Анализ глобального поля облачности и связанных с его вариациями климатических эффектов тема диссертации и автореферата по ВАК РФ 25.00.29, кандидат физико-математических наук Чернокульский, Александр Владимирович

  • Чернокульский, Александр Владимирович
  • кандидат физико-математических науккандидат физико-математических наук
  • 2010, МоскваМосква
  • Специальность ВАК РФ25.00.29
  • Количество страниц 179
Чернокульский, Александр Владимирович. Анализ глобального поля облачности и связанных с его вариациями климатических эффектов: дис. кандидат физико-математических наук: 25.00.29 - Физика атмосферы и гидросферы. Москва. 2010. 179 с.

Оглавление диссертации кандидат физико-математических наук Чернокульский, Александр Владимирович

Оглавление

Введение

1 Глобальное поле облачности. Сравнительный анализ

1.1 Характеристики данных глобального поля облачности и их сравнительный анализ

1.1.1 Данные спутниковых наблюдений.

1.1.2 Данные наземных наблюдений.

1.1.3 Данные реанализа.

1.1.4 Результаты модельных расчетов.

1.2 Анализ глобальных, зональных и региональных характеристик облачности.

1.2.1 Анализ среднегодового режима и его региональных особенностей.

1.2.2 Диагностика годового хода облачности и анализ облачности в различные сезоны

1.2.3 Анализ суточного хода облачности и его региональных особенностей

1.2.4 Анализ различий между данными и причин этих различий.

1.3 Обсуждение результатов главы

2 Тенденции изменений облачности и возможные региональные последствия

2.1 Межгодовые вариации глобального поля облачности.

2.1.1 Анализ тенденций изменений облачности по данным спутниковых и наземных наблюдений.

2.1.2 Оценка трендов облачности в XXI веке по модельным расчетам.

2.1.3 Изменение облачного покрова над российскими регионами.

2.1.4 Связь облачности с циклонической активностью во внетропических широтах северного полушария.

2.2 Влияние изменения облачного покрова на режимы пожароопасности

2.2.1 Количественная оценка связи температурного режима над российскими регионами с режимами облачности

2.2.2 Модельные оценки риска лесных пожаров в российских регионах при изменениях климата.

2.3 Обсуждение результатов главы

3 Эффекты облачности при глобальных изменениях климата

3.1 Связь облачности с глобальным температурным режимом.

3.1.1 Количественная оценка характеристик связи облачности с изменением температуры по данным наблюдений и реанализа.

3.1.2 Количественная оценка характеристик связи облачности с изменением температуры по модельным расчетам.

3.1.3 Оценка диапазона неопределённости характеристик связи (параметра чувствительности) количества облаков с изменением температуры и его влияния на чувствительность климата

3.2 Эффекты облачности при оценках контролируемых антропогенных воздействий на климат

3.2.1 Описание используемой энергобалансовой климатической модели.

3.2.2 Оценка эффективности эмиссий сульфатных аэрозолей в стратосферу в качестве контролируемого антропогенного воздействия на климат.

3.2.3 Влияние облачности на оценки контролируемого антропогенного воздействия на климат.

3.3 Обсуждение результатов главы 3.

Рекомендованный список диссертаций по специальности «Физика атмосферы и гидросферы», 25.00.29 шифр ВАК

Введение диссертации (часть автореферата) на тему «Анализ глобального поля облачности и связанных с его вариациями климатических эффектов»

Облачность играет важную роль в земной климатической системе (ЗКС) [22, 23, 96, 132, 188, 204], участвуя в гидрологическом цикле и оказывая существенное влияние на радиационный баланс Земли. Вероятно наибольшая неопределенность оценок чувствительности ЗКС к различным воздействиям, в том числе к изменению содержания в атмосфере парниковых газов, связана с облачностью и ее эффектами [8, 27, 30, 75, 132]. Характерные значения радиационного воздействия (форсинга), связанного с облаками, существенно больше радиационного эффекта от удвоения содержания ОСЬ в атмосфере [132].

Существенно различается влияние облаков разного типа для разных регионов и сезонов (см. напр. [83]). Облака верхнего яруса в целом способствуют усилению парникового эффекта, а облака нижнего яруса — выхолаживанию климатической системы. При этом коротковолновый форсинг преобладает [189, 198], и облака в целом охлаждают ЗКС, суммарный облачный радиационный форсинг (разность радиационных потоков при облачном и безоблачном небе) на верхней границе атмосферы, для Земли в целом может достигать —15 Вт/м2, а среднезональные значения —40 Вт/м2, главным образом в зоне активности циклонов внетропических широт [231]. Региональные значения радиационного форсинга, как положительные, так и отрицательные, могут превышать по абсолютному значению 100 Вт/м2 [118, 189]. Основные межгодовые вариации радиационного бюджета ЗКС связаны с вариациями глобальной облачности [182]. При этом возможные вариации облачности в связи с глобальными климатическими изменениями, могут усилить или ослабить эти изменения (см. напр. [28]). Однако до сих пор остаются неопределенными тенденции изменений облачности. Согласно оценкам [29, 127, 163, 213] доля покрытия Земли облаками в целом растёт вместе с глобальным потеплением, однако в других работах либо отмечается уменьшение количества облаков [182, 229[, либо тренд общей облачности является незначимым, а проявляется сокращение количества облаков верхнего яруса [132, 196, 238].

Наиболее полные сравнения различных данных для облачности проведены в [130, 175, 197]. В частности, в [175] наряду со спутниковыми данными Международного спутникового проекта по климатологии облачности (International Satellite Cloud Climatology Project — ISCCP) [196] анализировались спутниковые данные, полученные с советских спутников Метеор [4], со спутника Nimbus-7 [206] а также данные наземных наблюдений [121] и комбинированные данные спутниковых и наземных наблюдений [2]. Сравнение только спутниковых данных проведено в работах [86, 136, 174, 208, 216, 238], кроме того, спутниковые данные для облачности сравниваются в рамках глобального эксперимента по изучению энергетического и водного циклов (Global Energy and Water cycle Experiment — GEWEX [81]) [211]. В работах [72, 134] оценивается облачность по данным реанализа в сравнении с данными наблюдений. Целый ряд работ (см. напр [32, 173, 230, 234, 240]) связан со сравнением климатологий облачности по данным наблюдений и по модельным расчетам.

В настоящее время существует более десятка глобальных баз данных для облачного покрова, основанных на спутниковых и наземных наблюдениях (с различным временным и пространственным разрешением и разной длительности) и есть необходимость их детального анализа. Подобный анализ нужен как для более адекватного понимания структуры глобального поля облачности и его вариаций, так и для валидации климатических моделей, использующихся для оценки возможных изменений климата.

Цели и задачи исследования

Основной целыо работы является анализ глобального поля облачности по различным данным наблюдений и модельным расчетам, а также оценка климатических эффектов, связанных с его вариациями.

Основые задачи исследования:

• оценка современного состояния глобального поля облачности в разные сезоны, разное время суток, над разной подстилающей поверхностью на основе различных данных спутниковых и наземных наблюдений, а также данных реанализа и результатов расчётов с использованием глобальных климатических моделей (всего более 40 источников);

• анализ наблюдаемых изменений облачности за последние десятилетия и оценка возможных изменений облачности в XXI в.;

• анализ региональных изменений облачности, в частности над российскими регионами, оценка связи этих изменений с циклонической активностью;

• количественная оценка связи температурного режима поверхности с режимами облачности, оценка влияния облачности па режимы пожароопаспости;

• оценка взаимосвязи количества облаков с изменениями температурного режима Земли, количественная оценка влияния облачности в вопросах контролируемого антропогенного влияния на климат.

Методы исследования

Основные результаты диссертационной работы получены с использованием различных современных статистических методов сравнения данных. Часть данных, используемых для аиализа, получена с помощью численного моделирования климатической системы с использованием как глобальных, так и региональных климатических моделей. В главе 3 для оценки контролируемого антропогенного влияния на климат использовалась глобальная эиергобалансовая модель климата.

Основные положения выносимые на защиту

1. Оценка диапазона глобальных и региональных значений общего количества облаков на основе современных данных, выявление общих закономерностей и основных различий между этими данными, анализ причин выявленных различий;

2. количественная оценка трендов облачности в последние десятилетия па основе современных данных наблюдений, оценка изменений облачности над российскими регионами;

3. выявление связи изменений облачности с изменением циклонической активности в средних широтах Северного полушария;

4. количественная оценка связи температурного режима поверхности и режимов пожароопасное™ с режимами облачности;

5. оценка взаимосвязи количества облаков с изменениями глобальной температуры на основе современных данных наблюдений и модельных расчётов;

6. получение аналитических решений глобально-осреднённоп энергобалансовой модели для оценки эффективности контролируемого воздействия на климат в результате эмиссий сульфатных аэрозолей в стратосферу в зависимости от различных управляющих параметров, в том числе связанных с облачностью.

Научная новизна

• Впервые проведено сравнение глобального поля облачности, полученного на основе современных данных, в том числе спутниковых измерений (как пассивных, так и активных), наземным наблюдений, различных данных реанализа и расчётов с использованием глобальных моделей климата;

• на основе современных данных проведена оценка наблюдаемых трендов облачности, в том числе оценка изменении облачности над российскими регионами в последние десятилетия, количественно оценена связь изменений облачности с изменением циклонической активности;

• получены количественные оценки изменений риска пожароопасности в российских регионах в XXI веке по результатам расчётов с использованием региональной климатической модели;

• на основе современных данных получено количественное значение параметра связи между облачностью и глобальной температурой;

• впервые получены аналитические решения для оценки эффективности контролируемого воздействия на климат в результате эмиссий сульфатных аэрозолей в стратосферу в зависимости от различных управляющих параметров, в том числе связанных с облачностью.

Научная и практическая значимость

Полученные результаты могут использоваться при анализе глобальных и региональных климатических изменений, при валидации климатических моделей, при решении вопросов рационального природопользования в условиях изменяющегося климата, при оценке контролируемого антропогенного влияния на климат.

Личный вклад автора

Автор принимал участие во всех этапах работы, в том числе в формулировке задач и интерпретации полученных результатов. Основные результаты диссертационной работы и необходимые для этого расчеты получены и проведены автором лично.

Апробация работы

Результаты работы докладывались автором как на российских, так и на международных научных конференциях, школах и семинарах, в том числе на семинарах Лаборатории теории климата и Отдела исследований климатических процессов ИФА им. A.M. Обухова РАН; на Всероссийской конференции «С.П. Хромов и синоптическая метеорология» (Москва, 2004); на Международной школе по изучению атмосферы ERCA-2006 (Франция, Гренобль, 2006); на пяти ежегодных Всероссийских конференциях молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы»: САТЭП и МАПАТЭ (Звенигород, Нижний Новгород, Борок, 2006-2010 гг.); на двух Международных симпозиумах стран СНГ «Атмосферная радиация и динамика» (Санкт-Петербург, 2006 и 2009 гг.); па Международном симпозиуме «Физика атмосферы: наука и образование» (Санкт-Петербург, 2007 гг.); на Международной школе по экологическим исследованиям в зоне бореальных лесов (Нелидово, 2007); на Генеральной ассамблее Европейского геофизического союза (Австрия, Вена, 2008 и 2010 гг); па двух Российских конференциях «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2008, 2009) на Международной конференции по вычислительно-информационным технологиям для паук об окружающей среде CITES-2009 (Красноярск, 2009); на Международной школе по изучения роли водяного пара в климатической системе (Франция, Каргезе, 2009); на Всероссийской конференции «Михаил Ара-маисович Петросянц и современные проблемы метеорологии и климатологии» (Москва, 2009) на Международном семинаре группы GEWEX по оценке облачности на основе спутниковых данных (Германия, Берлин, 2010); на пятой Международной конференции «Физика атмосферы, климат и окружающая среда» (Санкт-Петербург, 2010); на Международной« конференции по измерениям, моделированию и информационным системам для изучения окружающей среды: ENVIROMIS-2010 (Томск, 2010).

