Толстых М.А.

Tolstykh M.A.

318

DOI:10.21513/2410-8758-2023-3-318-329 УДК: 551.581, 551.513

Применение моделей прогноза погоды

для моделирования климата

М.А. Толстых 1),2)

1) Институт вычислительной математики им. Г.И. Марчука РАН,

Россия, 119991, Москва, ул. Губкина, 8

2) Гидрометцентр России,

Россия, 123376, Москва, Б. Предтеченский пер., 13, стр. 1

Адрес для переписки: m.tolstykh@inm.ras.ru

Реферат. Рассматривается концепция бесшовных моделей атмосферы,

предназначенных как для численного прогноза погоды, так и моделирования

изменений климата. Она состоит в том, что в атмосфере не существует искус-

ственных временных границ, разделяющих синоптические, сезонные и

межгодовые масштабы. В силу нелинейности атмосферы процессы всех про-

странственных и временных масштабов взаимодействуют между собой.

Таким образом, модель атмосферы, ориентированная на воспроизведение

каких-либо явлений, должна адекватно воспроизводить явления всех времен-

ных масштабов. Говорить о бесшовных моделях атмосферы как об универ-

сальных моделях, работающих при любых возможных шагах сетки, неверно.

Одна и та же модель не может применяться при шаге сетки около 1-2 км и 50-

80 км, так как в первом случае процессы образования конвективных осадков в

основном описываются явным образом, а во втором случае глубокая конвек-

ция является процессом подсеточного масштаба, который надо представить

параметрически.

В статье приводится обзор реализаций многомасштабных моделей на

примере некоторых зарубежных (объединенная модель Метофиса Великобри-

тании и европейская модель EC Earth 3) и отечественной модели общей цир-

куляции атмосферы ПЛАВ. Приводится пример модификации пара-

метризации глубокой конвекции, разработанной для климатической версии

модели ПЛАВ, использование которой позволило существенно уменьшить

ошибки среднесрочного прогноза в тропиках. Применение одной и той же

модели атмосферы для численного прогноза погоды и для вероятностного

прогноза крупномасштабных аномалий погоды на месяц и сезон, для воспро-

изведения современного климата (в составе модели Земной системы) вполне

возможно и дает хорошие результаты. Дальнейшее применение концепции

бесшовного прогноза все больше основано на моделях Земной системы,

включающих в себя также модели Мирового океана, морского льда, малых

газовых составляющих и др. Важной задачей является и развитие систем

усвоения данных наблюдений для таких совместных моделей.

Ключевые слова. Бесшовный прогноз, модели общей циркуляции

атмосферы.

Фундаментальная и прикладная климатология, т. 9, № 3, 2023

Fundamental and Applied Climatology, v. 9, no. 3, 2023

319

Application of numerical weather

prediction models for climate modelling

M.A. Tolstykh1),2)

1)Marchuk Institute of Numerical Mathematics of the Russian Academy of Sciences,

8, Gubkina str., 119991, Moscow, Russian Federation

2)Hydrometcentre of Russia,

13/1, B. Predtechensky lane, 123376, Moscow, Russian Federation

Correspondence address: m.tolstykh@inm.ras.ru

Abstract. The concept of seamless prediction atmospheric models designed

both for numerical weather forecasting and climate change modeling is considered.

It consists in the fact that there are no artificial time boundaries in the atmosphere

that separate synoptic, seasonal and interannual scales. Due to the nonlinearity of

the atmosphere, the processes of all spatial and time scales interact with each other.

Thus, an atmospheric model focused on reproducing any phenomena must

adequately reproduce phenomena of all time scales. It is wrong to talk about

seamless atmosphere models as universal models that function at any possible

mesh sizes. The same model cannot be used at the horizontal resolution of about 1-

2 km and 50-80 km, since the processes of convective precipitation formation are

mainly described explicitly in the first case while the deep convection is a sub-grid

scale process that has to be parametrized in the second case.

The article provides an overview of the implementations of multiscale

models with the example of some foreign (the unified model (UM) of the UK

MetOffice and the European model EC Earth 3) and Russian SL-AV atmosphere

general circulation model. An example of a modification to the deep convection

parameterization developed for the climatic version of the SL-AV model is given

that significantly reduced the errors of the medium-range forecast in the tropics.

