Смирнова таня: Таня Смирнова

Сотрудники ННГУ: Смирнова Татьяна Александровна

Публикации

2020

Труды (тезисы) конференции

Аферова С.И., Смирнова Т.А., Уразов М.Д., Мищенко Т.А., Митрошина Е.В., Ведунова М.В. ДЕЙСТВИЕ ГЛИАЛЬНОГО НЕЙРОТРОФИЧЕСКОГО ФАКТОРА (GDNF) НА ЭНЕРГЕТИЧЕСКИЙ МЕТАБОЛИЗМ КЛЕТОК ГОЛОВНОГО МОЗГА В НОРМЕ И ПРИ ГИПОКСИИ // 73-я всероссийская с международным участием школа-конференция молодых ученых «Биосистемы: организация, поведение, управление». Тезисы докладов 73-й Всероссийской с международным участием школы-конференции молодых ученых (Н.Новгород, 28–30 октября 2020 г.). Н.Новгород, Университет Лобачевского. 2020. .. С.. 2020. С. 22.

2019

Публикации в научных журналах

Mishchenko T.A., Mitroshina E.V., Usenko A.V., Voronova N.V., Astrakhanova T.A., Shirokova O.M., Kastalskiy I.A., Vedunova M.V. Features of Neural Network Formation and Their Functions in Primary Hippocampal Cultures in the Context of Chronic TrkB Receptor System Influence // Frontiers in Physiology.

№ 1925. V. 9. 2019. P. 1-17.

Mitroshina E.V., Mishchenko T.A., Shirokova O.M., Smirnova T.A. (Astrakhanova), Loginova M.M., Epifanova E.A., Babaev A.A., Tarabykin V.S., Vedunova M.V. Intracellular Neuroprotective Mechanisms in Neuron-Glial Networks Mediated by Glial Cell Line-Derived Neurotrophic Factor // Oxidative Medicine and Cellular Longevity. 2019. P. 1-15.

2018

Публикации в научных журналах

Мищенко Т.А., Митрошина Е.В., Шишкина Т.В., Астраханова Т.А., Прохорова М.В., Ведунова М.В. Применение методики прижизненного детектирования экспрессии мРНК в сочетании с кальциевым имиджингом для исследования нейросетевой активности in vitro // Biologicheskie Membrany. № 2. Т. 35. 2018. С. 104-114.

Астраханова Т.А., Уразов М.Д., Усенко А.В., Митрошина Е.В., Мищенко Т.А., Щелчкова Н.А., Ведунова М.В. BDNF-опосредованная регуляция функционального состояния митохондрий клеток головного мозга в условиях гипоксии // Sovremennye Tehnologii v Medicine. № 3. Т. 10. 2018. С. 88-95.

Mishchenko T.A., Mitroshina E.V., Shishkina T.V., Astrakhanova T.A., Prokopova M.V., Vedunova M.V. Applicability of live cell imaging of mRNA expression in combination with calcium imaging for in vitro studies of neural network activity // Biologicheskie Membrany. № 2. V. 35. 2018. P. 104-114.

Уразов М.Д., Астраханова Т.А., Усенко А.В., Мищенко Т.А., Щелчкова Н.А., Кравченко Г.А., Ведунова М.В., Митрошина Е.В. Новые аспекты адаптации центральной нервной системы к пренатальной гипоксии // Современные технологии в медицине. № 4. Т. 10. 2018. С. 60-68.

2017

Труды (тезисы) конференции

Астраханова Т.А., Щелчкова Н.А., Логинов П.А., Самсонова К.И., Мухина И.В., Ведунова М.В. ИЗУЧЕНИЕ ДЫХАТЕЛЬНОЙ ФУНКЦИИ МИТОХОНДРИЙ ПОЛУШАРИЙ ГОЛОВНОГО МОЗГА ПРИ ФОКАЛЬНОЙ ИШЕМИИ У КРЫС // «Биосистемы: организация, поведение, управление» 70-я Всероссийская с международным участием школа-конференция молодых ученых.

2017. 2017. С. 16.

Уразов М.Д., Митрошина Е.В., Абогессименгане Б.Ж., Хамрауй И., Мищенко Т.А., Астраханова Т.А., Щелчкова Н.А., Лапшин Р.Д., Белоусова И.И., Мухина И.В., Ведунова М.В. Особенности воздействия нейротрофического фактора головного мозга на устойчивость различных линий мышей к ишемии in vivo // Тринадцатый международный междисциплинарный конгресс НЕЙРОНАУКА ДЛЯ МЕДИЦИНЫ И ПСИХОЛОГИИ Судак, Крым, Россия. 2017. С. 412-413.. 2017. С. 412-413.

Митрошина Е.В., Астраханова Т.А., Мищенко Т.А., Ведунова М.В., Уразов М.Д., Щелчкова Н.А., Абогессименгане_зет Б.Ж., Хамрауй Икрам ВЛИЯНИЕ НЕЙРОТРОФИЧЕСКОГО ФАКТОРА ГОЛОВНОГО МОЗГА (BDNF) НА ДИНАМИКУ СКОРОСТИ ПОТРЕБЛЕНИЯ КИСЛОРОДА МИТОХОНДРИЯМИ ПРИ МОДЕЛИРОВАНИИ ОСТРОЙ ГИПОБАРИЧЕСКОЙ ГИПОКСИИ У МЫШЕЙ // Сборник трудов XXIII съезд Физиологического общества им. И. П. Павлова 18—22 сентября 2017 г. Воронеж. Г. Воронеж. 2017. С. 20.

Публикации в научных журналах

Митрошина Е. В., Абогессименгане Б.Ж., Уразов М.Д., Хамрауй И., Мищенко Т.А., Астраханова Т.А., Щелчкова Н.А., Лапшин Р.Д., Шишкина Т.В., Белоусова И.И., Мухина И.В., Ведунова М.В. Адаптационная роль глиального нейротрофического фактора при ишемии головного мозга // Современные технологии в медицине. № 1. Т. 9. 2017. С. 68-77.