Структура диссертации

Диссертационная работа состоит из трех глав, оглавления и заключения, содержит 68 рисунков и 25 таблиц, список цитируемой литературы состоит из 240 наименований.

Во введении обосновывается актуальность темы диссертации, сформулированы цели и задачи работы, перечислены основные результаты работы.

Первая глава посвящена анализу современного состояния глобального поля облачности. В разделе 1.1 проводится обзор современных данных для облачности, в том числе данных спут-пиковых и наземных наблюдений, различных данных реанализа и расчетов с глобальными климатическими моделями. В разделе 1.2 проводится анализ современного состояния глобального поля облачности. Определен диапазон глобальных, полушарных и зональных значений общей облачности, отдельно над сушей и отдельно над океаном. Определены амплитуды сезонного и суточного хода облачности, выявлены области, где проявляются основные различия между разными данными, проведен анализ причин отмеченных неопределённое гей. В разделе 1.3 обсуждаются основные результаты, полученные в первой главе.

Вторая глава диссертации посвящена анализу межгодовым вариациям глобального поля облачности и региональных климатических последствий, связанных с этими вариациями. В разделе 2.1 проводится анализ межгодовой изменчивости и трендов облачности по данным наблюдений и по модельным расчётам. Определены значения наблюдаемых трендов облачности для различных широтных зон, определён диапазон возможных изменений облачности в XXI в. Проведён анализ изменений облачности в российских регионах. В разделе 2.2 анализируется связь облачности с температурным режимом подстилающей поверхности. Получены оценки влияния количества облаков на значения максимальной температуры для различных российских регионов в разные периоды года. В качестве возможных региональных последствий изменения облачности проведена оценка изменения индексов пожароопасности в российских регионах в XXI в. В разделе 2.3 обсуждаются основные результаты, полученные во второй главе.

Третья глава диссертации посвящена анализу эффектов облачности при глобальных изменениях климата. В разделе 3.1 получен диапазон оценок глобальных и полушарных значений коэффициента линейной регрессии среднегодовой облачности на глобальную приповерхностную температуру по данным наблюдений, данным реанализа и по модельным расчётам для XX и XXI вв. отдельно для суши и океана. В разделе 3.2 оценивается влияние облачности при контролируемом антропогенном воздействии на климат. Получены оценки эффективности компенсации глобального потепления за счет эмиссий сульфатных аэрозолей в стратосферу в зависимости от различных управляющих параметров.

В разделе 3.3 обсуждаются основные результаты, полученные в третьей главе.

В заключении приводятся основные выводы диссертационной работы.

Основные результаты диссертации опубликованы в работах [33, 34, 39-41, 50-53, 55-62, 8795, 107-110, 164-172], в том числе в 9 работах, вышедших в рецензируемых изданиях.

Похожие диссертационные работы по специальности «Физика атмосферы и гидросферы», 25.00.29 шифр ВАК

Заключение диссертации по теме «Физика атмосферы и гидросферы», Чернокульский, Александр Владимирович

Результаты исследования

На рисунке 2.21 приведено распределение значений среднего летнего индекса пожароопасности iFm Для конца XX в. (1991-2000 гг.) (IFm(0)) на ЕТР и АТР. По спутниковым данным [125] на территории России выделены границы областей с наличием лесов.

Рис. 2.21. Распределение значений среднего летнего индекса пожароопасности для конца XX в. (IFm(0)) для Азиатской территории России (I: IFm < 300 °С2, II: 300 < IFm < 1000 °С2, III: 1000 < IFm < 4000 °С2, IV: 4000 < lFm < 10000 °С2; V: IFm > 10000 °С2). Сплошными черными линиями отмечены границы областей с долей лесов в модельных широтно-долготных ячейках не менее 10 (1), 30 (2) и 50% (3).

Для ЕТР и АТР более низкие широты в целом характеризуются более высоким риском лесных пожаров, при этом граница лесов находится в зонах большого градиента индекса пожароопасности, достаточно хорошо соответствуя границам регионов с умеренным риском пожароопасности (режим III), за исключением некоторых областей. В частности, для лесных регионов Забайкалья при современном климате отмечен высокий уровень пожароопасности. Это подтверждается данными о лесных пожарах [15]. В целом же в средних и высоких широтах северной Евразии леса существуют, главным образом, в условиях малой летней пожароопасности (режимы I и II). Модельные расчеты индекса пожароопасности в общем неплохо согласуются с аналогичными оценками по данным наземных наблюдений и со спутниковой информацией о реальной пожарной обстановке [66].

Наряду с пространственным распределением средних локальных значений летнего индекса пожароопасности для периода 1991-2000 гг, анализировались также особенности локальных функций распределения вероятности If по ежедневным данным. В частности, проведен анализ повторяемости р легпих дней для 1991-2000 гг. с локальным индексом пожароопасности 1р, превышающем его среднее летнее значение 1рт не менее, чем в два (p(If > 2/рт)) и четыре (р(/р > 4If™.)) раза, соответственно. Пространственное распределение p(If > 21рт) получено сравнительно однородным — в большинстве регионов значения этой вероятности были в диапазоне 1/8-1/6. В отдельных регионах величина р(//- > 21рт) достигала 1/5, как, например, в южной части бассейнов Волги и Урала и на юге Западной Сибири. Локальные значения p(IF > 4If™) повторяемости летних дней с более сильным, четырехкратным, превышением Ipm. не превосходили 0,08 и на значительной территории были около 0,05. При этом проявился эффект уменьшения повторяемости таких экстремальных значений к северу и к югу от средних широт (главным образом для ЕТР). Подобный эффект не был отмечен для р(1р > 27/.>г).

Анализ возможных изменений риска лесных пожаров в XXI в. по модельным расчетам для регионов Северной Евразии выявил значительную пространственную неоднородность. На рисунке 2.22 приведены отношения /р™ к /^т(0) для ЕТР (А) и АТР (Б1) при антропогенном сценарии SRES-A2, а также отношение Ifmiu в середине XXI в. г /рльп(0) для АТР (Б2). На ЕТР наряду с увеличением индекса /рт в южных широтах, в частности в бассейне Волги вблизи Каспия и прикавказских регионах, а также на северо-западе России, можно ожидать уменьшения 1рт на значительной части ЕТР. Последнее можно объяснить увеличением в модели количества осадков в средних и высоких широтах при относительно небольшом летнем потеплении. На юге ЕТР по модельным оценкам ожидается как уменьшение летних осадков, так и сокращение облачного покрова, что способствует увеличению вероятности засух и пожаров.

На АТР проявляются не только региональные различия изменений риска лесных пожаров, но и значительные отличия при использовании разных критериев пожароопасности (для ЕТР подобные отличия проявляются в меньшей степени, на рисунке не показаны). С использованием стандартного индекса пожароопасности 1р получено наиболее сильное увеличение риска лесных пожаров в центральной части АТР (до троекратного уровня по сравнению с концом XX в). Максимальные значения относительного увеличения модифицированного индекса Ifm в центральной

Б1

Рис. 2.22. Отношение среднего летнего индекса иожароопасности (Ifw.) в середине XXI в. к среднему летнему индексу пожароопасное™ (1рт) в конце XX в. (1рт(0)) для ЕТР (А) и для АТР (Б1) и отношение среднего летнего модифицированного индекса иожароопасности (1рмт) в середине XXI в. к среднему летнему модифицированному индексу иожароопасности (Ifmw.) в конце XX в. (1рт (0)). Границы леса — аналогично рисунку 2.21. части АТР существенно меньше, вплоть до локального уменьшения риска пожаров.

Рисунок 2.22 свидетельствует о качественных различиях в модельных тенденциях осадков в зависимости от их интенсивности. Это подтверждает изменение количества летних дней с осадками меньше и больше 3 мм (порогового значения для расчета индекса 1р), прогнозируемые на период 2041-2050 гг. (рис. 2.23). Над значительной частью АТР (особенно центральной и восточной) увеличивается количество слабых осадков (меньше 3 мм в сутки). При этом уровень сильных осадков над большей частью АТР снижается (особенно в центральной части АТР, а также в восточной). При более дифференцированном учете влияния осадков на оценку риска летних лесных пожаров существенно ослабляется аномально сильный рост пожароопасности в центральной части АТР. Следует отметить, что при более дифференцированном учете влияния осадков в оценке риска летних лесных пожаров корректируется нелинейный эффект, который проявляется при сравнении относительных изменений средних стандартных индексов летней пожароопасности 1рт к середине XXI в.

Рис. 2.23. Изменение количества дней с осадками менее 3 мм (А) и не менее 3 мм (Б) в 2041-2050 гг. относительно 1991-2000 гг. . Границы леса — аналогично рисунку 2.21

Для конца XXI в. существенных различий между разными анализировавшимися индексами пожароопасности как для АТР, так и для ЕТР не выявлено. При этом, как и в середине XXI в., главным определяющим фактором пространственной неоднородности изменений риска пожаров остается неоднородность в осадках. В большей степени проявляются межширотные различия. В южных регионах с уменьшением летних осадков (с интенсивностью как больше, так и меньше 3 мм) растет риск возникновения пожаров — он может в 2,5 раза превысить аналогичные показатели, характерные для конца XX в. По модельным расчетам среднее количество облаков в летний период может сократиться на 0,1, при этом средняя за лето максимальная дневная температура здесь может вырасти на 4-5 °С, тогда как в северных регионах на фоне увеличения количества облаков (рис. 2.20) рост максимальной температуры ие превышает 2-3 °С. Кроме того, в большинстве северных регионов АТР и ЕТР проявляется увеличение осадков, поэтому риск пожароопасности здесь меняется слабо, а в отдельных регионах даже уменьшается. Исключение составляет Северный Урал, где ожидается как сокращение облачности, так и рост температуры и уменьшение осадков и влажности воздуха. Здесь риск пожаров к концу XXI в. по модельным оценкам может увеличиться двукратно. При этом к середине XXI в. существенных изменений риска пожароопасное™ относительно конца XX в. на севере Урала не прогнозируется.

Рис. 2.24. Отношение среднего летнего индекса пожароопасности (Ifw.) в конце XXI в. к среднему летнему индексу пожароопасности (Ifm) в конце XX в. (/рт(0)) для ЕТР (А) и для АТР (Б). Границы леса — аналогично рисунку 2.21.

