CC BY
17
НАУКИ О ЗЕМЛЕ
«НАУКА. ИННОВАЦИИ. ТЕХНОЛОГИИ», №2, 2021
25.00.30 МЕТЕОРОЛОГИЯ, КЛИМАТОЛОГИЯ, АГРОМЕТЕОРОЛОГИЯ
УДК 551.578.7 (ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ)
Кагермазов А.Х., Федченко Л.М., Созаева Л.Т., Жабоева М.М.
ФГБУ «Высокогорный геофизический институт»,
г. Нальчик, Россия;
ljk_62@rambler.ru
СРЕДНЕСРОЧНЫЙ ПРОГНОЗ ГРАДА ПО выходным ДАННЫМ ГЛОБАЛЬНОЙ МОДЕЛИ АТМОСФЕРЫ
DOI 10.37493/2308-4758.2021.2.6
Введение. Прогноз опасных явлений погоды, в том числе и града, становит-
ся все более востребованным не только для служб по борьбе с градом, но и для других отраслей экономики. Этому способствует интенсификация погодных процессов из-за потепления климата и оперативная доступность результатов моделирования атмосферы Земли, в частности, значений стратификации по глобальной модели (GFS NCEP). В данной работе рассматривается возможность прогнозирования града с заблаговременностью 132 часа с помощью дискриминантного анализа. Успешность прогноза града оценивается по критериям качества прогнозов.
Материалы и методы
исследования. Материалами исследований послужили выходные данные глобальной модели атмосферы GFS NCEP с заблаговременностью 132 часа. Для прогнозирования явления «град» и «не град» использовались дискриминантные функции. Результаты прогнозирования были сопоставлены с данным наблюдений о выпадении града, предоставленными военизированными службами по активному воздействию на метеорологические и другие геофизические процессы, расположенными в радиусе репрезентативности фактических данных аэрологического зондирования на станции «Минеральные воды». Для оценки успешности прогноза града составлена таблица сопряженности и рассчитаны критерии качества прогнозов.
Результаты исследования
и их обсуждение. Результаты расчетов показали, что прогноз града с заблаговре-менностью 132 часа соответствуют всем критериям качества прогнозов. Показатели успешности прогноза оказались хорошими. Так, оправдываемость прогноза града составила ~ 70 %.
Заключение. Исследования показали, что предлагаемый подход прогноза града по данным глобальной модели атмосферы при увеличении заблаговременности до пяти суток не приводит к заметному снижению качества прогнозов.
Ключевые слова: глобальная модель атмосферы, аэрологическое зондирование, заблаговременность, метеорологические параметры, дискрими-нантный анализ, прогноз опасных явлений.
Kagermazov A.Kh., Federal state budgetary institution «High-Mountain geophysical institute»
Fedchenko L.M., Nalchik, Russian Federation
Sozaeva L.T., *ljk_62@rambler.ru
Zhaboeva M.M.
Medium-range Hail Forecast Based on Global Atmospheric Model Output Data
Introduction. The forecast of dangerous weather phenomena, including hail, is
becoming more and more popular not only for services to combat hail, but also for other sectors of the national economy. This is facilitated by the intensification of weather processes due to climate warming and the operational availability of the results of modeling the Earth's atmosphere, in particular, the values of stratification according to the global model (GFS NCEP). This paper discusses the possibility of predicting hail with a lead time of 132 hours using discriminant analysis. The success of the hail forecast is assessed by the criteria of the forecast quality.
Materials and methods
of research. The research materials were the output data of the global atmospheric
model GFS NCEP with a lead time of 132 hours. Discriminant functions were used to predict the phenomenon of «hail» and «non-hail». The results of the forecast were compared with the data of observations on the fall of hail provided by the paramilitary services for active influence on meteorological and other geophysical processes, located within the radius of representativeness of the actual data of the aerological sounding at the Mineralnye Vody station. To assess the success of the hail forecast, the conjugacy table is compiled and the forecast quality criteria are calculated.
