1. Richardson C.W. Stochastic simulation of daily precipitation, temperature and solar radiation // Water Resources Research. 1981. № 17. P. 182-190. https://doi.org/10.1029/WR017i001p00182.
2. Гельфан А.Н., Морейдо В.М. Динамико-стохастическое моделирование формирования снежного покрова на Европейской территории России // Лёд и Снег. 2014. № 2 (126). C. 44-52.
3. Laslett D., Creagh C., Jennings P. A method for generating synthetic hourly solar radiation data for any location in the south west of Western Australia, in a world wide web page // Renewable Energy. 2014. V. 68. P. 87-102. https://doi.org/10.1016/j.renene.2014.01.015.
4. Peleg N., Fatichi S., Paschalis A., Molnar P., Burlando P. An advanced stochastic weather generator for simulating 2-D high resolution climate variables // Journ. of Advances in Modeling Earth Systems. 2017. V. 9. P. 1-33. https://doi.org/10.1002/2016MS000854.
5. Youngman B.D., Stephenson D.B. A geostatistical extreme-value framework for fast simulation of natural hazard events // Proc. of the Royal Society A: Mathematical, Physical and Engineering Science. 2016. № 472 (2189). 20150855. https://doi.org/10.1098/rspa.2015.0855.
6. Schlabing D. Frassl M.A., Eder M.M., Rinke K., Bardossy A. Use of a weather generator for simulating climate change effects on ecosystems: A case study on Lake Constance // Environmental Modelling & Software. 2014. V. 61. P. 326-338. https://doi.org/10.1016/j.envsoft.2014.06.028.
7. Dubrovsky M., Buchtele J., Zalud Z. High-frequency and low-frequency variability in stochastic daily weather generator and its effect on agricultural and hydrologic modelling // Climatic Change. 2004. V. 63 (1-2). P. 145-179. https://doi.org/10.1023/B:CLIM.0000018504.99914.60.
8. Keller D.E., Fischer A.M., Liniger M.A., Appernzeller C., Knutti R. Testing a weather generator for downscaling climate change projections over Switzerland // Intern. Journ. of Climatology. 2016. V. 37 (2). P. 928-942. https://doi.org/10.1002/joc.4750.
9. Ailliot P., Allard D., Monbet V., Naveau P. Stochastic weather generators: an overview of weather type models // Journ. de la Société Française de Statistique. 2015. V. 156 (1). P. 101-113.
10. Май Р.И., Таровик О.В., Топаж А.Г. Моделирование морской погоды как входного сигнала имитационных моделей транспортных и экологических систем в арктическом регионе // Проблемы экологического мониторинга и моделирование экосистем. 2018. Т. XXIX. № 3. C. 20-38. https://doi.org/10.21513/0207-2564-2018-3-20-38.
11. Semenov M.A., Brooks R.J. Spatial interpolation of the LARS-WG stochastic weather generator in Great Britain // Climate Research. 1999. V. 11. P. 137-148. https://doi.org/10.3354/cr011137.
12. Iwanski S., Kuchar L. Spatial generation of daily meteorological data // Acta Scientiarum Polonorum - Formatio Circumiectus. 2003. V. 2 (1). P. 113-121.
13. Khalili M., Brissette F., Leconte R. Stochastic multi-site generation of daily weather data // Stochastic Environmental Research and Risk Assessment. 2009. V. 23. № 6. P. 837-849. https://doi.org/10.1007/s00477-008-0275-x.
14. Bergström M., Erikstad S.O., Ehlers S. A simulationbased probabilistic design method for arctic sea transport systems // Journ. of Marine Science and Appli cation. 2016. № 15. Р. 349-369. https://doi.org/10.1007/s11804-016-1379-1.
15. Третьяков В.Ю., Фролов С.В., Сарафанов М.И. Результаты компьютерного моделирования вероятности аварийных ситуаций из-за сжатий судов дрейфующими льдами на участке Северного морского пути // Российская Арктика. 2019. № 5. С. 4-11. https://doi.org/10.24411/2658-4255-2019-10051.
16. Topaj A., Tarovik O., Bakharev A.A. Modification of ship routing algorithms for the case of navigation in ice // Proc. of the 25th Intern. Conf. on Port and Ocean Engineering under Arctic Conditions (POAC-2019), Delft, The Netherlands. June 9-13. 2019. 12 p.
17. May R.I., Fedyakov V.E., Frolov S.V.,Tarovik O.V., Topaj A.G. Method for finding the optimal ship route in ice based on vector geo-algorithms // Intern. Journ. of Offshore and Polar Engineering. 2020. № 30 (1). Р. 78-85.
18. Lavergne T., Tonboe R., Lavelle J., Eastwood S. Algorithm Theoretical Basis Document for the OSI SAFGlobal Sea Ice Concentration Climate Data Record.OSI-450, OSI-430-b. Version 1.2. EUMETSAT Ocean and Sea Ice SAF High Latitude Processing Centre. 2019. 33 p.
19. Трапезников Ю.А., Чепурина М.А. Вероятностная модель ледовитости арктических морей // Вероятностный анализ и моделирование океанологических процессов. Л.: Гидрометеоиздат, 1984. C. 39-42.
20. Wilks D. Multisite generalization of a daily stochastic precipitation generation model // Journ. of Hydrology. 1998. № 210 (1). P. 178-191. https://doi.org/10.1016/S0022-1694(98)00186-3.
21. Пригарин С.М. Методы численного моделирования случайных процессов и полей. Новосибирск: ИВМиМГ СО РАН, 2005. 259 с.
22. DolloffJ., Doucette P. The Sequential Generation of Gaussian Random Fields for Applications in the Geospatial Sciences // ISPRS. Intern. Journ. of Geo-Information. 2014. V. 3. P. 817-852. https://doi.org/10.3390/ijgi3020817.
23. Schlather M., Malinowski A., Menck P.J., Oesting M., Strokorb K. Analysis, simulation and prediction of multivariate random fields with package RandomFields // Journ. of Statistical Software. 2015. V. 63. № 8. P. 1-25. https://doi.org/10.18637/jss.v063.i08.
24. Правила классификации и постройки морских судов. Ч. I. Классификация. СПб.: Российский морской регистр судоходства, 2017. 60 с.
.png)
.png)
.png)
Послать статью по эл. почте 