Проведен также анализ возможных изменений в XXI в. повторяемости p(If > Ifт) летних дней с индексом пожароопасности, превышающем среднее летнее значение 1рт в к раз, в частности не менее, чем в два (к — 2) или в четыре (к = 4) раза. К середине XXI в. повторяемость p(If > 2Ifт) на большей части ЕТР не растет, а уменьшается, в том числе сокращение р(1р > 2If™,) отмечено для бассейнов Урала и Волги. На АТР проявляется существенный рост р(/р > 21 рт) на юге Восточной Сибири (до 0,2), на севере отмечено сокращение р(1р > 21 рт). К концу XXI в. в большей степени проявляются межширотные различия с существенным увеличением повторяемости р(1р > 21 Fm) в южных регионах как АТР, так и ЕТР. Для распределения изменения р(1р > 4Iftu) отмечены похожие особенности.

Наряду с общей тенденцией увеличения риска летних лесных пожаров в Северной Евразии, в частности на АТР, при потеплении в XXI в. проявляется существенное увеличение длительности пожароопасного периода. В частности, были проанализированы внутригодовые распределения 1р и Ifm в Забайкалье (для региона 51-53 °с.ш., 110-115 °з.д.) (рис. 2.25).

Согласно модельным расчетам, в конце XX в. пожароопасный период в этом регионе длится с июля по сентябрь. В XXI в. этот период может начинаться на месяц раньше. Кроме того, проявляется относительный рост индексов пожароопасности — как стандартного, так и модифиА Б а б

Рис. 2.25. Внутригодовое распределение (среднее за 10 лет) индекса пожароопасности Нестерова (а) и модифицированного индекса (б) нормированных соответственно на 7/;т(0) и /^Мт(О) в Забайкалье (51-53° с.ш., 110-115° з.д.) для различных периодов: 1991-2000 гг. (сплошная линия, 1), 2041-2050 гг. (пунктир, 2), 2091-2100 гг. (тире, 3). цированного. Стандартный индекс пожароопасности (рис. 2.25а) в середине XXI в. может вырасти относительно среднелетних значений конца XX в. в 3,5 раза. При этом пик пожароопасности будет приходиться на середину августа. Подобные изменения связаны с ожидаемым резким сокращением сильных осадков (более 3 мм) в этом регионе. В конце XXI в. существенного роста относительных значений стандартного индекса не прогнозируется. Пик пожароопасности смещается по сравнению с концом XX в. с августа на июль, в то же время в сентябре риск пожароопасности может снизиться до непожароопасного уровня, что связано с увеличением в регионе дней с сильными осадками. По расчетам с использованием модифицированного индекса (рис. 2.256), учитывающего осадки дифференцированно, указанной особенности не отмечено. Ожидается рост риска пожароопасности относительно современных значений и к середине, и к концу XXI в. При этом пик пожарной опасности смещается с августа на июль, а период увеличивается практически на месяц, начинаясь не с июня, а с мая.

2.3 Обсуждение результатов главы 2

Определение временной изменчивости и тенденций изменения облачности является одной из ключевых проблем при оценках глобальных климатических изменений.

Согласно результатам вейвлетиого анализа, во временной изменчивости ведущей является годовая гармоника, кроме того проявляются гармоники с периодом в 3-3,5 и 5-7 лет (главным образом, над океаном тропических широт), которые скорее всего связаны с явлением Эль-Ниньо/Ла-Нинья.

Согласно регрессноному анализу, по данным спутниковых наблюдений ISCCP и наземных наблюдений EECRA отмечен отрицательный тренд облачности над средними и тропическими широтами суши как в СП, так и в ЮП (около —0,01 в десятилетие). По данным спутниковых наблюдений, облачность над сушей тропических широт сокращается быстрее в зимний пероид, по данным наземных наблюдений — в летний (главным образом, за счёт дневной облачности). В средних широтах и по наземным и - по спутниковым данным величина тренда выше в летнее время. По данным Patmos-X над сушей средних и тропических широт ЮП тренд близок к нулю, а в СП проявляется рост количества облаков (за счёт летнего периода). Над сушей полярных широт СП отмечается положительный тренд облачности, главным образом за счёт летнего периода (до 0,025 в десятилетие).

Над океаном выявлены существенные различия между разными данными. Согласно данным наземных наблюдений EECRA количество облаков над океаном растет, особенно в ЮП в зимнее время (до 0,03 в десятилетие). По данным спутниковых наблюдений ISCCP и Patmos-X количество облаков над океаном сокращается (до —0,02 в десятилетие), по данным ISCCP и зимой,и летом (и в СП и в ЮП), по данным Patmos-X значимый отрицательный тренд выявлен только над океаном ЮП в зимнее время. Над океаном в полярных широтах отмечен рост облачности и по спутниковым и по наземным наблюдениям. Согласно анализу трендов для более коротких периодов выделяется период роста количества облаков над океаном до середины 80-х гг. и период слабого сокращения в последующие годы.

Согласно модельным расчётам, в XXI веке ожидается сокращение облачности и над сушей (до —0,005 в десятелитие) и над океаном (до —0,0045 в десятелитие) в тропических и средних широтах (по некоторым моделям, над океаном возможен рост количества облаков). В полярных широтах и над сушей и над океаном ожидается рост количества облаков (до 0,009 в десятилетие по отдельным моделям). В зимнее и летнее время ожидаются различные тенденции изменения облачности. В частности, в средних и полярных широтах СП ожидается рост облачности в зимнее время и сокращение количества облаков в летнее время. Над тропическими и средними широтами океана в летнее время ожидается большее сокращение количества облаков, чем в зимнее. Подобные изменения облачности будут усиливать ожидаемое потепление в XXI веке: рост облаков зимой будет способствовать усилению парникового эффекта, а сокращение облаков летом — ослаблению альбедного эффекта. В то же время, для более точной диагностики влияния изменений облачности на усиление или ослабление потепления, необходимо анализировать не только общее количество облаков, но и количество облаков на разных ярусах (в первую очередь — на нижнем и верхнем ярусах), кроме того, важно учитывать такие свойства облаков, как оптическую толщину и альбедо. Также стоит отметить, что может проявляться зависимость оценок потепления климата от методов параметризации облачности, главным образом конвекции (см. напр. [27]).

Сезонные различия в ожидаемых и наблюдаемых изменениях облачности проявляются и над российскими регионами. По данным спутниковых и станционных наблюдений, в зимнее время количество облаков над южными российскими регионами за последние два десятилетия увеличилось на 0,02-0,05, сокращение количества облаков зимой,отмечено только на севере Сибири. В то же время, летом тенденции изменения облачности по данным наблюдений не однозначны. Согласно модельным расчётам, в XXI веке зимой продолжится рост количества облаков (нв 0,05-0,1), а летом доля облаков будет сокращаться (на 0,02-0,05). На уровне среднегодовых значений ожидается рост количества облаков в северных широтах (выше 60°) и уменьшение количества облаков в южных широтах.

Одной из возможных причин изменения облачночности в XXI в. во внетропических широтах северного полушария может быть изменение циклонической активности в этом регионе. Согласно модельным расчётам, в XXI в. ожидается уменьшение суммарной площади циклонов па широтах < 60° и увеличение на широтах > 60°, при этом коээфициент линейной регрессии площади, покрытой облаками, на площадь, покрытую циклонами, близок к единице.

Изменение облачности может влиять на изменение температурного режима воздуха у поверхности. По суточным станционным данным проведена оценка влияния облачности на величину максимальной дневной температуры воздуха у поверхности. В зимнее время отмечена положительная корреляция между температурой и облачностью, при этом коэффициент линейной регрессии температуры на облачность достигает 10 К в отдельных регионах, таким образом, ожидаемый рост количества облаков на 0,05-0,1 может привести к дополнительному росту максимальной дневной температуры на 0,5-1 К. В то же время, летом отмечена отрицательная корреляция между облаками и температурой. Величина коэффициента линейной регрессии достигает —7 К, поэтому ожидаемое сокращение облаков в летний период будет также, как и зимой, приводить к росту максимальной дневной температуры воздуха.

Уменьшение доли облаков над российскими регионами в летний период и соответствующий рост максимальной температуры могут сопровождаться увеличением повторяемости таких экстремальных климатических явлений, как сильные засухи и лесные пожары. В соответствии с полученными результатами, в XXI в. при глобальном потеплении на европейской и азиатской территориях России ожидается существенный рост вероятности возникновения лесных пожаров. В отдельных регионах, главным образом на юге, риск пожароопасности при достаточно агрессивном антропогенном сценарии уже к середине XXI в. может увеличиться троекратно по сравнению с концом XX в. Наряду с ростом среднего летнего уровня пожароопасности проявляется увеличение длительности пожароопасного периода с тенденцией смещения пика пожароопасности с конца лета к середине.

Наряду с ростом максимальной дневной температуры определяющим фактором риска пожароопасности является изменение режима увлажнения. В частности, по модельным расчетам из-за сокращения интенсивных осадков на юго-востоке и в центре АТР в середине XXI в. можно ожидать сильное увеличение стандартного индекса пожароопасности Нестерова (большее, чем к концу XXI в.). При использовании модифицированного индекса пожароопасности подобного нелинейного эффекта не отмечено.

Следует отметить, что анализ проведен на основе модельных расчетов при достаточно агрессивном антропогенном сценарии SRES-A2. При более мягких антропогенных сценариях рост риска пожароопасности для российских регионов может быть заметно слабее.

Глава 3

Эффекты облачности при глобальных изменениях климата

3.1 Связь облачности с глобальным температурным режимом

Температура является ключевой переменной климатической системы. Изменения её характеризуются, в первую очередь, изменениями приповерхностной температуры Т [132]. При этом, до сих пор существует неопределенность в вопросе о влиянии термического режима на облачность [30]. С одной стороны, при потеплении увеличивается испарение, растёт количество влаги в атмосфере, что может приводить к росту количества облаков. С другой стороны, при росте Т уменьшается величина относительной влажности, что, в свою очередь, может вести к сокращению облачности. При изменении температурного режима меняется циркуляционный режим атмосферы, что, в свою очередь, также может влиять на облачность [40] (см. напр. раздел 2.1.4). Согласно [29] количество облаков растёт вместе с ростом глобальной приповерхностной температуры, согласно [90] проявляется обратная тенденция. Подобная неопределённость существенным образом может влиять на оценки возможных изменений климата в XXI в [8, 30, 75, 132].

Был проведен анализ совместных изменений общего количества облаков п и Т по различным современным данным как для облачности, так и для температуры.

