Гидрометеорологические исследования и прогнозы. 2025. № 1 (395). С. 37-50

37

DOI: https://doi.org/10.37162/2618-9631-2025-1-37-50

УДК 551.583:504.38

Система RANGES: структура,

порядок расчета и пример применения

А.Ю. Богданович

Институт глобального климата и экологии

имени академика Ю.А. Израэля, г. Москва, Россия

bogda-anton@yandex.ru

Описывается вычислительная система RANGES (от англ. range – «диапазон»),

предназначенная для расчета климатической области распространения (КОР) при-

родного явления на основе климатических характеристик и переменных (климатиче-

ских предикторов) – гидрометеорологических величин и индексов, рассчитанных на

их основе, – определяющих формирование КОР. Методология системы основана на

байесовском подходе, позволяющем оценивать вероятность принадлежности геогра-

фической точки к КОР исследуемого явления. Система RANGES реализована в виде

комплекса программ и снабжена дружественным интерфейсом, построенным таким

образом, чтобы автоматизировать процесс ввода данных, минимизируя ошибки. Си-

стема поддерживает работу как с данными наблюдений, так и с данными глобальных

и региональных моделей (в данной версии системы – это модели Института вычис-

лительной математики им. Г.И. Марчука РАН и Главной геофизической обсервато-

рии им. А.И. Воейкова). Программный комплекс позволяет учитывать многочислен-

ные климатические предикторы для описания условий, влияющих на природное

явление. На основе анализа климатических предикторов система определяет вероят-

ностные оценки принадлежности точек географического пространства к КОР и ран-

жирует эти оценки по методологии МГЭИК.

Приведен пример использования системы RANGES при вычислении КОР доми-

нирования теплой части года (когда число суток с положительными среднесуточ-

ными температурами превышает 182). Рассчитаны изменения КОР для базового пе-

риода (1990–1999 гг.) и для 2030–2039 и 2050–2059 гг. в условиях сценария RCP8.5.

Показаны смещения границ КОР доминирования теплой части года, иллюстрирую-

щие влияние изменений климата.

Ключевые слова: климат, природное явление, климатическая область распростра-

нения, вычислительная система, пример применения

The RANGES system: structure,

calculation procedure and application example

A.Yu. Bogdanovich

Yu.A. Izrael Institute of Global Climate and Ecology, Moscow, Russia

bogda-anton@yandex.ru

The RANGES computing system is described, which is intended for calculating the

climatic area of distribution (CAD) of a natural phenomenon based on the climatic charac-

teristics and parameters (climatic predictors) – hydrometeorological variables and indices

calculated on their basis – that determine the formation of the CAD. The methodology

of the system is based on a probabilistic Bayesian approach, which allows assessing

38

Гидрометеорологические прогнозы, математическое моделирование

the belonging of a geographic point to the CAD of the phenomenon under study. The system

is implemented as a set of programs and is equipped with a user-friendly interface to auto-

mate the process of data entry, minimizing errors. The system maintains operation both

with observational data and with data of global and regional models (in the present version

of the system, these are the models of Marchuk Institute of Numerical Mathematics of the

Russian Academy of Sciences and Voeikov Main Geophysical Observatory). The software

package allows taking into account multiple climatic predictors to describe the conditions

influencing a natural phenomenon. Based on the analysis of climatic predictors, the system

provides probabilistic estimates of the belonging of geographic points to the CAD and ranks

the estimates according to the IPCC methodology.

An example of using the RANGES system to calculate the dominant CDA in the warm

season (defined as a period with a number of days with positive temperatures above 182) is

given. Changes in the CDA for the base period (1990–1999) and for 2030–2039 and 2050–

2059 under the RCP8.5 scenario are calculated. Shifts in the boundaries of the warm-season

dominant CAD illustrating the impact of climate change are shown.

Keywords: climate, natural phenomenon, climatic area of distribution, computing

system, application example

Введение

Климатическая область распространения (КОР) природного явления –

часть географического пространства, климат которой допускает система-

тическое наличие природного явления при способствующем сочетании

остальных факторов среды.

Разработка инструментов, позволяющих оценивать КОР природных

явлений и их изменения при изменении климата, является одной из акту-

альных задач современной климатологии. При этом важно обеспечить не

только расчет КОР, но и оценку неопределенности заключения о том, что

точка географического пространства принадлежит КОР. Методика такой

оценки, основанной на вероятностном байесовском подходе, изложена в

[4].

