Гидрометеорологические исследования и прогнозы. 2023. № 4 (390). С. 25-45

25

DOI: https://doi.org/10.37162/2618-9631-2023-4-25-45

УДК 551.515.4

Грозовая активность и характеристика

неустойчивости атмосферы по данным реанализа ERA5

над азиатской частью Арктического сектора России

О.Е. Нечепуренко^1,2, И.В. Кужевская¹, К.Н. Пустовалов^1,2,

В.П. Горбатенко¹, К.А. Кравец¹

¹Национальный Исследовательский Томский государственный

университет, Томск, Россия;

²Институт мониторинга климатических и экологических систем

СО РАН, Томск, Россия

o.e.nechepurenko@gmail.com, irinakuzhevskaia@gmail.com, const.pv@yandex.ru,

vpgor@tpu.ru, foreveryoungfox@mail.ru

Грозы в Арктическом секторе Российской Федерации являются ключевым инди-

катором климатических изменений, поскольку сигнализируют о повышении темпе-

ратуры в этом холодном регионе. В работе рассмотрена изменчивость числа дней с

грозой за 2015–2021 гг. в азиатской части Арктического сектора Российской Феде-

рации по данным наземных наблюдений. Стремительного роста числа дней с грозой

по сравнению с климатическими данными не обнаружено, однако на некоторых

станциях отмечается увеличение частоты проявления грозовой активности. Верифи-

кация значений индекса неустойчивости Total Totals, полученных по данным одно-

именного продукта реанализа ERA5 и аэрологического зондирования, критических

отличий не показала. Наилучшее согласие демонстрирует станция Якутск (1,4 %);

на станциях Туруханск и Ванавара процент несовпадения составил 3,1 и 3,5 % соот-

ветственно. Использование продукта «Total Totals» реанализа ERA5 в арктических

регионах актуально для ретроспективного установления факта наличия гроз и их ло-

кализации на слабозаселенных территориях.

Ключевые слова: Арктика, число дней с грозой, верификация, Total Totals,

радиозонд

Thunderstorm activity and characterization

of atmospheric instability according to ERA5 reanalysis data

over the Asian part of the Russian Arctic

О.Е. Nechepurenko^1,2, I.V. Kuzhevskaia¹, K.N. Pustovalov^1,2,

V.P. Gorbatenko¹, К.А. Kravets¹

¹National Research Tomsk State University, Tomsk, Russia;

²Institute of Monitoring of Climatic and Ecological Systems SB RAS

o.e.nechepurenko@gmail.com, irinakuzhevskaia@gmail.com, const.pv@yandex.ru,

vpgor@tpu.ru, foreveryoungfox@mail.ru

Thunderstorms in the Arctic sector of the Russian Federation are a key indicator of

climate change, as they signal a temperature rise in this cold region. The paper considers

the variability of the number of days with thunderstorms in the Asian part of the Russian

Arctic for 2015–2021 based on ground-based observations. No rapid increase in the number

of days with thunderstorms as compared to the long-term data was found. However, an

26

Метеорологические прогнозы, математическое моделирование

increase in the frequency of thunderstorm activity is registered at some stations. A verifi-

cation of the Total Totals instability index values obtained from the ERA5 reanalysis prod-

uct with the same name and rawinsonde data did not show critical differences. The best fit

was demonstrated for Yakutsk station (1.4 %); at Turukhansk and Vanavara stations, the

percentage of inconsistency was 3.1 and 3.5 %, respectively. The use of the ERA5 Total

Totals product in the Arctic regions is relevant for the retrospective determination of the

presence of thunderstorms and their localization in sparsely populated areas.

Keywords: Arctic, number of days with thunderstorm, verification, Total Totals,

rawinsonde

Введение

Климатические изменения ставятся во главу угла научных исследова-

ний в области гидрометеорологии, поскольку общая тенденция роста тем-

пературы воздуха по всему земному шару влечет серьезные перемены во

всех сферах человеческой деятельности. Северные районы больше других

реагируют на потепление [8, 22], включая ослабление статической устой-

чивости тропосферы в высокоширотной Арктике, что, вероятно, может

привести к увеличению повторяемости явлений конвективного характера

[16]. По данным Всемирной сети определения местоположения молний

(WWLLN) количество арктических молний выше 65° с. ш. утроилось за по-

следнее десятилетие [32]. Данные ежегодного отчета Vaisala [51] подтвер-

ждают возросшую грозовую активность над северными регионами с 2017

года.

В связи с этим исследование повторяемости конвективных явлений в

арктическом секторе и условий развития конвекции в атмосфере для их об-

разования являются актуальными задачами и требуют всестороннего изу-

чения.

Несмотря на постоянное развитие современных оперативных систем

численного прогнозирования погоды, опасные конвективные явления, к

числу которых относят шквалы, град, смерчи, сильные ливни и грозы, ко-

гда они наблюдаются в комплексе с другими конвективными явлениями,

сочетание которых образует ОЯ, остаются относительно плохо прогнози-

руемым явлением во временном масштабе более нескольких часов [23, 36].

Одним из широко практикуемых способов оценки атмосферной неустой-

чивости является использование индексов, первые из которых были разра-

ботаны в 40–50-х годах XX в. в качестве вспомогательного инструмента

для оперативного прогноза погоды [44]. Применение индексов позволяет

качественно и количественно оценивать степень устойчивости атмосферы.

Другим назначением индексов является прогноз возникновения грозы и

других опасных конвективных явлений, для чего рассчитанные значения

индексов неустойчивости сравниваются с заранее определенным порого-

вым значением, характерным, например, для случая с грозой и без грозы

для конкретного региона. Традиционно индексы рассчитывались на основе

вертикальных профилей метеорологических величин, определяемых по-

средством аэрологического зондирования. К достоинству аэрологического

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 27

зондирования относится то, что контактные измерения параметров атмо-

сферы отражают ее истинное состояние в фиксированный момент времени.

Однако, недостатком такого вида наблюдения является малая частота за-

пусков радиозонда (00 и 12 ч ВСВ), что не всегда хорошо согласуется с

суточным пиком конвективной активности, а также неравномерное про-

странственное распределение пунктов наблюдения. Стоит отметить, что,

согласно отчетам ЦАО [12], некоторая доля запланированных выпусков не

реализуются.

Для эффективного использования индексов в прогнозе образования

конвективных явлений для конкретного региона требуется определение

пороговых значений для разных сезонов года [11]. Полный список индек-

сов содержит десятки различных индексов неустойчивости, сочетающих

термодинамические и/или кинематические параметры, используемые для

прогноза гроз. Индексы с упрощенной формулой расчета: Lifted index [28],

Showalter index [47], K-index [30], Total Totals index [41] и CAPE [20, 21, 25,

39, 45] в научных исследованиях наиболее «популярны». В конечном итоге

индексы, рассчитанные по данным аэрологического зондирования, дают

только числовые значения, которые характеризуют конвективный потен-

циал воздушной массы в районе аэрологической станции.

Преимуществом применения индексов неустойчивости является уни-

версальность, поскольку с их помощью сравнивают параметры конвекции

в разных по физико-географическим характеристикам регионах мира и

изучают динамику и эволюцию погодных явлений, связанных с конвек-

цией. Стоит отметить, что индексы, приведенные в статье, не работают в

горных районах, где высота поверхности находится выше уровня 850 гПа.

В настоящее время расчет индексов неустойчивости не ограничива-

ется только использованием данных аэрологического зондирования.

