Помощь в учёбе, очень быстро...
Работаем вместе до победы

Применение методов стохастических дифференциальных уравнений в задачах теории климата

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Аналогом этого процесса в статистической физике служит движение тяжелой броуновской частицы в газе легких молекул. Математическая теория его описания хорошо разработана и позволяет применять в теории климатической изменчивости мощный аппарат стохастических дифференциальных уравнений и диффузионных случайных процессов (см, напр., Кляцкин, 1980, 2001, 2002; Гардинер, 1986; Arnold, 1974, 1998… Читать ещё >

Содержание

  • Глава 1. Анализ флуктуаций климата на основе обобщенных уравнений Ланжевена
    • 1. 1. Задачи неравновесной статистической механики в проблеме моделирования флуктуаций климата
    • 1. 2. Приведение уравнений эволюции климатических переменных к стохастической форме методом проектирующих операторов
    • 1. 3. Стохастические дифференциальные уравнения коэволюции быстрых и медленных переменных ЗКС
    • 1. 4. Оценка междугодовой изменчивости осредненной глобально приземной температуры воздуха
    • 1. 5. Оценка роли синоптических корреляций в генерации изменчивости средней глобальной температуры

Применение методов стохастических дифференциальных уравнений в задачах теории климата (реферат, курсовая, диплом, контрольная)

Земная климатическая система (ЗКС) испытывала изменения на протяжении всей своей истории. Этот факт отражен в определении, данном Всемирной метеорологической организацией (ВМО), согласно которому ЗКС есть «система, состоящая из взаимодействующих физических элементов атмосферы, океана, криосферы, поверхности суши и биомассы, которые изменяются в определенных масштабах времени, представляющих для нас интерес, но превышающих время жизни индивидуальных возмущений синоптического масштаба» {Физические основы теории климата и его моделирования, 1977). Процессы, протекающие в каждой из подсистем и при взаимодействия между ними имеют различные временные масштабы. В совокупности с внутренне присущей системе хаотичностью это приводит к тому, что наблюдаемая эволюция большинства характеристик климата имеет непрерывный спектр.

Попытки построить композитный спектр колебаний в отдельных компонентах ЗКС {Mitchell, 1976; Pelletier, 1998) показали, что, по всей видимости, мы имеем дело с реализацией случайного процесса, спектр которого, содержащий отдельные пики (соответствующие годовому ходу, явлению Эль-Ниньо, ледниковым периодам и т. д.), имеет тенденцию к росту в область низких частот. Единственность реализации процесса делает невозможной постановку традиционных для физики контролируемых экспериментов над ЗКС в целом. Это обстоятельство, в совокупности с отмеченным ростом спектра от высоких частот к низким, создает трудности при попытках эмпирического описания законов климатической изменчивости.

Вместе с тем совершенствование наших знаний законов этой изменчивости необходимо в связи с усилением антропогенных выбросов парниковых газов в атмосферу {IPCC, 1996; IPCC 2001). Анализ изменения концентрации изотопов 14С (эффект Зюсса) и 13С в атмосфере показал, что наблюдаемый в XX веке рост концентрации СОг не может быть объяснен только естественными колебаниями компонент углеродного цикла {Кислое, 2001). Он является внешним для климатической системы вынуждающим воздействием, отклик на который.

— «сигнал» — необходимо рассчитывать и выделять на фоне естественных колебаний — «шума». Эти исследования проводятся в рамках ряда международных программ, в частности — программы CLIVAR (CLIVAR, 1998).

Для понимания закономерностей климатической изменчивости было создано множество моделей. Наиболее подробные модели — модели общей циркуляции (МОЦ) — содержат полный набор уравнений движения.

— законов сохранения — и в идеальном случае должны описывать все процессы, определяющие эволюцию ЗКС. Являясь «отображением» ЗКС на множество модельных динамических систем, в совокупности с эмпирическими исследованиями они позволяют проводить контролируемые численные эксперименты с разрешением синоптических процессов (Марчук и др., 1987). В настоящее время эти модели показали свою способность воспроизводить многие свойства климатической изменчивости. Они проходят регулярные сравнения в рамках международных программ AMIP и CMIP (Gates, 1998; Meehl, 2000), которые тем не менее показали, что во многих деталях их результаты еще расходятся между собой.