2016

Труды (тезисы) конференции

Шишкина Т.В., Митрошина Е.В., Мищенко Т.А., Астраханова Т.А., Мухина И.В., Ведунова М.В. Изучение влияния GDNF на сохранение структурного и функционального состояния нейронных сетей в условиях острой гипоксии // Сборник 20-й Международной Пущинской школы-конференции молодых ученых «БИОЛОГИЯ — НАУКА XXI ВЕКА». 5 стр.. 2016. С. 36-40.

Mitroshina E.V., Abogessimengane_zet B.Zh., Urazov M.D., Mishchenko T.A., Astrakhanova T.A., Shchelchkova N.A., Mukhina I.V., Vedunova M.V., Khamray I., Lapshin R., Belousova I. The influence of Glial cell line-derived neurotrophic factor and modulated activity of endocannabinoid system on С3H mice sustainability to ischemic brain injury in vivo // Materials of VOLGA NEUROSCIENCE MEETING 2016.

1 стр.. 2016. P. 97.

Vedunova M.V., Astrakhanova T.A., Mishchenko T.A., Mitroshina E.V., Mukhina I.V. The role of TrkB receptors in the development and functional reorganization of neural networks // Materials of ISDN 2016. 1 стр.. 2016. P. 33.

Шишкина Т.В., Мищенко Т.А., Митрошина Е.В., Астраханова Т.А., Ведунова М.В. Изучение антигипоксических и нейропротекторных свойств GDNF, а также возможных молекулярных механизмов их реализации // Сборник трудов 69-й Всероссийской школы-конференции молодых ученых «Биосистемы: организация, поведение, управление». 1 стр.. 2016. С. 92.

Публикации в научных журналах

Митрошина Е.В., Абогессименгане_зет Б.Ж., Уразов М.Д., Хамрауй И., Мищенко Т.А., Астраханова Т.А., Щелчкова Н.А., Лапшин Р.Д., Белоусова И.И., Мухина И.В., Ведунова М.В. Адаптационная роль глиального нейротрофического фактора при ишемии головного мозга // Современные технологии в медицине. 2016. [принято к печати]

Mitroshina E. V., Abogessimengane_zet B.Zh., Urazov M.D., Khamray I, Mishchenko T.A., Astrakhanova T.A., Shchelchkova N.A., Lapshin R.D., Belousova I.V, Mukhina I.V., Vedunova M.V. The Influence of Glial Cell Line-Derived Neurotrophic Factor and Modulated Activity of Endocannabinoid System on С3H Mice Sustainability to Ischemic Brain Injury In Vivo // OM&P. № S2. 2016. P. 81-114.

Митрошина Е.В., Ведунова М.В., Шишкина Т.В., Мищенко Т.А., Астраханова Т.А., Пимашкин А.С., Мухина И.В. Нейропротекторное и антигипоксическое действие глиального нейротрофического фактора (GDNF) при моделировании гипоксии в культурах диссоциированных клеток гиппокампа // Клеточные технологии в биологии и медицине. № 1. 2016. С. 33-39.

2015

Труды (тезисы) конференции

Mishchenko T.A., Vedunova M.V., Mitroshina E.V., Shishkina T.V., Astrakhanova T.A., Babaev A.A., Mukhina I.V. The role of Brain-derived neurotrophic factor (BDNF) in antihypoxic and reparative mechanisms in neural networks during acute hypoxia in vitro // World conference on regenerative medicine.

Лейпциг, Германия, 2015. 2015. P. 205.

Ведунова М.В., Митрошина Е.В., Шишкина Т.В., Мищенко Т.А., Астраханова Т.А., Бабаев А.А., Мухина И.В. Исследование влияния GDNF на уровень экспрессии мРНК GluR2 при моделировании нормобарической гипоксии in vitro // Материалы Международной конференции “Рецепторы и внутриклеточная сигнализация”. Пущино, 2015. 4 стр.. 2015. С. 539-542.

Митрошина Е.В., Астраханова Т.А., Ведунова М.В., Мухина И.В. Влияние нейротрофического фактора головного мозга (BDNF) на функциональную метаболическую активность диссоциированных культур гиппокампа при моделировании нормобарической гипоксии in vitro // Материалы V съезда биофизиков России. Ростов на Дону, 2015. 1 стр.. 2015. С. 345.

Ведунова М.В., Мищенко Т.А., Митрошина Е.В., Шишкина Т.В., Астраханова Т.А., Бабаев А.А., Мухина И.В. Изучение некоторых молекулярных механизмов нейропротекторного действия глиального нейротрофического фактора (GDNF) при моделировании гипоксии in vitro // Материалы Всероссийской конференции «Современная нейробиология: достижения, закономерности, проблемы, инновации, технологии». Уфа, 2015. 6 стр.. 2015. С. 134-139.

Публикации в научных журналах

Ведунова М.В., Шишкина Т.В., Мищенко Т.А., Астраханова Т.А., Бабаев А.А., Мухина И.В. Исследование влияния GDNF на уровень экспрессии мРНК GluR2 при моделировании нормобарической гипоксии in vitro // Международная конференция “Рецепторы и внутриклеточная сигнализация. Т. 6. 2015. С. 117-121.

Mishchenko T.A., Mitroshina E.V., Vedunova M.V., Shishkina T.V., Astrakhanova T.A., Babaev A.A., Mukhina I.V. The role of Brain-derived neurotrophic factor (BDNF) in antihypoxic and reparative mechanisms in neural networks during acute hypoxia in vitro // Regenerative Medicine. V. 10. 2015. P. 205.