The use of the same atmosphere model for numerical weather prediction, for

probabilistic forecast of large-scale weather anomalies at monthly and seasonal

scale, and for the reproduction of the modern climate (as a part of the Earth system

model) is quite possible and gives good results. The further application of the

seamless prediction concept is increasingly based on the Earth system models,

including also the global ocean model, sea ice model, small gas components model,

etc. An important task is the development of systems for assimilating observational

data for such coupled models.

Keywords. Seamless prediction, atmosphere general circulation models.

Введение

Современный подход к решению задачи воспроизведения и прогнозиро-

вания состояния атмосферы, опирается на широкое использование математи-

ческих моделей. Модели используют разбиение атмосферы на трехмерные

Толстых М.А.

Tolstykh M.A.

320

элементы (чаще всего, параллелепипеды). Эти модели состоят из блоков, один

из которых, т.н. динамическое ядро, предназначен для решения системы дис-

кретных уравнений гидротермодинамики атмосферы в каждом элементе. Вто-

рой блок включает в себя набор параметрических описаний процессов

подсеточного масштаба, например, приземного пограничного слоя, глубокой

конвекции, и др. Исторически проблема моделирования атмосферы раздели-

лась на две слабосвязанных между собой задачи: прогноз погоды на срок от

нескольких часов до десятка дней и воспроизведение климата (и его измене-

ний) на временных масштабах от нескольких лет и больше.

С начала 70-х годов прошлого века, когда появились первые модели

общей циркуляции атмосферы, модели атмосферы, предназначенные для про-

гноза погоды и для моделирования климата, развивались в основном незави-

симо. Во главу угла развития моделей прогноза погоды было поставлено

повышение пространственной детализации моделей, усложнение параметри-

ческого описания «быстрых» процессов (например, планетарный погранич-

ный слой, глубокая конвекция). При развитии моделей климата больше

внимания уделялось описанию «медленных» атмосферных процессов, напри-

мер, солнечной и тепловой радиации, а также развитию моделей сред, уча-

ствующих в формирования климата (океан, морской лед, биосфера, малые

газовые составляющие и т.д.).

Несмотря на то, что моделируется одна и та же среда – атмосфера, боль-

шинство математических моделей климата даже сейчас не могут дать удов-

летворительный прогноз погоды на несколько дней. Это выявилось еще в

середине 2000-х годов при анализе результатов проекта CMIP3. Справедливо

и обратное: модели прогноза погоды очень часто воспроизводят современный

климат со значительными ошибками.

В 2005 году была выдвинута концепция многомасштабной модели

атмосферы (или бесшовного прогноза) (Shukla, 2009). Она состоит в том, что

в атмосфере не существует искусственных временных границ, разделяющих

синоптические, сезонные и межгодовые масштабы. В силу нелинейности

атмосферы процессы всех пространственных и временных масштабов взаи-

модействуют между собой. Таким образом, модель атмосферы, ориентиро-

ванная на воспроизведение каких-либо явлений, должна адекватно

воспроизводить явления всех временных масштабов. Например, известно, что

внутренние колебания системы атмосфера-океан климатического масштаба –

Эль-Ниньо-Южное колебание, Северо-Атлантическое колебание – оказывают

заметное влияние на частоту, интенсивность и траектории тропических и вне-

тропических циклонов. Мезомасштабные процессы в атмосфере, в свою оче-

редь, влияют на процессы климатического масштаба.

Постепенный рост вычислительных ресурсов привел к тому, что модели

прогноза погоды стали все чаще включать в себя элементы, ранее характер-

ные лишь для моделей климата (например, описания аэрозолей и связанных с

ними процессов). Модели климата, по мере роста доступных вычислитель-

ных ресурсов и, следовательно, разрешения, в свою очередь, потребовали

описания ряда процессов на уровне, который ранее требовался лишь в моде-

Фундаментальная и прикладная климатология, т. 9, № 3, 2023

Fundamental and Applied Climatology, v. 9, no. 3, 2023

321

лях прогноза погоды. Подробный обзор концепции бесшовного прогноза,

перспектив ее развития и ее обоснование был приведен в (Hoskins, 2013).

Отметим, что сегодня видно, что автор этой работы правильно разглядел

большой потенциал этой концепции. Затем словосочетание «бесшовный про-

гноз» стало лозунгом Всемирной программы исследования погоды Всемир-

ной метеорологической организации (WMO, 2015).