Современные спутниковые продукты (MODIS/Aqua, Terra [42],

VIIRS/SuomiNPP, GIIRS/FY4 [26] и др.) содержат восстановленные значе-

ния индексов неустойчивости, которые наносятся на карту погоды в ГИС-

средах с подходящим подложным изображением со спутника, а затем с их

помощью локализуют границы грозовых ячеек на обширной территории.

Много научных работ посвящено интерпретации результатов численного

моделей прогноза (NWP) для локализации зон опасных конвективных яв-

лений с использованием значений индексов неустойчивости [3, 5]; в совре-

менных NWP доступны все конвективные индексы [43].

Глобальный реанализ ERA5 предоставляет пространственно- и вре-

менно согласованные продукты с расчетными значениями индексов

K-index, Total Totals и CAPE в узлах регулярной сетки по долготе и широте

в виде 4D-массивов с разрешением 0,25°×0,25° [24]. Для характеристики

степени неустойчивости атмосферы умеренных широт более перспектив-

ными считаются индексы K-index и Total Totals [13]. Однако для их исполь-

зования нужны предварительные исследования по верификации значений,

рассчитанных на основе разных измерений. Эти закономерности важно

28

Метеорологические прогнозы, математическое моделирование

учитывать при анализе информации из реанализов [4]. Например, реана-

лизы хорошо согласуются с данными радиозондовых измерений над США

[29, 38] и Австралией [19]. Для Европы оценены базы данных реанализа

ERA-Interim [48] и ERA5 [49] в сравнении с данными наземных наблюде-

ний. Выдвинуто предположение, что ERA5 является одним из самых

надежных доступных реанализов для исследования конвективной среды, в

основном проводилось сопоставление данных предыдущей версии ERA5

реанализа ERA-Interim с данными аэрологического зондирования [46].

Было показано, что температура на высотах, направление и скорость ветра

также хорошо согласуются между собой для координатных точек (Колпа-

шево, Новосибирск и Томск) при использовании обоих источников верти-

кальных профилей метеовеличин. В исследовании [35] проверялась досто-

верность реанализа ERA5 на основе данных пяти аэрологических станций

на территории Сибири, расположенных в радиусе 500 км от города Томска.

Показана перспективность применения ERA5 для восстановления верти-

кальных профилей температуры и характеристик ветра в тропосфере. В це-

лом, научные работы с прямым сравнением (верификацией) именно значе-

ний индексов неустойчивости, полученных из реанализа семейства

ECMWF, с аэрологическими или спутниковыми наблюдениями, активно

публикуются в последнее время [10, 17, 27, 52].

Всестороннее изучение климатических особенностей является одной

из главных задач, поставленных в Стратегии развития Арктической зоны

России и обеспечения национальной безопасности на период до 2035 года

и Основах государственной политики России в Арктике. Территория ис-

следования в настоящей статье характеризуется редкой сетью наблюдений,

из-за чего многие конвективные явления невозможно зафиксировать, од-

нако даже те немногие метеорологические и аэрологические станции, рас-

положенные за Полярным кругом, предоставляют ценные сведения о со-

стоянии атмосферы. Цель настоящего исследования заключается в оценке

за 2018–2022 гг. соответствия значений индекса неустойчивости Total

Totals, полученных по данным реанализа ERA5 и аэрологического зонди-

рования в азиатской части Арктического сектора России.

Материалы и методы исследования

В настоящей работе для изучения грозовой активности азиатской ча-

сти Арктического сектора России выбрана территория, расположенная се-

вернее 60° с. ш. и восточнее 70° в. д., на которой расположено 77 метеоро-

логических и 23 аэрологических станции. Сформированы два массива

данных – первый для исследования грозовой активности с 2015 по 2021 год

и второй для верификации данных реанализа ERA5 за период с 2018 по

2022 год.

Для формирования первого массива по изучению грозовой активности

были отобраны дни с грозой из базы данных восьмисрочных наблюдений

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 29

за атмосферными явлениями (ATM8C) ВНИИГМИ-МЦД [2]. Дополни-

тельно привлекались данные штормовых телеграмм WAREP за тот же вре-

менной период. Отбор проводился через запрос к базе WAREP, который

содержал индекс станции и коды атмосферного явления 91 «гроза на стан-

ции» и 92 «гроза в окрестности». После исключения из списка строк с оши-

бочными записями наблюдений и с отсутствием дней с грозой, для изуче-

ния грозовой активности на территории исследования было отобрано 11

метеорологических станций (рис. 1, табл. 1).

Рис. 1. Расположение выбранных для исследования аэрологических и метео-

рологических станций в азиатской части Арктического сектора РФ.

Fig. 1. Location of upper air and weather stations under study in the Asian part of

the Russian Arctic.

Рассматриваемая в работе территория по классической классификации

климатов Алисова относится к арктическому (станции Усть-Оленек, Быков

Мыс и Константиновская), субарктическому поясу с очень холодной кон-

тинентальной сибирской областью (станции Волочанка, Курейка, Игарка,

Муторай, Намцы, Среднеколымск и Билибино) и умеренному поясу с уме-

ренно теплой областью атлантического влияния (станция Ныда). Кроме

того, нужно отметить, что на исследуемой территории выделяется два

региона, в которых принято анализировать циркуляционные процессы от-

дельно – до р. Енисей (~100° в. д.) и восточнее [1, 9].

Для верификации параметров неустойчивости из данных продуктов

реанализа ERA5 был сформирован массив по следующим критериям: вы-

бран период – с 1 мая по 30 сентября (теплый период); сроки – 00 и 12 ч

ВСВ; отобраны метеорологические станции, расположенные на расстояние

не более 150 км от пунктов проведения аэрологического зондирования

(аэрологических станций) (табл. 1). Данное условие принимается исходя

из того, что на такое расстояние радиозонд может удаляться от станции

30

Метеорологические прогнозы, математическое моделирование

по горизонтали. Заметим, что на севере отсутствуют метеорологические

станции, на которых проводят, в том числе, и аэрологические наблюдения.

Поэтому в итоге были сформированы такие пары «метеорологическая –

аэрологическая станция»: Муторай – Ванавара, Курейка – Туруханск и

Намцы – Якутск. Местное время для станций зондирования Туруханск и

Ванавара отличается от ВСВ на 7 часов (сроки зондирования 7 и 19 часов),

для Якутска – на 9 часов (запуск зонда осуществляется в 9 и 21 часов).

Таблица 1. Метаданные метеорологических и аэрологических станций

в Арктическом секторе РФ

Table 1. Metadata of upper air and weather stations in the Asian part of the Russian

Arctic

Высота

над у.м.,

м

Индекс

ВМО

Широта, Долгота,

Субъект

Станция

Ныда

°с.ш.

°в.д.

Ямало-

Ненецкий АО

23345

66,63

72,93

10

Волочанка

Игарка

20982

23274

23375

24807

24908

23472

21821

25206

21711

24753

24757

25147

25129

70,97

67,46

66,47

61,33

60,33

65,78

72,0

94,5

37

20

86,56

Курейка

87,22

27

Красноярский

край

Муторай

100,47

102,26

87,93

330

259

38

Ванавара*

Туруханск*

Быков Мыс

Среднеколымск

Усть-Оленек

Намцы

129,12

153,72

119,87

129,67

129,71

166,45

161,17

18

67,45

73,0

21

Республика

Саха (Якутия)

21

62,73

62,01

68,05

68,15

88

Якутск*

101

270

12

Билибино

Константиновская

Чукотский АО

Примечание. * аэрологическая станция.