2014

Публикации в научных журналах

Ведунова М.В., Сахарнова Т.А., Митрошина Е.В., Шишкина Т.В., Астраханова Т.А., Мухина И.В. Антигипоксические и нейропротективные свойства нейротрофических факторов BDNF и GDNF при гипоксии in vitro и in vivo // Современные технологии в медицине.

№ 4. 2014. С. 38-47.

Сотрудники ННГУ: Смирнова Татьяна Геннадьевна

Образование, учёные степени и учёные звания

Высшее образование
Специальность: прикладная математика. Квалификация: математик.

Дополнительное образование, повышение квалификации, стажировки

29.06.2022 — 17.07.2022
Повышение квалификации: «Основы деструктологии», ФГАОУ ВО «Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского», 16 час., документ № 520324001817 рег. № 33-1691 от 25.07.2022

01.04.2022 — 25.06.2022
Повышение квалификации: «Практико-ориентированные подходы в преподавании профильных ИТ-дисциплин», АНО ВО «Университет Иннополис», 144 час., документ № 160300046464 рег. № 22У150-11670 от 04.07.2022

24.01.2022 — 23.03.2022
Повышение квалификации: «Базовые компетенции для реализации дисциплин в области искусственного интеллекта (Математика машинного обучения)», Национальный исследовательский университет «Высшая школа экономики», 36 час. , документ № 217376 рег. № 2.3-14/22111 от 23.03.2022

13.12.2021 — 28.12.2021
Повышение квалификации: «Искусственый интеллект и цифровые технологии для решения исследовательских и практических бизнес задач», ФГАОУ ВО «Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского», 24 час., документ № 522414386868 рег № 33-7755 от 30.12.2021

18.10.2021 — 17.12.2021
Повышение квалификации: «Базовые компетенции для реализации дисциплин в области искусственного интеллекта (Язык программирования Python)», Национальный исследовательский университет «Высшая школа экономики», 36 час., документ № 217105 рег. № 2.3-14/21353 от 17.12.2021

Повышение квалификации: Мастер по созданию тестов в СДО Moodle, ЧПОУ «ЦПДО ЛАНЬ», 36 час., документ № 782415506539 рег.ном. 16322 от 03.12.2021

17.09.2021 — 19.11.2021
Повышение квалификации: Электронная информационно-образовательная среда вуза, ННГУ им. Н.И. Лобачевского, 72 час., документ № 522414381319 рег. ном. 33-2596 от 24.11.2021

Повышение квалификации: Цифровое обучение: методики, практики, инструменты, ООО «Юрайт-Академия», 72 час., документ № ЛП21 00302457 рег. ном. 14715 от 01.07.2021

Повышение квалификации: Тренды цифрового образования, ООО «Юрайт-Академия», 72 час., документ № ЗШ21 00251643 рег.ном. 10459 от 04.02.2021

30.06.2020 — 21.07.2020
Повышение квалификации: Дистанционные образовательные технологии, ННГУ им. Н.И. Лобачевского, 36 час., документ № 522411260909 рег номер 33-2580 от 21.07.2020

Повышение квалификации: «Летняя школа преподавателя — 2020: пять цифровых навыков для дистанта», ООО «Юрайт-Академия», 72 час., документ № ЛП20 00167694 рег.ном. 4629 от 27.06.2020

16.09.2019 — 30.11.2019
Переподготовка: Актуальные проблемы исследования и современные технологии преподавания математики, механики и информатики, ННГУ им. Н.И. Лобачевского, документ № 522409110746 рег ном 33-1082 от 06.12.2019

16.01.2018 — 16.01.2018
Повышение квалификации: Оказание первой помощи, ННГУ, 8 час. , документ № рег. № 723 от 16.01.2018

02.10.2017 — 22.12.2017
Повышение квалификации: Использование инновационных методов и современной аппаратуры в естественно-научных исследованиях, ННГУ, 72 час., документ № 522404999990 рег номер 33-3412 от 22.12.2017

06.02.2017 — 10.04.2017
Повышение квалификации: Электронная информационно-образовательная среда вуза, ННГУ, 72 час., документ № 522404111172 рег номер 33-414 от 10.04.2017

25.10.2016 — 27.12.2016
Повышение квалификации: Дистанционные образовательные технологии, ННГУ, 72 час., документ № 522403229559 рег номер 33-1882 от 27.12.2016

01.01.2011
Повышение квалификации: Дистанционные технологии в образовании, ННГУ, 72 час.

01.01.2011
Повышение квалификации: Информационные технологии и компьютерное моделирование в прикладной математике, ННГУ, 72 час.

Список преподаваемых дисциплин

Институт информационных технологий, математики и механики
Алгебра и геометрия
Дискретная математика
Помехоустойчивое кодирование
Теория автоматов и формальных языков
Теория кодирования

Публикации

2022

Труды (тезисы) конференции

Смирнова Т. Г. О некоторых результатах Ал.А. Маркова в теории алфавитного кодирования // Материалы XIV Международного семинара «Дискретная математика и ее приложения» имени академика О. Б. Лупанова (Москва, МГУ, 20–25 июня 2022 г.). М.: ИПМ им. Келдыша. 2022. С. 279-282.

Публикации в научных журналах

Сидоров С.В., Смирнова Т.Г., Уткин Г.В. Отношения порядка в курсе дискретной математики // Математика в высшем образовании. № 20. 2022. С. 69-84.

2020

Публикации в научных журналах

Смирнова Т.Г. Уравнения в алгебре множеств и методы их решения // Advanced Science. № 2(17). 2020. С. 29-35.

2018

Публикации в научных журналах

Жильцова Л.П., Смирнова Т.Г. Об одном алгоритме построения локально-префиксных кодов с отождествлением // Математический вестник педвузов и университетов Волго-Вятского региона. № 20. 2018. С. 99-104.