Research results and
their discussion. The results of the calculations showed that the hail forecast with a lead time of 132 hours meets all the criteria for the quality of forecasts. The forecast success rates were good. Thus, the accuracy of the hail forecast was ~ 70 %.
Conclusion. Studies have shown that the proposed approach to forecasting hail from
the data of the global atmospheric model does not lead to a noticeable decrease in the quality of forecasts when the lead time is increased to five days.
Key words: global model of the atmosphere, aerological sounding, lead time,
meteorological parameters, discriminant analysis, forecast of hazardous phenomena.
Введение
Прогноз града с необходимой заблаговременнос-тью и оправдываемостью остается актуальной задачей, связанной с увеличением случаев и расширением территорий их наблюдения. Происходящее обусловлено глобальным потеплением, усилившимся в последние десятилетия. Используемые на практике методы прогноза града относятся к сверхкраткосрочным 12-24 часа или к наукастингу.
Увеличение заблаговременности прогноза такого опасного явления, как град, играет огромную роль не только для служб по борьбе с градом, эффективность работы которых напрямую зависит от своевременного получения прогноза, особенно в начале сезона или же при длительных периодах хорошей погоды в сезон, но и для транспортной, сельско-хозяйственной, рекреационной и других отраслей экономики.
Рассматриваемый метод прогноза града изначально был разработан на основе концепции «идеального прогноза», то есть с использованием метеорологических параметров атмосферы, рассчитанных по данным фактических наблюдений (аэрологического зонда) и максимально приближенных ко времени развития градового процесса (3-24 часа). Но этого времени не всегда бывает достаточно для принятия мер по уменьшению ущерба, наносимого градобитием.
В последние годы стала доступной выходная продукция глобальных математических моделей атмосферы, включающая в себя и поля метеорологических элементов (стратификация полей температуры, влажности, направления и скорости ветра) с различной заблаговременностью. Используемая нами выходная продукция действующей модели глобальной системы прогнозирования NOAA (GFS NCEP) (аналог аэрологического зонда) в настоящее время обладает достаточно высокой достоверностью и позволяет получать информацию с заблаговременностью до 10 суток.
В предлагаемом подходе прогнозирование града с среднесрочной заблаговременностью 132 часа проводится с использованием в качестве входных данных выходной продукции глобаль-
ной модели атмосферы с такой же заблаговременностью. Оценка степени совпадения (валидация) прогнозных значений стратификации атмосферы (заблаговременностью 132 часа), полученных из глобальной модели атмосферы с фактическими данными аэрологического зондирования метеостанции «Минеральные Воды» центральной части Северного Кавказа, показала хорошее совпадение [1]. Это дало возможность заменить данные фактического аэрологического зондирования на прогнозные значения стратификации атмосферы. Для прогноза града применяются дискриминантные функции.
Полученные результаты показали хорошие значения критериев качества прогнозов, несмотря на заблаговременность до пяти суток, и могут быть полезны при организации противоградовых работ военизированными службами по активному воздействию на метеорологические и другие геофизические процессы, а также органам, принимающим решения по уменьшению ущерба от стихийных опасных явлений.
материалы и методы
исследования
Глобальная система прогнозирования NOAA (GFS NCEP) в начале 90-х годов получила широкое распространение и известность [7-9]. С ростом вычислительных ресурсов и изменения компьютерной архитектуры увеличивалась и ее разрешающая способность. В июне 2019 года глобальная система прогнозирования в рамках проекта NGGPS (Next Generation Global Prediction System) была значительно обновлена. Был осуществлен переход на новый не спектральный блок решения уравнений динамики, а также введен ряд усовершенствований в описании физических процессов подсеточного масштаба. Динамическое ядро разбивает атмосферу на небольшие кубы, расположенные на сетке, и вычисляет изменения параметров внутри каждого куба. Это позволяет телескопировать масштаб расчетной сетки для обсчета мезомас-штабных штормовых систем, приводящие к улучшению их прогноза. Дискретность модели по времени составляет 3 часа для за-
благовременности 0-180 часов и 12 часов для заблаговременнос-ти 180-384 часа.