В силу популярности, словосочетание «бесшовный прогноз» стали

понимать слишком буквально. Некоторые ученые стали говорить о бесшов-

ных моделях атмосферы, как об универсальных моделях, работающих при

любых возможных на сегодня шагах сетки. Отметим, что авторы идеи бес-

шовного прогноза такого не говорили, скорее, имелось в виду, что модель

среднесрочного прогноза погоды может использоваться для моделирования

изменений климата и наоборот. Но одна и та же модель не может применяться

при шаге сетки около 1-2 км и 50-80 км, так как в первом случае процессы

образования конвективных осадков в основном описываются явным образом,

а во втором случае глубокая конвекция (характерный размер конвективных

ячеек от нескольких сотен метров до первых километров) является процессом

подсеточного масштаба, который надо представить параметрически. Модели-

рование циркуляции атмосферы с шагом сетки в 1 км, безусловно, означает

формулировку модели на основе негидростатических уравнений, в то время

как при шаге сетки 7 км и грубее, характерном в настоящее время для моде-

лей среднесрочного прогноза, можно использовать традиционное приближе-

ние гидростатики. Также процессы торможения гравитационных волн

орографического происхождения при шаге сетки порядка 1 км описываются

явно. В ряде случаев одна и та же модель, например (Walter et al., 2019), при-

меняет различные описания одного и того же процесса в зависимости от

задачи – прогноза либо моделирования климата.

Важным преимуществом единой модели для воспроизведения климата и

численного прогноза погоды является возможность объединения усилий

обычно немногочисленных специалистов разного профиля для ее поддержки

и дальнейшего развития.

Зарубежный опыт

Разработка и применение одной и той же модели атмосферы для про-

гноза погоды и моделирования изменений климата восходит к началу 1990-х

годов. В метеослужбе Великобритании и центре Гадлея была разработана

унифицированная модель атмосферы, Unified Model (UM) (Walters et al.,

2019). В частности, никакие усовершенствования в модели прогноза погоды

не принимались до тех пор, пока модельный «климат» в эксперименте по про-

токолу AMIP становился как минимум не хуже, чем в исходной версии

модели. Согласно протоколу AMIP, моделируется состояние атмосферы в

период с 1979 по 1996 при заданной эволюции температуры поверхности оке-

ана, концентрации морского льда и др. Фактически модель МетОфиса стала

первой моделью бесшовного прогноза.

Толстых М.А.

Tolstykh M.A.

322

В последнее десятилетие модель численного прогноза погоды Европей-

ского центра среднесрочных прогнозов погоды (ЕЦСПП) в версии для долго-

срочного прогноза активно продвигается как инструмент для исследований

климата. Для этого была создана ее условно свободно распространяемая вер-

сия OpenIFS, доступная европейским университетам. На основе OpenIFS

создана полная модель Земной системы EC-Earth. В настоящее время суще-

ствует уже версия EC-Earth3 (Döscher et al., 2022), которая участвовала во

многих экспериментах по программе международного эксперимента по срав-

нению моделей климата CMIP6. Эта модель развивается и широко применя-

ется во многих университетах Западной Европы.

Отметим, что ранее в рамках проекта CMIP существовал подпроект

TransposeAMIP (Williams et al., 2019), в рамках которого модели климата

пытались рассчитывать прогноз погоды с заблаговременностью пять дней, а

результаты прогнозов использовались для уточнения воспроизведения про-

цессов в тропической атмосфере в моделях климата.

Отечественный опыт

В Институте вычислительной математики им. Г.И. Марчука РАН c 1997

года развивается глобальная модель атмосферы ПЛАВ (ПолуЛагранжева,

основанная на уравнении Абсолютной заВихренности) (Толстых и др., 2017).

Глобальная модель атмосферы ПЛАВ применяется в Гидрометцентре России

для оперативного среднесрочного и долгосрочного прогнозов. Как и все

модели общей циркуляции атмосферы, модель включает блок решения урав-

нений гидротермодинамики атмосферы (в данном случае в гидростатическом

приближении) и блок параметризаций процессов подсеточного масштаба.

Динамический блок модели основан на оригинальной формулировке в терми-

нах вертикального компонента абсолютной завихренности и горизонтальной

дивергенции, применяет ряд оригинальных вычислительных алгоритмов,

подробное описание приводится в (Tolstykh et al., 2017). Блок параметризаций

включает в себя алгоритмы описания процессов, разработанные в консорци-

уме по мезомасштабному прогнозу погоды ALADIN/LACE (Termonia et al.,

2018), свободно распространяемые коды для расчета коротко- и длинновол-

новой радиации, модель многослойной почвы ИВМ РАН-НИВЦ МГУ (Воло-

дин, Лыкосов, 1998), а также некоторые параметризации, разработанные в

ИВМ РАН.

