CC BY
21
НАУКИ О ЗЕМЛЕ
«НАУКА. ИННОВАЦИИ. ТЕХНОЛОГИИ», №4, 2020
25.00.29 ФИЗИКА АТМОСФЕРы И ГИДРОСФЕРы
УДК 551.578.7
Кагермазов А. Х., ФГБУ «Высокогорный геофизический институт», Созаева Л. Т. г. Нальчик, Россия
ljk_62@rambler.ru
ВАлиддция Выходных данных глобальной модели атмосферы по данным аэрологического зондирования с нарастающей заблаговременностью
Введение. Для исследования опасных явлений погоды, связанных с конвекцией в
атмосфере, требуется наличие фактических данных аэрологического зондирования. Однако сеть аэрологического радиозондирования атмосферы в нашей стране не может обеспечить потребителей информации с достаточной частотой проведения измерений во времени и необходимой плотностью пунктов на территории страны. В настоящей работе предлагается использовать взамен данных аэрологического зондирования выходную продукцию глобальной модели атмосферы GFS NCEP, что особенно актуально для прогноза конвективных явлений. Возможность такой замены оценивается методами корреляционного анализа.
Материалы и методы
исследования. Материалами исследований является выходная продукция глобальной
модели атмосферы GFS NCEP, включающая в себя стратифицированные поля метеорологических элементов: температуры воздуха, температуры точки росы, скорости и направления скорости ветра, с нарастающей забла-говременностью 24, 48, 60, 84 и 132 часа. Фактическими данными послужили данные аэрологического зондирования на метеостанции «Минеральные воды» Центральной части Северного Кавказа. Степень их совпадения оценена методами корреляционного анализа.
Результаты исследования
и их обсуждение. В ходе исследования были получены коэффициенты корреляции между прогностическими (модельными) и фактическими данными температуры воздуха, температуры точки росы, направления и скорости ветра. Установлено, что последовательное увеличение заблаговременности прогноза метеополей до 132 часов не привело к заметному снижению коэффициентов корреляции между ними. что свидетельствует о сохранении прогнозного потенциала данных глобальной модели атмосферы вплоть для среднесрочных метеорологических прогнозов.
Выводы. Полученные результаты показывают возможность использования данных
полей метеорологических элементов из глобальной модели атмосферы с нарастающей заблаговременностью при прогнозировании опасных явлений погоды, моделировании гроза-градовых облаков для оперативного использования при активном воздействии на опасные явления.
Ключевые слова: глобальная модель атмосферы, аэрологическое зондирование, заблагов-ременность, метеорологические параметры, коэффициент корреляции, валидация.
Kagermazov A.Kh., Federal state budgetary institution «High-Mountain geophysical institute»,
Nalchik, Russia Sozaeva L. T.* ljk_62@rambler.ru
Validation the output data of the global model of the atmosphere on data of aerological sensing with increscent lead time
Introduction. To investigate dangerous weather phenomena associated with convection in the
atmosphere, actual upper-air sounding data are required. However, the network of upper-air radio sounding of the atmosphere in our country cannot provide information consumers with a sufficient frequency of measurements in time and the required density of points in the country. In this work, it is proposed to use the output of the global atmospheric model GFS NCEP instead of the upper-air sounding data, which is especially important for predicting convective phenomena. The possibility of such a replacement is assessed by the methods of correlation analysis.
The research materials are the output of the global atmospheric model GFS NCEP, which includes stratified fields of meteorological elements: air temperature, dew point temperature, wind speed and direction, with an increasing lead time of 24, 48, 60, 84 and 132 hours. The actual data were obtained from the aerological sounding at the meteostation «Mineralnye Vody» in the Central part of the North Caucasus. The degree of their coincidences was estimated by correlation analysis methods.
In the course of the study, the correlation coefficients were obtained between the predictive (model) and actual data of air temperature, dew point temperature, wind direction and speed. It was found that a consistent increase in the lead time of forecasting meteorological fields up to 132 hours did not lead to a noticeable decrease in the correlation coefficients between them. This indicate to the preservation of the predictive potential of the data of the global atmospheric model up to average term meteorological forecasts.
Conclusions. The results obtained show the possibility of using the data of the fields of meteorological
elements from the global model of the atmosphere with increasing lead time when predicting dangerous weather phenomena, modeling thunderstorm-hail clouds for operational use with an active impact on dangerous phenomena.