Часть выходной продукции глобальной модели, необходимая для использования в методах прогноза конвективных явлений (аналог аэрологического зонда), включает в себя прогностические поля следующих метеопараметров:
изобарические поверхности (гПа) и соответствующие им высоты (м);
- температура воздуха (°С);
- температура точки росы (°С);
- направление ветра (град);
- скорость ветра (м/с).
Эти параметры рассчитываются на различных уровнях от 1000 до 20 гПа. Выходные прогнозные данные о стратификации атмосферы за 04.06.2020 в цифровом виде представлены на рисунке 1.
Предлагаемый алгоритм прогноза града в качестве входных данных использует описанную выходную продукцию глобальной модели с заблаговременностью до 132 часа: температура воздуха и точки росы, направление и скорость ветра на стандартных уровнях (Земля, 800, 700, 650, 600, 500, 400, 300 и 200 гПа). Согласно алгоритму, предварительно рассчитываются около 45 параметров атмосферы, известных из существующих методов прогноза конвекции и связанных с ней опасных явлений погоды. Такое количество признаков предъявляет слишком жесткие (часто невыполнимые) требования к объему эмпирических данных, что делает чрезвычайно трудоемкой (порой нереализуемой) вычислительную процедуру прогноза. Поэтому возникла необходимость процедуры отбора наиболее информативных признаков. Эта задача решалась двумя способами: с помощью бисериального коэффициента корреляции и факторного анализа с учетом бисериального коэффициента корреляции [1]. Затем, при помощи отобранных параметров,
YR: 2020 MON: 06 DAY: 04 HOUR: 12
AT POSITION: 44.1 135.2 LAT.: 44.20 LON.: 43.10
PRESS HPA HGT(MSL) M TEMP C DEW PT C WND DIR DEG WND SPD M/S
|E = Estimated Surface Height
943. 606. 21.3 15.3 47.1 1.2
925. 766. 18.6 13.1 36.1 1.3
900. 1000. 16.2 12.3 41.9 1.2
850. 1483. 11.9 11.0 47.6 0.5
800. 1989. 9.1 6.1 255.3 2.1
750. 2521. 6.5 1.9 262.6 3.9
700. 3085. 3.3 - 2.5 249.2 7.2
650. 3681. - 0.7 - 6.6 227.8 8.6
600. 4315. - 5.4 - 11.2 219.1 9.6
550. 4992. - 10.4 - 18.1 229.5 12.8
500. 5717. - 16.0 - 23.2 237.6 15.4
450. 6502. - 21.6 - 28.8 238.9 18.0
400. 7358. - 28.1 - 34.7 237.4 19.5
350. 8301. - 35.5 - 40.5 236.7 19.3
300. 9355. - 43.2 - 47.7 235.2 19.3
250. 10560. - 50.5 - 56.6 232.4 22.8
200. 12010. - 50.8 - 70.2 229.9 29.0
150. 13888. - 50.1 - 79.7 216.1 29.7
100. 16508. - 55.4 - 82.3 210.8 17.6
50. 20828. - 58.9 - 87.0 156.1 6.8
20. 26689. - 50.9 - 999.0 89.1 11.3
Рис. 1. Прогнозные выходные данные о стратификации атмосфе-
ры по глобальной модели для метеостанции Минеральные Воды» (04.06.2020).
Fig. 1. The forecast output data on atmospheric stratification according to the global model for the «Mineralnye Vody» weather station (04.06.2020).
составляются дискриминантные функции для прогноза опасных явлений (града).
Дискриминантная функция, полученная на основе параметров, отобранных с помощью бисериального коэффициента корреляции, имеет вид:
500
¿=0,0557£>.-0,0696^-0,0002^-0,036ГГ-
земля
- 0,0069^+0,057^-20,3 где - индекс неустойчивости Джорджа;
(1)
Нр - высота слоя потенциальной неустойчивости;
ТТ -
500
Е-
индекс интегральной суммы Миллера;
суммарная удельная влажность слое Земля - 5 км;
суммарный дефицит точки росы в 5 км слое от уровня конденсации;
ДО - энергетическая характеристика подоблачного слоя.