Для расчета КОР природных явлений, исходя из состояния климата и

характера зависимости исследуемого явления от состояния климата, со-

здана вычислительная система RANGES. В ее современном виде это про-

граммный комплекс, разработанный А.Ю. Богдановичем. Дружественный

интерфейс создан Н.Ю. Добролюбовым. Общее руководство этой разработ-

кой осуществлял С.М. Семенов. Авторское свидетельство на разработку

системы RANGES зарегистрировано в Роспатенте (Свидетельство Роспа-

тента № 2024668052 [3]).

Функциональные возможности системы RANGES весьма широки. Она

использовалась для оценки КОР таких явлений, как сильные засухи, рас-

пространение насекомых-вредителей сельскохозяйственных и лесных рас-

тений, распространение переносчиков трансмиссивных заболеваний чело-

века.

Система RANGES может использовать при расчете данные монито-

ринга и моделирования климата. Исследуемое явление характеризуется

специфической совокупностью переменных – гидрометеорологических

Богданович А.Ю.

39

величин и/или индексов, рассчитанных на их основе (например, сумма ак-

тивных температур, сумма эффективных температур, гидротермические

коэффициенты). В научной литературе такие переменные часто называ-

ются «климатическими предикторами». При этом исследуемому явлению

соответствуют допустимые диапазоны их значений.

Целью данной статьи является представление структуры системы

RANGES, а также демонстрация ее возможностей на примере расчета кли-

матической области распространения физического явления – доминирова-

ния теплой части года в календарном году.

Входные данные

Данные о климате

Система RANGES может работать с данными как о наблюдаемом (фак-

тическом) климате, так и с результатами математического моделирования

климата в условиях различных сценариев антропогенного воздействия на

климатическую систему Земли.

Климатические данные, используемые в текущей версии системы, –

среднемесячные значения температуры воздуха в приповерхностном слое

и месячные суммы осадков. Они организованы по узлам пространственной

широтно-долготной сетки. В отдельных файлах хранятся данные о климате

для конкретного года и определенной реализации климата (если речь идет

о результатах модельных расчетов). Для различных сценариев антропоген-

ного воздействия на климатическую систему Земли используются отдель-

ные группы файлов с климатическими данными.

В расчетах, проведенных к настоящему моменту, применялись клима-

тические модельные данные из следующих двух источников:

−

для глобальных оценок – глобальная климатическая модель Инсти-

тута вычислительной математики имени Г.И. Марчука РАН (ИВМ РАН).

Данные предоставлены Е.М. Володиным. Они характеризуют периоды

1990–1999, 2030–2039 и 2050–2059 гг., соответствуют сценариям SSP

(Shared Socioeconomic Pathways). Исходное пространственное разрешение

– 1.5°×2.0°. Была проведена интерполяция на сетку 0.5°×0.5°;

−

для региональных расчетов применялись данные, предоставлен-

ные Климатическим центром Росгидромета (КЦР) и рассчитанные с ис-

пользованием региональной климатической модели Главной геофизиче-

ской обсерватории имени А.И. Воейкова (ГГО). Эти данные,

предоставленные И.М. Школьником, охватывают те же временные пери-

оды, что и данные модели ИВМ РАН, но характеризуются более детальным

исходным пространственным разрешением – 0.25°×0.25° [10]. Рассчитан-

ные значения соответствуют сценариям семейства RCP (Representative

Concentration Pathways).

Оба набора модельных данных были скорректированы с учетом

расхождений с фактическими климатическими данными за период 1990–

1999 гг., которые представлены в массиве CRU TS v.4.04 [13]. Данные CRU,

40

Гидрометеорологические прогнозы, математическое моделирование

созданные Отделом исследования климата Университета Восточной Ан-

глии, представляют собой значения для узлов сетки 0.5°×0.5°, полученные

на основе обработки наблюдений метеостанций. Подробное описание ме-

тодов корректировки приведено в работе [1]. Скорректированные массивы

данных, таким образом, обозначаются с надстрочной латинской буквой «a»

(от «adjusted»), например, КЦР^аили ИВМ^а. Именно эти массивы использо-

вались в качестве входной климатической информации для системы

RANGES.

