Тебиева Д. И., Айларов А. Е., Доброносов В. В. Динамика температур на метеостанции «Владикавказ» в 1991–2017 гг. // Научная жизнь. 2019. Т. 14. Вып. 12. С. 1878–1889. DOI: 10.35679/1991-9476-2019-14-12-1878-1889

Тебиева Деляра Иосифовна, канд. геогр. наук, доцент, зав. кафедрой «Физическая и социально-экономическая география», ФГБОУ ВО «Северо-Осетинский государственный университет им. К. Л. Хетагурова»: Россия, 362025, Республика Северная Осетия-Алания, г. Владикавказ, ул. Ватутина, 44–46.

Айларов Айвар Евдокимович, канд. геогр. наук, доцент, зам. директора по научной работе, Северо-Кавказский научно-исследовательский институт горного и предгорного сельского хозяйства – филиал ФГБУН ФНЦ «Владикавказский научный центр РАН»: Россия, 362027, Республика Северная ОсетияАлания, г. Владикавказ, ул. Маркуса, 22.

Доброносов Виталий Владимирович, канд. с.-х. наук, ст. науч. сотрудник, ФГБУ «Национальный парк «Алания»: Россия, 363000, Республика Северная Осетия-Алания, Ирафский район, с. Камата, 6.

Тел.: (919) 426-99-32

E-mail: ailarov@bk.ru

В сравнении с нормами базового периода Всемирной метеорологической организации (ВМО) 1961-1990 гг. представлены новые исследования многолетней динамики температур за постбазовый период ВМО 1991–2017гг. по метеостанции (м/с) «Владикавказ» (индекс в сети ВМО 37228, 702 м н.у.м.). На основе параметрических критериев Аббе-Линника (А-Л), метода наименьших квадратов (МНК) и непараметрического Кокса-Стюарта (К-С) проанализирована статистика многолетних рядов. Из анализа следует, что приводимые в литературе примеры использования критерия К-С и МНК для установления климатических и иных трендов часто не дают однозначных результатов. При этом в статистике данных не используется А-Л-критерий, как наиболее надёжный для малых и больших выборок. Критерий А-Л, фактически не применяемый в метеорологических исследованиях, всегда даёт однозначное толкование наличия/отсутствия тренда. МНК и К-С отражают знак тренда (плюс или минус), но, в сравнении с А-Л, для МНК и К-С существует ряд ограничений по их применению (К-С имеет уровень надежности до 0,86). Данные критерии чувствительны в основном к рядам данных, имеющих линейный разброс с признаками явного тренда. Сравнительным анализом установлено, что сглаживание временны́ х рядов методом взвешенных скользящих средних даёт бо́ льшую надёжность результатов в сравнении с экспоненциальным. Проведены расчёты и дана оценка наличия/отсутствия статистически достоверных трендов по А-Л. В соответствии с рекомендациями ВМО (Гейдельберг, Германия, 2014) температурные ряды 1991–2017 гг. сравнивались с нормами ВМО 1961–1990 гг. Тренды определялись с учётом значений коэффициента вариации базового периода ВМО в их сравнении с параметрами МНК и А-Л. (CV = 6–8%), К-С (для ẑ_факт > 1,96). Определены параметры трендов (нелинейность и цикличность) у анализируемых временных интервалов постбазового периода ВМО по критерию МНК и коэффициенту автокорреляции. В температур рядах по м/с «Владикавказ» выявлены положительные тенденции постбазового периода ВМО с выраженными циклами от 4–5 до 8–10 лет. Это способствует увеличению сумм активных температур и периода вегетации в предгорных агроландшафтах лесостепей Центрального Кавказа. Полученные результаты свидетельствуют о повышении потенциала развития климатически оптимизированного сельского хозяйства при внедрении новейших сортов и гибридов.

Список литературы:

1. Глобальные изменения климата и прогноз рисков в сельском хозяйстве России / Под ред. академиков А. Л. Иванова и В. И. Кирюшина. – М.: РАСХН, 2009. – 518 с.

2. FAO. 2018. Climate-Smart Agriculture Case Studies 2018. Successful approaches from different regions. Rome. 44 pp. Licence: CC BY-NC-SA 3.0 IGO.

3. Линник Ю.В. Метод наименьших квадратов и основы математикостатистической теории обработки наблюдений. – М.: Государственное издательство физико-математической литературы, 1958. – 338 с.

4. Лемешко Б. Ю., Комиссарова А. С., Щеглов А. Е. Вопросы применения некоторых критериев проверки случайности и отсутствия тренда // Метрология. – 2010. – № 12. – С. 3–25.

5. Кобзарь А. И. Прикладная математическая статистика. Для инженеров и научных работников. – М.: ФИЗМАТЛИТ, 2006. – 816 с.

6. Елисеева И. И., Егорова И. И., Курышева С. В., Никифоров О. Н., Флуд Н. А., Бурова Н. В., Гордеенко Н. М. Статистика: учебник / Под ред. И. И. Елисеевой. – М.: Проспект, 2011. – 448 с.

