Метеорологические и геофизические исследования. Г. В. Алексеев

      Рис. 9. Временные ряды внутримесячной дисперсии среднесуточных данных температуры и давления D(t_i)_j (а) и соответствующие спектральные плотности (б)

      Ряды D(t_i)_j, наряду с рядами среднемесячных значений ζ(t_i)_j, можно рассматривать как ПКСП. Модель (4) позволяет уточнить вклад годовой ритмики в общую дисперсию. Как видно, из таблицы 10 (столбец 1), годовой ход ζ(t_i)_j давления объясняет всего лишь 36 % дисперсии. Этот вывод согласуется с оценками, полученными в стационарном приближении в таблицах 3, 4 и на рис. 5. Оценки, приведенные в втором столбце таблицы 10, показывают, что без учёта сезонной модуляции синоптических процессов дисперсия годовой ритмики остаётся недооценённой более, чем на 50 %. Таким образом, полный вклад годовой ритмики в дисперсию велик не только для Т (95 %), но и для Р (75 %). К аналогичному результату приводит анализ и других МП. Это подтверждает правомерность расширенной трактовки годовой ритмики как совокупности процессов с годовой периодичностью во всех диапазонах.

      Таблица 10. Вклад в общую дисперсию годовой ритмики температуры и давления без учёта (1) и с учётом (2) сезонной модуляции синоптических процессов (%) Примечание. Индексы регулярного годового хода m и его межгодовой модуляции ε

      Для оценки роли процессов синоптического масштаба в формировании тенденций многолетней изменчивости рассмотрим квантильные трассы X_p(t), представляющие ряды одноименных квантилей X_p внутримесячного (одноименный месяц) распределения среднесуточных данных. Их анализ показывает вклад положительных и отрицательных аномалий различной обеспеченности в формирование трендов и тенденций межгодовой изменчивости. Графики квантильных трасс Т и Р и их аппроксимация линейными трендами для апреля приведены на рис. 10, а. На рис. 10, б, в приведены гистограммы коэффициентов тренда а_р и дисперсии, объясняемой трендом D_р для двадцати одной квантили. На рис. 10, г представлены сезонная изменчивость среднемесячных значений оценок коэффициента тренда а и размаха коэффициентов тренда квантильных трасс R_p=max(a_p)-min(a_p). Оценки а_р по месяцам приведены в таблице 11.

      Основной вывод, который можно сделать на основе анализа рис. 10 и таблицы 11 состоит в том, что а_р сильно зависит от порядка квантили р. При этом внутримесячный размах R оценки а_р соизмерим с годовым размахом оценки а тренда среднемесячных значений и заметно превосходит саму оценку а для данного месяца. В ряде случаев тренды квантильных трасс а_р>>а и значимы на 95 % уровне, например, положительные аномалии давления в апреле, обеспеченность которых p≥0,2. Оценки тренда медианы а_0,5 и среднемесячных значений а совпадают по знаку и близки по величине.

      Рис. 10. Квантильные трассы температуры и давления для апреля и их аппроксимация линейным трендом (а), зависимость от порядка квантили коэффициента (б) и дисперсии (в) тренда; г – годовой ход