2017

Сборники статей

Смирнова Т. Г. ОПТИМАЛЬНЫЕ СЛОВАРНЫЕ РАСКРАСКИ ВЗВЕШЕННЫХ ГРАФОВ // НАУЧНЫЙ ФОРУМ: ТЕХНИЧЕСКИЕ И ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ. Сборник статей по материалам V международной заочной научно-практической конференции. М.: «Международный центр науки и образования» (Москва). 60 с. 2017. С. 54-58.

Труды (тезисы) конференции

Жильцова Л.П., Смирнова Т.Г. Квазиоптимальные локально-префиксные коды // Проблемы теоретической кибернетики: XVIII международная конференция (Пенза, 19–23 июня 2017 г.): Материалы : Под редакцией Ю. И. Журавлева. М. : МАКС Пресс. 274 с. 2017. С. 87-90.

2014

Труды (тезисы) конференции

Смирнова Т.Г. Об оптимальном кодировании в классе локально-префиксных кодов // Проблемы теоретической кибернетики. Материалы XVII Международной конференции (Казань, 16-20 июня 2014 г.). Под ред. Ю.И. Журавлева. Казань: Отечество. 307 с. 2014. С. 266-268.

2013

Публикации в научных журналах

Киселева Л. Г., Смирнова Т.Г. В помощь преподавателю: контрольные задания по алгебре множеств // Математика в высшем образовании. № 11. 2013. С. 21-30.

2012

Публикации в научных журналах

Жильцова Л.П., Киселева Л.Г., Смирнова Т.Г. О работах Александра Александровича Маркова // Вестник Нижегородского университета им. Н.И. Лобачевского. № 6 (1). Т. 1. 2012. С. 127-133.

2011

Труды (тезисы) конференции

Смирнова Т.Г. О структуре матриц оптимального локально-префиксного кодирования // Проблемы теоретической кибернетики. Тезисы докладов XVI Международной конференции. Нижний Новгород. 2011. С. 445-449.

NOAA — Лаборатория глобальных систем

Таня Смирнова — старший научный сотрудник

Я старший научный сотрудник Совместного института исследований в области наук об окружающей среде (CIRES), работаю в Отделе разработки прогнозов Земли (EPAD) в Global Systems Lab (GSL). Я вырос в пригороде Москвы, Советский Союз, и окончил Московский Государственный Университет по специальности «Метеорологические и гидрологические науки». Свою трудовую деятельность я начал в Московском гидрометцентре (ГМЦ) в ​​группе видных российских ученых. В октябре 19В 94 году, после того как мой муж привез меня и детей в Боулдер, я продолжила свои исследования в GSL. Я очень увлечен своей работой, а вне работы наслаждаюсь активным отдыхом в прекрасном Колорадо: садоводством, теннисом, пешим туризмом, ездой на велосипеде, беговыми лыжами.

• Автор модели земной поверхности RUC — компонента земной поверхности, используемого в NCEP Rapid Refresh (RAP) и High-Resolution Rapid Refresh (HRRR)
• Моделирование почвы/растительности/снега/морского льда/озера
• Взаимодействие земли и атмосферы
• Подсеточная изменчивость характеристик поверхности в различных масштабах
• Гидрометеорология
• Численные прогнозы погоды

• Аспирантура, Численный прогноз погоды, ГМЦ, Москва, 1989 — 1992
• Магистр метеорологии и гидрологии, МГУ, май 1978 г.

• Старший научный сотрудник, CIRES, Университет Колорадо в Боулдере и NOAA ESRL GSL, (2012 – настоящее время)
• Ученый, CIRES, Университет Колорадо в Боулдере и NOAA ESRL GSL, (1994 — 2012)
• Научный сотрудник лаборатории местного прогноза погоды и мезометеорологии ГМЦ, Москва, (1978 — 1992)

• Член Американского геофизического союза (с 2017 г. по настоящее время)
• Член Американского метеорологического общества (с 1995 г. по настоящее время)
• Член Рабочей группы по физике поверхности земли, Прогнозирование метеорологических исследований (WRF), (2006-2018)

• Награда за заслуги перед работниками, 25 лет работы в CIRES, май 2020 г.
• Награда NOAA за передачу технологий, июль 2017 г.
Золотая медаль
• за выдающиеся достижения в науке, май 2016 г., CIRES
.
• Премия губернатора Колорадо за работу над быстрым обновлением с высоким разрешением (HRRR), ноябрь 2015 г.
• Сотрудник года, 2012, NOAA
• Бронзовая медаль за участие в разработке первого оперативного метода ассимиляции радиолокационной отражательной способности NCEP и улучшении прогнозирования конвективных штормов для авиации и прогнозирования сильных штормов, апрель 2010 г., CIRES
Премия
• за выдающуюся научную работу, июнь 2006 г., NOAA
• Награда за заслуги перед работниками, 10 лет работы в CIRES, апрель 2005 г.
• Награда за заслуги перед работниками, 5 лет работы в CIRES, апрель 2000 г.

