Текст книги "Метеорологические и геофизические исследования"

Специфика статистического анализа скорости ветра обусловлена тем, что она является векторной величиной. Для её анализа использован векторно-алгебраический метод, базирующийся на модели евклидова вектора с модулем V и направлением φ (Белышев и др., 1983). Распределение по градациям φ и V в данной работе представлено таблицами двумерной повторяемости и розами ветров, а квантили – диаграммами квантилей V по румбам.

В наиболее компактной форме распределение вероятностей повторяемости скорости ветра можно представить моментами распределения. Математическое ожидание скорости ветра есть вектор , а СКО – тензор , инвариантами которого являются числа λ₁, λ₂. Последние можно интерпретировать как длины полуосей эллипса рассеяния, развернутого на угол α относительно направления на север. Линейный инвариант I₁=λ₁+λ₂ характеризует общую изменчивость скорости независимо от того, изменяются ли V или φ. Как следствие, сопоставление I₁ с дисперсией D_V модуля скорости V как скалярной величины можно использовать для оценки вклада вращения. Инвариант χ=λ₂/λ₁ характеризует вытянутость эллипса дисперсии. При χ=0 происходят только реверсивные изменения скорости, а при χ=1 интенсивность изменчивости по всем направлениям одинакова. Тренд во временных рядах скорости ветра определен как (Боков, Бухановский и др., 2001)

(5).

Анализ изменчивости климата района Тикси выполнен в рамках исследования характеристик по диапазонной изменчивости, межгодовой изменчивости и годового хода, а также изменчивости синоптического масштаба и суточного хода.

В таблице 3 приведены оценки дисперсии в зависимости от масштаба осреднения, при этом для скорости ветра использован линейный инвариант тензора дисперсии. Из таблицы следует, что наиболее сильное уменьшение величины дисперсии происходит при переходе от суточного осреднения к месячному (сезонному) и (или) от месячного (сезонного) к годовому. Резкое уменьшение дисперсии среднегодовых значений температуры и влажности воздуха относительно ее среднемесячных и среднесезонных значений свидетельствует о преобладающей роли годового хода среднемесячных данных и сезонной изменчивости. Резкое ослабление дисперсий среднесуточных значений давления, скорости ветра и облачности относительно среднемесячных свидетельствует о преобладающей роли процессов синоптического масштаба. Вклад суточного хода в дисперсию для всех элементов, за исключением облачности, относительно мал. Заметное уменьшение дисперсии среднесуточных значений скорости ветра по сравнению с дисперсией срочных данных является формальным следствием высокочастотной изменчивости направления ветра.

Таблица 3. Изменение дисперсии (%) при увеличении масштаба осреднения исходных данных.

Примечание: жирным шрифтом выделены масштабы с максимальным ослаблением дисперсии.

Графики оценок спектральной плотности в стационарном приближении, приведенные на рис. 5, подтверждают вышеприведенные заключения. В спектрах доминирует годовой ход – квазилинейчатые пики на частоте годового колебания и его обертонов, а также внутрисезонные и синоптические колебания, описываемые широкополосным спектром с квазимонотонным уменьшением S(ω) по частоте. У всех метеорологических элементов, за исключением температуры воздуха, заметен красный шум и особенности в низкочастотной области спектров. Несмотря на небольшой вклад суточного хода в общую дисперсию, квазилинейчатый пик на соответствующей частоте присутствует во всех спектрах, кроме спектра давления.

Рис. 5. Оценки спектральной плотности температуры воздуха – а, атмосферного давления – б, скорости ветра – в, г, абсолютной влажности – д, общей облачности – е. Цифры на графиках – периоды колебаний. Инварианты спектрального тензора: 1 – линейный I₁(ω), 2 – индикатор вращения D(ω), 3, 4 – большая и малая оси эллипса рассеяния λ_1,2(ω)

Оценки спектральной функции, приведенные в таблице 4, придают графикам на рис. 5 количественную определенность. В таблице приведены распределения дисперсии по диапазонам межгодовой изменчивости, годового хода и внутригодовой изменчивости с выделением 11 поддиапазонов. Как следует из таблицы 4, более 90 % дисперсии обусловлены годовой и более высокочастотной изменчивостью. Распределение дисперсии между ними различно – в спектрах Т и A явно преобладает годовой ход, в то время как в спектрах Р,  и N преобладают высокочастотные нерегулярные колебания. В годовом ходе A и N заметна роль ¹/₂-годового и ¹/₃-годового обертонов, а в диапазоне высокочастотных колебаний доминируют процессы внутримесячного и синоптического масштабов.

