00103.x.
  11. A. Weigel, M.A. Liniger, C. Appenzeller Quart. J. Royal. Meteorol. Soc., 2008, 134, 241. doi: 10.1002/qj.210.
  12. L. Batte, M. Deque Tellus A, 2011, 63, 283. doi: 10.1111/j.1600-0870.2010.00493.x.
  13. V.N. Stepanov, Yu.D. Resnyanskii, B.S. Strukov, A.A. Zelenko Russ. Meteorol. Hydrol., 2019, 1, 50. doi: 10.3103/S1068373919010047.
  14. Manual on the Global Data-Processing and Forecasting System. Attachment II.8: Standardized Verification System (SVS) for Long- Range Forecasts (LRF). Executive Summary. (https://www.metoffice.gov.uk/binaries/content/assets/metofficegovuk/pdf/research/climatescience/climate-observations-projections-and-impacts/svslrf.pdf).
  15. H. Hersbach, B. Bell, P. Berrisford, S. Hirahara, S. Hirahara, A. Horányi, J. Muñoz-Sabater, J. Nicolas, C. Peubey, R. Radu, D. Schepers, A. Simmons, C. Soci, S. Abdalla, X. Abellan, G. Balsamo et al. Quart. J. Roy. Meteorol. Soc., 2020, 146, 1999. doi: 10.1002/qj.3803.
  16. Двадцать третья сессия Северо-Евразийского климатического форума (СЕАКОФ-23): Итоговое консенсусное решение (РФ, Москва, 29-30 ноября, 2022). (http://seakc-old.meteoinfo.ru/images/seakc/neacof23/neacof23_consensus.pdf).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Володин Е.М., Воробьева В.В., Тарасевич М.А., 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».