По дискриминантной функции (1) если Ь > 0 прогнозируется «град», при Ь < 0 - «не град».
Дискриминантная функция, полученная на основе параметров, отобранных с использованием факторного анализа и бисериального коэффициента корреляции, имеет вид:
500
Г2 = -0,05 Уш + 0,3205Л*Ш + 0,0071А^ + 0,00359 -
земля
500
-0,03606 £г+0,0389Яу. -12,57
где ¥700 - упорядоченные вертикальные движения воздуха на 700 гПа;
Мт - максимальная разность температур облака и окружающего воздуха;
ди -
2>
вертикальный градиент температуры в слое выше уровня конденсации на 2 км;
суммарная удельная влажность в слое Земля - 5 км; индекс Джорджа;
0 03606^]г - суммарный дефицит точки росы в слое Земля - 500
земля гПа.
По дискриминантной функции (2) «град» прогнозируется также при Ь*2 > 0, а при Ь*2 < 0 прогнозируется «не град».
Заметим, что параметры, вошедшие в дискриминан-тные функции (1) и (2), в основном отражают запас неустойчивости, влагосодержания и температурный режим в зоне роста града. Отличительной особенностью дискриминантной функции (2), является то, что она позволяет количественно учитывать крупномасштабные атмосферные движения (упорядочение вертикальные токи) на фоне которых развиваются конвективные явления.
Для оценки успешности предлагаемого метода прогноза града составляется таблица сопряженности с элементами:
п11 - число оправдавшихся прогнозов с формулировкой «град»;
п12 - число неоправдавшихся прогнозов с формулировкой «град»;
п21 - число неоправдавшихся прогнозов с формулировкой «не град»;
п22 - число оправдавшихся прогнозов с формулировкой «не град»;
п10 = п11 + п12 - число всех оцениваемых прогнозов с формулировкой «град»;
п20 = п21 + п22 - число всех оцениваемых прогнозов с формулировкой «не град»;
п01 = п11 + п21 - число всех оцениваемых случаев «град»;
п02 = п12 + п22 - число всех оцениваемых случаев «не град»;
п00 = п10 + п20 = п01 + п02 - число всех оцениваемых случаев.
По таблице сопряженности рассчитываются основные параметры для оценки прогнозов градовой опасности:
где Р00п -Р -
Рооп = (пП + п22) / 100, Рпня = (п„ + п01) / 100, общая оправдываемость прогноза; предупрежденность наличия явления.
Рассчитываются и дополнительные показатели для оценки прогнозов градовой опасности:
Р =^.1оо
опня
«10 ,
п,
20
^=^•100, «02
где Ропня - оправдываемость прогноза наличия явления;
Рооя - оправдываемость отсутствия явления;
Рпоя - предупрежденность отсутствия явления.
Критерий качества прогнозов Пирси-Обухова рассчитывается по формуле:
гр _ Я11 П\2 _ П22 П21 «01 П02 П02 «01
Критерий надежности по Н.А. Багрову имеет вид:
и-ип
н =
1 -и0'
где
ТТ — ГПЮП01 , П20П02 \ / „ .
= С-+-) ' 00;
«00 П00
и=Пи+П22
п,
00
Ошибка риска метода (явление не прогнозировалось, но наблюдалось) равна:
а = П21 / П01 .
Ошибка страховки метода (явление прогнозировалось, но не наблюдалось) равна:
Р = п,2 / П02 .
Критерий точности по А.М. Обухову принимает значение:
0 = 1 - а - Р
№ 2 , 2021
результаты исследований и их обсуждение
Несмотря на то, что выходная продукция глобальной модели (стратификация полей температуры, влажности, направления и скорости ветра) обладает достаточно высокой достоверностью, была исследована возможность ее использования взамен данных фактического аэрологического зондирования. Для этого были сформированы два набора данных значений температуры воздуха и точки росы, и характеристик ветра вблизи поверхности земли и на различных изобарических поверхностях:
прогнозные (из модели) за 132 часа до проведения зондирования;
фактические (из данных аэрологического зондирования).