Авторские авторские рецензируемые публикации

1. Смирнова Т. Г. , Дж. М. Браун, С. Г. Бенджамин, Дж. С. Кеньон, 2016 г.: Модификации модели поверхности земли с циклом быстрого обновления (RUC LSM), доступные в модели Weather Research and Forecast (WRF). Ежемесячный обзор погоды , 144(5), 1851-1865, doi: https://doi.org/10.1175/MWR-D-15-0198.1.
2. Смирнова, Т. Г. , Дж. М. Браун, С. Г. Бенджамин1, Д. Ким, 2000: Параметризация процессов холодного сезона в схеме суша-поверхность, Журнал геофизических исследований — Атмосферы , 105(D3), https:// doi.org/10.1029/1999JD7.
3. Смирнова, Т. Г. , Дж. М. Браун, С. Г. Бенджамин, 1997: Характеристики различных конфигураций модели почвы при моделировании температуры поверхности земли и поверхностных потоков. Ежемесячный обзор погоды , 125(8), https://doi. org/10.1175/1520-0493(1997)125%3C1870:PODSMC%3E2.0.CO;2.
4. Смирнова Т.Г. , 1990, Параметризация ламинарного слоя в модели локального прогноза, Труды Гидрометцентра , Москва, 285, 28-33.
5. Смирнова, Т. Г. , 1987, Использование уравнений баланса тепла и влаги в локальном прогнозе погоды, Метеорология и гидрология , 6, 15-22.
6. Смирнова, Т. Г. , 1982, Взаимодействие земной поверхности и атмосферы в задаче локального прогноза, Труды Гидрометцентра , Москва, 248, 31-37.
7. Смирнова, Т. Г. , и С. А. Бортников, 1980: Прогноз ветра с использованием примитивной системы гидродинамических уравнений, Труды Гидрометцентра , Москва, 108, 12-19.

Рецензируемая публикация в соавторстве

1. Сесиль Б. Менар, Ричард Эссери, Герхард Криннер, Габриэле Ардуини, Пол Бартлетт, Аарон Бун, Клэр Брутал-Вуилмет, Элеонора Берк, Матиас Кунц, Бертр Дечар Дай, Эмануэль Дутра, Син Фанг, Чарльз Фирц, Евгений Гусев, Стефан Хагеманн, Ванесса Хаверд, Хюнгджун Ким, Матье Лафайсс, Томас Марке, Ольга Насонова, Томоко Нитта, Масаси Нивано, Джон Померой, Герд Шедлер, Владимир Семенов, Татьяна Смирнова , Ульрих Штрассер, Шон Свенсон, Дмитрий Турков, Нандер Вевер, Хуа Юань, 2020: Сравнение научных и человеческих ошибок во взаимном сравнении моделей снега,  Бюллетень Американского метеорологического общества . DOI 10.1175/BAMS-D-19-0329.1. https://journals.ametsoc.org/bams/article/doi/10.1175/BAMS-D-19-0329.1/354531/Scientific-and-human-errors-in-a-snow-model
2. Бек, Дж., Дж. Браун, Дж. Дудхия, Д. Гилл, Т. Хертнеки, Дж. Клемп, М. Ху, Э. Джеймс, Дж. Кеньон, Т. Смирнова, и др., 2020: Оценка гибридной вертикальной координаты, повторяющей рельеф местности, в моделях RAP и HRRR на основе WRF. Weather and Forecasting, 35(3), 1081–1096, doi: https://doi.org/10.1175/WAF-D-19-0146.1.
3. Fujisaki-manome, A., G.E. Mann, EJ Anderson, P.Y. Chu, L.E. Fitzpatrick, S.G. Benjamin, E.P. James, T.G. Smirnova, C.R. Alexander, DM Wright, 2020: Усовершенствования прогнозов снега с эффектом озера с использованием одно- способ соединения модели «воздух-озеро». Дж Вестник Гидрометеорологии , doi: https://doi.org/10.1175/JHM-D-20-0079.1.
4. He, S., T.G. Smirnova , S.G. Benjamin1, 2019: Параметризация с учетом масштаба для оценки подсеточной изменчивости направленного вниз солнечного излучения с использованием данных цифровой модели рельефа высокого разрешения. Журнал геофизических исследований — Атмосферы , 124(24), 13680-13692, doi: https://doi.org/10.1029/2019JD031563.
5. Янков И., Дж. Бек, Дж. Вольф, М. Харрольд, Дж. Б. Олсон, Т. Смирнова , К. Александер, Дж. Бернер, 2019: Стохастически возмущенные параметризации в ансамбле на основе HRRR. Ежемесячный обзор погоды , 147(1), 153–173, doi: https://doi.org/10.1175/MWR-D-18-0092.1.
6. Янков, И., Дж. Бек, Дж. Вольф, М. Харрольд, Дж. Б. Олсон, Т. Смирнова , К. Александр, Дж. Бернер, 2019: Стохастически возмущенные параметризации в ансамбле на основе HRRR. Ежемесячный обзор погоды , 147(1), 153–173, doi: https://doi.org/10.1175/MWR-D-18-0092.1.
7. Янков, И., Дж. Бернер, Дж. Бек, Х. Цзян, Дж. Б. Олсон, Г. А. Грелль, Т. Г. Смирнова , С. Г. Бенджамин, Дж. М. Браун, 2017: Сравнение производительности между мультифизическим и стохастическим подходами в североамериканской RAP Ансамбль. Ежемесячный обзор погоды , 145(4), 1161-1179, doi: https://doi. org/10.1175/MWR-D-16-0160.1.
8. Янков, И., Дж. Бернер, Дж. Бек, Х. Цзян, Дж. Б. Олсон, Г. А. Грелль, Т. Г. Смирнова , С. Г. Бенджамин, Дж. М. Браун, 2017: Сравнение производительности между мультифизическим и стохастическим подходами в североамериканской RAP Ансамбль. 9Ежемесячный обзор погоды 0068, 145(4), 1161-1179, doi: https://doi.org/10.1175/MWR-D-16-0160.1.
9. Prabha, T.B., G. Hoogenboom, T.G. Smirnova , 2011: Роль параметризации земной поверхности в моделировании явлений холодного скопления и струй на малых высотах. Atmospheric Research , 99(1), 147–161, doi: https://doi.org/10.1016/j.atmosres.2010.09.017
10. Rutter, N., T.G. Smirnova , et al., 2009: Оценка моделей лесных снежных процессов (SnowMIP2). Журнал геофизических исследований — Атмосфера, (1984–2012), 114 (D06111), 1–18, doi: https://doi.org/10.0.1029/2008JD011063.
11. Бенджамин, С. Г., Д. Девеньи, С. Вейгандт, К. Брандейдж, Дж. М. Браун, Г. А. Грелль, Д. Ким, Б. Э. Шварц, Т. Г. Смирнова , Т. Л. Смит, 2004: Почасовой цикл усвоения-прогноза: RUC. Ежемесячный обзор погоды , 132(2), doi: https://doi.org/10.0.1175/1520-0493%282004%29132%3C0495:AHACTR%3E2.0.CO;2.
12. Бенджамин, С. Г., Г. А. Грелль, Дж. М. Браун, Т. Г. Смирнова , Райнер. Блек, 2004: Прогноз погоды в мезомасштабе с помощью гибридной модели координат изоэнтропического следования за рельефом местности RUC. Погода на месяц
13. Бенджамин, С. Г., Г. А. Грелль, Дж. М. Браун, Т. Г. Смирнова , Райнер Блек, 2004: Прогноз погоды в мезомасштабе с помощью гибридной координатной модели RUC, основанной на изоэнтропическом следовании рельефу местности. Ежемесячный обзор погоды , 132(2), doi: https://ams.allenpress.com/perlserv/?request=get-document&doi=10.1175%2F1520-0493%282004%29132%3
14. Berbery, E.H., K.E. Mitchell, S.G. Benjamin, T. G. Smirnova , R. Hogue, E. Radeva, 1999: Оценка энергетических балансов поверхности земли по региональным и глобальным моделям. Журнал геофизических исследований — Атмосферы , 104 (D16).
15. Шлоссер, Калифорния, Ag. Слейтер, А. Робок, А.Дж. Питман, К. Винников, А. Хендерсон-Селлерс, На. Сперанская, К. Митчелл, Pilps. 2. Contributors, T.G. Smirnova , 1999: Моделирование гидрологии бореальных пастбищ на Валдае, Россия: PILPS фаза 2(D), Ежемесячный обзор погоды, 128(2)
16. Пан, З.-Т., С. Г. Бенджамин, Дж. М. Браун и Т. Г. Смирнова , 1994, Сравнительные эксперименты с MAPS по различным схемам параметризации потоков поверхностной влаги и процессов в пограничном слое, Monthly Weather Review , 122, 449-470.

