авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |
-- [ Страница 1 ] --

УЧРЕЖДЕНИЕ РОССИЙСКОЙ АКАДЕМИИ НАУК

СИБИРСКОЕ ОТДЕЛЕНИЕ РАН

МОДЕЛИ ИЗМЕНЕНИЯ БИОСФЕРЫ НА ОСНОВЕ

БАЛАНСА УГЛЕРОДА (ПО НАТУРНЫМ И СПУТНИКОВЫМ

ДАННЫМ И С

УЧЕТОМ ВКЛАДА БОРЕАЛЬНЫХ ЭКОСИСТЕМ)

Сводный итоговый научно-технический отчет

об основных результатах 2009-2011 гг.

по междисциплинарному интеграционному проекту № 50

Институты-исполнители

ИБФ СО РАН, ИВМ СО РАН, ИВТ СО РАН, ИГ им. В.Б. Сочавы СО РАН, ИПА СО РАН, ИЛ им. В.Н. Сукачева СО РАН, ИМКЭС СО РАН, ИЦиГ СО РАН, ЦСБС СО РАН, СФУ, НГУ Научные координаторы проекта:

академик Е.А.Ваганов чл.-корр. РАН А.М.Федотов Ученый секретарь проекта:

к.ф.-м.н. И.А. Пестунов Новосибирск, Список исполнителей:

ИБФ СО РАН:

Дегерменджи А.Г., чл.-кор. РАН, директор, Шевырногов А.П., д.т.н., зам. директора, Барцев С.И., д.ф.-м.н., зав. лаб., Бархатов Ю.В., к.ф.-м.н., с.н.с., Иванова Ю.Д., к.т.н., н.с., Почекутов А.А., к.ф.-м.н., н.с., Высоцкая Г.С., к.ф.-м.н., с.н.с., Чернецкий М.Ю., вед. инж., Щемель А.Л., к.ф.-м.н., вед. инж., Салтыков М.Ю., асп., Слюсарь Н.А., асп.

ИВТ СО РАН:

Федотов А.М., чл.-кор. РАН, зам. директора Жижимов О.Л., зав. лаб., д.т.н.

Пестунов И.А., зав. лаб., к.ф.-м.н.

Молородов Ю.И., с.н.с, к.ф.-м.н.

Синявский Ю.Н., н.с.

Смирнов В.В., инж.-иссл.

Добротворский Д.И., асп.

Куликова ЕА., инж.-иссл.

Пестунов А.И., асп.

Скачкова А.П., асп.

Кемеровский филиал ИВТ СО РАН:

Потапов В.П., дир. филиала, д.т.н.

Счастливцев Е.Л, зав. лаб., д.т.н.

Гиниятулина О.Л., с.н.с., к.т.н.

Тайлаков О.В., зав. лаб., д.т.н.

Попов С.Е., с.н.с., к.т.н.

Жукова И.А., вед. спец.

Харлампенков И.А., вед. спец.

ИПА СО РАН:

Байков К.С., д.б.н., директор Титлянова А.А., г.н.с., д.б.н.

Кудряшова С.Я., с.н.с., к.б.н.

Дитц Л.Ю., с.н.с., к.б.н.

Косых Н.П., н.с., к.б.н.

Махатков И.Д., н.с., к.б.н.

Шибарева С.В., н.с., к.б.н.

ЦСБС СО РАН:

Ермаков Н.Б., г.н.с., д.б.н.

Полякова М.А., м.н.с., к.б.н.

ИМКЭС СО РАН:

Гордов Е.П., д.ф.-м.н., г.н.с.

Богомолов В.Ю. н.с.

Генина Е. Ю., к.ф.-м.н., с.н.с.

Окладников И.Г., к.т.н., с.н.с.

Титов А.Г., м.н.с.

Шульгина Т.М., м.н.с.

ИВМ СО РАН:

Белолипецкий В.М., зав. отделом, д.ф.-м.н.

Белолипецкий П.В., с.н.с., к.ф.-м.н.

ИГ СО РАН:

Черкашин А.К., зав. лаб., д.г.н.

Китов А.Д., с.н.с., к.г.н.

Мясникова С.И., с.н.с., к.г.н.

Солодянкина С.В., н.с., к.г.н.

Истомина Е.А., н.с., к.г.н.

Владимиров И.Н., н.с., к.г.н.

Мядзелец А.В., н.с., к.г.н.

Фролов А.А., м.н.с.

Бибаева А.Ю., асп.