Технические параметры

Для выполнения расчетов в системе RANGES требуется ввод следую-

щих технических параметров:

−

имя для результирующего файла;

идентификаторы источника данных; например, для данной версии

системы – модели ИВМ РАН (обозначается как "INM") или ГГО (обознача-

ется как "MGO");

−

сценарный параметр, который указывает сценарий антропогенного

воздействия на климатическую систему Земли (например, SSP или RCP);

временной период, задаваемый его начальным годом и продолжи-

тельностью;

−

число реализаций климата, которое определяется объемом исполь-

зуемых данных; для глобальных данных ИВМ РАН это количество ограни-

чено одной реализацией на сценарий, кроме SSP7.0 и исторического, где

рассматриваются пять реализаций; для региональных данных ГГО на каж-

дый сценарий RCP представлено до 50 реализаций;

−

критическое минимальное значение доли лет в рассматриваемом

климатически значимом периоде времени, при превышении которой иссле-

дуемое явление считается систематически наличествующим;

−

номер старшей гармоники, учитываемой при разложении ступен-

чатой функции, принимающей в пределах каждого месяца значение, равное

среднемесячному значению температуры воздуха, по гармоническим функ-

циям при осуществлении интерполяции для получения суточных данных

[8];

−

географические границы для расчетов, задаваемые широтами и

долготами в градусах в десятичном формате, что позволяет при необходи-

мости ограничивать область исследования (подобная гибкость настройки

делает систему RANGES удобным инструментом для работы с данными

различных пространственных масштабов).

Климатические предикторы

Для описания климатических условий, влияющих на природное явле-

ние, в текущей версии системы RANGES используются следующие клима-

тические предикторы:

Богданович А.Ю.

41

−

ков);

средняя температура за определенные месяцы года (до трех отрез-

−

месячная сумма осадков за выбранные месяцы (до трех отрезков);

максимальная и минимальная среднемесячная температура за год;

максимальная и минимальная среднесуточная температура за год;

суммы активных (САТ), пассивных (СПТ) и эффективных (СЭТ)

среднесуточных значений температуры;

−

гидротермический коэффициент Селянинова (ГТК);

число дней в году, в которые среднесуточное значение температуры

или же суточная сумма осадков превышала пороговые значения.

Структура системы RANGES допускает включение и иных климатиче-

ских предикторов при необходимости.

Последовательность работы головной программы

Для обеспечения удобного ввода параметров и минимизации ошибок

пользователям предоставляется дружественный интерфейс, разработанный

сотрудником ФГБУ «ИГКЭ» Н.Ю. Добролюбовым и реализованный на

языке программирования Visual Basic .NET в среде MS Visual Studio

Community (общедоступная версия). Интерфейс позволяет интерактивно

формировать файл с заданными условиями и автоматически проверяет ввод

данных.

Система RANGES использует вероятностный подход для определения

принадлежности точки географического пространства к КОР исследуемого

явления. Методология основана на оценке параметра p, представляющего

долю лет в рассматриваемом климатически значимом периоде времени,

климатические условия которых способствуют исследуемому явлению.

Считается, что явление систематически наличествует, если p превышает

пороговое значение p₀. Вероятность этого рассчитывается в рамках байе-

совского подхода методом, подробно описанным в [2, 4].

Система RANGES реализована на языке FORTRAN (общедоступная

версия) в виде головной программы с рядом вспомогательных подпро-

грамм, обеспечивающих выполнение всех этапов анализа климатических

данных и построения вероятностных оценок. Главной программой системы

является модуль RANGES.FOR, название которого может включать маркер

версии, например, RANGES_B1.FOR. Рассмотрим подробно последова-

тельность действий головной программы и взаимодействие с подпрограм-

мами.

Чтение входной информации

Выполняется чтение входной информации, находящейся в файле

RANGES.PAR, содержащем информацию о технических параметрах, ис-

пользуемых при расчете климатических предикторах и их допустимых

диапазонах, об именах файлов используемых климатических данных и гео-

графических ограничениях для расчета результатов оценки КОР.

42

Гидрометеорологические прогнозы, математическое моделирование

Открытие используемых файлов с информацией о климате

Открываются все файлы, содержащие информацию о климате, соот-

ветствующую заданному сценарию, годам из рассматриваемого периода

времени и реализациям климата.

Создание выходного файла

Открывается текстовый файл для вывода результатов, имя которого за-

дано параметром NOUT в файле RANGES.PAR. В этот файл сначала копи-

руется информация из RANGES.PAR для однозначного сопоставления впо-

следствии результатов расчета с исходными данными.

Среднесуточные значения: интерполяция

Для каждого месяца календарного года K задается функция суток D в

календарном году, принимающая значение 1 для суток этого месяца и 0 для

остальных. Эта функция разлагается по гармоническим функциям и рас-

сматривается начальная часть разложения до NF-й гармоники (значение

NF задается в файле входной информации RANGES.PAR, по умолчанию

NF = 4). Полученная функция обозначается Z0(K, D) для обычного года и

ZV(K, D) для високосного.