Данные были сформированы для метеостанции «Минеральные воды», расположенной в Центральной части Северного Кавказа. Связи между этими наборами данных были найдены по коэффициенту корреляции.
Расчеты показали, что коэффициенты корреляции для температуры воздуха и точки росы имеют высокие и очень высокие значения по шкале Чедокка, а для направления и скорости ветра улучшаются с высотой, принимая, соответственно, также высокие и заметные значения.
В целом, коэффициенты корреляции между фактическими и прогнозными метеорологическими данными с заблаговременнос-тью 132 часа оказались на уровне или выше коэффициентов корреляции между фактическими и прогнозными метеорологическими данными с заблаговременностью до трех суток [2-4]. Этому послужило то, что исследования качества выходной продукции глобальной модели атмосферы GFS с заблаговременностью 132 часа совпало по времени с радикальным ее усовершенствованием (июнь 2019 г.).
Таким образом, прогнозные значения стратификации атмосферы могут использоваться для составления прогнозов опасных яв-
лений и элементов погоды (заменяя собой фактическое аэрологическое зондирование) с заблаговременностью до пяти суток.
Прогноз града составлялся методами дискриминантных функций (формулы (1) и (2)) по данным глобальной модели (аналог радиозонда) за май-август 2020 года по географическим координатам станции «Минеральные Воды». Для расчета успешности прогноза составлялась таблица 1. Разделение явлений на «град» или «не град» осуществлялось по данным наблюдений военизированных служб по активному воздействию на метеорологические и другие геофизические процессы, расположенных в радиусе репрезентативности фактических данных аэрологического зондирования на станции «Минеральные Воды» (табл. 1).
Результаты прогнозирования града с заблаговременностью 132 часа отображены в таблице 2.
Результаты прогнозов града по дискриминантным функциям с заблаговременностью 132 часа показали, что рассматриваемый метод соответствует всем критериям качества прогнозов. Показатели успешности прогноза оказались хорошими, но незначительно ниже показателей при прогнозе града этими же функциями при меньшей заблаговременности (12-24 часа) [5, 6]. Так, оправдываемость предлагаемого метода равна ~ 70 %, в отличие от аналогичного метода прогноза на 12-24 часа (~ 80 %), а предупрежденности наличия явления «град» незначительно меньше, чем в случае с меньшей забла-говременностью.
Выводы
По результатам расчетов прогноза града с забла-говременностью до пяти суток и анализа их успешности можно сделать вывод, что испытуемый метод соответствует критериям качества прогнозов. При увеличении заблаговременности до пяти суток сохраняется прогнозный потенциал дискриминант-ных функций, что не приводит к заметному снижению критериев качества прогнозов.
ТАБЛИЦА 1. ТАБЛИЦА СОПРЯЖЕННОСТИ Table 1. Contingency table
Прогноз явления Наблюдение явления Сумма
«град» «не град»
«град» 10 5 15
«не град» 6 18 24
сумма 16 23 39
Таблица 2. КРИТЕРИИ КАЧЕСТВА ПРОГНОЗА ГРАДА
С ЗАБЛАГОВРЕМЕННОСТЬЮ 132 ЧАСА Table 2. Quality criteria of hail forecast with a lead time of 132 hours
№ Наименование критериев качества прогноза Критерии качества прогноза
1 Общая оправдываемость прогноза 72
2 Предупрежденное^ наличия явления 63
3 Оправдываемость прогноза наличия явления 67
4 Оправдываемость отсутствия явления 75
5 Предупрежденность отсутствия явления 78
6 Критерий качества прогнозов Пирси-Обухова 0,41
Критерий надежности по Н. А. Багрову 0,41
8 Ошибка риска метода 0,38
9 Ошибка страховки метода 0,22
10 Критерий точности по А. М. Обухову 0,41
Таким образом, использование выходных данных современных глобальных моделей для расчета параметров атмосферы с целью прогноза града (и других опасных явлений) с увеличенной забла-говременностью имеет хорошие перспективы развития.