7. Елисеева И.И., Курышева С.В., Костеева Т. В., Бабаева И. В., Михайлов Б. А. Эконометрика: учебник / Под ред. И. И. Елисеевой. – М.: Финансы и статистика, 2003. – 344 с.

8. Закс Л. Статистическое оценивание / Пер. с нем. В. Н. Варыгина / Под ред. Ю. П. Адлера, В. Г. Горского. – М.: Статистика, 1976. – 598 с.

9. Рубан А. И., Кузнецов А. В. Учебно-методическое обеспечение самостоятельной работы студентов по курсу «Методы обработки экспериментальных данных». – Красноярск, 2008. – 188 с.

10. Фактические данные. Климатические нормы [Электронный ресурс]. URL https://meteoinfo.ru/climate (дата обращения 22.11.2019).

11. Всероссийский научно-исследовательский институт гидрометеорологической информации – Мировой центр данных (ВНИИГМИ-МЦД). [Электронный ресурс]. URL: http:// aisori.meteo.ru/ClimateR (дата обращения: 22.11.2019).

12. Большев Л. Н., Смирнов Н. В. Таблицы математической статистики. – М.: Наука. Главная редакция физико-математической статистики, 1983. – 416 с.

13. Айларов А. Е., Тебиева Д. И., Доброносов В. В. Динамика осадков в агроландшафтах сухостепной зоны Центрального Предкавказья по периодам Всемирной Метеорологической Организации (ВМО) на метеостанции «Моздок» // Успехи современного естествознания. – 2019. – № 8. – С. 39–43.

14. Commission for Climatology. Sixteenth session. Heidelberg 3–8 July 2014. Abridged final report with resolutions and recommendations. WMO-No. 1137. Geneva, 2014. 69 pp. [Электронный ресурс]. URL: https://library.wmo.int/index.php?lvl=notice_display&id=16465 (дата обращения: 22.11.2019).

15. World Meteorological Organization, 2017. WMO. Guidelines on the Calculation of Climate Normals. 2017 edition. WMO-No. 1203. 29 pp. [Электронный ресурс]. URL: https://library.wmo.int/index.php?lvl=notice_display&id=20130 (дата обращения: 22.11.2019).

DYNAMICS OF TEMPERATURES AT THE VLADIKAVKAZ WEATHER STATION IN 1991–2017

Tebieva Delara Iosifovna, Cand. of Geo Sci., Ass. Prof., Head Department of Physical and Socio-Economic Geography, North-Ossetian State University named after K. L. Khetagurova, Vladikavkaz Russia.

Ailarov Aivar Evdokimovich, Cand. of Geo Sci., Ass. Prof., deputy Director for Research, North Caucasian Research Institute of Mining and Piedmont Agriculture – Branch of the Federal State Budget Scientific Center of Vladikavkaz Scientific Center of the RAS, Vladikavkaz, Russia.

Dobronosov Vitaliy Vladimirovich, Cand. of Agr. Sci., Art. scientific employee, "National Park" Alania, Republic of North OssetiaAlania, Russia.

Keywords: climatic norms, post-base period, weighted moving averages, exponential smoothing, trend, Abbe-Linnik criterion, Cox-Stewart criterion, least squares method, autocorrelation.

Abstract. In comparison with the norms of the base period of the World Meteorological Organization (WMO) 1961–1990. new studies of long-term temperature dynamics for the postbase period of WMO 1991–2017 are presented. at the weather station (m / s) "Vladikavkaz" (index in the WMO network 37228, 702 m above sea level). Based on the Abbe-Linnik parametric criteria (A-L), the least-squares method (least squares) and the non-parametric Cox-Stewart (K-C) statistics of long-term series are analyzed. From the analysis it follows that the examples cited in the literature using the K-C criterion and MNCs to establish climatic and other trends often do not give unambiguous results. Moreover, the data statistics do not use the A-L criterion, as the most reliable for small and large samples. The criterion A-L, which is not actually used in meteorological studies, always gives an unambiguous interpretation of the presence / absence of a trend. MNCs and KC reflect the sign of the trend (plus or minus), but, in comparison with A-L, there are a number of restrictions on their use for KMC and KC (KC has a reliability level of up to 0.86). These criteria are mainly sensitive to data series having a linear spread with signs of a clear trend. A comparative analysis found that smoothing time series by the method of weighted moving averages gives greater reliability of the results compared to exponential. The calculations are carried out and the presence / absence of statistically significant trends in AL is estimated. In accordance with the recommendations of WMO (Heidelberg, Germany, 2014), the temperature series of 1991–2017. compared with WMO standards 1961–1990 Trends were determined taking into account the values of the coefficient of variation of the base period of WMO in their comparison with the parameters of OLS and A-L. (CV = 6 - 8%,), KC (for ẑfact> 1.96). The trend parameters (nonlinearity and cyclicity) were determined for the analyzed time intervals of the WMO post-base period according to the LSM criterion and the autocorrelation coefficient. In the temperature ranges of the Vladikavkaz m / s, positive trends were identified in the post-base period of WMO with pronounced cycles from 4–5 to 8–10 years. This contributes to an increase in the sum of active temperatures and the growing season in the piedmont agrolandscapes of the forest-steppes of the Central Caucasus. The results obtained indicate an increase in the development potential of climate-optimized agriculture with the introduction of the latest varieties and hybrids.

