кандидат физико-математических наук;
candidate of physical and mathematical sciences;
кандидат физико-математических наук;
candidate of physical and mathematical sciences;
Метод множественной линейной регрессии использовался для оценки степени влияния солнечных факторов на изменение показателей прозрачности атмосферы во время мощных магнитных бурь в марте и апреле 2023 г. Регрессионные модели строились по уравнению двухфакторной линейной регрессии, в которой влияющими факторами выбраны: контраст электрического потенциала (ЭП) ионосферы и космические лучи (КЛ). Показано, что коэффициент детерминации увеличивается в построенных регрессионных моделях, т. е. выбранные факторы увеличивают долю объясненной дисперсии характеристик прозрачности атмосферы. Оценена степень влияния каждого объясняющего фактора, включенного в регрессионные модели. Получено, что КЛ являются фактором, который объясняет наибольшую долю дисперсии параметров облачности в слое максимального содержания водяного пара (700–500 гПа). Обнаружено, что относительный вклад КЛ в прирост объясненной дисперсии параметров облачности равнозначен вкладу контраста ЭП, который объясняет наибольшую долю дисперсии контраста уходящей длинноволновой радиации. Полученные результаты иллюстрируют роль КЛ в электрическом механизме нелинейного воздействия солнечной активности на климатическую систему, теоретические основы которого разрабатываются в ИСЗФ СО РАН.
A multiple linear regression method was employed to assess the degree of influence of solar factors on changes in atmospheric transparency indicators during powerful magnetic storms in March and April 2023. Regression models were constructed using a two-factor linear regression equation, in which the influencing factors were the ionospheric electric potential (EP) contrast and cosmic rays (CRs). It was shown that the determination coefficient increases in the constructed regression models, i.e. the selected factors increase the proportion of explained dispersion in atmospheric transparency characteristics. We assessed the degree of influence associated with each explanatory factor included in the regression models. It was found that CR is the factor that explains the largest proportion of dispersion in cloud parameters in the maximum water vapor layer (700–500 hPa). It was established that the relative contribution of CRs to the increase in explained dispersion of cloud parameter is equivalent to the contribution of the EP contrast, which explains the largest proportion of the dispersion in the contrast of outgoing longwave radiation. The obtained results illustrate the role of CRs in the electrical mechanism of the nonlinear impact of solar activity on the climate system, whose theoretical foundations are being developed at ISTP SB RAS.