Key word: global atmospheric model, aerological sending, lead time, meteorological parameters,
correlation coefficient, validation.
Materials and methods of the research.
The results of the study and their discussion.
Введение
Исходными данными при прогнозировании опасных явлений погоды, проведении противоградовых работах и математическом моделировании грозо-градовых облаков до настоящего времени являлись фактические данные аэрологического зондирования. Но сеть аэрологического радиозондирования атмосферы в нашей стране довольно редкая, а на имеющихся метеостанциях частота проведения измерений недостаточна. Такое положение неблагоприятно сказывается на исследованиях, связанных с конвекцией в атмосфере. Вместе с тем в настоящее время имеются глобальные модели атмосферы, выходная продукция которых, может использоваться взамен данных фактического аэрологического зондирования [1, 2, 3]. Возможность и правомерность замены фактических аэрологических данных на поля метеоэлементов
из глобальной модели, заблаговременность которых достигает десяти суток, мало исследована. Оправдываемость и заблаговременность являются основными критериями качества прогнозов [4, 5]. На поиск решения актуальной задачи увеличения заблаговременности прогноза опасных явлений погоды направлена предлагаемая работа. Для ее решения сформированы наборы фактических и прогнозных данных значений температуры воздуха, температуры точки росы, скорости и направления ветра на различных изобарических уровнях с нарастающей, от одного до пяти суток, заблаговременностью. Далее рассчитаны корреляционные зависимости между ними методами корреляционного анализа.
Материалы и методы исследований
В настоящей работе взамен фактическому аэрологическому зондированию предлагается использовать данные глобальной системы прогнозирования GFS, разработанной национальным центром экологического прогнозирования NCEP [6]. Отличительной особенностью GFS является совместная реализация модели атмосферы, океана, суши и морского льда. Кроме того, она постоянно развивается и улучшается с целью повышения эффективности и точности прогнозов. Так, 12 июня 2019 года глобальная система прогнозирования GFS была модернизирована переходом на новый, неспектральный блок решения уравнений динамики, что привело к увеличению ее горизонтального разрешения до 9 км и улучшению навыков крупномасштабного прогнозирования.
Выходная продукция глобальной модели атмосферы включает в себя следующие поля метеорологических элементов: аэрологические уровни (мб), высоты атмосферы (м), температура воздуха (°С), температуры точки росы (°С), скорости ветра (м/с) и направления скорости ветра (град). Эти поля прогнозируются на изобарических поверхностях от 100 до 1000 мб. Информация выдается в оперативном режиме по исходным срокам 0, 6, 12, 18 часов ВСВ (Всемирное скоординированное время) и обновляется через каждые 6 часов. Дискретность по времени составляет 3 часа для заблаговременности прогноза 0-180 часов и 12 часов для заблаговременности 180-384 часа.
Для сопоставления прогнозных значений стратификации атмосферы (выходная продукция глобальной модели атмосферы) используются данные фактического зондирования атмосферы, проводимого на метеостанции «Минеральные воды», расположенного в Центральной части Северного Кавказа. На этой метеостанции аэрологический зонд запускается два раза в сутки: в 9 и 12 часов.