Если в файле входной информации указывается необходимость

использования климатических предикторов, рассчитываемых с использо-

ванием среднесуточных значений температуры, то последовательности

среднемесячных значений температуры {T(K), K=1, …, 12} ставится в соот-

ветствие последовательность значений среднесуточной температуры

{Z(D)}, где для обычного года Z(D) = T(1) ⋅ Z0(1, D) + … + T(12) ⋅ Z0(12, D),

D = 1, …, 365, а для високосного Z(D) = T(1) ⋅ ZV(1, D) + … + T(12) ⋅

ZV(12, D), D = 1,…, 366.

Расчет функции Z0(K, D) (или ZV(K, D)) выполняется через вызов под-

программы SMD_C.FOR. Ее входные переменные – номер года YEAR,

число используемых гармоник NF и 12 среднемесячных значений гидроме-

теорологических переменных (например, температуры воздуха).

SMD_C.FOR, в свою очередь, вызывает две вспомогательные подпро-

граммы:

−

MD.FOR – преобразует порядковый номер суток в году в номер ме-

сяца и порядковый номер суток в пределах месяца;

FCOEF.FOR – рассчитывает коэффициенты разложения по гармо-

−

ническим функциям.

Следует отметить, что описанная выше гармоническая интерполяция

суточных значений, исходя из месячных, применяется для температуры, но

не осадков. Для интерполяции осадков в текущей версии системы месяч-

ные их значения равномерно распределяются в пределах месяца для полу-

чения суточных значений.

Богданович А.Ю.

43

Обработка климатической информации

Программа анализирует файлы с климатической информацией, соот-

ветствующей заданному временному периоду продолжительностью NY0

лет. Общее число климатических файлов NB0 определяется как произведе-

ние NB0 = NY0 ⋅ NR0, где NR0 – число имеющихся реализаций климата.

Обработка климатической информации производится в режиме сов-

местного чтения климатических данных из всех открытых файлов. На каж-

дом шаге читаются данные, относящиеся к определенному узлу использу-

емой пространственной сетки. Если такой узел не удовлетворяет широтно-

долготным ограничениям, указанным среди технических параметров рас-

чета, то дальнейшая обработка этой строки не производится, и программа

переходит к обработке следующей строки.

Если рассматриваемый узел сетки удовлетворяет широтно-долготным

ограничениям, но какой-то элемент климатической информации за какой-

то год при какой-то реализации климата отсутствует (т. е. наблюдается про-

пуск данных), то эта информация в дальнейшем не учитывается. В ином

случае проводится проверка, находятся ли значения всех заданных клима-

тических предикторов в пределах своих допустимых диапазонов. Если

находятся, то данной реализации климата в данном году ставится в соот-

ветствие 1, иначе 0.

В результате для рассматриваемого узла, удовлетворяющего широтно-

долготным ограничениям, определяются два числа: N – общее число лет во

всех реализациях климата, для которых имеется полная климатическая ин-

формация, и k – их часть, для которых значения климатических предикто-

ров находятся в допустимых диапазонах.

Оценка вероятностей

Если N > 0, числа k и N передаются на вход подпрограммы

LAS_B.FOR, которая определяет степень уверенности в том (вероятности

того), что данная точка географического пространства принадлежит КОР

исследуемого явления.

Подпрограмма LAS_B.FOR вызывает модуль BAYES.FOR, который:

−

оценивает вероятность ACP того, что параметр биномиального рас-

пределения меньше заданного порогового значения p₀[4]; p₀задается в

файле RANGES.PAR;

−

определяет ранг вероятности PR = 1 ‒ ACP в соответствии c при-

веденными в табл. 1.

Ранг принимает значения от 0 («маловероятно») до 4 («практически

достоверно») в соответствии с методологией МГЭИК, описанной в [15].

Таким образом, каждому обработанному узлу пространственной сетки

присваивается определенный ранг, соответствующий уверенности в том

44

Гидрометеорологические прогнозы, математическое моделирование

(вероятности того), что он принадлежит КОР исследуемого природного яв-

ления. Картографический вывод результатов поддерживается внешними

системами, например QGIS.