Библиографический список
1. Кагермазов А. X. Цифровая атмосфера. Современные методы и методология исследования опасных метеорологических процессов и явлений. Нальчик: Печатный двор. 2015. 215 с.
2. Kagermazov A. Kh., Sozaeva L. T. Validation of the output of the global atmospheric model on days with the development of dangerous convective phenomena according to aero-logical sounding with a two-day lead time // VIII All-Russian Conference on Atmospheric Electricity: Journal of Physics: Conference Series. 2020. №1604. doi:10.1088/1742-6596/1604/1/012011.
3. Кагермазов А. X., Созаева Л. Т. Валидация выходных данных глобальной модели атмосферы, полученных с забла-говременностью до трех суток, по данным аэрологического зондирования // Материалы VI Всероссийской научной конференции «Проблемы военно-прикладной геофизики и контроля состояния природной среды» (г. Санкт-Петербург, 16-18 сентября 2020 г.). СПб.: ВКА им. А.ф. Можайского. 2020. 131-136 с.
4. Кагермазов А. X., Созаева Л. Т. Валидация выходных данных глобальной модели атмосферы по данным аэрологического зондирования с нарастающей заблаговременнос-тью // Наука. Инновации. Технологии. 2020. №4. 137-148 с.
5. Kagermazov A. Kh. The forecast of hail based on the atmospheric global model (T254 NCEP) output data // Russian Meteorology and Hydrology. 2012. № 37. C. 165-169.
6. Кагермазов А.Х., Созаева Л.Т. Прогноз града с заблагов-ременностью до трех суток по выходным данным глобальной модели атмосферы. Труды ГГО. 2020. Вып. 598. 204-214 с.
7. Kalnay E., Kanamitsu M., and Baker W.E. Global numerical weather prediction at the National Meteorological Center // Bull. Amer. Meteor. Soc. 1990. Vol.71. 1410-1428 p.
8. Kanamitsu M. Description of the NMC global data assimilation and forecast system // Weather and Forecasting. 1989. Vol. 4. 335-342 p.
9. Kanamitsu M., Alpert J.C., Campana K. A., Caplan P. M., Deaven D. G., Iredell M., Katz B., Pan H.-L., Sela J., and White G. H. Recent changes implemented into the global forecast system at NMC // Weather and Forecasting. 1991. Vol. 6. 425-435 p.
References
1. Kagermazov A. Kh. Digital atmosphere. Modern methods and methodology for the study of dangerous meteorological processes and phenomena. Nalchik. Printing yard. 2015. 215 p.
2. Kagermazov A. Kh., Sozaeva L. T. Validation of the output of the global atmospheric model on days with the development of dangerous convective phenomena according to aero-logical sounding with a two-day lead time // VIII All-Russian Conference on Atmospheric Electricity: Journal of Physics: Conference Series. 2020. №1604. doi:10.1088/1742-6596/1604/1/012011
3. Kagermazov A. Kh., Sozaeva L. T. Validation of global atmospheric model output data up to three days in advance based on aerological sounding data // Problems of military-applied geophysics and control of the state of the natural environment: Conference proceedings. St. Petersburg: MCA A.F. Mo-zhaisky. 2020. 131-136 p.
4. Kagermazov A. Kh., Sozaeva L.T. Validation the output data of the global model of the atmosphere on data of aerologi-cal sensing with increscent lead time // Science. Innovations. Technologies. 2020. №4. 137-148 p.
5. Kagermazov A. Kh. The forecast of hail based on the atmospheric global model (T254 NCEP) output data // Russian Meteorology and Hydrology. 2012. № 37. C. 165-169.