Для настоящего исследования был выбран индекс Total Totals (TOTL),

так как в [13] было получено, что северная граница со значениями выше

пороговых (≥ 50 ºС), характеризующих атмосферу как сильно неустойчи-

вую и указывающих на высокую вероятность возникновения гроз (более

75 %), простирается до 62° с. ш.:

TOTL  (T₈₅₀T₅₀₀)  (TD₈₅₀T₅₀₀)

,

(1)

где Т₅₀₀– температура окружающей среды на уровне 500 гПа (ºС); Т₈₅₀

–

температура окружающей среды на уровне 850 гПа (ºС); TD₈₅₀– темпера-

тура точки росы на уровне 850 гПа (ºС).

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 31

По результатам аэрологического зондирования в архиве данных [50]

выбраны значения индекса TOTL. Далее с портала Copernicus Climate

Change Service были загружены данные продукта ERA5 «Total Totals» в

формате NetCDF [31] за период с 2018–2022 гг. в сроки 00 и 12 ч ВСВ.

Для пакетной конвертации файлов реанализа ERA5 из формата

NetCDF (.nc) в формат CSV (.csv) использован программный код (скрипт),

написанный на языке программирования MATLAB (The MathWorks, Inc.).

Отбор значений индекса TOTL для ближайших к аэрологическим станциям

узлов сетки проведен с помощью скрипта на языке Python. В результате

отбора сформирован массив данных значений индекса TOTL реанализа

ERA5 из 866 случаев.

Анализ грозовой активности в азиатской части Арктического

сектора России по наземным данным

Как известно, азиатская часть Арктического сектора РФ относится к

районам со слабой грозовой активностью, обусловленной низкими темпе-

ратурами воздуха в теплое время года.

В этой части статьи рассмотрим изменчивость числа дней с грозой с

2015 по 2021 год. Потенциально грозовой период рассматриваемой терри-

тории начинается в мае и продолжается до сентября [14]. Отмечаются и

аномалии, например, на станции Ныда наблюдался один день с грозой в

первой декаде октября 2019 года.

Наибольшая грозовая активность для большинства станций прихо-

дится на июль (рис. 2), однако на отдельных станциях (ст. Ныда, Игарка)

пик активности отмечается в августе. К августу образуется вертикальный

теплообмен воздуха между хорошо прогретой подстилающей поверхно-

стью и холодным воздухом с образованием мощной конвективной облач-

ности. Отдельно стоит отметить самую северную станцию Усть-Оленек, на

которой три дня с грозой были отмечены в третьей декаде июня 2020 года.

Суммарное за теплый период число дней с грозой с запада на восток в

целом уменьшается (с 18 на станции Ныда до 3 на станции Константинов-

ская). Минимальное число дней с грозой зафиксировано на станциях Ку-

рейка и Быков Мыс – 1 день за весь теплый период. Повышенная грозовая

активность в районе Обской губы (ст. Ныда) и на берегу Игарской протоки

Енисея (ст. Игарка) обусловлена выходами атлантических циклонов, кото-

рые стали чаще продвигаться на северное побережье Сибири [14], а также

вследствие преобладания меридиональной формы циркуляции с начала

ХХ века [9, 34]. Однако остается непонятным вопрос, почему в районе

р. Енисей наблюдалось неравномерное и климатически необъяснимое рас-

пределение числа дней с грозой за семилетний период (севернее на станции

Игарка наблюдалось 14 дней, тогда как на станции Курейка, расположен-

ной на 174 км южнее, зарегистрирована одна гроза). Свыше десяти дней

с грозой также наблюдалось на станциях Волочанка (11), Намцы (13),

Муторай (17).

Метеорологические прогнозы, математическое моделирование

32

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 33

Для прибрежных станций (Усть-Оленек, Быков Мыс) за рассмотрен-

ный период число дней с грозой не превысило 3. Процесс образования

грозы здесь связан с таянием морских льдов и, как следствие, освобожде-

нием обширных водных пространств, и прогревом деятельного слоя на

фоне увеличения температуры воздуха.

К середине теплого периода свободная ото льдов, относительно теплая

поверхность моря Лаптевых и Восточно-Сибирского моря способствует

формированию неустойчивой стратификации в атмосфере над арктиче-

ским побережьем, приводя к образованию мощных кучевых и кучево-дож-

девых облаков. На удаленных от Восточно-Сибирского моря станциях

Среднеколымск, Константиновская, Билибино наблюдалось до 5 дней с

грозой.

Как показано на рис. 3, годом с наиболее выраженной грозовой актив-

ностью можно считать 2020 г., общее число дней с грозой по всем стан-

циям составило 22. Обновление максимума годового числа дней с грозой

на рассматриваемых станциях в 2020 г. подтверждается данными Научно-

прикладного справочника «Климат России» [14].

Косвенным свидетельством усиления грозовой активности являются

лесные пожары на обширных незаселенных северных территориях Си-

бири. В [40] на основе данных дистанционного зондирования было отме-

чено, что 2019 и 2020 гг. выделялись как экстремальные по числу пожаров

в сибирской Арктике. Кроме того, над площадью лесного пожара в атмо-

сферу выделяется большое количество водяного пара [15] и создается слой

аэрозольных частиц, что способствует разогреву нижележащих слоев воз-

духа и облегченной конденсации водяного пара (на ядрах конденсации пи-

рогенного происхождения) и, как следствие, развитию конвективной об-

лачности [33].

Добавим, что дымовая завеса является слоем, которая задерживает

уходящее тепло от подстилающей поверхности, увеличивая тем самым

ночные температуры воздуха [18]. Помимо того, очаги возгорания приво-

дят к эманации парниковых газов, таких как диоксид углерода и метан [6,

37], в большом количестве содержащихся в вечной мерзлоте. В результате

складывается самоподдерживающийся триггерный процесс.

В целом, анализ динамики грозовой активности региона за последнее

десятилетие в сравнении с многолетними данными показал, что на фоне

наличия значительной межгодовой изменчивости грозовой активности по-

вторяемость гроз на севере заметно увеличилась. Данные с северных ме-

теостанции азиатской части России не демонстрируют стремительного ро-

ста числа дней с грозой по сравнению с климатическими данными, однако

на некоторых станциях отмечается увеличение частоты проявления грозо-

вой активности.

34

Метеорологические прогнозы, математическое моделирование

Рис. 3. Межгодовая изменчивость суммарного числа дней с грозой в году

в азиатской части Арктического сектора РФ.

Fig. 3. Interannual variability of total number of days with thunderstorms per year

in the Asian part of the Russian Arctic.

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 35

Верификация значений продукта «Total Totals» реанализа ERA5

с результатами аэрологического зондирования

Необходимость всестороннего изучения конвективных явлений воз-

растает, и применение индексов неустойчивости, особенно в рассматрива-

емом регионе, будет актуальным. Выбор индекса неустойчивости Total

Totals обоснован выше. Для оценки соответствия его значений, получен-

ных по данным реанализа ERA5 (ниже группа «ERA5») и аэрологического

зондирования (группа «Аэрология») в азиатской части Арктического сек-

тора России, был сформирован массив для трех исследуемых станций, рас-

положенных в азиатской части Арктического сектора России. Из массива

исключались отрицательные значения индекса, поскольку такие величины

не несут физического смысла.