Таблица 4. Распределение дисперсии по частотным диапазонам (%)

Примечание. Жирным шрифтом выделен диапазон с максимумом дисперсии.

Межгодовая изменчивость МП была проанализирована по данным, обобщённым за одноименные месяцы. При этом годовой ход описывают 12 последовательностей вероятностных характеристик. Поскольку при анализе были использованы не только среднемесячные, но и срочные данные, полученные характеристики относятся также и к масштабу синоптической изменчивости. Распределения вероятностей скалярных величин (Т, Р, N, А, Vmax) представлены на рис. 6 а гистограммами для центральных месяцев календарных сезонов. Для облачности N с учётом погрешности визуального определения принято 3 градации – «ясно» 0–3 балла, «полуясно» 4–7 баллов, «пасмурно» – 8–10 баллов. Годовой ход для Т, Р представлен в таблицах 5, 6 повторяемостью по градациям за все месяцы. В таблице 7 приведен годовой ход оценок моментов и экстремумов распределений по срочным и среднемесячным данным. Как видно из рис. 6 а и таблиц, во все месяцы и сроки распределения МП одномодальные. В то же время характеристики распределений – мода, ширина диапазона изменчивости, асимметричность, заостренность заметно изменяются от месяца к месяцу. Годовой ход особенно четко проявляется у Р и Т как в среднем, так и в дисперсии.

Рис. 6. Оценки характеристик межгодовой изменчивости и годового хода: а – гистограммы (f) повторяемости температуры, давления и облачности в центральные месяцы сезонов; б – многолетний годовой ход температуры и давления в форме «ящиков с усами» по срочным (1) и среднемесячным (2) данным; в – средний многолетний годовой ход балла облачности (3) и повторяемости ясного (4), полуясного (5) и пасмурного (6) неба; г – средний многолетний годовой ход (7) и годовой ход СКО абсолютной влажности по срочным (8) и среднемесячным (9) данным; д – повторяемость годовых экстремумов срочных (9) и среднемесячных (10) значений температуры, давления и скорости ветра по месяцам

В таблице 7 выделены ячейки, для которых распределение отличается от нормального по критериям A≠0, E≠0. Как видно из таблицы, распределения среднесуточной температуры воздуха в большинстве месяцев имеют положительную асимметрию, наибольшие по модулю значения А, Е отмечаются летом. Распределение среднемесячных значений в большинстве случаев близко к нормальному.

На рис. 6 б годовой ход и межгодовая изменчивость Т и Р представлены квантилями распределения среднесуточных, среднемесячных и среднесезонных данных. Совместное представление квантилей суточного и месячного разрешения в форме «ящиков с усами» демонстрирует большой вклад в изменчивость процессов синоптического масштаба. Из него видно, что годовой ход проявляется не только в среднем, но и в параметрах масштабов распределения (в высоте «ящика» и в длине «усов» для данных как суточного, так и месячного разрешения). Следует отметить, что по этим показателям годовой ход давления проявляется столь же ярко, как и температуры. Заметим также, что для данных суточного разрешения отношение длины «усов» к высоте «ящика» заметно больше, чем для данных месячного разрешения. Соотношение длин верхнего и нижнего усов в ящиках срочных значений температуры летом позволяет утверждать, что особенности коэффициентов А, Е в таблице 7 связаны с аномалиями малой обеспеченности. Действительно, оценки коэффициента асимметрии, приведенные в таблице 8, показывают, что левая асимметрия обусловлена положительными аномалиями обеспеченностью менее 0,1.

Таблица 5. Годовой ход повторяемости среднесуточной температуры воздуха (%)

Таблица 6. Годовой ход повторяемости среднесуточного атмосферного давления (%)

Таблица 7. Годовой ход моментов и экстремумов распределения среднесуточных и среднемесячных значений температуры и давления.