Таня Смирнова — Academia.edu

Статьи

Тренды продолжительности снежного покрова, наблюдаемые на участках и предсказанные несколькими моделями

Сохранить в библиотеку Скачать EditCompare Citation Rank

Readers Related Papers MentionsView Impact

Краткосрочные прогнозы облачности/осадков по модели США NOAA HRRR на 3 км

Тезисы конференции Генеральной Ассамблеи EGU, 1 апреля 2018 г. Документы по теме MentionsView Impact

Прогноз ЧПП на ESRL/GSD: последние разработки и приложения для параметризации физики

Тезисы конференции Генеральной Ассамблеи EGU, 1 апреля 2017 г.

Сохранить в библиотеке РедактироватьСравнить Рейтинг цитирования

Читатели Связанные статьи УпоминанияПросмотреть влияние

Модель икосаэдрической сетки с вертикальным направлением потока для среднесрочного и сезонного прогнозирования. Часть I: Описание модели

Ежемесячный обзор погоды, 2015 г.

Гидростатическая глобальная модель прогнозирования погоды, основанная на икосаэдрической горизонтальной сетке и гибридной… more Гидростатическая глобальная модель прогнозирования погоды на основе икосаэдрической горизонтальной сетки и гибридного ландшафта — описывается следующая/изэнтропическая вертикальная координата. Модель является расширением трех пространственных измерений ранее разработанной икосаэдрической модели мелководья с выбираемым пользователем разрешением по горизонтали и использованием методов косвенной адресации. Вертикальная сетка является адаптивной, чтобы максимизировать часть атмосферы, нанесенную на карту в подобласти изоэнтропических координат. Модель, которую лучше всего описать как составную модель мелководья, в настоящее время широко тестируется на среднесрочных прогнозах в реальном времени, чтобы подготовить ее к возможному включению в оперативные мультимодельные ансамбли для среднесрочного и сезонного прогнозирования.

Сохранить в библиотеке Загрузить Редактировать Сравнить Рейтинг цитирования

Читатели Связанные статьи УпоминанияПросмотреть влияние

2.5 Циклическое состояние снега в Ruc Совмещенная система усвоения данных (Cdas)

Точная оценка водного эквивалента снега по США и прилегающим территориям очевидно… больше Точная оценка водного эквивалента снега над Соединенными Штатами и прилегающими территориями, безусловно, имеет решающее значение для последующих сезонных и краткосрочных прогнозов атмосферных и гидрологических моделей. Это также важно для планирования водных ресурсов для различных важных мероприятий в …

Сохранить в библиотеке Reditcompare Citation Rank

Связанные читатели. 11.1 Прогнозы конвекции на основе ежечасно обновляемой модели

с высоким разрешением (HRRR) с высоким разрешением (HRRR) с ежечасным обновлением Следующее поколение 1-часового цикла быстрого обновления (RUC) готовится к оперативному использованию в настоящее время.02:16 Следующее поколение 1-часового цикла быстрого обновления (RUC) готовится к оперативному использованию в масштабе 13 км. The Rapid Refresh (RR)

Сохранить в библиотеке Загрузить EditCompare Citation Rank

Читатели Связанные статьи Упоминания View Impact

Применение модели WRF в реальном времени в лаборатории систем прогнозирования

Edit1 Загрузить1 90Compare1 Рейтинг цитирования

Читатели Связанные статьи Упоминания View Impact

P1. 3 Внедрение и тестирование WRF DFI

Инициализация относится к процессу, в котором метеорологический анализ модифицируется и применяется к… больше Инициализация относится к процессу, в котором метеорологический анализ модифицируется и применяется к сетке численной модели . Дисбаланс между