Таблица 1. Определение ранга вероятности PR

Table 1. Determination of rank for likelihood PR

Диапазон значений

Ранг

Словесная характеристика

PR = 1 ‒ ACP

(0.99; 1]

4

3

2

1

0

Практически достоверно

Весьма вероятно

Вероятно

(0.90; 0.99]

(0.66; 0.90]

(0.33; 0.66]

≤ 0.33

Средневероятно

Маловероятно

Теоретическое обоснование использованных в системе RANGES под-

ходов и алгоритмов предложено в [2, 4, 7, 11].

Пример использования системы RANGES

Рассмотрим в качестве примера такое явление, как доминирование

теплой части года в календарном году. Это означает, что число суток с по-

ложительными среднесуточными температурами воздуха в приповерхност-

ном слое превышает 182.

В условиях умеренного и холодного климата продолжительность теп-

лой части года сильно зависит от географической широты, высоты над

уровнем моря, близости к морям и океанам, а также от некоторых других

физико-географических факторов. Географическая широта особенно

важна, так как она в значительной мере определяет поступление солнечной

энергии на земную поверхность. В тропических регионах теплая часть года

может занимать весь календарный год, тогда как в полярных регионах мо-

жет продолжаться только несколько недель [14].

Физико-географическая среда оказывает локальное влияние на про-

должительность теплой части года. Например, горные районы характери-

зуются резким сокращением теплой части года из-за снижения темпера-

туры с высотой, в то время как прибрежные территории в высоких широтах

могут иметь более длительный теплый сезон вследствие смягчающего вли-

яния водных акваторий [9, 14]. Темные почвы и плотные лесные массивы

также способны изменять микроклимат, увеличивая число дней с положи-

тельными среднесуточными температурами [6, 12].

Изменение продолжительности теплой части года, вызванное глобаль-

ным изменением климата, оказывает значительное воздействие на природ-

ные и хозяйственные процессы. Длительный теплый сезон улучшает усло-

вия для сельского хозяйства, способствует расширению зон производства

Богданович А.Ю.

45

продукции растениеводства и повышению урожайности [5]. Глобальные

климатические изменения продолжают оказывать влияние на региональ-

ные климатические процессы, увеличивая длительность теплой части года

[14].

Для выполнения расчётов той области географического пространства,

где теплая часть года доминирует, использовалась система RANGES. Кли-

мат соответствовал массиву КЦР^а, сценарий RCP8.5; в качестве значения

параметра p₀принято 0.5. Расчеты выполнялись для следующих временных

срезов: 1990–1999 (базовый период), 2030–2039, 2050–2059 годов.

Для визуализации были построены карты КОР доминирования теплой

части года для базового периода и ее изменений для прогнозных периодов

времени. Балльные оценки вероятности принадлежности точек к зоне до-

минирования (табл. 1) отражены с помощью цветовой шкалы. Рангам PR

соответствуют следующие цвета: 0 – белый, 1 – желтый, 2 – тёмно-жёлтый,

3 – коричневый, 4 – тёмно-коричневый.

При изменении климата ранги PR могут, вообще говоря, изменяться

от -4 до 4. В рассматриваемом случае отрицательных значений не возникло.

В табл. 2 представлены вербальная характеристика и соответствующее цве-

товое воплощение ([7] с изменениями). Однако в данной работе отсутствие

изменений отображалось бежевым цветом, а не белым, как в оригинальной

системе.

Таблица 2. Вербальная характеристика и цветовое представление изменений

рангов вероятности ([7] с изменениями)

Table 2. Verbal characteristics and color representation of changes in probability

ranks ([7] with changes)

Изменение

Вербальная характеристика

Цвет

ранга

4

3

2

1

0

Очень сильное

Фиолетовый

Темно-красный

Красный

Сильное

Увеличение

Среднее

Слабое

Розовый

Изменений не выявлено

Бежевый

Для базового климата 1990–1999 гг. (рис. 1) доминирование теплой ча-

сти года наблюдается на большей территории европейской части страны, а

также на юге Сибири и Дальнего Востока.

Для климата 2030–2039 гг. (рис. 2) сценария RCP8.5 северная граница

доминирования теплой части года смещается на север по сравнению с ба-

зовым климатом.

В 2050–2059 гг. (рис. 3) смещение зоны доминирования теплой части

года становится ещё более выраженным.

46

Гидрометеорологические прогнозы, математическое моделирование

Рис. 1. Пространственное распределение балльной оценки вероятности того,

что в точке географического пространства доминирует теплая часть года; кли-

мат КЦР^адля 1990–1999 гг.

Fig. 1. Spatial distribution of the probability score that a warm part of the year dom-

inates at a point of geographic space; climate of the КЦР^аfor 1990–1999.