Примечание. Жирным шрифтом выделены значимо не нулевые коэффициенты асимметрии и эксцесса

Таблица 8. Квантильные оценки коэффициента асимметрии среднесуточной температуры в июне

Годовой ход характеристик облачности представлен на рис. 6 в кривыми годового хода среднемесячного многолетнего балла облачности N и повторяемостями ясного, полуясного и пасмурного неба. Как видно из рис., балл общей облачности имеет наименьшие значения в холодное время года и демонстрирует тенденцию к увеличению – в тёплое. Отчетливо выражены два максимума – в мае и в августе-сентябре. Такой же годовой ход у повторяемости пасмурного неба. В тоже время годовой ход ясного и полуясного неба находятся в противофазе (для последнего максимум зимой и минимум летом) и имеет существенно меньший размах.

Для удельной влажности воздуха годовой ход представлен на рис. 6 г графиками m(t) и σ(t), рассчитанной по срочным и среднемесячным данным. Как видно из рис., влажность воздуха резко возрастает в теплый сезон; при этом m(t)>σ(t). Для нее, как и для температуры воздуха, характерен значительный вклад в дисперсию регулярного годового хода.

Ещё одной характеристикой годового хода является распределение годовых экстремумов по месяцам, диаграммы которых приведены в первой части рис. 6 д. Наиболее сосредоточенным является распределение max(T), самое размытое распределение имеет min(Р). Максимум V отмечается с октября по март, с максимумом повторяемости в декабре-феврале.

Годовой ход и межгодовая изменчивость скорости ветра представлены на рис. 7 графиками роз ветров, векторов , эллипсами  и квантильными диаграммами по месяцам.

В таблице 9 приведены в инвариантной форме оценки моментов, экстремумов распределений и тренды. Анализ роз ветра, приведенных на рис. 7 а и в таблице 9, показывает, что в холодный сезон преобладают Ю – ЮЗ – З ветры, а в теплый сезон – ветры С – СВ направлений. При этом, в отличие от холодного сезона, распределение скорости ветра по румбам в теплый сезон года ближе к равномерному. Повторяемость штиля в холодный сезон в несколько раз выше, чем в теплый. Таким образом, в холодный сезон усилена контрастность – максимальный модуль скорости больше, чем в теплый сезон, но при этом велика также и повторяемость штилей и слабых ветров (V < 3 м/с). В теплый сезон наиболее выражена повторяемость умеренных ветров со скоростью 3÷7 м/с.

Оценки годового хода векторов средней скорости и параметров эллипсов СКО (рис. 7 б) подтверждают сделанное выше заключение о том, что в холодный сезон средняя скорость направлена с ЮЮЗ на ССВ, а в теплый сезон в противоположном направлении. При этом увеличение модуля средней скорости в холодный сезон по сравнению с теплым в значительной степени обусловлено большей изменчивостью направления скорости ветра в теплый сезон. Направление и модуль СКО, как следует из таблицы 9, более устойчивы в течение года. Однако и в этих характеристиках наблюдается годовой ход, проявляющейся в зимнем усилении изменчивости. Инвариант I₁ в холодный сезон составляет от 5.5 до 6.2 м/с, а в теплый – от 3.9 до 5.1 м/с. Форма эллипса СКО в течение года также изменяется. В холодный сезон он вытянут и ориентирован примерно в направлении среднего переноса, а в теплый сезон становится близким к окружности.

Рис. 7. Годовой ход роз повторяемости скорости ветра (а), совмещённых векторов среднего переноса и эллипсов рассеяния (б) и квантильных диаграмм (в)

Изменчивость модуля средней скорости ветра, как векторной величины, обусловлена не только его усилением или ослаблением, но и изменчивостью по направлению. Одной из характеристик вклада последней в общую дисперсию является отношение v =D_V/I₁. Как следует из таблицы 9, в холодный сезон v =0.70–0.75, а в теплый сезон v =0.25–0.30, что подтверждает вывод о том, что летом относительная роль изменчивости по направлению в величине модуля средней скорости ветра возрастает. Подчеркнем, что сильные и штормовые ветры сосредоточены в относительно узком секторе – от Ю до З, причем штормовые ветры (более 25–30 м/с) – только в ЮЮЗ – ЮЗ секторах. Самые сильные ветры (до 40 м/с) наблюдаются зимой.

Таблица 9. Годовой ход модуля скорости ветра, вектора средней скорости ветра, инварианты тензора СКО по среднесуточным данным, вектора максимальной скорости ветра по срочным данным и параметры векторного тренда по среднемесячным данным

Выше были представлены средние климатические значения основных метеорологических параметров и статистические характеристики изменчивости для всего периода измерений. Рассмотрим теперь их межгодовую изменчивость. На рис. 8 приведены графики изменений среднемесячных значений Т, Р и N и их аппроксимации линейными трендами, годовой ход коэффициентов трендов (б) и их вклад в общую дисперсию (в).