REFERENCES 

1. Ed. Acad. Ivanov, A. L., Kiryushin, V. I. (2009). Global'nye izmeneniya klimata i prognoz riskov v sel'skom khozyaystve Rossii [Global climate change and the forecast of risks in agriculture in Russia]. Moscow: RAAS [in Russian].

2. FAO. 2018. Climate-Smart Agriculture Case Studies 2018. Successful approaches from different regions. Rome. 44 pp. Licence: CC BY-NC-SA 3.0 IGO.

3. Linnik, Yu. V. (1958). Metod naimen'shikh kvadratov i osnovy matematiko-statisticheskoy teorii obrabotki nablyudeniy [The least squares method and the foundations of the mathematical-statistical theory of processing observations]. Moscow: State publishing house of physical and mathematical literature [in Russian].

4. Lemeshko, B. Yu., Komissarova, A. S., Scheglov, A. E. (2010). Voprosy primeneniya nekotorykh kriteriev proverki sluchaynosti i otsutstviya trenda [Issues of applying some criteria for checking randomness and lack of trend]. Metrologiya – Metrology, 12, 3-25 [in Russian].

5. Kobzar, A. I. (2006). Prikladnaya matematicheskaya statistika. Dlya inzhenerov i nauchnykh rabotnikov [Applied mathematical statistics. For engineers and scientists]. Moscow: FIZMATLIT [in Russian].

6. Eliseeva, I. I., Egorova, I. I., Kurysheva, S. V., Nikiforov, O. N., Flood, N. A., Burova, N. V., Gordeenko, N. M., ed. Eliseeva, I. I..(2011). Statistika: uchebnik [Statistics: textbook]. Moscow: Prospect [in Russian].

7. Eliseeva, I. I., Kurysheva, S. V., Kosteeva, T. V., Babaeva, I. V., Mikhailov, B. A., ed. Eliseeva,I. I. (2003). Ekonometrika: uchebnik [Econometrics: textbook]. Moscow: Finance and Statistics [in Russian].

8. Sachs, L., per. with him. Varygina, V. N., ed. Adler, Yu. P., Gorsky,V. G. (1976). Statisticheskoe otsenivanie [Statistical evaluation]. Moscow: Statistics [in Russian].

9. Ruban, A. I., Kuznetsov, A. V. (2008). Uchebno-metodicheskoe obespechenie samostoyatel'noy raboty studentov po kursu «Metody obrabotki eksperimental'nykh dannykh». [Educational and methodological support for independent work of students at the course "Methods of processing experimental data."]. Krasnoyarsk [in Russian].

10. Fakticheskie dannye. Klimaticheskie normy [Actual data. Climatic norms]. meteoinfo.ru Retrieved from https://meteoinfo.ru/climate (accessed November 22, 2019) [in Russian].

11. Vserossiyskiy nauchno-issledovatel'skiy institut gidrometeorologicheskoy informatsii – Mirovoy tsentr dannykh (VNIIGMI-MTsD) [All-Russian Scientific Research Institute of Hydrometeorological Information - World Data Center (VNIIGMI-WDC)]. aisori.meteo.ru Retrieved from http://aisori.meteo.ru/ClimateR (accessed date: 11/22/2019) [in Russian].

12. Bolshev, L. N., Smirnov, N. V. (1983). Tablitsy matematicheskoy statistiki [Tables of mathematical statistics]. Moscow: Science. The main edition of physical and mathematical statistics [in Russian].

13. Aylarov, A. E., Tebieva, D. I., Dobronosov, V. V. (2019). Dinamika osadkov v  agrolandshaftakh sukhostepnoy zony Tsentral'nogo  Predkavkaz'ya po  periodam Vsemirnoy Meteorologicheskoy Organizatsii (VMO) na meteostantsii «Mozdok». [Dynamics of precipitation in agrolandscapes of the dry-steppe zone of the Central Ciscaucasia over the periods of the World Meteorological Organization (WMO) at the Mozdok weather station]. Uspekhi sovremennogo estestvoznaniya – Successes in Modern Natural History, 8, 39-43 [in Russian].

14. Commission for Climatology. Sixteenth session. Heidelberg 3–8 July 2014. Abridged final report with resolutions and recommendations. WMO-No. 1137. Geneva, 2014. 69 pp. library.wmo.int Retrieved from https://library.wmo.int/index.php?lvl=notice_display&id=16465 (дата обращения: 11.22.2019).

15. World Meteorological Organization, 2017. WMO. Guidelines on the Calculation of Climate Normals. 2017 edition. WMO-No. 1203. 29 pp. library.wmo.int Retrieved from https://library.wmo.int/index.php?lvl=notice_display&id=20130 (датаобращения: 11.22.2019).