На рисунках 1 и 2 показаны выходные данные о стратификации атмосферы по модели GFS (аналог аэрологического зонда) и факти-
PRESS H(MSL) TEMP DEW PT W DIP W SPD
НРА M C С DEG M/S
957. 447.E 21.5 12.4 101.3 4.3
951. 500.E 20.9 12.1 101.9 4.8
945. 557.E 20.2 11.8 102.2 4.9
938. 621.E 19.6 11.6 104.3 5.1
931. 691.E 18 8 11.4 103.5 5.1
922. 773.E 18.0 11.1 103.5 5.2
912. 867.E 17.1 10.9 105.4 5.4
901. 965.E 16.1 10.7 104.8 5.4
889. 1083.E 15.0 10.5 103.8 5.3
874. 1224.E 13.7 10.1 106.4 5.4
860. 1363.E 12.3 9.7 108.2 5.2
843. 1527.E 11.0 9.1 112.1 4.9
823. 1722.E 9.7 8.2 113.9 4.4
804. 1917.E 8.8 6.2 120.0 3.6
782. 2152.E 8.9 2.5 136.3 2.7
758. 2407.E 8.4 -1.4 174.7 2.3
732 . 2690.E 7.1 -3.1 200.4 3.2
706. 2992.E 4.9 -3.5 212.9 4.6
677. 3322.E 1.9 -4.2 221.8 5.5
647. 3687.E -1.2 -5.4 226.0 6.2
616. 4076.E -4.6 -7.0 220.9 7.2
584. 4492.E -7.9 -9.3 214.8 8.8
551. 4942.E -10.8 -12.8 218.3 13.2
517 . 5419.E -14.1 -17.0 225.4 17.6
484. 5918.E -17.8 -20.9 226.6 20.1
450. 6450.E -21.7 -25.2 225.0 21.8
416 . 7011.E -25.6 -31.0 224.6 24.3
384. 7533.E -29.6 -37.3 225.3 27.3
353 . 8176.E -33.9 -43.1 226.1 30.8
323. 8794.E -38.5 -47.6 224.8 33.4
294. 9422 .E -43.4 -51.5 222.6 37.3
267. 10063.E -48.5 -54.3 221.1 39.7
241. 10720.E -53.1 -58.1 222.0 41.1
217 . 11390.E -55.5 -62.1 224.9 41.2
194. 12084.E -54.9 -66.0 228.1 38.1
174. 12809.E -52.3 -72.2 226.3 33.4
155 . 13559.E -51.2 -77.7 225.2 31.9
Рис. 1. Выходные данные о стратификации атмосферы по моде-
ли GFS за 01.06.2019.
Fig. 1. Output data of the atmospheric stratification based on the GFS model for 01.06.2019.
pres tmpc dwpc hght dect sped
972.00 27.00 10.00 314.00 260.00 1.00
949.00 22.60 4.60 525.29 204.44 1.97
925.00 21.20 6.20 749.00 145.00 3.00
905.00 19.03 5.37 935.38 90.0 0 4.00
850.00 13.00 3.00 1470.00 85.00 4.00
835.00 11.20 2.20 1619.38 87.06 4.00
814.00 9.06 1.84 1331.04 90.00 4.00
800.00 7.60 1.60 1975.21 50.35 3.55
764.00 10.00 -2.00 2356.90 305.11 2.34
756.00 9.00 -3.00 2444.34 281.05 2.07
754.00 8.81 -3.12 2466.08 275.00 2.00
700.00 3.40 -6.60 3076.00 260.00 2.00
698.00 3.18 -6.71 3099.02 260.00 2.00
648.00 -2.50 -9.50 3697.04 198.32 3.88
645.00 -2.73 -9.70 3733.41 195.00 4.00
631.00 -3.81 -10.65 3905.40 195.00 13.00
596.00 -6.63 -13.11 4352.67 230.00 14.00
580.00 -7.97 -14.29 4565.96 215.00 14.00
566.00 -9.17 -15.34 4757.47 230.00 15.00
551.00 -10.50 -16.50 4967.99 228.92 16.30
500.00 -15.70 -24.70 5710.00 225.00 21.00
443.00 -22.70 -31.70 6608.77 227.71 24.80
402.00 -26.70 -42.70 7314.13 229.39 27.84
400.00 -27.50 -43.50 7350.00 230.00 28.00
381.00 -30.90 -45.90 7697.77 229.15 29.69
340.00 -34.50 -49.50 8499.71 227.13 33.65
300.00 -42.50 -57.50 9360.00 225.00 38.00
280.00 -46.50 -60.50 9823.17 225.00 41.06
262.00 -49.08 -62.49 10261.04 225.00 44.00
250.00 -50.90 -63.90 10570.00 225.00 43.00
242.00 -52.30 -65.30 10781.50 222.94 41.35
231.00 -53.10 -66.10 11081.84 220.00 39.00
218.00 -54.10 -67.10 11455.80 225.00 39.00
207.00 -54.10 -67.10 11788.71 228.00 34.79
200.00 -53.90 -66.90 12010.00 230.00 32.00
Рис. 2. данные аэрологического зонда по метеостанции «мине-
ральные воды» за 01.06.2019.
Fig. 2. Data of the aerological sensing on the meteorological station «Mineralnye Vody» for 01.06.2019
ческого аэрологического зондирования в цифровом представлении. Оба зонда относятся к пункту «Минеральные воды» за 01.06.2019 года.