Подробное описание модели ПЛАВ приводится в (Толстых и др., 2017).

Изначально модель разрабатывалась как модель среднесрочного (с заблаго-

временностью до 5-10 дней) прогноза погоды. Однако уже в 2005 году нача-

лось опытное применение модели в расчетах долгосрочных прогнозов погоды

с заблаговременностью до 4 месяцев. Этот опыт оказался по тем временам

вполне успешным в части прогнозов во внетропической части Северного

полушария (Тросников и др., 2005). По мере развития модели, в результате

усилий по усовершенствованию динамического блока и описания процессов

подстеточного масштаба (Толстых и др., 2015), все время возрастал времен-

Фундаментальная и прикладная климатология, т. 9, № 3, 2023

Fundamental and Applied Climatology, v. 9, no. 3, 2023

323

ной масштаб атмосферных явлений, успешно воспроизводимых моделью

ПЛАВ (Фадеев и др., 2019). Так, в результате работ как по повышению верти-

кального разрешения модели ПЛАВ, так и включению в модель параметриче-

ского учета торможения гравитационных волн неорографического характера,

с 2018 года модель ПЛАВ успешно воспроизводит квазидвухлетнее колеба-

ние зонального компонента скорости ветра в стратосфере (Шашкин и др.,

2019). Это внутреннее колебание атмосферы является одним из предикторов

долгосрочного прогноза, см., например, (Kidston et al., 2015). Отметим, что

отнюдь не все глобальные модели прогноза погоды воспроизводят это явле-

ние, в том числе, как выяснилось, его пока не воспроизводят некоторые

модели, изначально настроенные лишь на среднесрочный прогноз погоды.

Различные применения модели ПЛАВ проиллюстрированы на рис. 1.

Рисунок 1. Различные конфигурации модели ПЛАВ

По оси абсцисс – продолжительность моделирования (максимальная заблаговременность

прогноза), сутки. По оси ординат – характерный шаг сетки по горизонтали, км

Figure 1. Various configuration of SL-AV models

On the x-axis – duration of modeling (maximum advance forecast), day. On the ordinate axis –

characteristic horizontal resolution of space grid, km

В последние годы удалось добиться существенного прогресса в качестве

воспроизведения современного климата моделью ПЛАВ (Шашкин и др.,

2023). В частности, для климатической версии была разработана и внедрена

важная модификация расчета вертикального переноса импульса в процессе

глубокой конвекции. Это усовершенствование позволило устранить т.н. «раз-

двоение» внутритропической зоны конвергенции и добиться хорошего совпа-

дения среднегодового поля осадков с наблюдениями в версии модели

горизонтальным разрешением около 75 км. Эта же модификация была затем

применена в новой версии модели ПЛАВ для среднесрочного прогноза, име-

ющей горизонтальное разрешение вблизи экватора 11 км, что позволило

существенно снизить ошибки прогноза в тропиках, в частности, практически

Толстых М.А.

Tolstykh M.A.

324

свести к нулю среднюю ошибку прогноза температуры на уровне 500 гПа

(данные по прогнозам с заблаговременностями от 24 до 120 часов за период

оперативных испытаний этой версии модели с 01 октября 2022 г по 15 апреля

2023 г.). Данный пример лишь подтверждает мировой опыт развития моделей

атмосферы.

Дискуссия

Постепенно происходит стирание границ между моделями численного

прогноза, ранее применявшимися только для прогноза на 7-10 дней, и моде-

лями климата, которые предназначены для воспроизведения климата и его

изменений. Представляется, что применение одной и той же модели атмос-

феры для численного прогноза погода, для вероятностного прогноза крупно-

масштабных аномалий погоды на месяц и сезон, а также для воспроизведения

современного климата вполне возможно и дает хорошие результаты. Можно

утверждать, что такое взаимообогащение моделей повышает способность

моделей к воспроизведению атмосферных процессов всех масштабов. Тому

пример опыт ряда ведущих мировых прогностических центров, например,

МетОфиса Великобритании, успешно применяющего одну и ту же модель для

всех вышеупомянутых приложений. Имеется и пример в отечественной прак-

тике. В то же время, модели прогноза и климата имеют разные метрики оши-

бок, и для достижения наилучшего результата в ряде случаев необходимо

применять разные описания процессов подсеточного масштаба в зависимости

от приложения.