В дополнение к моделям общей циркуляции для исследования низкочастотной изменчивости климата, пренебрегая описанием эволюции отдельных синоптических образований, но рассматривая их статистику, была выдвинута концепция стохастических моделей климата (Hasselmann, 1976). Она базируется на привлекательной идее (Монип, 1969; Bretherton, 1982), что различные компоненты ЗКС характеризуются разными временными масштабами, так что состояние быстрых переменных может быть описано статистически, принимая во внимание, что на характерных временах изменения медленных переменных эволюция статистических моментов быстрых (средние, дисперсии и т. д.) подстраиваются к текущему состоянию медленных. Хассельманн предположил, что стохастическое воздействие неучтенных «погодных» возмущений может интегрироваться в медленных компонентах и приводить к низкочастотной изменчивости системы в целом.

Аналогом этого процесса в статистической физике служит движение тяжелой броуновской частицы в газе легких молекул. Математическая теория его описания хорошо разработана и позволяет применять в теории климатической изменчивости мощный аппарат стохастических дифференциальных уравнений и диффузионных случайных процессов (см, напр., Кляцкин, 1980, 2001, 2002; Гардинер, 1986; Arnold, 1974, 1998, 2001). В уравнениях стохастических моделей климата короткопериодные «погодные» возмущения выступают в качестве добавочных короткопериодных случайных воздействий — «белого шума», статистические характеристики которого предполагаются либо известными, либо определяемые по полуэмпирическим формулам через медленные переменные или средний климат. Сами уравнения представляют собой уравнения Ланжевена, плотность вероятностей решения которых подчиняется кинетическому уравнению (например, уравнению Фоккера-Планка). Теория дает возможность аналитического исследования зависимости свойств низкочастотной изменчивости ЗКС в зависимости от параметров моделей и параметризаций процессов. Она служит полезным инструментом для моделей общей циркуляции.

Стохастические дифференциальные уравнения применяются в рамках изложенного подхода к описанию изменчивости ЗКС несколькими способами. Исторически первый и наиболее ясный способ был применен к описанию спектра аномалий температуры верхнего квазиоднородного слоя океана (Frankignoul, 1977). Температура слоя, как мера его теплосодержания, является медленной по отношению к атмосфере переменной, стохастическое уравнение Ланжевена ее эволюции при известной из физических экспериментов температурной чувствительности контактного теплообмена и наблюдаемой интенсивности синоптических флуктуаций потока тепла через границу вода — воздух позволяет аналитически рассчитать спектр флуктуаций и сравнить его с наблюдениями. Результаты теории качественно воспроизвели поведение наблюдаемых спектров, хотя несколько занижала оценку времени корреляции флуктуаций по сравнению с эмпирической. Этот недостаток исправлен в данной работе путем аккуратного применения процедуры вывода оператора отклика.

В развитие первого успешного применения ланжевеновского подхода появился ряд работ, в которых погодные шумы добавлялись в модели эволюции различных инерционных подсистем ЗКС, таких, как ледовый покров Северного Ледовитого океана (L'Heveder, Haussais, 2001), МОЦ океана (Залесный, Мошонкии- 2002), модели сезонной океанской глубокой конвекции (Kuhlbrodt et al, 2001; Cessi, 1994). В стохастических моделях термохалинной циркуляции океана (Timmermann, Lohmann, 2000; Monahan et al, 2002; Monahan, 2002) изучалось явление стохастического переброса, впервые рассмотренное для движения жидкости вблизи порога гидродинамической неустойчивости (Кляцкин, 1974). Этот подход был успешно использован для интерпретации данных численного моделирования влагозапаса почвы (Delworth, Manabe, 9%l). Все эти работы не вызывают вопросов в части постановки задачиполученные результаты, зачастую аналитические, допускают ясную интерпретацию.

Второй способ применения стохастических моделей состоит в добавлении случайных короткопериодных источников в уравнения малопараметрических моделей климата, которые записываются для переменных ЗКС независимо от их принадлежности к быстрой или медленной подсистемам. Например, такой подход был применен в первой серии работ К. Хассельманна с сотрудниками для стохастической зональной энергобалансовой модели флуктуаций приповерхностной температуры (Lemke, 1977). Стохастические энергобалансовые модели также были применены к проблеме флуктуаций климата на временных масштабах в десятки и сотни тысяч лет, недостижимых для современных МОЦ. В частности, с использованием нуль-мерных моделей климата с нелинейной обратной связью альбедо температура были сделаны оценки вероятностей перехода к режиму полного оледенения Земли (Sutera, 1981) и опробован стохастический механизм возникновения ледниковых эпох (Nicolis С., Nicolis G. 1981). Несмотря на то, что задание основной нелинейности в рамках нуль-мерных моделей некорректно (этот недостаток преодолен в данной работе), в публикациях о возникновении ледовых эпох было теоретически открыто явление стохастического резонанса, что вызвало лавинообразный рост теоретических и экспериментальных работ в различных областях физики (см., напр., Gammaitoni et al, 1998; Benzi et al, 1983).