Как видно из рис. 8, для Т и Р знак коэффициента линейного тренда изменяется от месяца к месяцу, во все месяцы тренд слабый, незначимый на 95 % уровне значимости, и объясняет не более 4–6 % общей дисперсии. Следует особо отметить ярко выраженные, значимые в зимний и летний сезоны, тренды балла общей облачности, положительные зимой и отрицательные летом и описывающие в эти сезоны до 30 % дисперсии. При этом согласованность знаков трендов Т и N (оба положительны зимой и имеют противоположные знаки летом) позволяет предположить, что влияние облачности на радиационный прогрев нижнего слоя атмосферы (уменьшение радиационного выхолаживания – зимой и увеличение инсоляции – летом) является одним из основных механизмов положительных трендов температуры воздуха в зимний и летний сезоны года.

Рис. 8. Долгопериодная изменчивость температуры воздуха, приземного давления и балла общей облачности в районе Тикси: а – изменчивость среднемесячных значений для января и июля и их аппроксимация линейными трендами; б – годовой ход коэффициентов тренда (положительный – 1, отрицательный – 2); в – дисперсионный вклад трендов в общую изменчивость МП (незначимый – 3, значимый на 95 % уровне значимости – 4)

Можно также отметить, что, согласно таблице 9, тренд скорости ветра в районе Тикси во все месяцы года слабый и статистически незначимый. В большинстве месяцев обнаружена слабая тенденция усиления южной составляющей скорости ветра.

Приведённые оценки показывают большой вклад процессов синоптического масштаба в климатическую изменчивость. Выше этот диапазон был проанализирован по данным, сгруппированным по одноименным месяцам. В нижеследующем изложении будет уточнён вклад в общую дисперсию годовой ритмики с учётом сезонной модуляции процессов синоптического масштаба и предпринята попытка оценить роль синоптических процессов в формировании многолетних трендов.

Наиболее компактную оценку интенсивности синоптической изменчивости с учётом низкочастотной модуляции можно получить по рядам внутримесячной дисперсии среднесуточных данных D(t_i)_j, центрированным на среднегодовые значения и годовой ход. На рис. 9 приведены графики отрезков временных рядов D(t_i)_j для Т и Р и оценки спектров S_D(ω), указывающие на сильный годовой ход D(t_i)_j, модулированный в диапазоне межгодовой изменчивости.

Рис. 9. Временные ряды внутримесячной дисперсии среднесуточных данных температуры и давления D(t_i)_j (а) и соответствующие спектральные плотности (б)

Ряды D(t_i)_j, наряду с рядами среднемесячных значений ζ(t_i)_j, можно рассматривать как ПКСП. Модель (4) позволяет уточнить вклад годовой ритмики в общую дисперсию. Как видно, из таблицы 10 (столбец 1), годовой ход ζ(t_i)_j давления объясняет всего лишь 36 % дисперсии. Этот вывод согласуется с оценками, полученными в стационарном приближении в таблицах 3, 4 и на рис. 5. Оценки, приведенные в втором столбце таблицы 10, показывают, что без учёта сезонной модуляции синоптических процессов дисперсия годовой ритмики остаётся недооценённой более, чем на 50 %. Таким образом, полный вклад годовой ритмики в дисперсию велик не только для Т (95 %), но и для Р (75 %). К аналогичному результату приводит анализ и других МП. Это подтверждает правомерность расширенной трактовки годовой ритмики как совокупности процессов с годовой периодичностью во всех диапазонах.

Таблица 10. Вклад в общую дисперсию годовой ритмики температуры и давления без учёта (1) и с учётом (2) сезонной модуляции синоптических процессов (%) Примечание. Индексы регулярного годового хода m и его межгодовой модуляции ε

Для оценки роли процессов синоптического масштаба в формировании тенденций многолетней изменчивости рассмотрим квантильные трассы X_p(t), представляющие ряды одноименных квантилей X_p внутримесячного (одноименный месяц) распределения среднесуточных данных. Их анализ показывает вклад положительных и отрицательных аномалий различной обеспеченности в формирование трендов и тенденций межгодовой изменчивости. Графики квантильных трасс Т и Р и их аппроксимация линейными трендами для апреля приведены на рис. 10, а. На рис. 10, б, в приведены гистограммы коэффициентов тренда а_р и дисперсии, объясняемой трендом D_р для двадцати одной квантили. На рис. 10, г представлены сезонная изменчивость среднемесячных значений оценок коэффициента тренда а и размаха коэффициентов тренда квантильных трасс R_p=max(a_p)-min(a_p). Оценки а_р по месяцам приведены в таблице 11.