Валидация выходных данных глобальной модели атмосферы по данным аэрологического зондирования с нарастающей заблаговремен-ностью проводится в два этапа. На первом этапе формируются наборы данных по следующим метеорологическим параметрам: температура воздуха, температура точки росы и скорость и направление ветра на различных изобарических уровнях. Первый набор данных содержит прогнозные значения параметров атмосферы по данным глобальной модели атмосферы с нарастающей заблаговременностью до проведения аэрологического зондирования. Данные составляются для каждого срока: 24, 48, 60, 84 и 132 часа. Второй набор данных содержит соответствующие фактические значения параметров атмосферы по результатам аэрологического зондирования. На втором этапе проводится оценка близости значений данных метеорологических параметров по глобальной модели атмосферы и фактического зондирования методами корреляционного анализа с помощью программного обеспечения «SPSS».
Результаты исследований и их обсуждение
Для проведения исследований рассматривались параметры опасных конвективных явлений, характерных для территории метеостанции «Минеральные воды» Центральной части Северного Кавказа, включающие в себя периоды с мая по сентябрь 20182019 гг. По этим датам были созданы по два набора данных значений температуры воздуха, температуры точки росы, направления и скорости ветра. Один из них составлялся по данным Глобальной модели атмосферы (прогностический), второй - по фактическим результатам аэрологического зондирования на метеостанции «Минеральные воды».
Метеорологические параметры выбирались на стандартных изобарических уровнях, равных 1000, 900, 850, 800, 700, 600, 500, 400 и 300 мб. Изобарический уровень zem соответствует уровню у земли, примерно 1000 мб. Данные глобальной модели атмосферы выбирались по тем же уровням с заблаговременностью 24, 48, 60, 84 и 132 часа.
Для наглядности строились графики фактических и прогностических значений данных параметров метеополей на различных изобарических уровнях. Так, на рисунке 3 показаны значения температуры воздуха по данным глобальной модели с заблаговременностью 60 часов (пунктирные линии) и фактические значения по данным аэрологического зондирования (сплошные линии) на уровнях Земля, 700 и 400 мб. Из рисунка заметно хорошее совпадение кривых, построенных по прогнозным и фактическим данным.
Число наблюдений
Рис. 3. Значения температуры воздуха на различных изобаричес-
ких уровнях: сплошные линии - фактические данные, пунктирные линии - прогнозные данные с заблаговременнос-тью 60 часов.
Fig. 3. Air temperature values at different isobaric levels: solid lines - actual data, dashed lines - predicted data with a 60-hour lead time.
Далее определялись коэффициенты корреляции между фактическими и прогнозными значениями данных полей метеорологических параметров на выделенных изобарических уровнях c нарастающей заблаговременностью (24, 48, 60, 84 и 132 часа) по статистической программе SPSS. В качестве примера приведены результаты корреляционной зависимости значений данных температуры воздуха с забла-говременностью 60 часов (табл. 1). На изобарическом уровне Земля коэффициент корреляции равен 0,910, на уровне 700 и 400 мб - 0,972 и 0,974 соответственно. По шкале Чеддока, эти коэффициенты свидетельствуют об очень высокой связи между прогностическими (модельными) и фактическими значениями температуры воздуха.
Аналогичные исследования были проведены для всех полей метеопараметров с нарастающей заблаговременностью.
На рисунке 4 представлены коэффициенты корреляции между прогностическими (модельными) и фактическими данными температуры воздуха, температуры точки росы, направления и скорости ветра.
Коэффициенты корреляции между прогнозными значениями температуры воздуха и соответствующими фактическими данными принимают значения в переделах 0,9 ^ 0,98, по Шкале Чеддока это означает, что связь между ними очень высокая (рис. 4 а). Такие значения коэффициента корреляции характерны для данных температуры воздуха с заблаговременностью 24, 48 и 60 часов. С увеличением за-
Таблица 1. КОРРЕЛЯЦИОННАЯ ЗАВИСИМОСТЬ МЕЖДУ ФАКТИЧЕСКИМИ
И ПРОГНОЗНЫМИ ЗНАЧЕНИЯМИ ТЕМПЕРАТУРЫ ВОЗДУХА (заблаговременность 60 часов)
Table 1. Correlation between actual and predicted values of air temperature (60 hours lead time)
Критерии Изобарические уровни
Tzem TPzem T700 TP700 T400 TP400
Корреляция Пирсона TPzem 1 0,910(**) TP700 1 0,972(**) TP400 1 0,974(**)