Этот способ применения стохастических дифференциальных уравнений аналогичен описанию малых флуктуаций в линейной неравновесной термодинамике, основанному на принципе Онзагера. Согласно этому принципу коэффициенты в уравнениях для флуктуаций термодинамических переменных относительно состояния равновесия полагаются равными таковым в детерминированных уравнениях релаксации к этому состоянию при возмущении начального состояния {Кайзер- 1998). Так как операторы уравнений для релаксации средних определяются из полуэмпирических теорий, данный способ представляет распространение метода стохастических дифференциальных уравнений на полуэмпирические модели климата (Golitsyn, 1983). При этом вычисление интенсивности случайных притоков представляет отдельную задачу.

Третий способ учета воздействия случайного возбуждения (неявный) применяется при выводе флуктуационно-диссипативных соотношений, которые связывают функцию отклика на внешнее воздействие с корреляционной функцией флуктуаций системы (Kraichnan, 1959). Применительно к теории климата использование флуктуационно-диссипативных соотношений для определения функции отклика началось совсем недавно и уже привело к обнадеживающим результатам (Дымников, 2002; Дымников, Грицун, 1999; Дианский и др., 1999).

Подобно тому, как реализация методов численного моделирования на базе моделей общей циркуляции нуждается в развитии математической теории климата (Dymnikov, Philatov, 1997), так и применение методов стохастических дифференциальных уравнений к описанию изменчивости ЗКС потребовало развития стохастической теории климата. Пионерская работа К. Хассельманна положила начало работ в этом направлении. Однако два важных момента остались не раскрытыми в первоначальной версии теории. Первый связан с тем, что временные масштабы собственной изменчивости в подсистемах «быстрой» и «медленной» могут быть разнесены не столь сильно. В статистической теории неравновесных процессов это приводит к тому, что уравнение Ланжевена заменяется на обобщенное уравнение Ланжевена, содержащее интеграл памяти — следствие конечности времени приспособления быстрой подсистемы (Mazo, 1978).

Второй принципиальный момент связан с решением проблемы, которая никогда не возникала в традиционной физической теории броуновского движения. Она заключается в том, что при описании климатической изменчивости нас в первую очередь интересуют долгопериодные флуктуации в атмосфере — быстрой подсистеме. Таким образом традиционная задача об определении флуктуаций в инерционных элементах ЗКС под действием короткопериодных атмосферных возмущений трансформируется в задачу определения долгопериодных флуктуаций атмосферных переменных при взаимодействии с низкочастотной изменчивостью в медленной подсистеме.

Для решения второй проблемы стала уже традиционной двухэтапная схема постановки численных экспериментов с моделями общей циркуляции, которая предполагает на первом этапе интегрирование МОЦ с явным описанием совместной эволюции атмосферы и медленных переменных (таких, как температура океана или влажность почвы). На втором этапе рассчитывается только атмосферная эволюция при детерминированном состоянии остальных звеньев системы. Затем результаты этапов сравниваются между собой и с данными наблюдений.

Delworth, Manabe, 1987; 1988, 1993). Для теоретического анализа данной схемы на языке стохастических дифференциальных уравнений необходимо модифицировать классическую статистическую теорию. Это оказалось возможно проделать исходя из первых принципов с использованием некоторых приближений {Демченко, 1989). В результате было введено понятие эквивалентной стохастической системы, которое позволило расширить возможности применения метода стохастических дифференциальных уравнений и возможности аналитических исследований в теории климата.

Основными целями работы является развитие теории стохастических моделей климата методами современной неравновесной статистической механики и применение теории для расчета флуктуаций в земной климатической системе. Приоритетные направления исследований: 1) построение уравнений флуктуаций климата исходя из исходных динамических уравнений совместной эволюции быстрых и медленных подсистем ЗКС и обоснование возможности использования стохастических дифференциальных уравнений для описания изменчивости как медленных переменных, например, океана, так и связанных с этой изменчивостью низкочастотных флуктуаций быстрых атмосферных переменных- 2) применение теории для исследования роли взаимодействия атмосферы и инерционных компонент ЗКС в долгопериодной изменчивости метеоэлементов- 3) применение теории для описания характеристик изменчивости отдельных компонент ЗКС.

Диссертация состоит из введения, шести глав, заключения и списка литературы. Диссертация содержит 27 рисунков и 9 таблиц. Каждая глава разбита на разделы. Нумерация разделов двойная. В работе принята тройная нумерация формул: первая две цифры соответствуют номеру главы и раздела, третья номеру формулы в разделе. Нумерация таблиц и графиков — двойная.