Сохранить в библиотеке РедактироватьСравнить Рейтинг цитирования

Читатели Связанные статьи УпоминанияПросмотреть Влияние

12.1 Применение модели WRF в реальном времени в Лаборатории систем прогнозирования

Сохранить в библиотеку Загрузить EditCompare Citation Rank

Читатели Связанные статьи Упоминания View Impact

1 … далее На весну 2008 г. в NCEP запланирован значительный пакет обновлений RUC, наиболее важным из которых является почасовая ассимиляция трехмерного радара

Сохранить в библиотеке Download EditCompare Citation Rank

Читатели Связанные статьи Упоминания View Impact

Основной тест Rapid Refresh: Аспекты производительности прогнозов WRF-NMM и WRF-ARW, относящиеся к приложению Rapid Refresh меньше, чем стандартные 12 часов между. .. more представила первую в США операционную модель, которая должна запускаться с интервалами меньше, чем стандартные 12 часов между наблюдениями необработанного зонда. Эта модель, получившая название «цикл быстрого обновления» или RUC, изначально использовалась как компонент прогноза прерывистого (3-часового интервала) цикла ассимиляции в области, немного большей, чем соседние США. Это более быстрое обновление стало возможным благодаря увеличению количества наблюдений «вне времени», особенно с коммерческих самолетов и с помощью экспериментальной сети NOAA Profiler Network, которая появилась несколькими годами ранее. За прошедшие годы как анализ, так и модель претерпели существенные обновления, и теперь эта модель работает в конфигурации с шагом горизонтальной сетки 13 км и 50 гибридными-сигма-изоэнтропическими уровнями в области, охватывающей соседние США, юг Канады, север Мексики и прилегающие территории. воды при частоте ассимиляции один час. Полное описание RUC, существовавшего в 2003 году, можно найти у Benjamin et al (2004a,b). Обсуждение …

Сохранить в библиотеку Загрузить EditCompare Citation Rank

Readers Related Papers MentionsView Impact

Рабочий процесс сообщества для автономной региональной (SAR) конфигурации FV3 Документы по теме MentionsView Impact

Ежечасно обновляемая модель прогноза штормов в масштабе США с быстрым обновлением высокого разрешения (HRRR)

Сохранить в библиотеку Загрузить EditCompare Citation Rank

Статьи по теме для читателей MentionsView Impact

A Описание схемы поверхностного слоя MYNN

Сохранить в библиотеке EditCompare Рейтинг цитирования

Статьи по теме для читателей параметризация моделирования конвективной системы осадков и морфологии WRF. Отчет о WRF-DTC

Этот проект изначально был разработан на основе работы, выполненной во время визита WRF-DTC в течение 20… больше Первоначально этот проект был разработан на основе работы, проделанной во время посещения WRF-DTC в 2004 г. В. Галлусом и И. Янковым (некоторые из этих результатов будут обсуждаться позже). Проект должен был изучить чувствительность моделирования конвективных систем теплого сезона к размеру сетки и физической параметризации с использованием шага сетки в диапазоне примерно от 4 до 12 км. Однако первоначальные цели и задачи проекта были скорректированы до визита на основе обсуждений с персоналом DTC. Было установлено, что существует значительная потребность в исследованиях с использованием Rapid Refresh WRF (WRF-RR). Поскольку эта версия WRF может заменить модель RUC и предназначена для работы в очень большом домене (432 x 338 точек на 35 уровнях), такие мелкие интервалы сетки использовать нельзя. Во время визита код WRF-RUC, запускаемый в FSL, считался лучшим кандидатом на роль WRF-RR, и поэтому мы решили использовать эту 13-километровую версию WRFARW для нашего исследования. Код был пр…

Сохранить в библиотеке Скачать Рейтирование EditCompare Rank

Связанные считыватели Papers Impact

Окончательный быстрый обновление и высокое разрешение

Параметризация орографического сопротивления в масштабе подсетки в модели атмосферы с быстрым обновлением высокого разрешения (HRRR)

Сохранить в библиотеке RedItCompare Citation Rank

Связанные считыватели. J3.4 от Radar-Enhanced Ruc к Rapid Refresh на основе WRF

Цикл быстрого обновления (RUC, Benjamin et al. 2004a,b), охватывающий 2/3 территории Северной Америки, продолжается до… далее Цикл быстрого обновления (RUC, Benjamin et al. 2004a,b), охватывающий 2/3 Северной Америки, по-прежнему является единственной ассимиляцией в течение 1 часа (обновление каждый час) и

Сохранить в библиотеку Загрузить Редактировать Рейтинг

Читатели Связанные статьи УпоминанияПросмотр воздействия

Тенденции продолжительности снежного покрова, наблюдаемые на участках и предсказанные несколькими моделями

Сохранить в библиотеке Загрузить 0003

Краткосрочные прогнозы облачности/осадков по модели NOAA 3-км HRRR США

Тезисы конференции Генеральной Ассамблеи EGU, 1 апреля 2018 г. прогноз в ESRL/GSD: Последние разработки и приложения для параметризации физики

Тезисы конференции Генеральной Ассамблеи EGU, 1 апреля 2017 г.

Сохранить в библиотеке EditCompare Citation Rank

Читатели Статьи по теме Упоминания View Impact

Икосаэдрическая сеточная модель с вертикальным потоком для среднесрочного и сезонного прогнозирования. Часть I: Описание модели

Ежемесячный обзор погоды, 2015 г.

Гидростатическая глобальная модель прогнозирования погоды, основанная на икосаэдрической горизонтальной сетке и гибридной… more Гидростатическая глобальная модель прогнозирования погоды на основе икосаэдрической горизонтальной сетки и гибридного ландшафта — описывается следующая/изэнтропическая вертикальная координата. Модель является расширением трех пространственных измерений ранее разработанной икосаэдрической модели мелководья с выбираемым пользователем разрешением по горизонтали и использованием методов косвенной адресации. Вертикальная сетка является адаптивной, чтобы максимизировать часть атмосферы, нанесенную на карту в подобласти изоэнтропических координат. Модель, которую лучше всего описать как составную модель мелководья, в настоящее время широко тестируется на среднесрочных прогнозах в реальном времени, чтобы подготовить ее к возможному включению в оперативные мультимодельные ансамбли для среднесрочного и сезонного прогнозирования.