В качестве проверочного критерия на соответствие закона распределе-

ния использовался критерий Колмогорова – Смирнова. За нулевую прини-

малась гипотеза об отсутствии различия анализируемого распределения с

теоретически ожидаемым нормальным распределением. Для всех трех

станций статистическая проверка об отсутствии различий была выполнена

на критическом уровне p>0,05. Таким образом, три выборки имеют нор-

мальное распределение (рис. 4). Оценка на принадлежность одной гене-

ральной совокупности проводилась с учетом соответствия средних и дис-

персий (критериев Стьюдента и Фишера).

Рис. 4. Гистограммы нормального распределения для данных реанализа

(синий) и аэрологических данных (оранжевый) для станций 1) Туруханск;

2) Ванавара; 3) Якутск.

Fig. 4. Normal distribution histograms for the reanalysis data (blue) and upper-air

data (orange) for 1) Turukhansk; 2) Vanavara; 3) Yakutsk.

Для каждой станции по аэрологическим данным определен довери-

тельный интервал, ограниченный 1,25σ (среднеквадратического отклоне-

ния, 75 %). Соответствие значения индекса TOTL продукта ERA5 грани-

цам этого интервала интерпретировалось как совпадение.

Получено, что критических отличий между верифицируемыми выбор-

ками не обнаружено. Сравнение в группах «Аэрология» и «ERA5» пока-

зало, что наибольшие различия получены на станции Ванавара (табл. 2):

36

Метеорологические прогнозы, математическое моделирование

за рассматриваемый период 3,5 % значений индекса TOTL по данным реа-

нализа были значительно ниже аналогичных значений по данным аэроло-

гического зондирования (9 событий). Наилучшее согласие двух выборок

демонстрируют значения индекса на станции Якутск (1,4 %).

Таблица 2. Сравнение основных статистических показателей и процента не-

совпадения результатов по данным аэрологического зондирования и реана-

лиза

Table 2. Comparison of basic statistics and percentage of discrepancy between

upper-air sounding and reanalysis

Туруханск

Ванавара

Якутск

Данные

N наблюдений

Аэро-

логия

Аэро-

логия

Аэро-

логия

ERA5

288

283

295

Среднее, ед.

40,2

7,7

37,7

11,0

5,8

43,0

6,3

40,7

11,5

6,0

40,5

7,0

40,2

10,2

6,2

СКО, ед.

Минимум, ед.

Максимум, ед.

Критерий Стьюдента

Критерий Фишера

Процент несовпадения, %

BIAS, ед.

17

26,8

58,0

20,2

58,0

56,7

59,6

59,7

59,9

0,002

2,041

3,1

0,003

3,325

3,5

0,727

2,119

1,4

-2,6

-2,4

-0,4

MAE, ед.

10,8

13,9

9,7

9,5

RMSE, ед.

12,6

12,3

Для оценки соответствия значений индекса TOTL, полученных по дан-

ным реанализа и аэрологических наблюдений, рассчитывались следующие

показатели [7]:

1) BIAS – систематическая ошибка, представляющая систематическое

завышение или занижение верифицируемого значения индекса (ERA5) от-

носительно принятого за эталонный (аэрология):

N

1

BIAS 

(V  E )

_N

i

i1

2) MAE – средняя абсолютная ошибка, характеризующая среднее зна-

чение погрешности без учета ее знака (с точностью до 0,1):

N

1

MAE 

|V  E |

_N

i

i1

;

3) RMSE – средняя квадратическая ошибка, показывающая средне-

квадратическое отклонение верифицируемой величины от эталонной:

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 37

N

1

RMSE 

(V  E )²

_N

i

i1

,

где N – число случаев; ꢀ – верифицируемое значение индекса (реанализ);

ꢁ

ꢂ_ꢁ– эталонное значение (аэрология).

Систематическая погрешность BIAS значений TOTL по данным реа-

нализа составила от -0,4 до -2,5 единиц. Значения MAE не превысили 11

единиц индекса. Оценка RMSE показала, что среднее отклонение реанализ-

ных значений TOTL от аэрологических лежат в пределах от 12,3 до 13,9.

Значения индекса TOTL по ERA5 в 65–68 % случаев для всех рядов данных

не отличались от аэрологических на ±10 единиц.

Ввиду отсутствия плотной сети метеорологических, аэрологических,

спутниковых наблюдений, а также выходных продуктов численного моде-

лирования реанализ является единственным инструментом для исследова-

ния метеорологических особенностей арктических территорий. Из досто-

инств реанализа ERA5 стоит отметить его высокое пространственное и

часовое временное разрешение. Однако не стоит забывать и о «сглажива-

нии» и занижении значений в результате интерполяции полей метеовели-

чин, а также неспособности учитывать особенности рельефа или влияния

процессов на разделе «суша вода».

Приведенные результаты исследования позволяют сделать вывод, что

использование продукта реанализа ERA5 «Total Totals» в арктических ре-

гионах целесообразно для ретроспективного установления факта наличия

гроз и их локализации на слабозаселенных территориях. Для точного уста-

новления грозовой деятельности на исследуемой территории необходимо

определить пороговые значения индекса как границы вероятности разви-

тия грозы, что не входило в задачу данного исследования.

Заключение

Грозы в Арктическом секторе России являются одним из ключевых

индикаторов климатических изменений, поскольку они сигнализируют о

потеплении в этом холодном регионе. Соответственно, повышение точно-

сти прогноза возникновения гроз крайне актуально для северных регионов.

За семилетний период с 2015 по 2021 год выявлено, что в границах

рассматриваемого региона грозовая активность чаще приходилась на рай-

оны Обской губы (ст. Ныда, 66,63º с. ш., 72,93º в.д.) и берег Игарской про-

токи Енисея (ст. Игарка, 67,46º с. ш., 86,56º в. д.), что обусловлено выхо-

дом на данную территорию южных циклонов. Активная грозовая

деятельность для большинства станций наблюдалась в июле, на станциях

Ныда и Волочанка пик приходился на август. В 2020 г. зафиксировано мак-

симальное количество грозовых дней по всем станциям (22 дня), что под-

тверждается обновлением наибольшего числа дней в году с грозой на не-

которых исследуемых станциях.

38

Метеорологические прогнозы, математическое моделирование

Верификация значений индекса неустойчивости Total Totals, получен-

ных по данным реанализа ERA5 и измерений радиозонда, критических от-

личий не показала. На станции Якутск получено лучшее согласие двух вы-

борок (1,4 %); на станциях Туруханск и Ванавара процент несовпадения

составил 3,1 и 3,5 % соответственно.

В 65–68 % случаев для всех рядов значения индекса Total Totals по

данным реанализа и аэрологического зондирования не отличались более

чем на ±10 единиц индекса.

Таким образом, применение продукта реанализа ERA5 «Total Totals»

в арктических регионах является перспективным для констатации факта

наличия развитых конвективных ячеек, способных продуцировать грозу, и

определения наиболее вероятного местоположения молниевых разрядов.

Определение пороговых значений индекса как границы вероятности разви-

тия грозы позволит использовать выбранный индекс для уточнения про-

гноза грозовой активности в азиатской части Арктического сектора

России.

Исследование выполнено при поддержке Российского научного фонда

(РНФ), проект № 22-27-00494, https://www.rscf.ru/project/22-27-00494/

Список литературы

1. Барашкова Н.К., Кужевская И.В., Поляков Д.В. Классификация форм

атмосферной циркуляции: учеб. пособие. Томск: Изд-во Том. ун-та, 2015. 124 с.