Важно заметить, что для долгосрочного прогноза и тем более моделиро-

вания современного климата модель атмосферы должна работать в составе

модели Земной системы. Такие модели включают в себя также модели Миро-

вого океана, морского льда, малых газовых составляющих и др. В настоящее

время уже почти все оперативные системы долгосрочного прогноза в мире

(кроме Бразилии и России) основаны на совместных моделях, как минимум,

атмосферы, океана и морского льда (WMO LC LRF MME, 2023). Заметной

тенденцией последних лет является все более частое применение совместных

моделей атмосферы и других сред в среднесрочном и даже краткосрочном

прогнозе погоды (WGNE, 2022). В частности, совместная модель атмосферы,

океана и морского льда с 2020 года применяется оперативно в ЕЦСПП, а с

2022 года аналогичная модель применяется в МетОфисе Великобритании.

При этом прогностическая система ЕЦСПП включает в себя также и описа-

ние эволюции малых газовых составляющих, таких, как озон, метан, углекис-

лый газ, а также аэрозолей. Во многом качество прогноза такой системы

определяет система усвоения данных, которая теперь должна усваивать дан-

ные наблюдений во всех моделируемых средах. Разработка совместной

системы усвоения является весьма трудоемкой и вычислительно емкой зада-

чей. Дополнительной сложностью здесь являются разные характерные вре-

мена процессов и частота наблюдений в различных средах. Поэтому часто

применяют отдельные системы усвоения для каждой из сред. В настоящее

Фундаментальная и прикладная климатология, т. 9, № 3, 2023

Fundamental and Applied Climatology, v. 9, no. 3, 2023

325

время системы усвоения данных наблюдений в океане работают в оператив-

ном режиме в ряде зарубежных центров, также в рамках европейского консор-

циума Коперникус работает система усвоения данных наблюдений за рядом

малых газовых составляющих.

Благодарности

Исследование выполнено в Гидрометцентре России за счет гранта РНФ

21-17-00254 (https://rscf.ru/project/21-17-00254/).

Список литературы

Володин, Е.М., Лыкосов, В.Н. (1998) Параметризация процессов тепло-

и влагообмена в системе растительность − почва для моделирования общей

циркуляции атмосферы. 1. Описание и расчеты с использованием локальных

данных, Известия РАН. Физика атмосферы и океана, т. 34, № 4, с. 453-465.

Тросников, И.В., Казначеева, В.Д., Киктев, Д.Б., Толстых, М.А. (2005)

Оценка потенциальной предсказуемости метеорологических величин при

динамическом сезонном моделировании циркуляции атмосферы на основе

полулагранжевой модели SL-АV, Метеорология и гидрология, № 12, с. 5-17.

Толстых, М.А., Желен, Ж.Ф., Володин, Е.М., Богословский, Н.Н., Виль-

фанд, Р.М., Киктев, Д.Б., Красюк, Т.В., Кострыкин, С.В., Мизяк, В.Г., Фадеев,

Р.Ю., Шашкин, В.В., Шляева, А.В., Эзау, И.Н., Юрова, А.Ю. (2015) Разра-

ботка многомасштабной версии глобальной модели атмосферы ПЛАВ, Мете-

орология и гидрология, № 6, с. 25-35.

Толстых, М.А., Шашкин, В.В., Фадеев, Р.Ю., Шляева, А.В., Мизяк, В.Г.,

Рогутов, В.С., Богословский, Н.Н., Гойман, Г.С., Махнорылова, С.В., Юро-

ва, А.Ю. (2017) Система моделирования атмосферы для бесшовного про-

гноза, рец. д.ф-м.н. А.В. Старченко, М., Триада ЛТД, 166 с., ISBN 978-5-

9908623-3-3.

Фадеев, Р.Ю., Толстых, М.А., Володин, Е.М. (2019) Климатическая вер-

сия модели атмосферы ПЛАВ: разработка и первые результаты, Метеороло-

гия и гидрология, № 1, с. 22-35.

Шашкин, В.В., Толстых, М.А., Володин, Е.М. (2019) Моделирование

циркуляции стратосферы полулангранжевой моделью атмосферы ПЛАВ,

Метеорология и гидрология, № 1, c. 5-21.