Используемые данные для температуры

В качестве данных для температуры использовались данные наблюдений, обработанные в Институте Восточной Англии (данные CRU) [138], данные Годдардского института космических исследований (Goddard Institute for Space Studies — GISS) [123] и данные Национального центра США по климатическим данным (National Climatic Data Center — NCDC) [203]. Все три базы данных являются комбинацией данных наблюдений за приповерхностной температурой воздуха на метеорологических станциях и данных наблюдении за температурой поверхности океана, различаются между собой процедурами интерполяции, различными критериями отбора и проверки качества данных и т.д. В качестве данных для облачности использовались наиболее длительные ряды спутниковых наблюдений ISCCP, UW HIRS и Patmos-X и данные наземных наблюдений EECRA. Также привлекались различные данные реанализа и результаты расчетов с глобальными климатическими моделями. На рис. 3.1 приведена межгодовая изменчивость глобальной приповерхностной температуры (отдельно для суши и океана) с начала 1950 года по всем используемым в работе данным. Различия между данными CRU, GISS и NCDC не превышают 0,2° С, отмечается рост Т как над сушей, так и над океаном, при этом по данным CRU самым теплым остается 1998

Рис. 3.1. Среднегодовые значения глобальной приповерхностной температуры над сушей и океаном (А), отдельно над сушей (Б) и над океаном (В). год, по данным N000 и ОКБ — 2005 год. Данные реанализа различаются между собой на 0,5-1° С над океаном и на 2-2,5° С над сушей, при этом все они (за исключением данных МСЕР/Г"ГСА11) дают завышенное значение Т по сравнению с наблюдаемым. В межгодовой изменчивости по различным данным реанализа, как и по данным наблюдений, отмечается рост Т, при этом, как по данным наблюдений, так и по данным реанализа наибольший рост Т отмечается над сушей северного полушария (не показано).

3.1.1 Количественная оценка характеристик связи облачности с изменением температуры по данным наблюдений и реанализа

Взаимосвязь аномалий облачности п и аномалий темературы Т в межгодовой изменчивости можно характеризовать с использованием линейной регрессии (Ап = кпАТ), при этом коэффициент линейной регрессии является характеристикой чувствительности количества облаков к изменениям температуры1. В табл. 3.1-3.3 приведены значения параметра связи облачности с температурой кп (и его среднеквадратическое отклонение), а также коэффициент взаимной корреляции (Я) среднегодовых значений п и Т по различным данным при глобальном и полушарном осреднении вместе для суши и океана (табл. 3.1), отдельно для суши (табл. 3.2) и океана (табл. 3.3). Жирным шрифтом в таблицах выделены коэффициенты линейной регрессии, значимые на уровне 20%, подчеркнутым жирным шрифтом — на уровне 5%. Значимость рассчитывалась с помощью

1 Аномалии п и Т согласно имеют нормальное распределение критерия Стьюдента [19] с учетом эффективного количества степеней свободы [30], зависящего от длины ряда и коэффициентов автокорреляции рядов п и Т.

В последние десятилетия по различным данным отмечаются разнонаправленные тенденции зависимости облачности от Т, в частности, согласно данным наблюдений за облачностью И^У ШНЭ, количество облаков увеличивается с ростом температуры, причем в южном полушарии коэффициент кп статистически значим и достигает 0,027 К-1 (Ц\¥ НШЭ и СКЭ) (коэффициент корреляции Я составляет 0,49), для Земли в целом, кп по данным и\¥ НШЭ достигает 0,009 К-1, находясь при этом ниже уровня статистической значимости. Согласно данным КССР, количество облаков уменьшается с ростом температуры, для 1ЭССР и N000 кп достигает -0,05 К-1 (Я = —0,68) при глобальном осреднении и —0,056 К-1 (Я = —0,55) для ЮП. Согласно данным Ра^оэ-Х, количество облаков в целом увеличивается вместе с ростом Т, однако значения кп статистически не значимы (табл. 3.1).

Заключение

В данной работе представлены результаты наиболее полного сравнительного анализа современных данных для облачного покрова по спутниковым и на наземным наблюдениям, а также по данным реанализа и расчётах с использованием глобальных климатических моделей (анализируется более 40 источников). Подобный анализ проведен впервые. Сделан обзор современных баз данных для облачности, получены оценки современного состояния глобального поля облачности, выявлены основные различия между данными, проанализированы причины этих различий. Проведён анализ изменений облачности, как наблюдаемых, так и возможных в XXI в. Проанализированы возможные причины и региональные последствия таких изменений во внетропических широтах северного полушария, в частности, проанализированы совместные изменения облачности и циклонической активности, проведена оценка роста риска лесных пожаров в российских регионах. Оценены эффекты облачности при изменениях климата, в том числе связи облачности с глобальной приповерхностной температурой. Проанализировано влияние облачности в вопросах контролируемого антропогенного воздействия на климат.

На основе проведённого анализа и полученных результатов можно сформулировать следующие основные выводы диссертационной работы:

1. Согласно результатам проведенного сравнения различных современных данных по спутниковым и наземным наблюдениям глобальное среднегодовое значение облачности по данным наблюдений составляет около 2/3. Доля покрытия облаками суши близка к 1/2, а доля покрытия облаками Мирового океана — около 7/10. Согласно всем современным данным наблюдений, в южном полушарии количество облаков больше, чем в северном, с максимумом в летнее время. Наибольшие различия между современными данными наблюдений проявляются в полярных регионах (для среднегодовых значений и для различий между сезонами). В суточном ходе над сушей северного полушария преобладает облачность в дневное время, над океаном — в ночное, при этом над сушей южного полушария выявлена неопределённость между различными данными. Данные реанализа и модельные расчёты в целом недооценивают среднегодовое количество облачности, главным образом в средних широтах за счёт облачносги над океаном (и зимой и летом) и летней облачности над сушей. В целом, модельные расчёты и данные реанализа лучше воспроизводят среднегодовые значения облачности, хуже — разность между сезонами. Различия между количеством облаков, полученным по разным данным, связаны в первую очередь с разными алгоритмами определения облачности, а также с различием во времени наблюдений. Выбор периода осреднения практически не влияет на глобально-осреднённые значения облачности, региональные отличия проявляются главным образом в экваториальной части Тихого океана (связаны с явлением Эль-Ниньо/Ла-Нинья).

2. По данным спутниковых и наземных наблюдений в конце XX и начале XXI вв. в целом отмечено сокращение количества облаков над сушей средних и тропических широт, главным образом, за счёт летнего периода и облачности в дневное время суток. Над сушей полярных широт отмечен рост количества облаков (в первую очередь, в зимнее время). Над океаном по разным данным отмечены разнонаправленные тенденции (по данным наземных наблюдений количество облаков над океаном растёт, по данным спутниковых наблюдений — уменьшается). По расчётам с ансамблем моделей в XXI веке при ожидаемом потеплении в целом отмечено сокращение среднегодового количества облаков как над сушей так и над океаном в низких и средних широтах и рост количества облаков над полярными широтами. При этом, сезонные различия в тренде облачности будут способствовать ожидаемому росту глобальной приповерхностной температуры. Изменения облачности во внетропических широтах северного полушария связаны с изменением циклонической активности.

3. Детальный анализ изменений облачности над Северной Евразией выявил рост количества облаков в зимний период над южными российскими регионами согласно спутниковым и наземным наблюдениям. В летнее время по различным данным наблюдений отмечены разнонаправленные тенденции. При потеплении в XXI веке согласно расчётам с ансамблем моделей над российскими регионами отмечается увеличение количества облаков зимой и сокращение летом. Подобные изменения будут способствовать усилению ожидаемого потепления: согласно полученным оценкам, максимальная температура воздуха имеет прямую зависимость от количества облаков в зимний период и отрицательную в летний. Одним из возможных региональных последствий сокращения количества летней облачности, наряду с сокращением количества осадков и роста приповерхностной температуры, является увеличение повторяемости таких экстремальных явлений как сильные засухи и лесные пожары. В частности, на юге Европейского и Азиатского регионов России в XXI веке ожидается рост риска пожа-роопасности и увеличение продолжительности пожароопасного периода. В то же время, на севере России ожидается уменьшение рисков пожароопасности.

4. Сделаны оценки связи количества облаков с изменениями температурного режима Земли. Получены количественные оценки линейной связи облачности и температуры. Современные данные не позволяют однозначно выявить связь облачности с температурным режимом на глобальном и полушарном уровне.

5. С использованием энергобалансовой климатической модели получены оценки эффективности компенсации ожидаемого глобального потепления за счёт эмиссий сульфатных аэрозолей в стратосферу в зависимости от некоторых управляющих параметров, в том числе от чувствительности облачности к изменению глобальной температуры.

Автор выражает глубокую благодарность своему научному руководителю Игорю Ивановичу Мохову за помощь в постановке задачи, за полезные и плодотворные беседы по тематике работы. Автор благодарит Алексея Викторовича Елисеева за теоретические и практические обсуждения и замечания, позволившие улучшить работу, а также за предоставленные результаты расчётов с климатическомй моделью ИФА РАН. Автор благодарит Игоря Марковича Школьника за предоставленные расчёты с использованием региональной климатической модели ГГО, Ольгу Николаевну Булыгину за предоставленные данные по станционным наблюдениям ВНИИГМИ-МЦД, Клаудию Штубенро (Claudia Stubenrauch) за предоставление данных спутниковых наблюдений. Также, автор выражает благодарность всем научным коллективам, подготовившим использовавшиеся в работе данные спутниковых и наземных наблюдений, данные реанализа и модельные расчёты. В заключение автор благодарит весь коллектив Лаборатории теории климата за создание такого научного климата, в котором можно и нужно плодотворно заниматься теорией.

Список литературы диссертационного исследования кандидат физико-математических наук Чернокульский, Александр Владимирович, 2010 год

1. Акперов М.Г., Бардин М.Ю., Володин Е.М., Голицын Г.С., Мохов И.И. Функции распределения вероятностей циклопов и антициклонов по данным реапализа и модели климата ИВМ РАН // Изв. РАН, Физика атмосферы п океана. 2007. Т. 43. № 6. С. 764-772.

2. Берлянд Т.Г., Строкипа JI.A. Глобальное распределение общего количества облаков. JT.: Гидрометеоиздат. 1980. 70 с.

3. Будыко М.И. Изменение климата. Л.: Гидрометеоиздат. 1974. 280 с.

4. Ветлов И.П. Космическая система «Метеор» на службе гидрометеорологии. Обнинск: ВНИ-ИГМИ МЦЦ. 1981. .

5. Волкова Е.В., Успенский A.B. Определение количества облачности по изображениям облачного покрова в видимом и инфракрасном диапазонах спектра с полярно-орбитальных ИСЗ // Метеорология и гидрология. 1998. № 9. С. 15-25.

6. Волкова Е.В., Успенский A.B. Детектирование облачности и выделение зон осадков регионального масштаба по данным полярно-орбитальных метеорологических ИСЗ // Метеорология и гидрология. 2002. № 4. С. 28-38.

7. Волкова Е.В., Успенский A.B. Детектирование облачности и определение ее параметров по спутниковым данным в светлое время суток // Метеорология и гидрология. 2007. № 12. С. 5-20.

8. Володин Е.М. Связь между температурной чувствительностью к удвоению содержания углекислого газа и распределением облачности в современных моделях климата // Изв. РАН, Физика атмосферы и океана. 2008. Т. 44. № 3. С. 311-323.

9. Герман М.А. Спутниковая метеорология. Л.: Гидрометеоиздат. 1975. 368 с.

10. Голицын Г.С., Мохов И.И., Акперов М.Г., Барднн М.Ю. Функции распределения вероятности для циклонов и антициклонов в период 1952-2000 гг.: инструмент для определения изменений глобального климата // Доклады РАН. 2007. Т. 413. № 2. С. 254-256.

11. Елисеев A.B., Мохов И.И. Влияние вулканической активности на изменение климата последних нескольких веков: оценки с климатической моделью промежуточной сложности // Изв. РАН, Физика атмосферы п океана. 2008. Т. 44. № 6. С. 723-746.