2. Булыгина О.Н., Веселов В.М., Александрова Т.М., Коршунова Н.Н.

Описание массива данных по атмосферным явлениям на метеорологических

станциях России: Свидетельство о государственной регистрации базы данных №

2015620081.

http://meteo.ru/data/345-atmosfernye-yavleniya-sroki#описание-

массива-данных

3. Быков А.В., Ветров А.Л., Калинин Н.А. Прогноз опасных конвективных

явлений в Пермском крае с использованием глобальных прогностических моделей

// Труды Гидрометцентра России. 2017. Вып. 363. С. 101-119.

4. ВМО-100. Руководство по климатологической практике. Женева: Изд-во

ВМО, 2018. 168 с.

5. Губенко И.М., Рубинштейн К.Г. Анализ результатов расчета грозовой

активности с помощью индексов неустойчивости атмосферы по данным

численной модели WRF-ARW // Метеорология и гидрология. 2015. № 1. С. 27-37.

6. Доклад Постоянной комиссии по экологическим правам Совета при

Президенте Российской Федерации по развитию гражданского общества и правам

человека «Зеленый поворот». М., 2020. 130 с.

7. Киктев Д.Б., Муравьев А.В., Бундель А.Ю. Методические рекомендации по

верификации метеорологических прогнозов. М.: АМА ПРЕСС, 2021. 94 с.

8. Кравец К.А., Нечепуренко О.Е. Оценка грозовой активности выше 60°

северной широты в РФ // ENVIROMIS 2022: Международная конференция и

школа молодых ученых по измерениям, моделированию и информационным

системам для изучения окружающей среды, Томск, 12-17 сентября 2022 года.

Томск: Томский центр научно-технической информации, 2022. С. 10-13.

9. Мониторинг общей циркуляции атмосферы. Северное полушарие:

Справочное пособие. Обнинск: ВНИИГМИ-МЦД, 2012. 124 с.

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 39

10. Нечепуренко О.Е., Горбатенко В.П., Константинова Д.А., Пустовалов

К.Н. Сопряженность положения грозовых ячеек с высокими значениями индексов

неустойчивости атмосферы на юго-востоке Западной Сибири // Современные

тенденции и перспективы развития гидрометеорологии в России: Материалы III

Всероссийской научно-практической конференции. 2020. С. 278-285.

11. Нечепуренко О.Е., Горбатенко В.П., Константинова Д.А., Севастьянов

В.В. Индексы неустойчивости атмосферы и их пороговые значения, оптимальные

для прогноза гроз над Сибирью // Гидрометеорологические исследования и

прогнозы. 2018. № 2 (368). С. 44-59.

12.

О

работе аэрологической сети РФ

в

2022 году. https://cao-

ntcr.mipt.ru/monitor/stuff/upperair/upperair-rf2022_20231006.pdf

13. Пустовалов К.Н., Горбатенко В.П., Нагорский П.М., Нечепуренко О.Е.

Пространственно-временная изменчивость конвективной неустойчивости на юге

Западной Сибири по данным реанализа ERA5 // Вестник КРАУНЦ. Физ.-мат.

науки. 2021. Т. 37, № 4. C. 203-215. DOI: 10.26117/2079-6641-2021-37-4-203-215.

14. Разуваев В.Н., Булыгина О.Н., Коршунова Н.Н., Клещенко Л.К., Кузнецова

В.Н., Трофименко Л.Т., Шерстюков А.Б., Швець Н.В., Давлетшин С.Г., Зверева

Г.Н. Научно-прикладной справочник «Климат России»: свидетельство о гос.

регистрации базы данных №ꢀ2020621470. Рег. 18.08.2020.

15. Ситнов С.А., Мохов И.И. Содержание водяного пара в атмосфере над

Европейской частью России в период летних пожаров 2010 г. // Известия РАН.

Физика атмосферы и океана. 2013. Т. 49, № 4. С. 414-429.

16. Чернокульский А.В., Курганский М.В., Мохов И.И. Анализ изменений

условий смерчегенеза в северной Евразии с использованием простого индекса

конвективной неустойчивости атмосферы // Доклады Академии наук. 2017. Т. 477,

№ 6. С. 722-727.

17. Шихов А.Н., Чернокульский А.В., Спрыгин А.А., Ярынич Ю.И. Оценка

конвективной неустойчивости атмосферы в случаях со шквалами, смерчами и

крупным градом по данным спутниковых наблюдений и реанализа ERA5 // Оптика

атмосферы и океана. 2022. Т. 35, № 6 (401). С. 429-435.

18. Шукуров К.А., Мохов И.И., Шукурова Л.М. Оценка радиационного

форсинга дымового аэрозоля летних пожаров 2010 г. на основе измерений в

московском регионе // Известия РАН. Физика атмосферы и океана. 2014. Т. 50, №

3. С. 293-303.

19. Allen J.T., Karoly D.J. A climatology of Australian severe thunderstorm

environments 1979-2011: Inter-annual variability and ENSO influence // Int. J. Climatol.

2014. Vol. 34. P. 81-97. DOI: 10.1002/joc.3667.

20. Brooks H.E., Anderson A., Riemann K., Ebbers I., Flachs H. Climatological

aspects of convective parameters from the NCAR/NCEP Reanalysis // Atmos. Res. 2007.

Vol. 83. P. 294-305.

21. Brooks H.E., Lee J.W., Craven J.P. The spatial distribution of severe

thunderstorm and tornado environments from global reanalysis data // Atmos. Res. 2003.

P. 67-68, 73-94. DOI: 10.1016/S0169-8095(03)00045-0.

22. Brown D.M., Kochtubajda B., Said R.K. A Severe Thunderstorm Outbreak

North of 70°N Over the Canadian Arctic Islands with Unusual Lightning Characteristics

// Atmosphere-Ocean. 2020. Vol. 58, no. 4. P. 231-242.

23. Clark A.J., Gallus W.A., Xue M., Kong F. A Comparison of Precipitation

Forecast Skill between Small Convection-Allowing and Large Convection-

Parameterizing Ensembles // Weather Forecast. 2009. Vol. 24. P. 1121-1140.

DOI:10.1175/2009WAF2222222.1.

40

Метеорологические прогнозы, математическое моделирование

24.

Copernicus

Climate

Change

Service.

Climate

reanalysis.

https://climate.copernicus.eu/climate-reanalysis

25. Doswell III C.A., Evans J.S. Proximity sounding analysis for derechos and

supercells: An assessment of similarities and differences // Atmospheric Research. 2003.

P. 117-133. DOI: 10.1016/S0169-8095(03)00047-4.

26. FENGYUN Satellite Data Center. https://satellite.nsmc.org.cn/

27. Fernando M., Millangoda M., Premalal S. Analyze and Comparison of the

Atmospheric Instability Using K-Index, Lifted Index, Total Totals Index, Convective

Availability Potential Energy (CAPE) and Convective Inhibition (CIN) in Development

of Thunderstorms in Sri Lanka During Second Inter-Monsoon // Multi-Hazard Early

Warning and Disaster Risks. 2021. P. 603-614. DOI: 10.1007/978-3-030-73003-1_41

28. Galway J.G. The Lifted index as a predictor of latent instability // Bulletin of

the American Meteorological Society. 1956. Vol. 3. P. 528-529.

