РЕЗУЛЬТАТЫ ПРОГНОЗА СНЕЖНОГО ПОКРОВА В КАВКАЗСКОМ РЕГИОНЕ МЕТОДОМ СИНГУЛЯРНО-СПЕКТРАЛЬНОГО АНАЛИЗА

Введение: Изменения режима зимних осадков и снежного покрова могут считаться комплексным индикатором климата холодного сезона, отражающим изменения режима температуры, режима осадков, частоты оттепелей и т.д. Запасы воды в снеге играют определяющую роль при весеннем половодье, влияют на увлажнение почвы при севе яровых и росте озимых культур. Следует подчеркнуть важность знания закономерностей распределения осадков в холодный период для оценки агроклиматических ресурсов республики, к которым относится и снежный покров. Материалы и методы исследований: Прогноз изменений характеристик снежного покрова является не менее важной проблемой, чем прогноз изменений климата (температуры и жидких осадков). В данной работе на основе данных метеопараметров, предоставленных Северо-Кавказским УГМС, были получены осредненные ряды среднедекадной высоты снежного покрова и числа дней со снежным покровом для юга европейской территории России (ЕТР). С использованием метода сингулярно-спектрального анализа («Гусеница»-SSA) проанализирована динамика и исследованы прогностические возможности метода SSA для высоты снежного покрова и числа дней со снежным покровом на юге ЕТР. Метод SSA представляет собой инструмент для анализа и прогнозирования одномерных и многомерных временных рядов. На основе проведенного Т-теста показана эффективность применения рекуррентного R-SSA прогноза среднегодовой высоты снега и числа дней со снежным покровом. Результаты исследований и их обсуждение: Для всех рассмотренных метеорологических величин была получена периодичность их изменения, стандартное отклонение, максимальное отклонение и относительная ошибка. В результате подбора главных компонент (1, 3 и 13) были получены прогнозные тенденции изменения исследуемых переменных, выявлены периоды их увеличения и снижения, а также получены прогнозные значения среднедекадной высоты снежного покрова и числа дней для периода 2018-2022 гг. Выводы: В результате применения метода сингулярно-спектрального анализа, осуществлен прогноз таких характеристик снежного покрова юга ЕТР как среднедекадная высота снежного покрова и число дней со снежным покровом юга ЕТР на 2018-2022 гг. Выявленные общие тенденции изменения исследуемых характеристик снежного покрова юга ЕТР на период до 2022 г. позволяют характеризовать региональные изменения климата юга европейской части России как составную часть современного глобального потепления.

высота снежного покрова, сингулярно-спектральный анализ, прогноз, главные компоненты, остатки модели, Т-тест, snow depth, singular-spectral analysis, prediction, main components, model residuals, T-test

1. IPCC. Summary for Policy-makers of the Special Report “Managingthe Risks of Extreme Events and Disasters to Advance Climate Change Adaptation,” Ed. by C. B. Field, V. Barros, T. F. Stocker, et al.

2. Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change (Cambridge, New York, USA, 2012).

3. Roshydromet's Second Assessment Report on Climate Change and its Consequences on the Territory of the Russian Federation.(2013) Rosgidromet, Moscow. 1009.

4. th Session of the Commission for Climatology (CCl-16), Heidelberg,Germany, 3-8 July 2014. Resource: www.ccl-16.wmo.int

5. Ашилова А.А., Кешева Л.А. Анализ высоты снежного покрова в предгорной части Северного Кавказа // Международная научная конференция по региональным проблемам гидрометеорологии и мониторинга окружающей среды. Казань, 2012. C. 206-207.

6. Ташилова А.А., Кешева Л.А., Пшихачева И.Н., Таубекова З.А. Возможности прогнозирования временного климатического ряда с помощью метода «Гусеница» -SSA // Сборник научных трудов Международной научной конференции с элементами научной школы «Инновационные методы и средства исследований в области физики атмосферы, гидрометеорологии, экологии и изменения климата». Ставрополь, 2013. С. 86-89.

7. Структурный анализ и прогноз зимних осадков методом «Сaterpillar»-SSA / А.А. Ташилова [и др.] // Доклады АМАН. 2013. №1. С. 103-106.

8. Голяндина Н.Э. Метод «Гусеница» -SSA Прогноз временных рядов. СПб: Изд-во СПбГУ, 2004. 52 с.

9. Сaterpillar-SSA Copyright © 1996-2018 GistaT Group. All rights reserved. Access mode: http://www.gistatgroup.com (date of application: 20.02.2018).