Основной вывод, который можно сделать на основе анализа рис. 10 и таблицы 11 состоит в том, что а_р сильно зависит от порядка квантили р. При этом внутримесячный размах R оценки а_р соизмерим с годовым размахом оценки а тренда среднемесячных значений и заметно превосходит саму оценку а для данного месяца. В ряде случаев тренды квантильных трасс а_р>>а и значимы на 95 % уровне, например, положительные аномалии давления в апреле, обеспеченность которых p≥0,2. Оценки тренда медианы а_0,5 и среднемесячных значений а совпадают по знаку и близки по величине.

Рис. 10. Квантильные трассы температуры и давления для апреля и их аппроксимация линейным трендом (а), зависимость от порядка квантили коэффициента (б) и дисперсии (в) тренда; г – годовой ход коэффициента тренда среднемесячных значений (1) и размаха R_p коэффициентов тренда квантильных трасс (2)

Таблица 11. Оценки коэффициентов тренда а_p квантильных трасс Примечание. Значимые на 95 % уровне тренды выделены жирным шрифтом

Особо отметим, что оценки а_р могут быть знакопеременными, что указывает на определенные тенденции межгодовой изменчивости внутримесячных контрастов. Как видно из таблицы 11, в июне отрицательные аномалии температуры воздуха имеют тенденцию к углублению, а положительные аномалии – к усилению, что в целом приводит к усилению внутримесячных контрастов и позволяет сделать вывод о значительной роли синоптических процессов в формировании тенденций межгодовой изменчивости. Таким образом, появляется возможность сформулировать гипотезы о механизмах формирования указанных тенденций. Например, из рис. 10 следует, что температура воздуха в апреле характеризуется значительными контрастами. В период 1936–2007 гг. минимальная среднесуточная температура изменялась от -40,2 °С до -18,8 °С, а максимальная от -20,1 °С до +2,7 °С. Отрицательные аномалии температуры часто связаны с Сибирским антициклоном, а положительные с Алеутским циклоном. Согласно таблице 11, слабый и незначимый тренд среднемесячной температуры обусловлен в основном ослаблением положительных аномалий, а слабый положительный тренд давления существенными трендами отрицательных аномалий. Таким образом, тенденцию к понижению температуры в апреле можно гипотетически связать с ослабляющимся отепляющим воздействием Алеутского минимума.

Подводя итог исследованию климата приземного слоя атмосферы, выполненному на основе оригинального электронного архива всех доступных данных стандартных метеорологических наблюдений, проведенных на полярной станции Тикси с августа 1932 по декабрь 2007 года, можно сделать следующие заключения.

Получены оценки характеристик изменчивости температуры воздуха, атмосферного давления, влажности и скорости ветра в диапазонах межгодовой изменчивости, годового хода и изменчивости синоптического масштаба. На основе оценок распределений вероятностей, их моментов и экстремумов показано, что распределения вероятностей во все месяцы являются одномодальными, а годовой ход хорошо выражен не только в средних значениях, но и в других характеристиках распределения – дисперсии и экстремумах.

Традиционный набор статистик дополнен оценками квантилей распределения. Это позволило уточнить влияние синоптических процессов на ряд особенностей распределения и изменчивости характеристик климата в районе станции. Показано, что асимметрия температуры летом в значительной степени создается большими положительными аномалиями температуры.

Анализ трендов среднемесячных значений показал, что во все месяцы они знакопеременные, слабые и статистически незначимые. В то же время в отдельные месяцы они усилены (вплоть до появления статистически значимых трендов) для аномальных значений температуры и давления. При этом оценки по квантильным трассам показали, что в апреле, для которого характерны значительные внутримесячные контрасты температуры, слабый тренд среднемесячной температуры связан с ослаблением положительных аномалий, сопровождающихся ослаблением отрицательных аномалий давления.