29. Gensini V.A., Mote T.L, Brooks H.E. Severe-Thunderstorm Reanalysis

Environments and Collocated Radiosonde Observations // Meteorol. Climatol. 2014.

Vol. 53. P. 742-751. DOI: 10.1175/JAMC-D-13-0263.1.

30. George J.J. Weather forecasting for aeronautics. New York; London: Academic

Press. 1960. 684 p.

31. Hersbach H., Bell B., Berrisford P., Hirahara S., Horányi A., Muñoz‐Sabater

J. The ERA5 global reanalysis // Q. J. R. Meteorol. Soc. 2020. Vol. 146 (730). P. 1999-

2049.

32. Holzworth R.H., Brundell J.B., McCarthy M.P., Jacobson A.R., Rodger C.J.,

Anderson T.S. Lightning in the Arctic // Geophysical Research Letters. 2021. Vol. 48,

no. 7. DOI: 10.1029/2020GL091366.

33. Kharyutkina E., Pustovalov K., Moraru E., Nechepurenko O. Analysis of

spatio-temporal variability of lightning activity and wildfires in Western Siberia during

2016-2021 // Atmosphere. 2022. Vol. 13. P. 1-16. DOI: 10.3390/atmos13050669.

34. Kononova N.K., Lupo A.R. Changes in the Dynamics of the Northern

Hemisphere Atmospheric Circulation and the Relationship to Surface Temperature in the

20th and 21st Centuries // Atmosphere. 2020. Vol. 11 (255). P. 1-14. DOI:

10.3390/atmos11030255.

35. Kuchinskaia O., Bryukhanov I., Penzin M., Ni E., Doroshkevich A., Kostyukhin

V., Samokhvalov I., Pustovalov K., Bordulev I., Bryukhanova V., Stykon A., Kirillov N.,

Zhivotenyuk I. ERA5 Reanalysis for the Data Interpretation on Polarization Laser

Sensing of High-Level Clouds // Remote Sensing. 2022. Vol. 15. P. 109. DOI:

10.3390/rs15010109.

36. Kuzhevskaia I., Volkova M., Nechepurenko O., Chursin V. A study of hailstorms

in the south of Western Siberia // IOP Conference Series: Materials Science and

Engineering. International Scientific Conference «Construction and Architecture:

Theory and Practice of Innovative Development» – Hydrometeorological and Geodetic

Research in the Building Area. 2019. Vol. 698. P. 1-8. DOI: 10.1088/1757-

899X/698/4/044036.

37. Lenton T.M., Held H., Kriegler E., Hall J. Tipping Elements in the Earth’s

Climate System // PNAS. 2008. Vol. 105 (6). P. 1786-1793. DOI:

10.1073/pnas.0705414105.

38. Li F., Chavas D.R., Reed K.A., Dawson II D.T. Climatology of Severe Local

Storm Environments and Synoptic-Scale Features over North America in ERA5

Reanalysis and CAM6 Simulation // J. Clim. 2020. Vol. 33 (19). P. 8339-8365. DOI:

10.1175/JCLI-D-19-0986.1.

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 41

39. Markowski P.M., Straka J.M., Rasmussen E.N. Direct Surface Thermodynamic

Observations within the Rear-Flank Downdrafts of Nontornadic and Tornadic Supercells

// Monthly Weather Review. 2002. Vol. 130. P. 1692-1721. DOI:

https://doi.org/10.1175/1520-0493(2002)130<1692:DSTOWT>2.0.CO;2.

40. McCarty J.L., Smith Thomas E.L., Turetsky M.R. Arctic fires re-emerging //

Nature Geoscience. 2020. Vol. 13. P. 658-660. DOI: 10.1038/s41561-020-00645-5.

41. Miller R.C. Notes on Analysis and Severe Storm Forecasting Procedures of the

Air Force Global Weather Center // Tech. Report / Headquarters, Air Weather Service,

USAF. 1972. 190 p.

42. MODIS Atmospheric Profiles. https://modis.gsfc.nasa.gov/data/dataprod/

mod07.php

43. Nguyen L., Rohrer M., Schwarb M., Stoffel M. Development of a combined

empirical index for a 5-day forecast of heavy precipitation over the Bernese Alps //

Environment International. 2020. Vol. 135. DOI: 10.1016/j.envint.2019.105357.

44. Peppler R.A. A review of static stability indices and related thermodynamic

parameters // Illinois State Water Survey Division / Climate and meteorology section.

Misc. Publ. 104. 1988. 87 p.

45. Rasmussen E.N., Blanchard D.O. A Baseline Climatology of Sounding-Derived

Supercell and Tornado Forecast Parameters // Wea. Forecast. 1998. Vol. 13. P. 1148-

1164. DOI: https://doi.org/10.1175/1520-0434(1998)013<1148:ABCOSD>2.0.CO;2.

46. Samokhvalov I.V., Bryukhanov I.D., Park Soojin, Zhivotenyuk I.V., Ni E.V.,

Stykon A.P. Optical characteristics of contrails according to polarization lidar sensing

data // Proc. SPIE 10833, 24th International Symposium on Atmospheric and Ocean

Optics: Atmospheric Physics. 2018. 6 p. DOI: 10.1117/12.2504517.

47. Showalter A.K. A stability index for forecasting thunderstorms // Bulletin of the

American Meteorological Society. 1947. Vol. 34. P. 250-252.

48. Taszarek M., Brooks H.E., Czernecki B., Szuster P., Fortuniak K.

Climatological aspects of convective parameters over Europe: a comparison of ERA-

Interim and sounding data // J. Clim. 2018. Vol. 31 (11). P. 4281-4308. DOI:

10.1175/JCLI-D-17-0596.1.

49. Taszarek M., Pilguj N., Allen J.T., Gensini V., Brooks H.E., Szuster P.

Comparison of Convective Parameters Derived from ERA5 and MERRA-2 with

Rawinsonde Data over Europe and North America // J. Clim. 2020. Vol. 34 (8). P. 3211-

3237. DOI: 10.1175/JCLI-D-20-0484.1.

50. University of Wyoming. College of Engineering. Atmospheric Soundings.

https://weather.uwyo.edu/upperair/sounding.html

51. Vaisala Annual report 2021. https://www.vaisala.com/sites/default/files/

documents/Vaisala_Annual%20report_2021_final.pdf

52. Varga A.J., Breuer H. Evaluation of convective parameters derived from

pressure level and native ERA5 data and different resolution WRF climate simulations

over Central Europe // Clim. Dyn. 2022. Vol. 58. P. 1569-1585. DOI: 10.1007/s00382-

021-05979-3.

References

1. Barashkova N.K., Kuzhevskaja I.V., Poljakov D.V. Klassifikacija form

atmosfernoj cirkuljacii. Tomsk: Pub. Tom. un-ta, 2015, 124 p. [in Russ.].

2. Bulygina O.N., Veselov V.M., Aleksandrova T.M., Korshunova N.N. Opisanie

massiva dannyh po atmosfernym javlenijam na meteorologicheskih stancijah Rossii.

42

Метеорологические прогнозы, математическое моделирование

Svidetel'stvo o gosudarstvennoj registracii bazy dannyh № 2015620081. Available at:

http://meteo.ru/data/345-atmosfernye-yavleniya-sroki#opisanie-massiva-dannyh

Russ.].