12. Жданко В.А., Гриценко М.В. Метод анализа лесопожарных сезонов: Практические рекомендации. JL: Ленинградский научно-исследовательский институт лесного хозяйства. 1980.45 с.

13. Изменение окружающей среды и климата: природные и связанные с ними техногенные катастрофы. / Лаверов Н.П. (ред.). М.: Изд. Института геологии рудных месторождений, петрографии, минералогии и геохимии РАН. 2007. 200 с.

14. Израэль Ю.А. Эффективный путь сохранения климата на современном уровне — основная цель решения климатической проблемы // Метеорология и гидрология. 2005. № 10. С. 5-9.

15. Израэль Ю.А., Борзенкова И.И., Северов Д.А. Роль стратосферных аэрозолей в сохранении современного климата // Метеорология и гидрология. 2007. № 1. С. 5-14.

16. Израэль Ю.А., Рябошапко А.Г., Петров H.H. Сравнительный анализ геоинженерных способов стабилизации климата // Метеорология и гидрология. 2009. № 6. С. 5-24.

17. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников. М.: Физматлит. 2006. 816 с.

18. Козленко С.С., Мохов И.И., Смирнов Д.А. Анализ причинно-следственных связей между Эль-Ниньо в Тихом океане и его аналогом в экваториальной Атлантике // Изв. РАН, Физика атмосферы и океана. 2009. Т. 45. № 6. С. 754-763.

19. Малевский-Малевич С.П., Молькентин Е.К., Надёжина Е.Д., Семиошина A.A. и др. Анализ изменения пожароопасной обстановки в лесах России в XX и XXI веках на основе моделирования климатических условий // Метеорология и гидрология. 2007. № 3. С. 14-24.

20. Марчук Г.И., Кондратьев К.Я., Козодеров В.В., Хворостьянов В.И. Облака и климат. Д.: Гидрометеоиздат. 1986. 512 с.

21. Матвеев Ю.Л., Матвеев JI.T., Солдатенко С.А. Глобальное поле облачности. Д.: Гидрометеоиздат. 1986. 278 с.

22. Мелешко В.П., Голицын Г.С., Говоркова В.А., Демченко П.Ф. и др. Возможные антропогенные изменения климата России в 21-м веке: оценки по ансамблю климатических моделей // Метеорология и гидрология. 2004. № 4. С. 38-49.

23. Мелешко В.П., Кароль И.Д., Катцов В.М., Спорышев П.В. и др. Является ли рассеяние аэрозоля в стратосфере безопасной технологией предотвращения глобального потепления? // Метеорология и гидрология. 2010. № 7. С. 5-17.

24. Мелешко В.П., Катцов В.М., Спорышев П.В., Вавулин C.B., Говоркова В.А. Обратные связи в климатической системе: взаимодействие облачности, водяного пара и радиации // Метеорология и гидрология. 2000. № 1. С. 22-45.

25. Мохов И.И. О влиянии СОг на термический режим земной климатической системы // Метеорология и гидрология. 1981. № 4. С. 24-34.

26. Мохов И.И. Глобальная связь облачности и температуры по данным об их межгодовой изменчивости // Изв. АН СССР. Физика атмосферы и океана. 1985. Т. 21. № 9. С. 907-912.

27. Мохов И.И. Диагностика структуры климатической системы. СПб.: Гидрометеоиздат. 1993. 272 с.

28. Мохов И.И. Действие как интегральная характеристика климатических структур: Оценки для атмосферных блокипгов // Доклады РАН. 2006. Т. 409. № 3. С. 403-406.

29. Мохов И.И , Галин В.Я., Дегтярев А.И., Круглова E.H. и др. Сравнение моделей общей циркуляции атмосферы: диагностика внутригодовой эволюции облачности // Изв. РАН, Физика атмосферы и океана. 1993. Т. 30. № 4. С. 527-542.

30. Мохов И.И., Елисеев A.B., Демченко П.Ф., Хон В.Ч. и др. Климатические изменения и их оценки с использованием глобальной модели НФА РАН // Доклады РАН. 2005. Т. 402. № 2. С. 243-247.

31. Мохов И.И., Елисеев A.B., Хворостьянов Д.В. Эволюция характеристик межгодовой климатической изменчивости, связанной с явлениями Эль-Нииьо/Ла-Нинья // Изв. РАН, Физика атмосферы и океана. 2000. Т. 36. № 6. С. 741-751.

32. Мохов И.П., Мохов О.И., Петухов В.К., Хайруллип P.P. Влияние глобальных климатических изменений на вихревую активность в атмосфере // Изв. РАН, Физика атмосферы и океана. 1992. Т. 28. № 1. С. 11-26.

33. Мохов И.И., Мохов О.И., Петухов В.К., Хайруллин P.P. О влиянии облачности на вихревую активность атмосферы при изменениях климата // Метеорология и гидрология. 1992. № 1. С. 5-11.

34. Мохов И.И., Петухов В.К. Параметризация уходящей длинноволновой радиации для климатических моделей. М.: Препринт ИФА АН СССР. 1978. 34 с.

35. Мохов И.И., Чернокульский A.B. Региональные модельные оценки риска лесных пожаров в азиатской части России при изменениях климата // География и природные ресурсы. 2010. № 2. С. 120-126.

36. Мохов И.И., Чернокульский A.B., Школьник И.М. Региональные модельные оценки по-жароопасности при глобальных изменениях климата // Доклады РАН. 2006. Т. 411. № 6. С. 808-811.

37. Нестеров В.Г. Горимость леса и методы ее определения. М.: Гослесбумага. 1949. 76 с.

38. Петросянц М.А., Гущина Д.Ю. Об определении явлений Эль-Ниньо и Ла-Нинья // Метеорология и гидрология. 2002. jV2 8. С. 24-36.

39. Рублев А.Н., Успенский A.B., Троценко А.Н., Удалова Т.А., Волкова Е.В. Детектирование и оценка балла облачности по данным атмосферных ИК-зондировщиков высокого спектрального разрешения // Исследование Земли из космоса. 2004. № 3. С. 43-51.

40. Успенский A.B. Современное состояние и перспективы дистанционного температурно-влажностного зондирования земной атмосферы // Исследование Земли из космоса. 2010. № 2. С. 26-36.

41. Успенский A.B., Троценко А.Н., Рублев А.Н. Проблемы и перспективы анализа и использования данных спутниковых ИК-зондировщиков высокого спектрального разрешения // Исследование Земли из космоса. 2005. № 5. С. 18-33.

42. Фролькис В.А., Кароль И.Л. Моделирование влияния параметров стратосферного аэрозольного экрана на эффективность компенсации парникового потепления глобального климата // Оптика атмосферы и океана. 2010. Т. 23. № 8. С. 710-722.

43. Хлебникова Е.И., Салль И.А. Особенности климатических изменений облачного покрова над территорией России // Метеорология и гидрология. 2009. JV- 7. С. 5-13.

44. Хмелевцов С.С. Изучение климата при использовании энергобалансовых моделей. Л.: Гид-рометеоиздат. 1988. 149 с.

45. Чернокульский A.B., Елисеев A.B., Мохов И.И. Аналитические оценки эффективности предотвращения потепления климата контролируемыми аэрозольными эмиссиями в стратосферу // Метеорология и гидрология. 2010. № 5. С. 16-26.

46. Чернокульский A.B., Мохов И.И. Глобальные и региональные изменения облачности по • данным ISCCP в 1983-2004 гг. // Тезисы международного симпозиума стран СНГ «Атмосферная радиация. МСАР-2006» 2006. 71 с.

47. Чернокульский A.B., Мохов И.И. Облачно-радиационные аномалии, связанные с явлениями Эль-Ниньо. // Тезисы международного симпозиума «Физика атмосферы: наука и образование» 2007. С. 184-186.

48. Чернокульский A.B., Мохов И.И. Изменения глобальной и региональной облачности по различным спутниковым данным. // Тезисы седьмой всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» 2009. 177 с.

49. Чернокульский A.B., Мохов И.И. Сравнение современных глобальных климатологий облачности. // Современные проблемы дистанционного зондирования Земли из космоса. Вып. 6, Т.2 / Лаверов Н.П. (ред.). М.: ООО «Азбука-2000». 2009. С. 235-243.

50. Чернокульский A.B., Мохов И.И. Глобальное поле облачности: современное состояние и наблюдаемые изменения. // Тезисы четырнадцатой Всероссийской конференции молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические эффекты» 2010. 76 с.

51. Чернокульский A.B., Мохов И.И. Сравнительный анализ характеристик глобальной и зональной облачности по различным спутниковым и наземным наблюдениям // Исследование Земли из космоса. 2010. № 3. С. 12-29.

52. Школьник И.М., Мелешко В.П., Гаврилина В.М. Валидация региональной климатической модели ГГО // Метеорология и гидрология. 2005. № 1. С. 14-27.

53. Школьник И.М., Мелешко В.П., Катцов В.М. Возможные изменения климата на европейской части России и сопредельных территориях к концу XXI века: расчет с региональной моделью ГГО // Метеорология и гидрология. 2006. № 3. С. 5-16.

54. Школьник U.M., Мелешко В.П., Катцов В.М. Региональная климатическая модель ГГО для территории Сибири // Метеорология и гидрология. 2007. № 6. С. 5-18.

55. Acarreta J.R., De Haan J.F., Stammes P. Cloud pressure retrieval using the О2-О2 absorption band at 477 nm // J. Geophys. Res. 2004. V. 109. P. D05204.

56. Ackerman S.A., Holz R.E., Frey R.A., Eloranta E.W. et al. Cloud detection with MODIS. Part II: Validation //J. Atmos. Oceanic Technol. 2008. V. 25. № 7. P. 1073-1086.

57. Ackerman S.A., Strabala K.I., Menzel W.P., Prey R.A. et al. Discriminating clear sky from clouds with MODIS // J. Geophys. Res. 1998. V. 103. № D24. P. 32,141-32,157.

58. Aumann H.H., Chahine M.T., Gautier C., Goldberg M.D. et al. AIRS/AMSU/HSB on the Aqua mission: design, science objectives, data products, and processing systems // IEEE Trans. Geosci. Remote Sens. 2003. V. 41. № 2. R 253-264.

59. Barnes W.L., Pagano T.S., Salomonson V.V. Prelaunch characteristics of the Moderate Resolution Imaging Spectroradiometer (MODIS) on EOS-AMI // IEEE Trans. Geosci. Remote Sens. 1998. V. 36. № 4. P. 1088-1100.

60. Bedacht E., Gulev S.K., Macke A. Intercomparison of global cloud cover fields over oceans from the VOS observations and NCEP/NCAR reanalysis // Int. J. Climatol. 2007. V. 27. № 13. P. 1707-1719.

61. Bergman J.W., Salby M.L. Diurnal Variations of Cloud Cover and Their Relationship to Clima-tological Conditions // J. Climate. 1996. V. 9. № 11. P. 2802-2820.

62. Bey I., Jacob D.J., Yantosca R.M., Logan J.A. et al. Global modeling of tropospheric chemistry with assimilated meteorology: Model description and evaluation //J. Geophys. Res. 2001. V. 106. № D19. P. 23073-23096.