Рис. 2. Пространственное распределение изменений балльной оценки веро-

ятности того, что в точке географического пространства доминирует теплая

часть года; для 2030–2039 гг. по сравнению с 1990–1999 гг.; климат КЦР^a,

сценарий RCP8.5

Fig. 2. Spatial distribution of changes in the probability score that a warm part of

the year dominates at a point of geographic space; for 2030–2039 compared to

1990–1999; КЦР^aclimate, RCP8.5 scenario.

Богданович А.Ю.

47

Рис. 3. Пространственное распределение изменений балльной оценки веро-

ятности того, что в точке географического пространства доминирует теплая

часть года; для 2050–2059 гг. по сравнению с 1990–1999 гг.; климат КЦР^a, сце-

нарий RCP8.5.

Fig. 3. Spatial distribution of changes in the probability score that a warm part of

the year dominates at a point of geographic space; for 2050–2059 compared to

1990–1999; КЦР^aclimate, RCP8.5 scenario.

Для климата 2050–2059 гг. на Европейской территории России КОР до-

минирования теплой части года охватывает практически всю территорию,

включая северо-запад и такие регионы, как Мурманская область, Архан-

гельская область и большая часть Республики Коми. В Западной Сибири

это происходит на значительной части территории вплоть до юга Ямало-

Ненецкого автономного округа. На Дальнем Востоке граница также про-

двигается на север. В горных регионах, таких как Алтай, также происходит

смещение границы в направлении больших высот.

Заключение

Система RANGES в текущей версии позволяет рассчитывать КОР при-

родного явления исходя из климата (фактического или модельного) и тех

климатических факторов (климатических предикторов), которые опреде-

ляют КОР. Используются климатические данные о температуре и осадках

месячного разрешения, а также климатическое предикторы, представлен-

ные в специальной научной литературе.

В ближайшие годы предполагается дальнейшее развитие системы, в

том числе в следующих направлениях:

– использование данных мониторинга и моделирования климата суточ-

ного разрешения;

48

Гидрометеорологические прогнозы, математическое моделирование

– выявление совокупности климатических предикторов, соответству-

ющих явлению, путем анализа данных фактической области его распро-

странения.

Благодарности. Работа выполнена при поддержке Росгидромета: план

НИТР Росгидромета на 2025 г., регистрационный номер 125030703339-4 в

системе ЕГИСУ НИОКТР, тема 3.1.3 «Выявление климатогенных угроз

секторам экономики России, функционирующим на основе природного

комплекса, экосистемам и здоровью населения, в том числе связанных с из-

менением климатических ареалов видов в XXI веке. Оценки рисков и воз-

можностей адаптации».

Acknowledgements. The research was carried out with the support of

Roshydromet: Roshydromet's research and development plan for 2025, registra-

tion number 125030703339-4 in the EGISU R&D system, topic 3.1.3. "Identifi-

cation of climate-related threats to sectors of the Russian economy operating on

the basis of the natural complex, ecosystems and human health, including those

associated with changes in the climatic ranges of species in the 21^stcentury.

Assessment of risks and adaptation opportunities."

Список литературы

1. Богданович А.Ю., Павлова В.Н., Ранькова Э.Я., Семенов С.М. Влияние изменений

засушливости в Росси в XXI веке на пригодность территорий для возделывания зерновых

культур // Фундаментальная и прикладная климатология. 2021. № 1. С. 20-35.

2. Богданович А.Ю., Семенов С.М. Оценка климатических ареалов видов с использо-

ванием системы RANGES // Сборник тезисов докладов Международной конференции «Из-

менения климата: причины, риски, последствия, проблемы адаптации и регулирования.

Климат–2023», 9‒13 октября 2023 года. М.: Физматкнига, 2023. С. 220-220.

3. Богданович А.Ю., Семенов С.М., Добролюбов Н.Ю. Система RANGES: Свидетель-

ство о государственной регистрации программы для ЭВМ №2024668052. Дата государ-

ственной регистрации 01 августа 2024 года.

4. Добролюбов Н.Ю., Семенов С.М., Володин Е.М., Богданович А.Ю. Алгебраический

алгоритм статистической оценки параметра биномиального распределения и пример его

применения в одной глобальной геоинформационной задаче прикладной климатологии //

Метеорология и гидрология. 2023. № 10. С. 16-24.

5. Ковтун В.И., Ковтун Л.Н. Технология выращивания высококачественного зерна

озимой пшеницы на юге России // Земледелие. 2013. № 3. С. 19-21.