[in

3. Bykov A.V., Vetrov A.L., Kalinin N.A. The forecast of dangerous convective

phenomena in the Perm Krai with use of global prognostic models. Trudy

Gidromettsentra Rossii [Proceedings of the Hydrometcentre of Russia], 2017, vol. 363,

pp. 101-119 [in Russ.].

4. VMO-100. Rukovodstvo po klimatologicheskoj praktike. 2018, Geneva, 168 p.

[in Russ.].

5. Gubenko I.M., Rubinshtein K.G. Analysis of the results of thunderstorm

forecasting based on atmospheric instability indices using the WRF-ARW numerical

model data. Russ. Meteorol. Hydrol., 2015, vol. 40, pp. 16-24.

DOI:10.3103/S1068373915010033

6. Doklad Postojannoj komissii po jekologicheskim pravam Soveta pri Prezidente

Rossijskoj Federacii po razvitiju grazhdanskogo obshhestva i pravam cheloveka.

Moscow, 2020, 128 p. [in Russ.].

7. Kiktev D.B., Murav'ev A.V., Bundel' A.Ju. Metodicheskie rekomendacii po

verifikacii meteorologicheskih prognozov. Moscow, AMA PRESS publ., 2021, 94 p. [in

Russ.].

8. Kravec K.A., Nechepurenko O.E. Ocenka grozovoj aktivnosti vyshe 60° Severnoj

shiroty v RF [Assessment of thunderstorm activity above 60° North latitude in the

Russian Federation]. ENVIROMIS 2022: Mezhdunarodnaja konferencija i shkola

molodyh uchenyh po izmerenijam, modelirovaniju i informacionnym sistemam dlja

izuchenija okruzhajushhej sredy, Tomsk, 12-17 sentjabrja 2022 goda. Tomsk: Tomskij

centr nauchno-tehnicheskoj informacii, 2022, pp. 10-13 [in Russ.].

9. Monitoring obshhej cirkuljacii atmosfery. Severnoe polusharie. Obninsk, FGBU

«VNIIGMI-MCD», 2012, 124 p. [in Russ.].

10. Nechepurenko O.E., Gorbatenko V.P., Konstantinova D.A., Pustovalov K.N.

Soprjazhennost' polozhenija grozovyh jacheek s vysokimi znachenijami indeksov

neustojchivosti atmosfery na jugo-vostoke Zapadnoj Sibiri [Conjugation of the position

of thunderstorm cells with high values of atmospheric instability indices in the southeast

of Western Siberia]. V sbornike: Sovremennye tendencii i perspektivy razvitija

gidrometeorologii

v

Rossii. Materialy III Vserossijskoj nauchno-prakticheskoj

konferencii. 2020, pp. 278-285 [in Russ.].

11. Nechepurenko O.E., Gorbatenko V.P., Konstantinova D.A., Sevast'janov V.V.

Indices of atmospheric instability and their threshold values, optimal for forecasting

thunderstorms over Siberia. Gidrometeorologicheskie issledovaniya i prognozy

[Hydrometeorological Research and Forecasting], 2018, vol. 368, no. 2, pp. 44-59 [in

Russ.].

12.

O

rabote ajerologicheskoj seti RF

v

2022 godu. https://cao-

ntcr.mipt.ru/monitor/stuff/upperair/upperair-rf2022_20231006.pdf [in Russ.].

13. Pustovalov K.N., Gorbatenko V.P., Nagorskij P.M., Nechepurenko O.E.

Spatiotemporal variability of convective instability in the south of Western Siberia

according to ERA5 reanalysis data. Vestnik KRAUNC. Fiz.-mat. nauki [Bulletin

KRASEC. Physical and Mathematical Sciences], 2021, vol. 37, no. 4, pp. 203-215. DOI:

10.26117/2079-6641-2021-37-4-203-215 [in Russ.].

14. Razuvaev V.N., Bulygina O.N., Korshunova N.N., Kleshhenko L.K., Kuznecova

V.N., Trofimenko L.T., Sherstjukov A.B., Shvec' N.V., Davletshin S.G., Zvereva G.N.

Nauchno-prikladnoj spravochnik «Klimat Rossii» [in Russ.].

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 43

15. Sitnov S.A., Mohov I.I. Water-Vapor Content in the Atmosphere over European

Russia during the 2010 Summer Fire. Izvestija RAN. Fizika atmosfery i okeana

[Izvestiya, Atmospheric and Oceanic Physics], 2013, vol. 49, no. 4, pp. 414 [in Russ.].

16. Chernokul'skij A.V., Kurganskij M.V., Mohov I.I. Analiz izmenenij uslovij

smerchegeneza v severnoj Evrazii s ispol'zovaniem prostogo indeksa konvektivnoj

neustojchivosti atmosfery. Doklady Akademii nauk, 2017, vol. 477, no. 6, pp. 722-727

[in Russ.].

17. Shihov A.N., Chernokul'skij A.V., Sprygin A.A., Jarynich Ju.I. Assessment of

convective instability of the atmosphere in cases of squalls, tornadoes and large hail

based on satellite observations and ERA5 reanalysis. Optika atmosfery i okeana

[Atmospheric and Oceanic Optics], 2022, vol. 35, no. 6, pp. 429-435 [in Russ.].

18. Shukurov K.A., Mohov I.I., Shukurova L.M. Assessment of radiation forcing of

smoke aerosol from summer fires in 2010 based on measurements in the Moscow region.

Izvestija RAN. Fizika atmosfery i okeana [Izvestiya, Atmospheric and Oceanic Physics],

2014, vol. 50, no. 3, pp. 293 [in Russ.].

19. Allen J.T., Karoly D.J. A climatology of Australian severe thunderstorm

environments 1979-2011: Inter-annual variability and ENSO influence. Int. J. Climatol.,

2014, vol. 34, pp. 81-97. DOI: 10.1002/joc.3667.

20. Brooks H.E., Anderson A., Riemann K., Ebbers I., Flachs H. Climatological

aspects of convective parameters from the NCAR/NCEP Reanalysis. Atmos. Res., 2007,

vol. 83, pp. 294-305.

21. Brooks H.E., Lee J.W., Craven J.P. The spatial distribution of severe

thunderstorm and tornado environments from global reanalysis data. Atmos. Res., 2003,

pp. 67-68, 73-94. DOI: 10.1016/S0169-8095(03)00045-0.

22. Brown D.M., Kochtubajda B., Said R.K. A Severe Thunderstorm Outbreak

North of 70°N Over the Canadian Arctic Islands with Unusual Lightning Characteristics.

Atmosphere-Ocean, 2020, vol. 58, no. 4, pp. 231-242.

23. Clark A.J., Gallus W.A., Xue M., Kong F. A Comparison of Precipitation

Forecast Skill between Small Convection-Allowing and Large Convection-

Parameterizing Ensembles. Weather Forecast, 2009, vol. 24, pp. 1121-1140.

DOI:10.1175/2009WAF2222222.1.

24.

Copernicus

Climate

Change

Service.

Climate

reanalysis.

https://climate.copernicus.eu/climate-reanalysis

25. Doswell III C.A., Evans J.S. Proximity sounding analysis for derechos and

supercells: An assessment of similarities and differences. Atmospheric Research, 2003,

pp. 117-133. DOI: 10.1016/S0169-8095(03)00047-4.