Шашкин, В.В., Фадеев, Р.Ю., Толстых, М.А., Криволуцкий, А.А, Банин,

М.В. (2023) Воспроизведение процессов в стратосфере моделью общей цир-

куляции атмосферы ПЛАВ072L96, Метеорология и гидрология, № 6, в печати.

Döscher, R., Acosta, M., Alessandri, A., Anthoni, P., Arneth A., Arsouze, T.,

Bergmann, T., Bernadello, R., Bousetta, S., Caron, L.-P., Carver, G., Castrillo, M.,

Catalano, F., Cvijanovic, I., Davini, P., Dekker, E., Doblas-Reyes, F., Docquier, D.,

Толстых М.А.

Tolstykh M.A.

326

Echevarria, P., Zhang, Qi. (2022) The EC-Earth3 Earth System Model for the Climate

Model Intercomparison Project 6, Geosci. Model Devel., vol. 15, pp. 2973-3020.

Hoskins, B.J. (2013) The potential for skill across the range of the seamless

weather-climate prediction problem: a stimulus for our science, Quart. J. Roy.

Meteorol. Soc., vol. 139, pp. 573-584, doi:10.1002/qj.1991.

Kidston, J., Scaife, A., Hardiman, S., Mitchell, D., Butchart, N., Baldwin, M.,

Gray, L. (2015) Stratospheric influence on tropospheric jet streams, storm tracks

and surface weather, Nature Geosci., vol. 8, pp. 433-440.

WMO (2015) Seamless prediction of the Earth system: from minutes to

months, WMO, Geneve, No. 1156, 471 p., ISBN: 978-92-63-11156-2.

Shukla, J. (2009) Seamless Prediction of Weather and Climate: A New

Paradigm for Modeling and Prediction Research, NOAA Climate Test Bed Joint

Seminar Series, NCEP, Maryland, 8 p., available at: https://www.nws.noaa.gov/ost/

climate/STIP/FY09CTBSeminars/shukla_021009.htm (accessed 12 May 2023).

Termonia, P., Fischer, C., Bazile, E., Bouyssel, F., Brožková, R., Bénard, P.,

Bochenek, B., Degrauwe, D., Derková, M., El Khatib, R., Hamdi, R., Mašek, J.,

Pottier, P., Pristov, N., Seity, Y., Smolíková, P., Španiel, O., Tudor, M., Wang, Y.,

Wittmann, C., Joly, A. (2018) The ALADIN System and its canonical model

configurations AROME CY41T1 and ALARO CY40T1, Geosci. Model Dev., vol.

11, pp. 257-281, doi: 10.5194/gmd-11-257-2018.

Walters, D., Baran, A.J., Boutle, I., Brooks, M., Earnshaw, P., Edwards, J.,

Furtado, K., Hill, P., Lock, A., Manners, J., Morcrette, C., Mulcahy, J., Sanchez, C.,

Smith, C., Stratton, R., Tennant, W., Tomassini, L., Van Weverberg, K., Vosper, S.,

Willett, M., Browse, J., Bushell, A., Carslaw, K., Dalvi, M., Essery, R., Gedney, N.,

Hardiman, S., Johnson, B., Johnson, C., Jones, A., Jones, C., Mann, G., Milton, S.,

Rumbold, H., Sellar, A., Ujiie, M.,Whitall, M., Williams, K., Zerroukat, M. (2019)

The Met Office Unified Model Global Atmosphere 7.0/7.1 and JULES Global

Land 7.0 configurations, Geosci. Model Dev., vol. 12, pp. 1909-1963, doi 10.5194/

gmd-12-1909-2019.

WGNE Overview of Plans of NWP Centre’s with Global Forecasting Systems

(2022) Available at https://wgne.net/wp-content/uploads/2022/11/wgne_table_

2022_v2.xls (accessed 12 May 2023).

Williams, K.D., Bodas-Salcedo, A., Déqué, M., Fermepin, S., Medeiros, B.,

Watanabe, M., Jakob, C., Klein, S.A., Senior, C.A., Williamson, D.L. (2019) The

Transpose-AMIP II experiment and its application to the understanding of Southern

Ocean cloud biases in climate models, J. Climate, vol. 26, pp. 3258-3274, doi:

10.1175/JCLI-D-12-00429.1.