В заключение резюмируем основные результаты работы и кратко сформулируем основные выводы:

1. Впервые создан и обоснован метод приведения уравнений эволюции переменных земной климатической системы к стохастическим дифференциальным уравнениям совместных флуктуаций в ее медленной (океане, почве и др.) и быстрой (атмосферной) подсистемах. Для этого современные методы статистической физики получения стохастических дифференциальных уравнений броуновского движения медленных переменных — обобщенных уравнений Ланжевена — были развиты в применении к одновременному описанию флуктуаций в быстрой атмосферной подсистеме. Полученные обобщенные соотношения Ланжевена приведены к эквивалентной стохастической системе дифференциальных уравнений. Выделены основные фрагменты правых частей эволюционных уравнений — случайные силы, связанные с собственной изменчивостью, и нелокальные в пространстве и времени функции осредненного отклика атмосферы на внешние возмущения. При выводе соотношений метода решена важная задача преодоления расходимости спектра решения для быстрых переменных в области низких частот, которая возникла при применении традиционных в задаче броуновского движения приближений к задачам расчета климатических флуктуаций. Такая проблема не возникала в традиционной теории. Построенная система стохастических дифференциальных уравнений удобна для применения аппроксимаций ее правых частей исходя из общих закономерностей термогидродинамики, данных наблюдений и данных численных экспериментов. На основе созданного метода теоретически рассчитаны спектры межгодичной изменчивости среднеглобальной температуры приповерхностного воздуха, проведено сравнение с результатами предшествующих версий стохастических моделей климата и эмпирическими оценками спектра. Показано, что усовершенствованная теория существенно приближает теоретический спектр к его оценке по данным наблюдений.

2. На стохастической модели генерации флуктуаций температуры поверхности океана впервые теоретически рассчитан спектр аномалий температуры поверхности океана с учетом нелокальности атмосферного отклика на интенсивность этих флуктуаций. Выявлена зависимость спектра флуктуаций от эффективности горизонтального атмосферного теплообмена и пространственной коррелированности синоптической изменчивости. Показано, что учет нелокальности отклика существенно улучшил теоретические оценки спектральной плотности аномалий ТПО по сравнению с более ранними теоретическими исследованиями и приблизил их к данным наблюдений. На эквивалентной стохастической системе совместных флуктуаций температур воды и воздуха выявлена зависимость предсказуемости температуры воздуха от характеристик синоптической изменчивости различных компонент теплового баланса атмосферы и океана. Введен безразмерный критерий для оценивания роли распределения между атмосферой и океаном стохастического возбуждения флуктуаций теплового балансадан анализ асимптотических режимов флуктуаций.

3. Метод стохастических дифференциальных уравнений позволил с единых позиций оценить статистические характеристики долгопериодной изменчивости отдельных переменных ЗКС, вызванных случайнами синоптическими воздействиями. Впервые были рассчитаны интенсивность межгодовой изменчивости широты снежно-ледовой границы и площади распространения потенциальной приповерхностной сплошной вечной мерзлоты, широтный ход дисперсии межгодичных флуктуаций среднезональных температур и влияние на него синоптической изменчивости отдельных компонент теплового баланса, интенсивность и время корреляции флуктуаций влагозапаса почвы.

4. Методами нелинейных стохастических дифференциальных уравнений впервые рассчитаны зависимости между первыми и вторыми статистическими моментами компонент гидрологического цикла суши.

Построена динамико-стохастическая модель формирования поверхностного стока. Найденная с помощью модели зависимость между средним стоком и осадками впервые учитывает действие синоптической изменчивости на связь средних характеристик. Проведенное сравнение с полуэмпирической формулой М. И. Будыко показало, что синоптические флуктуации эффективно осуществляют статистическую интерполяцию зависимости сток — осадки для диапазона смены режима увлажнения. На основе простой эквивалентной стохастической системы совместных флуктуаций влаги в почве и в атмосфере рассчитан эффект изменения интенсивности низкочастотных флуктуаций атмосферной влажности из-за этого взаимодействия. Впервые обнаружен нелинейный эффект увеличения интенсивности этих флуктуаций в промежуточной области частот, на которых влагозапас почвы еще не успевает реагировать на атмосферную изменчивость. Дано объяснение этого эффекта через сдвиг средних значений влажности атмосферы при учете взаимодействия флуктуаций влаги в атмосфере и почве (интерактивный эксперимент) по сравнению со случаем фиксированной влажности почвы (неинтерактивный эксперимент).