Значимость (2-сторон) 0,000 0,000 0,000
Сумма квадратов и парных произведений 5855,3 4472,2 2615,4 2562,1 3023,7 3255,1
Ковариация 84,86 64,81 39,4 38,24 45,13 48,58
Число наблюдений 70 70 68 68 68 68
Корреляция Пирсона Tzem 0,91(и) 1 T700 0,972(**) 1 T400 0,974(**) 1
Значимость (2-сторон) 0,000 0,000 0,000
Сумма квадратов и парных произведений 4472,2 4120,9 2562,1 2653,8 3255,1 3690,2
Ковариация 64,81 59,72 38,24 39,61 48,584 55,077
Число наблюдений 70 70 68 68 68 68
** Корреляция значима на уровне 0,01 (2-сторон.)
благовременности до 84 часов связь несколько ухудшается, на некоторых уровнях снижаясь до заметной. При заблаговременности 132 часа коэффициенты корреляции меняются в пределах 0,9 ^ 0,97 (очень высокая связь). Такие высокие коэффициенты корреляции в этом случае обусловлены тем, что расчеты за этот срок были проведены по данным глобальной модели за 2019 год, и как было отмечено выше, в том же году была усовершенствована сама глобальная модель атмосферы.
Температура точки росы - очень изменчивый и трудно прогнозируемый параметр, хотя коэффициенты корреляции для данных с за-благовременностью 24, 48 и 60 часов принимают в среднем значения 0,71 ^ 0,9, которые соответствуют высокой степени связи между ними (рис. 4 б). Для данных с заблаговременностью 84 часа - 0,55 ^ 0,85, что означает высокую степень связи, за исключением некоторых высот, на
a) Температура воздуха
24
1,0
б) Температура точка росы
132
24
60
132
Заблаговременность, час
в) Направление ветра
Рис. 4.
1,0
г) Скорость ветра
a. Ik м
I 1ЦГ1 Р' I III
132 24
Заблаговременность, час
900 ■ 850 ■ 800 ■ 700
600
60
500
400
132
300
Коэффициенты корреляции между прогностическими и фактическими данными метеополей на различных изобарических уровнях.
Fig. 4. Coefficients of correlation between predicted and actual data of meteorological fields at different isobaric levels.
которых корреляционная связь заметная. При увеличении заблаговре-менности до 132 часов коэффициенты корреляции также как для температуры воздуха улучшаются из-за усовершенствования самой глобальной модели, принимая значения 0,75 ^ 0,9 (высокая связь).
Направление ветра прогнозируется с заблаговременность 24 часа с очень высокими коэффициентами корреляции, которые варьируются в пределах 0,88 ^ 0,97 (рис. 4 в). При дальнейшем увеличении заблаговре-менности коэффициенты корреляции постепенно уменьшаются, принимая значения в пределах 0,7 ^ 0,94 (высокая связь) за 48 часов, 0,7 ^ 0,87 (высокая связь) за 60 часа, 0,6 ^ 0,9 за 84 часа (связь высокая и заметная) и 0,6 ^ 0,8 (связь высокая и заметная) за 132 часа.
Скорость ветра - параметр, который трудно прогнозируется у Земли, а с увеличением высоты (уменьшением изобарического уров-
zem
ня) коэффициенты корреляции увеличиваются (рис. 4 с). Для забла-говременности 24 и 48 часов связь между прогностическими и фактическими значениями скорости ветра очень высокая (0,9 ^ 0,98), за исключением скорости ветра у Земли. При сроке 60 часов коэффициенты корреляции варьируются в пределах 0,6 ^ 0,9, увеличиваясь с высотой (связь меняется от заметной к высокой). Для заблаговременности 84 и 132 часа связь между прогнозными и фактическими значениями меняется от умеренной у Земли до высокой с увеличением высоты, с коэффициентами корреляции 0,34 ^ 0,88 и 0,32 ^ 0,71 соответственно.
Таким образом, коэффициенты корреляции показывают, что исследуемая глобальная модель атмосферы прогнозирует значения полей метеопараметров с высокой точностью.
Выводы
В ходе исследования, выявлено хорошее совпадение фактических данных с значениями параметров атмосферы по глобальной модели, несмотря на довольно большую заблаговременность (до 132 часов). Что свидетельствует о высоком качестве выходной продукции глобальной модели GFS NCEP
Прогнозные значения стратификации атмосферы (вместо аэрологического зонда) могут найти применение в оперативно-производственных подразделениях Росгидромета, расположенных в Центральной части Северного Кавказа, для составления прогнозов опасных явлений и элементов погоды (града). При этом важно заметить, что заблаговременность прогнозов можно увеличить до 3-х и 5-ти суток, тем самым впервые открывая возможность среднесрочного прогноза.