6. Kagermazov A. Kh., Sozaeva L.T. Hail forecast on the output data of the global atmospheric model with tree-day advance time. Trudy GGO. 2020. Vol. 598. 204-214 p.
7. Kalnay E., Kanamitsu M., and Baker W.E. Global numerical weather prediction at the National Meteorological Center // Bull. Amer. Meteor. Soc. 1990. Vol.71. 1410-1428 p.
8. Kanamitsu M. Description of the NMC global data assimilation and forecast system // Weather and Forecasting. 1989. Vol. 4. 335-342 p.
9. Kanamitsu M., Alpert J.C., Campana K. A., Caplan P. M., Deaven D. G., Iredell M., Katz B., Pan H.-L., Sela J., and White G. H. Recent changes implemented into the global forecast system at NMC // Weather and Forecasting. 1991. Vol. 6. 425-435 p.
Поступило в редакцию 22.04.2021, принята к публикации 31.05.2021.
№ 2, 2021
об авторах
Кагермазов Артур Хасанбиевич - заведующий лабораторией атмосферных конвективных явлений, кандидат физико-математических наук, ФГБУ «Высокогорный геофизический институт». Адрес: РФ, Кабардино-Балкарская Республика, г. Нальчик, пр. Ленина, 2 Scopus ID 55185153100 E-mail: ka5408@mail.ru Тел. +7 (928) 720 35 96
Федченко Людмила Михайловна - доктор географических наук, профессор, главный научный сотрудник, ФГБУ «Высокогорный геофизический институт». Адрес: РФ, Кабардино-Балкарская Республика, г. Нальчик, пр. Ленина, 2. E-mail: fedchenkolm@mail.ru Тел. +7 (928) 238 05 17
Созаева Лежинка Танашевна - кандидат физико-математических наук, доцент, старший научный сотрудник, ФГБУ «Высокогорный геофизический институт». Адрес: РФ, Кабардино-Балкарская Республика, г. Нальчик, пр. Ленина, 2 Scopus ID 57204527832 E-mail: ljk_62@rambler.ru +7 (928) 723 20 08
Жабоева Мариям Музигитовна - и.о. младший научный сотрудник лаборатории атмосферных конвективных явлений, ФГБУ «Высокогорный геофизический институт» Адрес: РФ, Кабардино-Балкарская Республика, г. Нальчик, пр. Ленина, 2
E-mail: Jaboevam@mail.ru@mail.ru Тел. +7 (928) 703 06 04
About authors
Kagermazov Artur Khasanbievich - candidate of physical and mathematical sciences, head of the laboratory of atmospheric con-vective phenomena of Federal state budgetary institution «High-Mountain Geophysical Institute». Address: Russia, Kabardino-Balkar Republic, Nalchik, Lenin Ave., 2. Scopus ID 55185153100 E-mail: ka5408@mail.ru Тел.: +7 (928) 720 35 96
Fedchenko Lyudmila Mikhailovna - Doctor of geographical sciences, professor, Chief researcher of Federal state budgetary institution «High-Mountain Geophysical Institute». Address: Russia, Kabardino-Balkar Republic, Nalchik, Lenin Ave., 2. E-mail: fedchenkolm@mail.ru Тел.: +7 (928) 238 05 17
Sozaeva Lezhinka Tanashevna - candidate of physical and mathematical sciences, docent, senior research associate the laboratory of atmospheric convective phenomena of Federal state budgetary institution «High-Mountain Geophysical Institute» Address: Russia, Kabardino-Balkar Republic, Nalchik, Lenin Ave., 2.
Scopus ID 57204527832 E-mail: ljk_62@rambler.ru Тел.: +7 (928) 723 20 08
Zhaboeva Maryam Muzigitovna - junior research associate the laboratory of atmospheric convective phenomena of Federal state budgetary institution «High-Mountain Geophysical Institute» Address: Russia, Kabardino-Balkar Republic, Nalchik, Lenin Ave., 2.
E-mail: Jaboevam@mail.ru@mail.ru Тел.: +7 (928) 703 06 04
