Сезонная и многолетняя изменчивость атмосферного давления в Арктике, статистический и временной анализ

Main Article Content

Аннотация

Проведен статистический и временной анализ сезонной и многолетней изменчивости поля атмосферного давления в Арктическом регионе России. В качестве основного метода исследования использованы схемы частотных характеристик вероятностей переходов при построении диффузионных процессов, описывающих изменчивость полей давления. На основе заданных рядов длиной в 60 лет с 1948 по 2008 годы вычислялись такие параметры диффузионных процессов, как среднее (снос процесса) и дисперсия (диффузия процесса), и строились их карты и временные кривые. Изучена сезонная и многолетняя изменчивость полученных полей, а также их зависимость от интервалов и величины разбиения. Эти характеристики проанализированы, и проведена их геофизическая интерпретация. В частности, выявлены известные циклы солнечной активности в 11 и 22 года, а также известный из литературы квазидвухлетний период. Численное моделирование выполнено на суперкомпьютере Ломоносов‑2 Московского государственного университета имени М.В. Ломоносова.

Article Details

Библиографические ссылки

1. Kendall M., Stuart A., Ord J.K. The Advanced Theory of Statistics. Vol. 3: Design and Analysis, and Time-Series. Fourth edition Hardcover. March 13, 1983.
2. Murphy J. Technical analysis of the futures markets. A Comprehensive Guide to Trading Methods and Applications. New York Institute of Finance, 1986. 556 p.
3. Привальский В.Е. Статистическая предсказуемость средней годовой температуры воздуха северного полушария // Докл. АН СССР. 1981. Т. 257. № 6. С. 1342–1345.
4. Беляев К.П., Музыченко A.C., Селеменов K.M. Статистические характеристики формирования аномалий поверхностной температуры воды // Сб. Статистические закономерности климатической изменчивости океанов, ред. Лаппо С.С. Л: Гидрометиздат, 1988. С. 65–72.
5. Balasmeh O., Babbar R., Karmaker T. Trend analysis and ARIMA modeling for forecasting precipitation pattern in Wadi Shueib catchment area in Jordan // Arabian Journal of Geosciences. 2019. V. 12, 27. https://doi.org/10.1007/s12517-018-4205-z
6. Гихман И., Скороход А. Введение в теорию случайных процессов. М.: Наука, 1965. 655 с.
7. Назаров А., Терпунов А. Теория вероятностей и случайных процессов. Изд-во Томского госуниверситета, 2010. 204 с.
8. Risken H. The Fokker–Planck Equation: Methods of Solutions and Applications. Springer. 1984. 452 p.
9. Беляев К., Кулешов А., Танажура К., Тучкова Н. Метод коррекции расчетов динамической модели данными наблюдений и его применение к анализу динамики Атлантического океана // Матем. моделирование. 2015. Т. 27. № 2. С. 20–32.
10. Tanajura C.A.S., Belyaev K. On the oceanic impact of a data-assimilation method in a coupled ocean-land-atmosphere model // Ocean Dynamics. 2002. Vol. 52. № 3. P. 123–132.
11. Попов С.К. Влияние морского льда на приливные колебания уровня моря и скорости течений в Баренцевом и Белом морях // Труды Гидрометцентра РФ, Гидрометеорологические исследования и прогнозы. 2018. № 4 (370). С. 137–155.
12. Девятова Е.В., Мордвинов В.И. Квазидвухлетнее колебание ветра в низкоширотной стратосфере и волновая активность атмосферы зимой в северном полушарии // Изв. РАН, ФАО. 2011. Т. 47. № 5. С. 608–621.