Кроме того, прогнозные данные глобальной модели с увеличенной заблаговременностью могут быть использованы в качестве начальных условий при расчете параметров мощных конвективных облаков, на основе их трехмерных моделей, создавая достаточный запас времени для оперативного использования результатов расчетов при активном воздействии на опасные явления. Начальные условия в этом случае будут учитывать пространственную неоднородность при их формировании в узлах сетки трехмерной области, в которой будет производиться расчет облака (Центральная часть Северного Кавказа).
Таким образом, показано, что использование выходных данных современных глобальных моделей для решения разного круга задач метеорологии вполне оправдано и имеет хорошие перспективы для развития.
Библиографический список
1. Кагермазов А.Х. Валидация выходных данных Глобальной Системы Прогнозов GFS (Global Forecasts System) с результатами аэрологического зондирования // Известия КБНЦ РАН. 2014. № 3 (59). С. 32-36.
2. Кагермазов А. X., Созаева Л. Т. Валидация выходных данных глобальной модели атмосферы, полученных с заблаговремен-ностью до трех суток, по данным аэрологического зондирования // Проблемы военно-прикладной геофизики и контроля состояния природной среды: Материалы конференции. Санкт-Петербург: ВКА им. А.ф. Можайского. 2020. 383 с.
3. 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 aerological 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.
4. 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.
5. Kagermazov A. Kh. The Statistical Forecasting Models of a Hail for the Western Part of the North Caucasus and the Black Sea Coast Constructed on Output Production of Global System of Forecasts (GFS NCEP) // Materials Science Forum. 2018. Vol. 931. P. 10371041. doi:10.4028/www.scientific.net/MSF.931.1037.
6. Официальный сайт Национальных центров экологического прогнозирования США. Центр экологического моделирования [Электронный ресурс]. https://www.emc.ncep.noaa.gov/ (дата обращения: 01.10.2020).
References
1. Kagermazov A.Kh. Validation of the output data of the Global Forecasts System GFS (Global Forecasts System) with the results of aerological sensing // Izvestiya KBSC RAS. 2014. № 3 (59). P. 32-36.
2. Kagermazov A. Kh., Sozaeva L. T. Validation the date output of the global model of the atmosphere in days with the development of convection according to data of aerological sensing with time advance on the two-day // Problems of military-applied geophysics and control of the state of the natural environment: Conference proceedings. St. Petersburg: MCA A.F. Mozhaisky. 2020. 383 p.
3. 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 aerological 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.
4. 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.
5. Kagermazov A. Kh. The Statistical Forecasting Models of a Hail for the Western Part of the North Caucasus and the Black Sea Coast Constructed on Output Production of Global System of Forecasts (GFS NCEP) // Materials Science Forum. 2018. Vol. 931. P. 10371041. doi:10.4028/www.scientific.net/MSF. 931.1037.
6. Official website of the National Centers for Environmental Prediction. Environmental Modeling Center. [Electronic resource]. https:// www.emc.ncep.noaa.gov/ (accessed: 01.10.2020).
Поступило в редакцию 19.11.2020, принята к публикации 01.12.2020.
сведения 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. Тел.: +7 (928) 720 35 96. E-mail: ka5408@mail.ru
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. Тел.: +7 (928) 723 20 08. E-mail: ljk_62@rambler.ru
About the authors
Kagermazov Artur Khasanbievich - candidate of physical and mathematical Sciences, head of the laboratory of atmospheric convective phenomena of department of physics of clouds of Federal state budgetary institution «High-Mountain Geophysical Institute». Address: Russia, Kabardino-Balkar Republic, Nalchik, Lenin Ave., 2. Scopus ID 55185153100. Tel: +7 (928) 720 35 96. E-mail: ka5408@mail.ru
Sozaeva Lezhinka Tanashevna - candidate of physical and mathematical Sciences, docent, senior research associate of department of physics of clouds of Federal state budgetary institution «High-Mountain Geophysical Institute». Address: Russia, Kabardino-Balkar Republic, Nalchik, Lenin Ave., 2. Scopus ID 57204527832. Tel: +7 (928) 723 20 08. E-mail: ljk_62@rambler.ru