63. Bony S., Colman B., Kattsov V.M., Allan R.P. et al. How Well Do We Understand and Evaluate Climate Change Feedback Processes? // J. Climate. 2006. V. 19. № 15. P. 3445-3482.

64. Bosilovich M. NASA's Modern Era Retrospective-analysis for Research and Applications (MERRA). // Presentation to the Department of Earth and Atmospheric Sciences 2009. .

65. Bovensmann H., Burrows J.P., Buchwitz M., Frerick J. et al. SCIAMACHY: Mission Objectives and Measurement Modes //J. Atmos. Sci. 1999. V. 57. № 2. P. 127-150.

66. Brovkin V., Petoukhov V., Claussen M., Bauer E. et al. Geoengineering climate by stratospheric sulfur injections: Earth system vulnerability to technological failure // Clim. Change. 2006. V. 92. № 3-4. P. 243-259.

67. Buriez J.C., Vanbauce C., Parol F., Goloub P. et al. Cloud detection and derivation of cloud properties from POLDER // Int. J. Remote Sensing. 1997. V. 18. № 13. P. 2785-2813.

68. Cairns B. Diurnal variations of cloud from ISCCP data // Atmos. Res. 1995. V. 37. № 1-3. P. 133-146.

69. Chahine M., Vane D. GEWEX: The Global Energy and Water Cycle Experiment. Washington, DC, USA: 1994. 11 p.

70. Chédin A.S., Serrar S., Scott N.A., Crevoisier C., Armante R. First global measurement of midtro-pospheric C02 from NOAA polar satellites: Tropical zone //J. Geophys. Res. 2003. V. 108. № D18. R 4581.

71. Chen T., Rossow W.B., Zhang Y. Radiative Effects of Cloud-Type Variations // J. Climate. 2000. V. 13. № 1. R 264-286.

72. Chen Y., Sun-Mack S., Minnis P., Smith W., Young D.F. Surface spectral emissivity derived from MODIS data. // Optical Reinóte Sensing of the Atmosphere and Clouds III / Huang H.-L., Lu D., Sasano Y. (eds.). 4891 2003. P. 361-369.

73. Chen Y., Sun-Mack S., Trepte Q.Z., Minnis P., Young D.F. Solar Zenith Angle Variation of Clear-Sky Narrowband Albedos Derived from VIRS and MODIS. // Proc. 11th AMS Conf. Atmos. Rad. Ogden, UT: 2002. P. 152-155.

74. Chepfer H., Bony S., Winker D., Cesana G. et al. The GCM-Oriented CALIPSO Cloud Product (CALIPSO-GOCCP) // J. Geophys. Res. 2010. V. 115. P. D00H16.

75. Chernokulsky A.V. Cloudiness anomalies and El Niño Effects. // Research Activities in Atmospheric and Oceanic Modelling / Cote J. (ed.). WMO/TD-No.1397 Geneva: WMO. 2007. P. 02.0502.06.

76. Chernokulsky A.V. Total cloudiness changes during 1983-2006 from ISCCP data. // Research Activities in Atmospheric and Oceanic Modelling / Cote J. (ed.). 38 Geneva: WMO. 2008. P. 02.0702.08.

77. Chernokulsky A.V., Mokhov I.I. Forest fire conditions in Eurasian regions from model simulations. // Research Activities in Atmospheric and Oceanic Modelling / Cote J. (ed.). 38 Geneva: WMO. 2008. P. 07.07-07.08.

78. Chernokulsky A.V., Mokhov I.I. Summer fire conditions changes in North Eurasian mid-latitudes from regional model simulations for the 21st century. // Geophysical Research Abstracts. 10. 2008. P. A-08026.

79. Chernokulsky A.V., Mokhov I.I. Compaison of Global Cloud Climatologies. // Geophysical Research Abstracts. V.12. 2010. 1721 p.

80. Clouds in the Perturbed Climate System. Their Relationship to Energy Balance, Atmospheric Dynamics, and Precipitation. / Heintzenberg J., Charlson R.J. (eds.). Cambridge, Massachusetts and London, England: The MIT Press. 2009. 615 p.

81. Cracknell A.P. The Advanced Very High Resolution Radiometer. London: Taylor and Francis. 1987. 534 p.

82. Crutzen P.J Albedo enhancement by stratospheric sulfur injections: A contribution to resolve a policy dilemma? // Clim. Change. 2006. V. 77. № 3-4. P. 211-219.

83. Dai A., Karl T.R., Sun B., Trenberth K.E. Recent Trends in Cloudiness over the United States: A Tale of Monitoring Inadequacies // Bull. Amer. Met. Soc. 2006. V. 87. № 5. P. 597-606.

84. Deschamps P.Y., Breon F.-M., Leroy M., Podaire A. et al. The POLDER mission: instrument characteristics and scientific objectives // IEEE Trans. Geosci. Remote Sens. 1994. V. 32. № 3. P. 598-615.

85. Di Girolamo L., Davies R. A Band-Differenced Angular Signature technique for cirrus cloud detection // IEEE Trans. Geosci. Remote Sens. 1994. V. 32. № 4. P. 890-896.

86. Diner D.J., Beckert J.C., Reilly T.H., Bruegge C.J. et al. Multi-angle Imaging Spectro-Radiometer (MISR) Instrument Description and Experiment Overview // IEEE Trans. Geosci. Remote Sens. 1998. V. 36. № 4. P. 1072-1087.

87. Diner D.J., Davies R., Di Girolamo L., Horvath A. et al. Earth Observing System Multi-angle Imaging Spectro-Radiometer Level 2 Cloud Detection and Classification algorithm theoretical basis. 1999. 38 p.

88. Diner D.J., Di Girolamo L., Clothiaux E.E. Earth Observing System Multi-angle Imaging Spectro-Radiometer Level 1 cloud detection algorithm theoretical basis. 1999. 102 p.

89. Durre I., Vose R.S., Wuertz D.B. Overview of the Integrated Global Radiosonde Archive // J. Climate. 2006. V. 19. № 1. P. 53-68.

90. ECMWF Newsletter No. 110 — Winter 2006/07. / Riddaway B. (ed.). Reading: European Centre for Medium-Range Weather Forecasts. 2007. 53 p.

91. Eliseev A.V., Chernokulsky A.V., Karpenko A.A., Mokhov I.I. Global warming mitigation by sulphur loading in the stratosphere: dependence of required emissions on allowable residual warming rate // Theor. Appl. Climatol. 2010. V. 101. № 1-2. R 67-81.

92. Eliseev A.V., Mokhov I.I., Chernokulsky A.V., A.A. Karpenko Global warming mitigation by sulphur loading in the atmosphere: Required emissions and possible side effects. // Geophysical Research Abstracts. V.ll. 2009. 4831 p.

93. Eliseev A.V., Mokhov I.I., Chernokulsky A.V., Karpenko A.A. Estimating efficiency of the controlled sulphur emissions in the stratosphere to mitigate global warming. // Trans. AGU, Fall Meet. Suppl. 89(53) 2008. P. U41E-04.

94. Evan A.T., Heidinger A.K., Vimont D.J. Arguments against a physical long-term trend in global ISCCP cloud amounts // Geophys. Res. Lett. 2007. V. 34. P. L04701.

95. Fougnie B., Bracco G., Lafrance B., Ruffel C. et al. PARASOL in-flight calibration and performance // Appl. Opt. 2007. V. 46. № 22. P. 5435-5451.

96. Frey R.A., Ackerman S.A., Liu Y.H., Strabala K.I. et al. Cloud detection with MODIS. Part I: Improvements in the MODIS cloud mask for collection 5 // J. Atmos. Oceanic Technol. 2008. V. 25. № 7. P. 1057-1072.

97. Geleyn J.-F., Hollingsworth A. An economical analytical method for the computation of the interaction between scaterring and line absorption of radiation // Beitr. Phys. Atmos. 1979. V. 52. P. 1-16.

98. Groisman P.Ya., Bradley R.S., Sun B. The Relationship of Cloud Cover to Near-Surface Temperature and Humidity: Comparison of GCM Simulations with Empirical Data // J. Climate. 2000. V. 13. № 11. P. 1858-1878.

99. Groisman P.Ya., Sherstyukov B.G., Razuvaev V.N., Knight R.W. et al. Potential forest fire danger over Northern Eurasia: Changes during the 20th century // Glob. Planet. Change. 2007. V. 56. № 3-4. P. 371-386.

100. Grzegorski M., Wenig M., Platt U., Stammes P. et al. The Heidelberg iterative cloud retrieval utilities (HICRU) // Atmos. Chem. Phys. 2006. V. 6. № 2. P. 4461-4476.

101. Gupta S.K., Staylor W.F., Darnell W.L., Wilber A.C., Ritchey N.A. Seasonal Variation of Surface and Atmospheric Cloud Radiative Forcing Over the Globe Derived From Satellite Data // J. Geophys. Res. 1993. V. 98. № Dil. P. 20,761-20,778.

102. Hahn C.J., Warren S.G. Extended Edited Synoptic Cloud Reports from Ships and Land Stations Over the Globe, 1952-1996. NDP-026C. Oak Ridge, TN: 1999. 71 p.

103. Hahn C.J., Warren S.G. Cloud Climatology for Land Stations Worldwide, 1971-96. NDP-026D. Oak Ridge, TN: 2003. 35 p.

104. Hahn C.J., Warren S.G. A Gridded Climatology of Clouds over Land (1971-96) and Ocean (1954-97) from Surface Observations Worldwide (NDP-026E). Oak Ridge, TN: 2007. 71 p.

105. Hahn C.J., Warren S.G., London J. The Effect of Moonlight on Observation of Cloud Cover at Night, and Application to Cloud Climatology // J. Climate. 1995. V. 8. № 5. P. 1429-1446.

106. Hansen J., Ruedy R., Glascoe J., Sato M. GISS analysis of surface temperature change // J. Geophys. Res. 1999. V. 104. № D4. P. 30,997-31,022.

107. Hansen J., Sato M., Ruedy R., Nazarenko L. et al. Efficacy of climate forcings // J. Geophys. Res. 2005. V. 110. P. D18104.

108. Hansen M., DeFries R., Townshend J.R.G., Sohlberg R. Global land cover classification at 1km resolution using a decision tree classifier // Int. J. Remote Sensing. 2000. V. 21. P. 1331-1365.

109. Heidinger A.K. CLAVR-x Cloud mask algorithm theoretical basis document (ATBD). Washington, D.C.: 2004. 68 p.

110. Henderson-Sellers A. Continental cloudiness changes this century // GeoJ. 1992. V. 27. № 3. P. 255-262.

111. Hines K.M., Bromwich D.H., Marshall G.J. Artificial Surface Pressure Trends in the NCEP-NCAR Reanalysis over the Southern Ocean and Antarctica // J. Climate. 2000. V. 13. № 22. P. 3940-3952.

112. Hofmann D.J., Solomon S. Ozone Destruction Through Heterogeneous Chemistry Following the Eruption of El Chichon // J. Geophys. Res. 1989. V. 94. № D4. P. 5029-5041.