Показать весь текст

Список литературы

  1. М. Абрамовитц М., Стиган И. (ред.) Справочник по специальным функциям. М.: Наука. 1979. 653 с.
  2. Г. М., Голицын Г. С., Мохов И. И. Зависимость потока уходящей радиации от приземной температуры по глобальным данным. Изв. АН СССР. Физика атмосферы и океана. 1985. Т. 21. № 6. С. 637−661.
  3. X. О физических основах численного прогноза среднемесячных и среднесезонных температур с системе тропосфера-океан-материк. В сб. Теория климата. JL: Гидрометеоиздат. 1967. С. 258−292.
  4. О.А. и Ф.Э. Нельсон. О применении математических моделей для исследования взаимосвязи климат- вечная мерзлота.// Метеорология и гидрология, 1990, № 10, с. 13−19.
  5. Н.Н. Проблемы динамической теории в статистической физике. М.-Л.: Гостехиздат. 1946.
  6. М.И. Климат и жизнь. Ленинград: Гидрометеоиздат. 1971. 472 с.
  7. М.И. Климат в прошлом и будущем. Ленинград: Гидрометеоиздат. 1980. 351 с.
  8. А.Д., Фрейдлин М. И. О малых случайных флуктуациях динамических систем. УМН. 1970. т. XXV. вып. 1(151). С. 3−55.
  9. М.К. Современный климат и вечная мерзлота на континентах. Новосибирск. Наука. 1981. 112 с.
  10. ХЪ.Гандин JI.C., Каган P.JI. Статистические методы интерпретации метеорологических данных. Л.: Гидрометеоиздат. 1976. 359 с.
  11. К.В. Стохастические методы в естественных науках. М.: Мир, 1986. 526 с.
  12. Ь.Гледзер Е. Б., Макаров A.JI. Определение эффективной вязкости в конечномерных каскадных моделях турбулентности. Изв. АН ССР. Физика атмосферы и океана. 1985. т. 21. № 9. С. 899−906.
  13. Г. С., Мохов И. И., Демченко П. Ф., Елисеев А.В, Семенов А. В., Хон Б. Ч. Моделирование климатических изменений в высоких широтах в XX—XXI вв.еках // Криосфера Земли как среда жизнеобеспечения. М.: Российская академия наук. 2003. С.87−88.
  14. М.Голицын Г. С., Демченко П. Ф. Статистические свойства простой энергобалансовой модели климата. Изв. АН СССР. Физика атмосферы и океана. 1980. Т. 16. № 12. С. 1235−1242.
  15. А.С., Дымников В. П. Отклик баротропной атмосферы на малые внешние воздействия. Теория и численные эксперименты. Изв. РАН. Физика атмосферы и океана. 1999. т.35. № 5. С.511−525.
  16. П.Я. Оценки изменчивости средней годовой зональной температуры воздуха. Метеорология и гидрология. 1987. № 3. С. 667−661.
  17. П.Ф. Простая статистическая модель для описанияпространственно-временных корреляций флуктуаций среднеширотных температур. Изв. АН ССР. Физика атмосферы и океана. 1981. Т. 17. № 8. С. 805−813.
  18. П.Ф., Зубарев А. П. Оценка низкочастотной изменчивости среднезональных температур, вызванной флуктуациями меридионального переноса тепла. Изв. АН ССР. Физика атмосферы и океана. 1989. Т.25. № 9. С. 917−924.
  19. Х.Демченко П. Ф., Величко А. А., Голицын Г. С., Елисеев А. В., Нечаев В. П. Судьба вечной мерзлоты: взгляд из прошлого в будущее // Природа. 2001. N.11. С. 43−49
  20. Дроздов О, А, Григорьева А. С. Влагооборот в атмосфере. JI. Гидрометеоиздат.1963.314 с.
  21. В.П. Диссипационно-флуктуационные соотношения для динамико-стохастических уравнений с переменными коэффициентами и диссипативных систем со случайным форсингом. Известия РАН. Физика атмосферы и океана. 2002. т. 38. № 6, С.
  22. В.Ф. Льды Арктики и современные природные процессы. Гидрометеоиздат. 1981. 136 с.
  23. ЪЪ.Зубарев А. П., Демченко П. Ф. Предсказуемость среднеглобальной температуры воздуха в простой стохастической модели взаимодействия атмосферы и океана. Изв. АН СССР. Физика атмосферы и океана. 1992. Т.28. № 1. С. 27−32.
  24. Дж. Статистическая механика неравновесных процессов: Пер. с англю/Предисл. Ю. Л. Климонтовича. М.: Мир. 1990. 608 с.