26. FENGYUN Satellite Data Center. https://satellite.nsmc.org.cn/

27. Fernando M., Millangoda M., Premalal S. Analyze and Comparison of the

Atmospheric Instability Using K-Index, Lifted Index, Total Totals Index, Convective

Availability Potential Energy (CAPE) and Convective Inhibition (CIN) in Development

of Thunderstorms in Sri Lanka During Second Inter-Monsoon. Multi-Hazard Early

Warning and Disaster Risks, 2021, pp. 603-614. DOI: 10.1007/978-3-030-73003-1_41

28. Galway J.G. The Lifted index as a predictor of latent instability. Bulletin of the

American Meteorological Society, 1956, vol. 3, pp. 528-529.

29. Gensini V.A., Mote T.L, Brooks H.E. Severe-Thunderstorm Reanalysis

Environments and Collocated Radiosonde Observations. Meteorol. Climatol., 2014, vol.

53, pp. 742-751. DOI: 10.1175/JAMC-D-13-0263.1.

30. George J.J. Weather forecasting for aeronautics. New York; London: Academic

Press publ., 1960, 684 p.

44

Метеорологические прогнозы, математическое моделирование

31. Hersbach H., Bell B., Berrisford P., Hirahara S., Horányi A., Muñoz‐Sabater

J. The ERA5 global reanalysis. Q. J. R. Meteorol. Soc., 2020, vol. 146, no. 730. pp. 1999-

2049.

32. Holzworth R.H., Brundell J.B., McCarthy M.P., Jacobson A.R., Rodger C.J.,

Anderson T.S. Lightning in the Arctic. Geophysical Research Letters, 2021, vol. 48, no.

7. DOI: 10.1029/2020GL091366.

33. Kharyutkina E., Pustovalov K., Moraru E., Nechepurenko O. Analysis of

spatio-temporal variability of lightning activity and wildfires in Western Siberia during

2016-2021. Atmosphere, 2022, vol. 13, pp. 1-16. DOI: 10.3390/atmos13050669.

34. Kononova N.K., Lupo A.R. Changes in the Dynamics of the Northern

Hemisphere Atmospheric Circulation and the Relationship to Surface Temperature in the

20th and 21st Centuries. Atmosphere, 2020, vol. 11 (255), pp. 1-14. DOI:

10.3390/atmos11030255.

35. Kuchinskaia O., Bryukhanov I., Penzin M., Ni E., Doroshkevich A., Kostyukhin

V., Samokhvalov I., Pustovalov K., Bordulev I., Bryukhanova V., Stykon A., Kirillov N.,

Zhivotenyuk I. ERA5 Reanalysis for the Data Interpretation on Polarization Laser

Sensing of High-Level Clouds. Remote Sensing. 2022, vol. 15, pp. 109. DOI:

10.3390/rs15010109.

36. Kuzhevskaia I., Volkova M., Nechepurenko O., Chursin V. A study of hailstorms

in the south of Western Siberia. IOP Conference Series: Materials Science and

Engineering. International Scientific Conference «Construction and Architecture:

Theory and Practice of Innovative Development». Hydrometeorological and Geodetic

Research in the Building Area. 2019, vol. 698, pp. 1-8. DOI: 10.1088/1757-

899X/698/4/044036.

37. Lenton T.M., Held H., Kriegler E., Hall J. Tipping Elements in the Earth’s

Climate System. PNAS. 2008, vol. 105, pp. 1786-1793. DOI: 10.1073/pnas.0705414105.

38. Li F., Chavas D.R., Reed K.A., Dawson II D.T. Climatology of Severe Local

Storm Environments and Synoptic-Scale Features over North America in ERA5

Reanalysis and CAM6 Simulation. J. Clim., 2020, vol. 33, pp. 8339-8365. DOI:

10.1175/JCLI-D-19-0986.1.

39. Markowski P.M., Straka J.M., Rasmussen E.N. Direct Surface Thermodynamic

Observations within the Rear-Flank Downdrafts of Nontornadic and Tornadic

Supercells. Monthly Weather Review, 2002, vol. 130, pp. 1692-1721. DOI:

https://doi.org/10.1175/1520-0493(2002)130<1692:DSTOWT>2.0.CO;2.

40. McCarty J.L., Smith Thomas E.L., Turetsky M.R. Arctic fires re-emerging.

Nature Geoscience. 2020, vol. 13, pp. 658-660. DOI: 10.1038/s41561-020-00645-5.

41. Miller R.C. Notes on Analysis and Severe Storm Forecasting Procedures of the

Air Force Global Weather Center. Tech. Report. Headquarters, Air Weather Service,

USAF. 1972. 190 p.

42.

MODIS

Atmospheric

Profiles.

https://modis.gsfc.nasa.gov/data/dataprod/mod07.php

43. Nguyen L., Rohrer M., Schwarb M., Stoffel M. Development of a combined

empirical index for a 5-day forecast of heavy precipitation over the Bernese Alps.

Environment International. 2020, vol. 135. DOI: 10.1016/j.envint.2019.105357.

44. Peppler R.A. A review of static stability indices and related thermodynamic

parameters. Illinois State Water Survey Division. Climate and meteorology section. Misc.

Publ., 104, 1988, 87 p.

45. Rasmussen E.N., Blanchard D.O. A Baseline Climatology of Sounding-Derived

Supercell and Tornado Forecast Parameters. Weather and Forecasting, 1998, vol. 13,

Нечепуренко О.Е., Кужевская И.В., Пустовалов К.Н., Горбатенко В.П., Кравец К.А. 45

pp. 1148-1164.

DOI:

https://doi.org/10.1175/1520-

0434(1998)013<1148:ABCOSD>2.0.CO;2.

46. Samokhvalov I.V., Bryukhanov I.D., Park Soojin, Zhivotenyuk I.V., Ni E.V.,

Stykon A.P. Optical characteristics of contrails according to polarization lidar sensing

data. Proc. SPIE 10833, 24th International Symposium on Atmospheric and Ocean

Optics: Atmospheric Physics, 2018, 6 p. DOI: 10.1117/12.2504517.

47. Showalter A.K. A stability index for forecasting thunderstorms. Bulletin of the

American Meteorological Society, 1947, vol. 34, pp. 250-252.

48. Taszarek M., Brooks H.E., Czernecki B., Szuster P., Fortuniak K.

Climatological aspects of convective parameters over Europe: a comparison of ERA-

Interim and sounding data. J. Clim., 2018, vol. 31, pp. 4281-4308. DOI: 10.1175/JCLI-

D-17-0596.1.

49. Taszarek M., Pilguj N., Allen J.T., Gensini V., Brooks H.E., Szuster P.

Comparison of Convective Parameters Derived from ERA5 and MERRA-2 with

Rawinsonde Data over Europe and North America. J. Clim., 2020, vol. 34, pp. 3211-

3237. DOI: 10.1175/JCLI-D-20-0484.1.

50. University of Wyoming. College of Engineering. Atmospheric Soundings.

https://weather.uwyo.edu/upperair/sounding.html

51. Vaisala Annual report 2021. https://www.vaisala.com/sites/default/

files/documents/Vaisala_Annual%20report_2021_final.pdf

52. Varga A.J., Breuer H. Evaluation of convective parameters derived from

pressure level and native ERA5 data and different resolution WRF climate simulations

over Central Europe. Clim. Dyn., 2022, vol. 58, pp. 1569-1585. DOI: 10.1007/s00382-

021-05979-3.

Поступила 03.07.2023; одобрена после рецензирования 23.11.2023;

принята в печать 12.12.2023.

Submitted 03.07.2023; approved after reviewing 23.11.2023;

accepted for publication 12.12.2023.