Анализ скорости ветра показал анизотропность распределения по направлению. Сильные и штормовые ветры сосредоточены в основном в ЮЗ четверти. Зимой усилена контрастность – наблюдаются наиболее сильные в году ветры (до 35 м/с) и в то же время повышенная повторяемость штилевых условий.

Установлено, что наиболее существенным компонентом многолетней изменчивости метеорологических характеристик является годовая ритмика. Важнейшими её элементами, наряду с регулярным годовым ходом, являются межгодовая изменчивость годового хода среднемесячных значений и сезонная изменчивость синоптических процессов.

Выявлена согласованность слабых положительных трендов температуры воздуха и сильных трендов балла общей облачности, положительных зимой и отрицательных летом.

Получены свидетельства влияния синоптических систем на многолетние тренды температуры воздуха.

Долгопериодная изменчивость характеристик припайных льдов и подледного слоя воды в заливе Сого

В дополнение к описанным выше метеорологическим архивам сотрудниками ТФ ЯУГМС и ААНИИ был создан уникальный архив данных наблюдений за состоянием морского ледяного покрова и подледного слоя воды в заливе Сого, на берегу которого расположена метеорологическая станция Тикси (см. рис. 1). На рис. 11 приведены все данные о толщине припайных льдов, содержащиеся в архиве за 1932–2007 годы.

Как видно из рис. 11, имеющиеся данные достаточно подробно описывают сезонную и межгодовую изменчивость толщины ледяного покрова, по крайней мере, на стадии его максимального развития. При этом, как следует из данного рис., и особенно из рис. 12, а, максимальная толщина припайных льдов за период наблюдений, варьировавшая в пределах 2–2.5 метров, не имеет сколь либо значимого тренда, особенно, если учитывать вероятную погрешность ее определения как вследствие возможного различного положения точек измерения, так и локального эффекта, обусловленного изменениями рельефа снежного покрова, который играет существенную роль в формировании ледяного покрова. Лишь аппроксимация временной изменчивости максимальной толщины ледяного покрова полиномом третьей степени (рис. 12, а) позволяет говорить о некотором ее увеличении в период похолодания Арктики в 1950-е – 1960-е годы и ее уменьшении в 1990-е годы. При этом, имея в виду вышесказанное о возможной ограниченности выводов, из рис. 12 все же можно заметить, что минимальная толщина припайных льдов в период их максимального развития наблюдалась в 1935 году, во время первого потепления Арктики, а максимальная в 1998 году. Интересно, что аномальность ледового режима Северного Ледовитого океана в 2000-е годы никак не отразилась на ледяном покрове исследуемого района. Даже в 2006 году максимальная толщина припайных льдов была выше, чем в некоторые годы середины двадцатого столетия.

Рис. 11. Толщина припайных льдов в заливе Сого по двадцатилетним периодам

Дополнительную информацию о характеристиках ледяного покрова в районе станции дают приведенные на рис. 12, б данные визуальных наблюдений о времени становления и взлома припая, к сожалению доступные лишь для периода 1940–1962 гг., а также о времени начала ледообразования и полного таяния ледяного покрова на акватории залива Сого. Как видно из рис., несмотря на малую статистическую обеспеченность, они указывают на известное увеличение продолжительности безледного режима, порядка 15 дней для всего периода наблюдений, и, с еще меньшей надежностью, на уменьшение продолжительности времени существования припая. Вероятно, кроме термодинамических процессов, обусловливающих более ускоренное таяние ледяного покрова в заключительный период его существования, данные о котором по понятным причинам отсутствуют, значительную роль, по крайней мере, в формировании и разрушении припая, играют динамические процессы, связанные с особенностями ветрового режима.

Рис. 12. Временная изменчивость максимальной толщины припайных льдов (а) и характеристик формирования ледяного покрова (б) в заливе Сого. o – взлом припая, □ – полное таяние льда, ◊ – начало образования льда, Δ – образование припая

Некоторым косвенным подтверждением роли тепловых процессов в формировании ледяного покрова служат приведенные на рис. 13 данные о временной изменчивости температуры и солености подледного слоя вод. Как видно из рис. 13, в исследуемый период, несмотря на значительную внутригодовую изменчивость, в целом наблюдалось повышение температуры замерзания морской воды в районе наблюдений и соответствующее понижение солености. Коэффициент корреляции между температурой воды и ее соленостью, составляющий -0.82, является значимым и характеризует, с одной стороны, взаимосвязанность процессов формирования гидрологического и ледового режимов, с другой – качество выполненных на станции определений солености, проведенных в разные годы различными методами.