WMO LRF MME (WMO Lead Center for Long Range Forecasts Multi-

Model Ensemble) (2023) Seasonal->System Configuration Information, available

at https://wmolc.org/contents2/index (accessed 12 May 2023).

Фундаментальная и прикладная климатология, т. 9, № 3, 2023

Fundamental and Applied Climatology, v. 9, no. 3, 2023

327

References

Volodin, E.M., Lykosov, V.N. (1998) Parametrizaciya processov teplo- i

vlagoobmena v sisteme rastitel'nost' – pochva dlya modelirovaniya obshchej

cirkulyacii atmosfery. 1. Opisanie i raschety s ispol'zovaniem lokal'nyh dannyh

[Parameterization of Heat and Moisture Processes in Soil-Vegetation System. 1.

Description and Calculations Using Local Observational Data], Izvestiya RAN.

Fizika atmosfery i okeana, vol. 34, no. 4, pp. 453-465.

Trosnikov, I.V., Kaznacheeva, V.D., Kiktev, D.B., Tolstyh, M.A. (2005) Ocenka

potencial'noj predskazuemosti meteorologicheskih velichin pri dinamicheskom

sezonnom modelirovanii cirkulyacii atmosfery na osnove polulagranzhevoj modeli

SL-AV [Estimation of the potential predictability of meteorological quantities in

dynamic seasonal modeling of atmospheric circulation based on the semi-Lagrangian

SL-AV model], Meteorologiya i gidrologiya, no. 12, pp. 5-17.

Tolstyh, M.A., Zhelen, Zh.F., Volodin, E.M., Bogoslovskij, N.N., Vil'fand,

R.M., Kiktev, D.B., Krasyuk, T.V., Kostrykin, S.V., Mizyak, V.G., Fadeev, R.Yu.,

Shashkin, V.V., Shlyaeva, A.V., Ezau, I.N., Yurova, A.Yu. (2015) Razrabotka

mnogomasshtabnoj versii global'noj modeli atmosfery PLAV [Development of the

Multiscale Version of the SL-AV Global Atmosphere Model], Meteorologiya i

gidrologiya, no. 6, vol. 25-35.

Tolstyh, M.A., Shashkin, V.V., Fadeev, R.Yu., Shlyaeva, A.V., Mizyak, V.G.,

Rogutov, V.S., Bogoslovskij, N.N., Gojman, G.S., Mahnorylova, S.V., Yurova,

A.Yu. (2017) Sistema modelirovaniya atmosfery dlya besshovnogo prognoza

[Atmosphere modeling system for seamless prediction], in A.V. Starchenko (ed.),

Triada, Moscow, Russia, 166 p., ISBN 978-5-9908623-3-3.

Fadeev, R.Yu., Tolstyh, M.A., Volodin, E.M. (2019) Klimaticheskaya versiya

modeli atmosfery PLAV: razrabotka i pervye rezul'taty [Climate Version of the SL-

AV Atmosphere Model: Development and First Results], Meteorologiya i

gidrologiya, no. 1, pp. 22-35.

Shashkin, V.V., Tolstyh, M.A., Volodin, E.M. (2019) Modelirovanie

cirkulyacii stratosfery polulangranzhevoj model'yu atmosfery PLAV [Modelling of

the Stratosphere Circulation Using SL-AV Semi-Lagrangian Model],

Meteorologiya i gidrologiya, no. 1, pp. 5-21.

Shashkin, V.V., Fadeev, R.Yu., Tolstyh, M.A., Krivoluckij, A.A., Banin, M.V.

(2023) Vosproizvedenie processov v stratosfere model'yu obshchej cirkulyacii

atmosfery PLAV072L96 [Reproduction of processes in the stratosphere by the

general circulation model of the atmosphere PLAV072L96], Meteorologiya i

gidrologiya, no. 6, in press.

Döscher, R., Acosta, M., Alessandri, A., Anthoni, P., Arneth A., Arsouze, T.,

Bergmann, T., Bernadello, R., Bousetta, S., Caron, L.-P., Carver, G., Castrillo, M.,

Catalano, F., Cvijanovic, I., Davini, P., Dekker, E., Doblas-Reyes, F., Docquier, D.,

Echevarria, P., Zhang, Qi. (2022) The EC-Earth3 Earth System Model for the Climate

Model Intercomparison Project 6, Geosci. Model Devel., vol. 15, pp. 2973-3020.

Толстых М.А.

Tolstykh M.A.