Сохранить в библиотеке Загрузить Редактировать Сравнить Рейтинг цитирования

Читатели Связанные статьи УпоминанияПросмотреть влияние

2.5 Циклическое состояние снега в Ruc Совмещенная система усвоения данных (Cdas)

Точная оценка водного эквивалента снега по США и прилегающим территориям очевидно… больше Точная оценка водного эквивалента снега над Соединенными Штатами и прилегающими территориями, безусловно, имеет решающее значение для последующих сезонных и краткосрочных прогнозов атмосферных и гидрологических моделей. Это также важно для планирования водных ресурсов для различных важных мероприятий в …

Сохранить в библиотеке Reditcompare Citation Rank

Связанные читатели. 11.1 Прогнозы конвекции на основе ежечасно обновляемой модели

с высоким разрешением (HRRR) с высоким разрешением (HRRR) с ежечасным обновлением Следующее поколение 1-часового цикла быстрого обновления (RUC) готовится к оперативному использованию в настоящее время.02:16 Следующее поколение 1-часового цикла быстрого обновления (RUC) готовится к оперативному использованию в масштабе 13 км. The Rapid Refresh (RR)

Сохранить в библиотеке Загрузить EditCompare Citation Rank

Читатели Связанные статьи Упоминания View Impact

Применение модели WRF в реальном времени в лаборатории систем прогнозирования

Edit1 Загрузить1 90Compare1 Рейтинг цитирования

Читатели Связанные статьи Упоминания View Impact

P1.3 Внедрение и тестирование WRF DFI

Инициализация относится к процессу, в котором метеорологический анализ модифицируется и применяется к… больше Инициализация относится к процессу, в котором метеорологический анализ модифицируется и применяется к сетке численной модели . Дисбаланс между

Сохранить в библиотеке РедактироватьСравнить Рейтинг цитирования

Читатели Связанные статьи УпоминанияПросмотреть Влияние

12.1 Применение модели WRF в реальном времени в Лаборатории систем прогнозирования

Сохранить в библиотеку Загрузить EditCompare Citation Rank

Читатели Связанные статьи Упоминания View Impact

1 … далее На весну 2008 г. в NCEP запланирован значительный пакет обновлений RUC, наиболее важным из которых является почасовая ассимиляция трехмерного радара

Сохранить в библиотеке Download EditCompare Citation Rank

Читатели Связанные статьи Упоминания View Impact

Основной тест Rapid Refresh: Аспекты производительности прогнозов WRF-NMM и WRF-ARW, относящиеся к приложению Rapid Refresh меньше, чем стандартные 12 часов между… more представила первую в США операционную модель, которая должна запускаться с интервалами меньше, чем стандартные 12 часов между наблюдениями необработанного зонда. Эта модель, получившая название «цикл быстрого обновления» или RUC, изначально использовалась как компонент прогноза прерывистого (3-часового интервала) цикла ассимиляции в области, немного большей, чем соседние США. Это более быстрое обновление стало возможным благодаря увеличению количества наблюдений «вне времени», особенно с коммерческих самолетов и с помощью экспериментальной сети NOAA Profiler Network, которая появилась несколькими годами ранее. За прошедшие годы как анализ, так и модель претерпели существенные обновления, и теперь эта модель работает в конфигурации с шагом горизонтальной сетки 13 км и 50 гибридными-сигма-изоэнтропическими уровнями в области, охватывающей соседние США, юг Канады, север Мексики и прилегающие территории. воды при частоте ассимиляции один час. Полное описание RUC, существовавшего в 2003 году, можно найти у Benjamin et al (2004a,b). Обсуждение …

Сохранить в библиотеку Загрузить EditCompare Citation Rank

Readers Related Papers MentionsView Impact

Рабочий процесс сообщества для автономной региональной (SAR) конфигурации FV3 Документы по теме MentionsView Impact

Ежечасно обновляемая модель прогноза штормов в масштабе США с быстрым обновлением высокого разрешения (HRRR)

Сохранить в библиотеку Загрузить EditCompare Citation Rank

Статьи по теме для читателей MentionsView Impact

A Описание схемы поверхностного слоя MYNN

Сохранить в библиотеке EditCompare Рейтинг цитирования

Статьи по теме для читателей параметризация моделирования конвективной системы осадков и морфологии WRF. Отчет о WRF-DTC

Этот проект изначально был разработан на основе работы, выполненной во время визита WRF-DTC в течение 20… больше Первоначально этот проект был разработан на основе работы, проделанной во время посещения WRF-DTC в 2004 г. В. Галлусом и И. Янковым (некоторые из этих результатов будут обсуждаться позже). Проект должен был изучить чувствительность моделирования конвективных систем теплого сезона к размеру сетки и физической параметризации с использованием шага сетки в диапазоне примерно от 4 до 12 км. Однако первоначальные цели и задачи проекта были скорректированы до визита на основе обсуждений с персоналом DTC. Было установлено, что существует значительная потребность в исследованиях с использованием Rapid Refresh WRF (WRF-RR). Поскольку эта версия WRF может заменить модель RUC и предназначена для работы в очень большом домене (432 x 338 точек на 35 уровнях), такие мелкие интервалы сетки использовать нельзя. Во время визита код WRF-RUC, запускаемый в FSL, считался лучшим кандидатом на роль WRF-RR, и поэтому мы решили использовать эту 13-километровую версию WRFARW для нашего исследования.