113. Hughes N.A. Global Cloud Climatologies: A Histoiical Review // J. Appl. Meteor. 1984. V. 23. № 5. P. 724-751.

114. Jacobowitz H., Stowe L.L., Ohring G, Heidinger A. et al. The Advanced Very High Resolution Radiometer Pathfinder Atmosphere (PATMOS) Climate Dataset: A Resource for Climate Research // Bull. Amer. Met. Soc. 2004. V. 84. № 6. P. 785-793.

115. Jakob C. Cloud Cover in the ECMWF Reanalysis // J. Climate. 1999. V. 12. № 4. P. 947-959.

116. Jevrejeva S., Moore J.C., Grinsted A. Influence of the arctic oscillation and El Nino-Southern Oscillation (ENSO) on ice conditions in the Baltic Sea: The wavelet approach //J. Geophys. Res. 2004. V. 108. № D21. P. 4677

117. Jin Y., Rossow W.B., Wylie D.P. Comparison of the Climatologies of High-Level Clouds from HIRS and ISCCP // J. Climate. 1996. V. 9. № 11. P. 2850-2879.

118. Jones A., Haywood J., Boucher O. A comparison of the climate impacts of geoengineering by stratospheric SO2 injection and by brightening of marine stratocumulus cloud // Atmos. Sei. Lett, published online], 2010. .

119. Jones P.D., New M., Parker D.E., Martin S., Rigor I.G. Surface air temperature and its variations over the last 150 years // Rev. Geophys. 1999. V. 37. № 2. P. 173-199.

120. Kanamitsu M., Ebisuzaki W., Woollen J., Yang S.K. et al. NCEP-DOE AMIP-II Reanalysis (R-2) // Bull. Amer. Met. Soc. 2002. V. 83. № 11. P. 1631-1643.

121. Kanamitsu M., Kistler R.E., Reynolds R.W. NCEP/NCAR reanalysis and the use of satellite data // Adv. Space Res. 1997. V. 19. № 3. P. 481-489.

122. Kasischke E.S., Hyer E.J., Novelli P.C., Bruhwiler L.P. et al. Influences of boreal fire emissions 011 Northern Hemisphere atmospheric carbon and carbon monoxide // Glob. Biogeochem. Cycles. 2005. V. 19. P. GB1012.

123. Keeling C.D., Chin J.F.S., Whorf T.P. Increased activity of northern vegetation inferred from atmospheric C02 measurements // Nature. 1996. V. 382. P. 146 149.

124. Kent G.S., Sage K.H., Trepte C.R., Wang P.-H. Stratospheric Aerosol and Gas Experiment III cloud data product // Appl. Opt. 2007. V. 46. № 8. P. 1261-1278.

125. Key J. The Cloud and Surface Parameter Retrieval (CASPR) system for polar AVHRR user's guide. Madison: 2002. 61 p.

126. Kistler R., Kalnay E., Collins W., Saha S. et al. The NCEP-NCAR 50-Year Reanalysis: Monthly Means CD-ROM and Documentation // Bull. Amer. Met. Soc. 2001. V. 82. № 2. P. 247-267.

127. Koelemeijer R.B.A., de Haan J.F., Stammes P. A database of spectral surface reflectivity in the range 335-772 nm derived from 5.5 years of GOME observations // J. Geophys. Res. 2003. V. 108. № D2. P. D24070.

128. Koelemeijer R.B.A., Stammes P., Hovenier J.W., de Haan J.F. A fast method for retrieval of cloud parameters using oxygen A-band measurements from the Global Ozone Monitoring Experiment // J. Geophys. Res. 2001. V. 106. № D4. P. 3475-3490.

129. Kokhanovsky A.A., Rozanov V.V., Nauss T., Reudenbach C. et al. The semianalytical cloud retrieval algorithm for SCIAMACHY I. The validation // Atmos. Chem. Pliys. 2005. V. 6. № 7. P. 1905-1911.

130. Leemans R., Cramer W.R The IIASA database for mean monthly values of Temperature, Precipitation, and Cloudiness on a global terrestrial grid. Laxenburg, Austria: Novographic. 1991. 62 p.

131. Lian M.S., Cess R.D. Energy Balance Climate Models: A Reappraisal of Ice-Albedo Feedback // J. Atmos. Sci. 1977. V. 34. № 7. P. 1058-1062.

132. Maddux B.C., Ackerman S.A., Platnick S. Viewing Geometry Dependencies in MODIS Cloud Products //J. Atmos. Oceanic Technol. 2010. V. 27. № 9. P. 1519-1528.

133. Marti O., Braconnot P., Bellier J., Benshila R. et al. The new IPSL climate system model: IPSL-CM4. Note du Pole de Modélisation. Paris, France: 2005. 84 p.

134. Matthews H.D., Caldeira K. Transient climate-carbon simulations of planetary geoengineering // Proc. Nat. Acad. Sci. 2007. V. 104. № 24. P. 9949-9954.

135. Meehl G.A., Covey C., Delworth T., Latif M. et al. The WCRP CMIP3 Multimodel Dataset: A New Era in Climate Change Research // Bull. Amer. Met. Soc. 2007. V. 88. № 9. P. 1383-1394.

136. Meshcherskaya A.V., Blazhevich V.G. The Drought and Excessive Moisture Indices in a Historical Perspective in the Principal Grain-Producing Regions of the Former Soviet Union //J. Climate. 1997. V. 10. № 10. P. 2670-2682.

137. Miller D.B., Feddes R.G. Global atlas of relative cloud cover. Washington, D.C.: 1971. 140 p.

138. Minnis P. Viewing zenith angle dependence of cloudiness determined from coincident GOES East and GOES West data // J. Geophys. Res. 1989. V. 94. № D2. P. 2303-2320.

139. Minnis P., Trepte Q.Z., Sun-Mack S., Chen Y. et al. Cloud Detection in Nonpolar Regions for CERES Using TRMM VIRS and Terra and Aqua MODIS Data // IEEE Trans. Geosci. Remote Sens. 2008. V. 46. № 11. P. 3857 3884.

140. Mitchell T.D, Carter T.R., Jones P.D., Hulme M., New M. A comprehensive set of high-resolution grids of monthly climate for Europe and the globe: the observed record (1901-2000) and 16 scenarios (2001-2100). Norwich, UK: 2004. .

141. Mitchell T.D., Jones P.D. An improved method of constructing a database of monthly climate observations and associated high-resolution grids // Int. J. Climatol. 2005. V. 25. № 6. P. 693-712.

142. Mokhov I.I. Global cloudiness: Tendencies of change. // ISPP-7 «Piero Caldirola», Controlled Active Global Experiments (CAGE) / Sindon E., Wong A.Y. (eds.). Bologna, Italy: Societa Ialiana di Fisica. 1991. P. 19-37.

143. Mokhov I.I., Chernokulsky A.V. Global cloudiness: Tendencies of Change from ISCCP data. // Research Activities in Atmospheric and Oceanic Modelling / Cote J. (ed.). WMO/TD-No.1161 Geneva: WMO. 2003. P. 02.07-02.08.

144. Mokhov I.I., Chernokulsky A.V. Global and North Eurasian characteristics of cloudiness. // Proceedings of 5th International Conference «Atmospheric Physics, Climate, and Environment» 2010. 19 p.

145. Mokhov I.I., Chernokulsky A.V., Shkolnik I.M. Changes in summer fire conditions for North Eurasian mid-latitudes from regional model simulations for the 21st century. // Proceedings of IUGG XXIV General Assembly 2007. P. JMS015-1229.

146. Mokhov I.I., Chernokulsky A.V., Tikhonov V.A. Regional changes of extreme dry conditions from ERA-40 reanalysis data for Northern Eurasia. // Geophysical Research Abstracts. V.7. 2005. P. A-08938.

147. Mokhov I.I., Love P.K. Diagnostic of cloudiness evolution in the annual cycle and interannual variability in the AMIP. // Proceedings of The First International AMIP Scientific Conf. WCRP-92, WMO/TD-No.732 1995. P. 49-53.

148. Mokhov I.I., Schlesinger M.E. Analysis of Global Cloudiness 1. Comparison of Meteor, Nimbus 7, and International Satellite Cloud Climatology Project (ISCCP) Satellite Data // J. Geophys. Res. 1993. V. 98. № D7. P. 12,849-12,868.

149. Mokhov I.I., Schlesinger M.E. Analysis of global cloudiness 2. Comparison of ground-based and satellite-based cloud climatologies // J. Geophys. Res. 1994. V. 99. № D8. P. 17045-17065.

150. Muller J.-P., Denis M.-A., Dundas R.D., Mitchell K.L. et al. Stereo cloud-top heights and cloud fraction retrieval from ATSR-2 // Int. J. Remote Sensing. 2007. V. 28. № 9. P. 1921-1938.

151. Mutlow C.T., Smith D.L, Murray M.J. The Along Track Scanning Radiometer (ATSR) Instruments on ERS-1 and -2 // Earth Obs. Quart. 2000. V. 65. P. 1-5.

152. Myhre G., Myhre A., Stordal F. Historic evolution of radiative forcing of climate // Atmos. Environ. 2001. V. 35. № 13. P. 2361-2373.

153. New M., Hulme M., Jones P.D. Representing Twentieth-Century Space-Time Climate Variability. Part I: Development of a 1961-90 Mean Monthly Terrestrial Climatology //J. Climate. 1999. V. 12. № 3. P. 829-856.

154. New M., Hulme M., Jones P.D. Representing Twentieth-Century Space-Time Climate Variability. Part II: Development of 1901-96 Monthly Grids of Terrestrial Surface Climate // J. Climate. 2000. V. 13. № 13. P. 2217-2238.

155. Norris J.R. On Trends and Possible Artifacts in Global Ocean Cloud Cover between 1952 and 1995 // J. Climate. 1999. V. 12. № 6. P. 1864-1870.

156. Norris J.R. Multidecadal changes in near-global cloud cover and estimated cloud cover radiative forcing // J. Geophys. Res. 2005. V. 110. P. D08206.

157. North G.R. Theory of energy-balance climate models // J. Atmos. Sei. 1975. V. 11. № 32. P. 2,033-2,043.

158. Onogi IC., Tsuitsui J., Koide H., Sakamoto M. et al. The JRA-25 Reanalysis // J. Met. Soc. Japan. 2007. V. 85. № 4. P. 369-432.

159. Parol F., Buriez J.-C., Vanbauce C., Couvert P. et al. First results of the POLDER «Earth Radiation Budget and Clouds» operational algorithm // IEEE Trans. Geosci. Remote Sens. 1999. V. 37. № 3. P. 1597-1612.

160. Petoukhov V.K., Mokhov I.I., Eliseev A.V., Semenov V.A. The IAP RAS global climate model. M.: Dialogue-MSU. 1998. 110 p.

161. Poulsen C., Watts P. Retieval and Validation of Cloud Properties using ATSR-2 Data. // EU-METSAT Meterological Satellite Conference Dublin, Ireland: 2002. .

162. Quante M. The role of clouds in the climate system // J. Phys. IV France. 2004. V. 121. P. 61-86.

163. Ramanathan V., Cess R.D., Harrison E.F., Minnis P. et al. Cloud-radiative forcing and climate: Results from the Eaxth Radiation Budget Experiment // Science. 1989. V. 243. № 4887. P. 57-63.