Рис. 13. Временная изменчивость солености (а) и температуры (б) подледного слоя воды в период существования припайных льдов

Подводя итог анализа данных ледовых и гидрологических наблюдений, выполненных на метеорологической станции Тикси, содержащихся в созданном электронном архиве данных, следует указать на очевидную сложность их интерпретации, обусловленную как очевидной многофакторностью формирования описанных выше характеристик ледового и гидрологического режима в прибрежном районе моря, так и отсутствием сколь-либо общепринятых подходов к описанию и моделированию формирования и разрушения припайных льдов вследствие динамических процессов. Ряд соображений о крупномасштабных особенностях формирования припая, обусловленных как термодинамическими, так и динамическими процессами, преимущественно статистического характера приведен в работах (Алексеев, Иванов, 1998; Белышев, Клеванцов, 1983; Боков, Бухановский, 2001).

Заключение

Данная работа была во многом инициирована реализацией в рамках Международного Полярного Года проекта создания Гидрометеорологической обсерватории в Тикси. Её официальное открытие состоялось в августе 2010 года (см. статью в настоящем сборнике). Оборудованная по последнему слову техники, Обсерватория позволит существенно расширить как качество, так и перечень измеряемых гидрометеорологических параметров. Последнее, в свою очередь, даст возможность более корректно и полно описать физические процессы, обусловливающие формирование локального климата района, а совместно с данными международной сети полярных обсерваторий, и Северной полярной области в целом. В известной степени представленные выше результаты являются одним из итогов долгого и плодотворного пути исследований Арктики, начатого в первой половине ХХ века поколениями полярников, изо дня в день, невзирая на погодные условия, проводившиих наблюдения в одном из наиболее суровых районов Земного шара. Полученные ими данные, доступные теперь в электронном виде на сайте Арктического и антарктического института, явятся, мы надеемся, важной частью фундамента современных исследований климата полярных районов.

Работа выполнена при поддержке гранта РФФИ 09-05-00652-а.

Литература

Александров Е.И., Майстрова В.В. Мониторинг климата Северной полярной области // Проблемы Арктики и Антарктики. 1995. Вып. 69. C. 38–52.

Алексеев Г.В., Иванов Н.Е, Рожков В.А. Закономерности годовой ритмики и межгодовой изменчивости температуры воздуха в высоких и умеренных широтах Северного полушария // Известия РГО. 1998. Т. 130, вып. 3. C. 34–41.

Белышев А.П., Клеванцов Ю.П., Рожков В.А. Вероятностный анализ морских течений. Л., Гидрометеоиздат, 1983. 264 с.

Боков В.Н., Клеванцов Ю.П., Рожков В.А. Оценки межгодовой изменчивости скорости ветра над морем // Известия АН, Физика атмосферы и океана. 1993. Т. 29, № 3. C. 253–289.

Боков В.Н., Бухановский А.В., Иванов Н.Е., Рожков В.А. Пространственно-временная изменчивость поля ветра в умеренных широтах Северного полушария // Известия АН, Физика атмосферы и океана. 2001. Т. 37, № 2. C. 170–181.

Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М., ВЦ АН СССР, 1968. 474 с.

Ван дер Варден Б.Л. Математическая статистика. М., Изд-во иностр. лит., 1960. 434 с.

Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М., Финансы и статистика. Т. 1. 1986. 366 с.

Майстрова В.В., Кифус Г.А., Курмачев А.А. Методические указания по машинной обработке и контролю данных гидрометнаблюдений. 1981. Вып. 4. 20 с.

Майстрова В.В., Кифус Г.А., Курмачев A.A. Система автоматизированной централизованной обработки, контроля и накопления аэрологической информации глобальной сети станций // Метеорология и гидрология. 1986. № 8. C. 112–117

Рожков В.А. Теория вероятностей случайных событий, величин и функций с гидрометеорологическими примерами. С-Пб., Прогресс-Погода, 1997. 559 с.

Рожков В.А. Теория и методы статистического оценивания вероятностных характеристик случайных величин и функций с гидрометеорологическими примерами. Книга 1. СПб, Гидрометеоиздат, 2001. 340 с.