328

Hoskins, B.J. (2013) The potential for skill across the range of the seamless

weather-climate prediction problem: a stimulus for our science, Quart. J. Roy.

Meteorol. Soc., vol. 139, pp. 573-584, doi:10.1002/qj.1991.

Kidston, J., Scaife, A., Hardiman, S., Mitchell, D., Butchart, N., Baldwin, M.,

Gray, L. (2015) Stratospheric influence on tropospheric jet streams, storm tracks

and surface weather, Nature Geosci., vol. 8, pp. 433-440.

WMO (2015) Seamless prediction of the Earth system: from minutes to

months, WMO, Geneve, No. 1156, 471 p., ISBN: 978-92-63-11156-2.

Shukla, J. (2009) Seamless Prediction of Weather and Climate: A New

Paradigm for Modeling and Prediction Research, NOAA Climate Test Bed Joint

Seminar Series, NCEP, Maryland, 8 p., Available at: https://www.nws.noaa.gov/ost/

climate/STIP/FY09CTBSeminars/shukla_021009.htm (accessed 12 May 2023).

Termonia, P., Fischer, C., Bazile, E., Bouyssel, F., Brožková, R., Bénard, P.,

Bochenek, B., Degrauwe, D., Derková, M., El Khatib, R., Hamdi, R., Mašek, J.,

Pottier, P., Pristov, N., Seity, Y., Smolíková, P., Španiel, O., Tudor, M., Wang, Y.,

Wittmann, C., Joly, A. (2018) The ALADIN System and its canonical model

configurations AROME CY41T1 and ALARO CY40T1, Geosci. Model Dev., vol.

11, pp. 257-281, doi: 10.5194/gmd-11-257-2018.

Walters, D., Baran, A.J. Boutle, I., Brooks, M., Earnshaw, P., Edwards, J.,

Furtado, K., Hill, P., Lock, A., Manners, J., Morcrette, C., Mulcahy, J., Sanchez, C.,

Smith, C., Stratton, R., Tennant, W., Tomassini, L., Van Weverberg, K., Vosper, S.,

Willett, M., Browse, J., Bushell, A., Carslaw, K., Dalvi, M., Essery, R., Gedney, N.,

Hardiman, S., Johnson, B., Johnson, C., Jones, A., Jones, C., Mann, G., Milton, S.,

Rumbold, H., Sellar, A., Ujiie, M.,Whitall, M., Williams, K., Zerroukat, M. (2019)

The Met Office Unified Model Global Atmosphere 7.0/7.1 and JULES Global

Land 7.0 configurations, Geosci. Model Dev., vol. 12, pp. 1909-1963, doi 10.5194/

gmd-12-1909-2019.

WGNE Overview of Plans of NWP Centre’s with Global Forecasting Systems

(2022) Available at https://wgne.net/wp-content/uploads/2022/11/wgne_table_

2022_v2.xls (accessed 12 May 2023).

Williams, K.D., Bodas-Salcedo, A., Déqué, M., Fermepin, S., Medeiros, B.,

Watanabe, M., Jakob, C., Klein, S.A., Senior, C.A., Williamson, D.L. (2019) The

Transpose-AMIP II experiment and its application to the understanding of Southern

Ocean cloud biases in climate models, J. Climate, vol. 26, pp. 3258-3274, doi:

10.1175/JCLI-D-12-00429.1.

WMO LRF MME (WMO Lead Center for Long Range Forecasts Multi-

Model Ensemble) (2023) Seasonal->System Configuration Information, available

at https://wmolc.org/contents2/index (accessed 12 May 2023).

Статья поступила в редакцию (Received): 28.04.2023.

Статья доработана после рецензирования (Revised): 15.05.2023.

Принята к публикации (Accepted): 20.05.2023.

Фундаментальная и прикладная климатология, т. 9, № 3, 2023

Fundamental and Applied Climatology, v. 9, no. 3, 2023

329

Для цитирования / For citation:

Толстых, М.А. (2023) Применение моделей прогноза погоды для моде-

лирования климата, Фундаментальная и прикладная климатология, т. 9, № 3,

с. 318-329, doi:10.21513/2410-8758-2023-3-318-329.

Tolstykh, M.A. (2023) Application of numerical weather prediction models

for climate modelling, Fundamental and Applied Climatology, vol. 9, no. 3, pp.

318-329, doi:10.21513/2410-8758-2023-3-318-329.