  25. А.В. Учет изменчивости начального состояния почвы в стохастической модели влажности почвы. Метеорология и гидрология. 1991. № 8. С. 109−111.
  26. А. В. Климат в прошлом, настоящем и будущем. М.: МАИК «Наука'ТИнтерпериодика». 2001. 351 с.
  27. Ю.Л. Статистическая физика. М.: Наука. 1982ю 608 с.
  28. АЪ. Кляцкин В. И. О шумах в гидродинамическом потоке вблизи порога неустойчивости. Изв. ВУЗов. Радиофизика. 1974. т. 17. N 4. С. 130−141.
  29. В.И. Стохастические уравнения и волны в случайно-неоднородных средах. М.: Наука, 1980. 236 с.
  30. В.И. Стохастические уравнения глазами физика. М.: Физматлит. 2001.
  31. В.И. Динамика стохастических систем. М.: Физматлит. 2002.
  32. Кудрявцев, В.А., JI.C. Гарагуля, К. А. Кондратьева, и В. Г. Меламед. Основы мерзлотного прогноза при инженерно-геологических исследованиях. М., Наука. 1974. 431 с.
  33. КуклаГ. Дж. Современные изменения площади снежно-ледового покрова. В сб. Изменения климата. Ред Гриббин. Пер. с англ. Под ред. Э.к. Бютнер и В. А. Зубакова. Гидрометеоиздат. 1980.
  34. М.А., Шабат Б. В. Методы теории функций комплексного переменного. М.: Наука. 1973. 736 с.
  35. С., Брайен К. Климат и циркуляция океана. JL: Гидрометеоиздат. 1972. 190 с.
  36. Г. И., Дымников В. П., Залесный В. Б. Математические модели в геофизической гидродинамике и численные методы их реализации. Л.: Гидрометеоиздат. 1987. 294 с.
  37. А.С., Яглом A.M. Статистическая гидромеханика. Ч. 2. М.: Наука. 1967.
  38. А. С. Фундаментальные следствия взаимодействия атмосферы и океана. Изв. АН СССР. Физика атмосферы и океана. 1969. Т. 5. № 11. С. 1102−1113.
  39. И.И., Демченко П. Ф., Елисеев А. В., Хворостьянов Д. В., Хон Б.Ч. Оценки глобальных и региональных изменений климата в XX—XXI вв.еках на основе Модели ИФА РАН. Изв. АН. Физика атмосферы и океана. С. 649−642.
  40. Дж. Р., Коукли Дж. А. Простые сезонные модели климата. Метеорология и гидрология. 1978. № 5. С. 26−32.
  41. A.M. Статистически однородные поля на сфере. УМН. 1947. Т.2. вып. 2. С. 196−198.
  42. В.Е. Климатическая изменчивость (стохастические модели, предсказуемость, спектры). М: Наука. 1985. 183 с.
  43. А.А. Прикладные методы теории случайных функций. М.: Физматгиз. 1968. 345 с.
  44. Физические основы теории климата и его моделирования. Труды конференции ПИГАП. Стокгольм. 1974. Перевод с англ. Под ред А. С. Монина. Д.: Гидрометеоиздат. 1977.
  45. Arnold L. Stochastic differential equations. Willey. New York. 1974.
  46. ArnoldL. Random dynamical systems. Springer. 1998.
  47. Arnold L. Hasselmann’s program revisted: The analysis of stochasticity in deterministic climate models. In: Stoshastic climate models, Progress in Probability. Eds. P. Imkeller and J.-S. von Storch. Birkhause. 2001.
  48. Barsugli J J., Battisti D.S., The basic effects of atmosphere-ocean thermal coupling on midlatitude variability. J. Atmos.Sci. 1998, V. 55, N 4, P. 477−493.
  49. Bretherton F.P. Ocean climate modeling. Prog. Phys. Oceanogr. 1982. V. 11. N 2. P. 93−130.
  50. CLIVAR Initial Implementation Plan. WCRP, 1998, WCRPno. 103, WMO/TD no. 869, ICPO no. 14.
  51. Cessi P. A simple box model of stochastically forced thermohaline flow. J. Phys. Oceanogr. 1994, v. 24, P. 1911−1920.
  52. Delworth T.L., Manabe S. The influence of soil wetness on near-surface atmospheric variability. J. Climate. 1989. V.2. P. 1447−1462.
  53. S3.Delworth Т., Manabe S. Climate variability and land-surface processes. Adv. Water. Res. 1993. V. 16. N 1. P. 3−20.
  54. Demchenko P.F., Eliseev A.V., Mokhov /./., Nechaev V.P., Velichko A.A. Sensitivity of permafrost cover in the Northern Hemisphere to climate change // CLIVAR Exchanges. 2001. V.6. N.3. P.9−11.