164. Rasch P.J., Crutzen P.J., Coleman D.B. Exploring the geoengineering of climate using stratospheric sulfate aerosols: The role of particle size // Geophys. Res. Lett. 2008. V. 35. P. L02809.

165. Rienecker M.M., Suarez M.J., Todling R., Bacmeister J. et al. The GEOS-5 Data Assimilation System-documentation of versions 5.0.1 and 5.1.0 and 5.2.0. / Suarez M.J. (ed.). 2007. 92 p.

166. Robock A. Volcanic Eruptions and Climate // Rev. Geophys. 2000. V. 38. № 2. P. 191-219.

167. Rodgers C.D. Retrieval of Atmospheric Temperature and Composition from Remote Measurements of Thermal Radiation // Rev. Geophys. 1976. V. 14. № 4. P. 609-624.

168. Rossow W.B., Dueñas E.N. The International Satellite Cloud Climatology Project (ISCCP) Web site — An online resource for research // Bull. Amer. Met. Soc. 2004. V. 85. № 2. P. 167-172.

169. Rossow W.B., Garder L.C. Cloud detection using satellite measurements of infrared and visible radiances for ISCCP // J. Climate. 1993. V. 6. № 12. P. 2370-2393.

170. Rossow W.B., Schiffer R.A. Advances in understanding clouds from ISCCP // Bull. Amer. Met. Soc. 1999. V. 80. jY- 11. P. 2261-2287.

171. Rossow W.B., Walker A.W., Garder L.C. Comparison of ISCCP and Other Cloud Amounts // J. Climate. 1993. V. 6. № 12. P. 2394-2418.

172. Rossow W.B., Zhang Y.-C. Calculation of suiface and top of atmosphere radiative fluxes from physical quantities based on ISCCP data sets 2. Validation and first results // J. Geophys. Res. 1995. V. 100. № Dl. P. 1167-1197.

173. Sayer A., Poulsen C., Grainger D. GRAPE Output Products Version 3.1. University of Oxford, Oxford, UK: 2009. 24 p.

174. Schiffer R.A., Rossow W.B. The International Satellite Cloud Climatology Project (ISCCP): The First Project of the World Climate Research Programme // Bull. Amer. Met. Soc. 1983. V. 64. № 7. P. 779-784.

175. Schneider S.H. Earth systems engineering and management // Nature. 2001. V. 409. № 6868. P. 417-421.

176. Smith S.J., Pitchera H., Wigley T.M.L. Global and regional anthropogenic sulfur dioxide emissions // Glob. Planet. Change. 2001. V. 29. № 1-2. P. 99-119.

177. Smith T.M., Reynolds R.W., Peterson T.C., Lawrimore J. Improvements to NOAA's Historical Merged Land-Ocean Surface Temperature Analysis (1880-2006) // J. Climate. 2008. V. 21. № 10. P. 2283-2296.

178. Stephens G.L. Cloud Feedbacks in the Climate System: A Critical Review // J. Climate. 2005. V. 18. № 2. P. 237-273.

179. Stephens G.L., Vane D.G., Boain R. J., Mace G.G. et al. The CloudSat mission and the A-Train. A New Dimension of Space-Based Observations of Clouds and Precipitation // Bull. Amer. Met. Soc. 2002. V. 83. № 12. P. 1771-1790.

180. Stowe L., Wellemeyer C., Eck T., Yeh H., cloud data procecessing team The Nimbus-7 Nimbus-7 Global Cloud Climatology, part I: Algorithms and Validation // J. Climate. 1988. V. 1. № 5. P. 445-470.

181. Stowe L.L., Davis P.A., McClain E.P. Scientific basis and initial evaluation of the CLAVR-1 global clear/cloud classification algorithm for the Advanced Very High Resolution Radiometer // J. Atmos. Oceanic Technol. 1999. V. 16. № 6. P. 656-681.

182. Stubenrauch C.J., Chedin A., Armante R., Scott N.A. Clouds as Seen by Satellite Sounders (31) and Imagers (ISCCP). Part II: A New Approach for Cloud Parameter Determination in the 31 Algorithms // J. Climate. 1999. V. 12. № 8. P. 656-681.

183. Stubenrauch C.J., Chedin A., Rädel G., Scott N.A., Serrar S. Cloud Properties and Their Seasonal and Diurnal Variability from TOVS Path-B // J. Climate. 2006. V. 19. № 21. P. 5531-5553.

184. Stubenrauch C.J., Cros S., Lamquin N., Armante R. et al. Cloud properties from Atmospheric Infrared Sounder and evaluation with Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations //J. Geophys. Res. 2008. V. 113. P. D00A10.

185. Stubenrauch C.J., and GEWEX cloud assessment group. Assessment of global cloud climatologies. // 4th Pan-GCSS Meeting on «Advances on Modelling and Observing Clouds and Convection». Toulouse, France: 2008. .

186. Sukhinin A.I., French N.H, Kasischke E.S., Hewson J.H. et al. AVHRR-based mapping of fires in Russia: New products for fire management and carbon cycle studies // Remote Sens. Environ. 2004. V. 93. № 4. P. 546-564.

187. Sun B., Groisman P.Y., Mokhov I.I. Changes in Cloud-Type Frequency and Inferred Increases in Convection over the United States and the Former USSR // J. Climate. 2001. V. 14. № 8. P. 1864-1880.

188. Susskind J., Reuter D., Chahine M.T. Cloud Fields Retrieved From Analysis of HIRS2/MSU Sounding Data //J. Geophys. Res. 1987. V. 92. № D4. P. 4035-4050.

189. Taylor K.E. Summarizing multiple aspects of model performance in a single diagram // J. Geophys. Res. 2001. V. 106. № D7. P. 7183-7192.

190. Thomas S.M., Heidinger A.K., Pavolonis M.J. Comparison of NOAA's Operational AVHRR-Derived Cloud Amount to Other Satellite-Derived Cloud Climatologies // J. Climate. 2004. V. 17. 3V° 24. P. 4805-4822.

191. Tilmes S., Muller R., Salawitch R. The Sensitivity of Polar Ozone Depletion to Proposed Geo-engineering Schemes // Science. 2008. V. 320. № 5880. P. 1201-1204.

192. Torrence C., Compo G.P. A Practical Guide to Wavelet Analysis // Bull. Amer. Met. Soc. 1998. V. 79. № 1. P. 61-78.

193. Trenberth K.E., Dai A. Effects of Mount Pinatubo volcanic eruption on the hydrological cycle as an analog of geoengineering // Geophys. Res. Lett. 2007. V. 34. P. L15702.

194. Trenberth K.E., Fasullo J.T., Kiehl J. Earth's Global Energy Budget // Bull. Amer. Met. Soc. 2009. V. 90. № 3. P. 311-323.

195. Trepte Q., Chen Y., Sun-Mack S., Minnis P. et al. Scene identification for the CERES cloud analysis subsystem. // Proceedings of the AMS 10th Conference on Atmospheric Radiation Boston: Am. Meteorol. Soc. 1999. 169-172 p.

196. Uppala S.M., Kallberg P.W., Simmons A.J., Andrae U. et al. The ERA-40 re-analvsis // Quart. J. R. Met. Soc. 2005. V. 131. № 612. P. 2961-3012.

197. Venevsky S., Thonicke K., Sitch S., Cramer W. Simulating fire regimes in human-dominated ecosystems: Iberian Peninsula case study // Glob. Change Biol. 2002. V. 8. № 10. P. 984-998.

198. Vygodskaya N.N., Groisman P.Ya, Tchebakova N.M., Kurbatova J.A. et al. Ecosystems and climate interactions in the boreal zone of northern Eurasia // Environ. Res. Lett. 2007. V. 4. № 4. P. 045033.

199. Wang L., Qu J. J., Xiong J., Hao X. et al. A preliminary study of Aqua/MODIS snow coverage continuity with simulated band 6. // Remote Sensing and Modeling of Ecosystems for Sustainability III / Gao W., Ustin S.L. (eds.). 6298 2006. .

200. Wang P., Stammes P., van der A R., Pinardi G., van Roozendael M. FRESCO+: an improved O2 A-band cloud retrieval algorithm for tropospheric trace gas retrievals // Atmos. Chem. Phys. 2008. V. 8. № 21. P. 6565-6576.

201. Wang P.-H., Veiga R.E., Vann L.B., Minnis P., Kent G.S. A further study of the method for estimation of SAGE II opaque cloud occurrence // J. Geophys. Res. 2001. V. 106. № D12. P. 12603-12613.

202. Wang X., Key J.R. Arctic Surface, Cloud, and Radiation Properties Based on the AVHRR Polar Pathfinder Dataset. Part I: Spatial and Temporal Characteristics //J. Climate. 2005. V. 18. № 4. P. 2558-2574.

203. Warren S.G., Eastman R.M., Hahn C.J. A Survey of Changes in Cloud Cover and Cloud Types over Land from Surface Observations // J. Climate. 2007. V. 20. № 4. R 717-738.

204. Weare B.C., Mokhov I.I. Evaluation of Total Cloudiness and Its Variability in the Atmospheric Model Intercomparison Project //J. Climate. 1995. V. 8. № 9. P. 2224-2238.

205. Weaver C.P. Efficiency of storm tracks an important climate parameter? The role of cloud radiative forcing in poleward heat transport // J. Geophys. Res. 2003. V. 108. .V" Dl. P. 4018.

206. Wielicki B.A., Barkstrom B.R., Harrison E.P., Lec G., R.B. Louis Smith, Cooper J.E. Clouds and the Earth's Radiant Energy System (CERES): An Earth Observing System Experiment // Bull. Amer. Met. Soc. 1996. V. 77. № 5. P. 853-868.

207. Wigley T.M.L. A combined mitigation/geoengineering approach to climate stabilization // Science. 2006. V. 314. № 5798. P. 452-454.

208. Williams K.D., Tselioudis G. GCM intercomparison of global cloud regimes: Present-day evaluation and climate change response // Clim. Dyn. 2007. V. 29. № 2-3. P. 231-250.

209. Winker D.M., Vaughan M.A., Omar A., Hu Y. et al. Overview of the CALIPSO Mission and CALIOP Data Processing Algorithms // J. Atmos. Oceanic Technol. 2009. V. 26. № 11. P. 2310-2323.

210. Worley S.J., Woodruff S.D., Reynolds R.W., Lubker S.J., Lott N. ICOADS Release 2.1 data and products // Int. J. Climatol. 2005. V. 25. P. 823-842.

211. Wylie D.P. Diurnal Cycles of Clouds and How They Affect Polar-Orbiting Satellite Data // J. Climate. 2008. V. 21. № ??. P. 3989-3996.

212. Wylie D.P., Jackson D.L., Menzel W.P., Bates J.J. Trends in Global Cloud Cover in Two Decades of HIRS Observations // J. Climate. 2005. V. 18. № 15. P. 3021-3031.

213. Wylie D.P., Menzel W.P., Woolf H.M., Strabala K.I. Four years of global cirrus cloud statistics using HIRS // J. Climate. 1994. V. 7. № 12. P. 1972-1986.

214. Zhang M.H., Lin W.Y., Klein S.A., Bacmeister J.T. et al. Comparing clouds and their seasonal variations in 10 atmospheric general circulation models with satellite measurements //J. Geophys. Res. 2005. V. 110. P. D15S02.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.