6. Национальный атлас России в четырех томах. Том 2. Природа. Экология. М.: Рос-

картография, 2007. 496 с.

7. Семенов С.М., Попов И.О., Ясюкевич В.В. Статистическая модель для оценки фор-

мирования климатогенных угроз по данным мониторинга климата // Метеорология и гидро-

логия. 2020. № 5. С. 59-65.

8. Семенов С.М., Ясюкевич В.В., Гельвер Е.С. Выявление климатогенных изменений.

М.: Метеорология и гидрология, 2006. 324 с.

9. Хромов С.П., Петросянц М.А. Метеорология и климатология: Учебник. – 8-е изда-

ние. М.: Изд-во МГУ, 2012. 584 с.

10. Школьник И.М., Ефимов С.В. Региональная модель нового поколения для террито-

рии северной Евразии // Труды Главной геофизической обсерватории им. А.И. Воейкова.

2015. № 576. С. 201-211.

Богданович А.Ю.

49

11. Ясюкевич В.В., Богданович А.Ю. Климатические предикторы для модельного опи-

сания климатических ареалов некоторых биологических видов и их изменений в условиях

будущего климата // Фундаментальная и прикладная климатология. 2021. Т. 7, № 1. С. 117-

137.

12. Hansen M.C., DeFries R.S., Townshend J.R., Sohlberg, R. Global land cover classifica-

tion at 1 km spatial resolution using a classification tree approach // International journal of remote

sensing. 2000. Vol. 21, no. 6-7. P. 1331-1364.

13. Harris I., Osborn T.J., Jones P.D., Lister D. Version 4 of the CRU TS monthly high-

resolution gridded multivariate climate dataset // Scientific Data. 2020. Vol. 7, no. 1. Article num-

ber 109. DOI: 10.1038/s41597-020-0453-3.

14. IPCC, 2021. Climate Change 2021: The Physical Science Basis. Contribution of Working

Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change / Mas-

son-Delmotte V., Zhai P., Pirani A., Connors S.L., Péan C., Berger S., Caud N., Chen Y., Goldfarb

L., Gomis M.I., Huang M., Leitzell K., Lonnoy E., Matthews J.B.R., Maycock T.K., Waterfield T.,

Yelekçi O., Yu R., and Zhou B. (Eds.). Cambridge University Press – Cambridge – United King-

dom and New York – NY – USA, 2021. 2391 p.

15. Mastrandrea M.D., Field C.B., Stocker T.F., Edenhofer O., Ebi K.L., Frame D.J., Held

H., Kriegler E., Mach K.J., Matschoss P.R., Plattner G.-K., Yohe G.W., Zwiers F.W. (Core Writing

Team). IPCC Fifth Assessment Guidance Note for Lead Authors IPCC Cross-Working Group for

Uncertainties. Jasper Ridge, CA, USA 6-7 July 2010. Intergovernmental Panel on Climate Change

(IPCC). 2010. Available at http://archive.ipcc.ch/pdf/supporting-material/uncertainty-guidance-

note.pdf (accessed 10 March 2025).

References

1. Bogdanovich A.Yu., Pavlova V.N., Ran'kova E.Ya., Semenov S.M. Vliyanie izmenenij za-

sushlivosti v Rossi v XXI veke na prigodnost' territorij dlya vozdelyvaniya zernovyh kul'tur

[Influence of changes in aridity in Russia in the XXI century on the suitability of territories for the

cultivation of grain crops]. Fundamental'naya i prikladnaya klimatologiya [Fundamental and Ap-

plied Climatology], 2021, № 1, pp. 20-35 [in Russ.].

2. Bogdanovich A.Yu., Semenov S.M. Ocenka klimaticheskih arealov vidov s ispol'zovaniem

sistemy RANGES [Estimating the climatic ranges of species using the RANGES system]. Sbornik

tezisov dokladov Mezhdunarodnoj konferencii «Izmeneniya klimata: prichiny, riski, posledstviya,

problemy adaptacii i regulirovaniya. Klimat–2023». 9-13 oktyabrya 2023 goda. Moscow, Fizmat-

kniga publ., 2023, pp. 220-220 [in Russ.].

3. Bogdanovich A.Yu., Semenov S.M., Dobrolyubov N.Yu. Sistema RANGES [RANGES Sys-

tem]. Svidetel'stvo o gosudarstvennoj registracii programmy dlya EVM №2024668052. Data gosu-

darstvennoj registracii 01 avgusta 2024 goda.[in Russ.].