  55. Dickinson R.E. Convergence rate and stability of ocean-atmosphere coupling schemes. J. Atmos. Sci. 1981. V. 38. N 10. P. 2112−2120.
  56. Dommenget D., LalifM. Analysis of observed and simulated SST spectra in the midlatitudes. Clim. Dyn. 2002. V. 19. Nos 3−4. P. 277−288.
  57. Dymnikov V., Filatov A. Mathematics of climate modeling. Birkhauser.Boston. 1997. 264 pp.
  58. Dymnikov V., Filatov A. Mathematics of climate modeling. Birkhauser.Boston. 1997. 264 pp.91 .Entekhabi D., Rodriguez-Iturhe I., Castelli F. Mutual interaction of soil moisture state and atmospheric processes. J. Hydrology. 1996. V.184. N1. P.3−17.
  59. Frankignoul C., Hasselmann K. Stochastic climate models. Part II. Application to sea-surface temperature anomalies and thermocline variability. Tellus. 1977. V.29. N 4. P. 284−305.
  60. Frankignoul C. Stochastic forcing models of climate variability. Dyn. Atmos. Oceans. 1979. V.3. Nos 2−4. P. 465−479.
  61. Fraedrich K. Structural and stochastic analysis of a zero-dimensional climate system. Quart. J. Roy. Met. Soc. 1978. V. 104. N. 440. P. 461−474.
  62. Frederiksen J.S. Nonlinear albedo-temperature coupling in climate models. J. Atmos. Sci. 1976. V. 33. N. 12. P. 2267−2272.
  63. Golitsyn G.S. Almost empirical approaches to the problem of climate, it’s variations andfluctuations. Adv. In Geophys. 1983. V.25. P. 85−115.
  64. Golitsyn G.S., Demchenko P.F. Statistical properties of a simple energy balance climate model. Тезисы советско-американского симпозиума по моделированию климата, климатическим изменениям и статистической обработке климатических данных. Тбилиси. 1979.
  65. Hall A., Manabe S. Can local linear stochastic theory explain sea surface temperature and salinity variability? Clim. Dyn. 1997. V. 13. N 3, P. 167−180.
  66. Hasselmann K. Stochastic climate models. Part I. Theory. Tellus. 1976.V.28. N6. P. 473−485.
  67. Hartman D.J., Short D.A. On the use of Earth radiation budget for study of cloud and climate. J. Atm.Sci. 1980. V.37. N 6. P. 1233 1250.
  68. Intergovernmental Panel on Climate Change (IPCC). Climate Change 1995. The Science of Climate Change, Houghton, J.T., Meira Filho, L.G., Calendar, B.A., Harris, N., Kattenberg, A., and Maskell, K., Eds., Cambridge: Cambridge Univ. Press, 1996.
  69. Johnson~C.A.~(eds.).Cambridge/New York: Cambridge University Press. 2001.88 l~p.
  70. Jones P.D., MobergA. Hemispheric and large-scale surface air temperature variations: an extensive revision and an update to 2001. J. Climate. 2002. V. 16. P. 206−203.
  71. Kistler R. et al. The NCEP-NCAR 50-year reanalysis: Monthly means CD-ROM and documentation. Bull. Amer. Met. Soc. 2001. V.82. P.747−767
  72. Kraus E.B., Morrison RE. Local interactions between the sea and the air at mounthly and annual time scales. Quart. J. Roy. Met. Soc. 1966. V. 62. N. 391. P. 114−127. ъ
  73. Lemke P. Stochastic climate models. Part 3. Applications to zonally averaged models. Tellus.1977. V. 29. N 5. PP 385−392.
  74. LianM.S., Cess R. D. Energy-balance climate models: a reappraisal of ice-albedo feedback. J. Atmos. Sci. 1977. V. 34. N 7. P. 1058−1062.
  75. Mazo R.M. Aspects of the theory of Brownian motion. Lecture notes in physics. 1978. V.4. Stochastic processes in nonequilibrium systems. (Sitges. Troc. 1978). P. 54−81.
  76. Meehl, G.A., G.J. Boer, C. Covey, M. Latif, and RJ. Stouffer, 2000: The Coupled Model Intercomparison Project (CMIP). Bull. Amer. Meteor. Soc., V.81, P. 313−318.
  77. Mitchell J.M.Jr. An overview of climate variability an it’s causal mechanisms. Quart. Res. N.Y. 1976. V.6. N 4,481−493.
  78. Monahan A.H. Correlation effects in a simple stochastic model of the thermohaline circulation. Stochastics and Dynamics. 2002. V. 2. N. 3. P. 437−462
  79. WbMonahan A.H., Timmermann A., Lohmann G. Comments on /Noise-induced transitions in a simplified model of the thermohaline circulation. J. Phys. Oceanogr. 2002. V. 32. P. 1112−1116.
  80. Mori #., Morita Т., Mashiyama K.T. Constraction of state variables in non-equilibrium systems. Progr. Theor. Phys. 1980. V.63. N. 6. P. 1865−1884.
  81. Namias J. Surface-atmosphere interactions as fundamental causes of droughts and other climatic fluctuations. In. Arid zone research. V. 20, Changes of Climate Proc. Of Rome Symp. UNESCO. Paris. 1963. P. 345−349.
  82. Nelson F.E., Outcalt S.I. A computational method for prediction and regionalization of permafrost. Arctic and Alphine Research. 1987. V. 19. N 3. P. 279−288.
  83. Nicolis C., Nicolis G. Stochastic aspects of climate transitions- additive fluctuations. Tellus. 1981. V. 33, N 5. P. 225−234.
  84. North G.R. Analytical solution of a simple climate model with diffusive heat transport. J. Atmos. Sci. 1975. V. 32. P. 1301−1307.
  85. North G.R. Theory of energy-balanced climate models. J. Atmos. Sci. 1975. V. 32. P. 2033−2043.
  86. North G. R, Coakley J.A. Differences between seasonal and mean annual energy balance model calculations of climate and climate sensitivity. J. Atmos. Sci. 1979. V. 36. P. 1189−1203.
  87. North G. R, Cahalan R.F. Predictability n a solvable stochastic climate model. J. Atmos. Sci. 1981. V. 38. N 3. P. 504−513.
  88. North G. R, Cahalan R.F., Coacley J.A. Energy balance climate models. Rev. Geoph. Space. Phys. 1981. v. 19. N. 1. P. 91−122.
  89. OortA.H., Rosmusson E.M. Atmospheric circulation statistics. NOAA Prof. Pap. № 5. Rockwille, Md. 1971.
  90. Pelletier J.D. The power spectral density of atmospheric temperature from time scales of 10"2 to 106 years. Earth and Planet. Sci.Lett. 1998. V.158. P. 157 164.
  91. Reynolds RH., Sea surface temperature anomalies in the North Pacific Ocean. Tellus. 1978. V. 30. N 2. P. 97−93.
  92. Rowntree P. R, Bolton J.R. Simulation of the atmosphere response to soil moisture anomalies over Europe. Quart. J. Roy. Meteor. Soc. 1983, V. 109, N., P. 501−526.
  93. Salmon R., HendershorttM.C. Large scale air-sea interaction with a simple general circulation model. Tellus. 1976.V. 3. P. 228−242.
  94. Stone P.H., Chan S.R., Spiegel D., Rombaldi S. Short term fluctuations in the eddy flux and baroclinic stability of the atmosphere. J. Atmos. Sci. 1982. V. 39. N6. P. 1734−1736.
  95. Semenov V., Bengtson L. Secular trends in daily precipitation characteristics: greenhouse gas simulation with a coupled AOGSM// Climate Dynamics. V. 19. P 123−140.
  96. Shukla J., MintzJ., The influence of land-surface evapotranspiration on Earth’s climate. Science. 1982. v. 215. P. 1498−1501.
  97. Thompson S. L., Schneider S. H. A seasonal zonal energy-balance climate model with an interactive lower layer. J. Geoph. Res. 1979. V. 84. N. C5. P. 24 012 414.
  98. Timmermann A., Lohmann G. Noise-induced transitions in a simplified model of the thermohaline circulation. J. Phys. Oceanogr. 2000. V. 30. P. 18 911 900.
  99. Sutera A. On stochastic perturbations and long-term climate behavior. Quart. J. Roy. Met. Soc. 1981. V. 107. N. 451. P. 137−151.
  100. Velichko, A.A., Borisova, O.K., Zelikson, E.M., and Nechayev, V.P. Permafrost and Vegetation Response to Global Warming in North Eurasia, Biotic Feedbacks in the Global Climate System. New York: Oxford Univ. Press. 1995. PP. 134−156.
  101. WalkerJ.M., Rowntree P.R. The effect of soil moisture on circulation and rainfall in a tropical model. Quart. J. Roy. Meteor. Soc. 1991, V. 103, N. 1, P. 2946.
Заполнить форму текущей работой