4. Dobrolyubov N.Yu., Semenov S.M., Volodin E.M., Bogdanovich A.Yu. Algebraic Algorithm

for Statistical Estimation of the Binomial Distribution Parameter and an Example of Its Application

in a Global Geoinformation Task of Applied Climatology. Russ. Meteorol. Hydrol., 2023, vol. 48,

no 1, pp. 72-78.

5. Kovtun V.I., Kovtun L.N. Technology of growing high-quality winter wheat grain in the

south of Russia. Zemledelie [Agriculture], 2013, № 3, pp. 19-21 [in Russ.].

6. Nacional'nyj atlas Rossii v chetyrekh tomah. – Tom 2 «Priroda. Ekologiya» [National At-

las of Russia in four volumes. – Volume 2 “Nature. Ecology”] Moscow: Roskartografiya publ.,

2007, 496 p. [in Russ.].

7. Semenov S.M., Popov I.O, Yasyukevich V.V. Statistical Model for Assessing the Formation

of Climate-related Hazards Based on Climate Monitoring Data. Russ. Meteorol. Hydrol., 2020,

vol. 45, pp. 339-344. DOI: 10.3103/S1068373920050040.

8. Semenov S.M., Yasyukevich V.V., Gel'ver E.S. Vyyavlenie klimatogennyh izmenenij [Iden-

tification of climatogenic changes] Moscow: Publishing Center «Meteorology and Hydrology»,

2006, 324 p. [in Russ.].

50

Гидрометеорологические прогнозы, математическое моделирование

9. Hromov S.P., Petrosyanc M.A. Meteorologiya i klimatologiya: Uchebnik. – 8-e izdanie

[Meteorology and Climatology: Textbook. – 8th edition] M.: Moscow University Publishing

House, 2012, 584 p. [in Russ.].

10. Shkol'nik I.M., Efimov S.V. Regional'naya model' novogo pokoleniya dlya territorii

severnoj Evrazii [Regional model of a new generation for the territory of northern Eurasia]. Trudy

GGO [Proceedings of Voeikov Geophysical Observatory], 2015, no. 576, pp. 201-211 [in Russ.].

11. Yasyukevich V.V., Bogdanovich A.Yu. Climate predictors for the model description of the

climatic ranges of some biological species and their changes in the conditions of the future climate.

Fundamental'naya i prikladnaya klimatologiya [Fundamental and Applied Climatology], 2021,

vol. 7, № 1, pp. 117-137 [in Russ.].

12. Hansen M.C., DeFries R.S., Townshend J.R., Sohlberg, R. Global land cover classifica-

tion at 1 km spatial resolution using a classification tree approach. International journal of remote

sensing, 2000, vol. 21, № 6-7, pp. 1331-1364.

13. Harris I., Osborn T.J., Jones P.D., Lister D. Version 4 of the CRU TS monthly high-

resolution gridded multivariate climate dataset. Scientific Data, 2020, vol. 7, article number 109.

14. IPCC, 2021. Climate Change 2021: The Physical Science Basis. Contribution of Working

Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change / Mas-

son-Delmotte V., Zhai P., Pirani A., Connors S.L., Péan C., Berger S., Caud N., Chen Y., Goldfarb

L., Gomis M.I., Huang M., Leitzell K., Lonnoy E., Matthews J.B.R., Maycock T.K., Waterfield T.,

Yelekçi O., Yu R., and Zhou B. (Eds.). Cambridge University Press – Cambridge – United King-

dom and New York – NY – USA, 2021, 2391 pp.

15. Mastrandrea M.D., Field C.B., Stocker T.F., Edenhofer O., Ebi K.L., Frame D.J., Held

H., Kriegler E., Mach K.J., Matschoss P.R., Plattner G.-K., Yohe G.W., Zwiers F.W. (Core Writing

Team). IPCC Fifth Assessment Guidance Note for Lead Authors IPCC Cross-Working Group for

Uncertainties. Jasper Ridge, CA, USA 6-7 July 2010. Intergovernmental Panel on Climate Change

(IPCC). 2010. Available at http://archive.ipcc.ch/pdf/supporting-material/uncertainty-guidance-

note.pdf (accessed 10 March 2025).

Поступила 06.11.2024; одобрена после рецензирования 27.03.2025;

принята в печать 10.04.2025.

Submitted 06.11.2024; approved after reviewing 27.03.2025;

accepted for publication 10.04.2025.