ИЦиГ СО РАН:

Колчанов Н.А., дир., д.б.н., акад. РАН Ефимов В.М., в.н.с., д.б.н.

Суслов В.В., н.с.

Тимонов В.С., м.н.с.

Семенычев А.В., асп.

ИЛ СО РАН:

Ведрова Э.Ф., в.н.с., д.б.н.

Мухортова Л.В., н.с., к.б.н.

Верховец С.В., с.н.с., к.с.-х.н.

Панов А.В., н.с.

Тимохина А.В., асп.

НГУ:

Сергеев М.Г., зав. каф. общей биологии и экологии, д.б.н.

Молодцов В.В., ст. преп. каф. общей биологии и экологии СОДЕРЖАНИЕ Важнейшие результаты.................................................................................................................. Часть 1. Глобальное моделирование динамики углерода в биосфере................................. 1.1. Биосферный триггер в минимальной модели углеродного цикла................................... 1.2. Минимальная модель глобального цикла углерода в системе «биосфера – климат» с различными вариантами обратных связей......................................................................... 1.3. Сопоставление динамики климатических характеристик с динамикой баланса углерода в прошлом и оценка обратного влияния изменений в биоте на климат......... 1.4. Построение сценариев развития системы «биосфера – климат» с выбором наихудшего из них для оценки глобального экологического риска при различных вариантах ресурсопотребительской стратегии человечества.......................................... 1.5. Анализ известных моделей климата................................................................................... 1.6. Оценка потока углерода между атмосферой и экосистемами по измерениям на высоких вышках профилей концентрации СО2 в атмосфере........................................... Часть 2. Оценка вклада бореальных лесов в биосферную динамику углерода................ 2.1. Кросс-верификация оценок чистой первичной продукции, полученным по космическим снимкам, с данными полевых измерений в контексте глобальной динамики СО2 в атмосфере. Оценка вклада бореальных лесов в биосферную динамику углерода............................................................................................................... 2.2. Моделирование сезонных изменений потока углерода через бореальные леса, являющиеся главными источниками сезонных изменений и наземными аккумуляторами углерода.................................................................................................... 2.3. Калибровка локальной сезонной и поширотной модели почвенного дыхания на основе цифровых карт почв России.................................................................................... 2.4. Животные в круговороте углерода в наземных экосистемах.......................................... Часть 3. Модель взаимодействия бореальных геосистем между собой и региональной средой на территории Прибайкалья........................................................................... 3.1. Прогнозное моделирование и картографирование геосистем......................................... 3.2. Оценка углеродного запаса и его изменения..................................................................... 3.3. Экономическая оценка растительного потенциала нейтрализации антропогенных выбросов углекислого газа.................................................................................................. Часть 4. Моделирование климатических процессов, происходивших на территории Западной Сибири во второй половине 20 века......................................................... 4.1. Пространственно-временная динамика климатических характеристик, контролирующих развитие бореальных экосистем Западной Сибири и процессов их газообмена с атмосферой в течение 20 века...................................................................... 4.2. Динамика климатических и биоклиматических индексов............................................... 4.3. Архив климатических и биоклиматических данных для Западной Сибири.................. 4.4. Расчет метеополей высокого пространственного и временного разрешения с помощью мезомасштабной метеорологической модели WRF........................................ Часть 5. Картографические модели пространственной организации растительности и почвенного покрова бореальной зоны Западной Сибири...................................... 5.1. Методологические и методические основы мелкомасштабного картографического моделирования пространственной структуры растительного покрова.......................... 5.2. Мелкомасштабная картографическая модель «Экосистемы бореальной зоны Западно-Сибирской равнины»............................................................................................ 5.3. Электронные слои «Растительность» и «Почвы» бореальной зоны Западной Сибири................................................................................................................................... 5.4. Создание Географической информационной системы «Пространственно-временная организация бореальных экосистем Северной Азии» как основы изучения бореального биома............................................................................................................... 5.5. Оценка запасов Сорг в почвах бореальной зоны Западной Сибири................................. Часть 6. Сервис-ориентированная геоинформационная система сбора, хранения и обработки спутниковых и натурных данных........................................................... Часть 7. Методы и средства сетевого моделирования применительно к визуальной реконструкции и анализу экосистем.......................................................................... 7.1. Программный пакет для сетевого моделирования экологических систем EcoNetStudio.......................................................................................................................... 7.2. Универсальная компьютерная онтология описания макро- и микродинамики сетевых моделей экосистем................................................................................................. 7.3. Реконструкция структурной организации содово-соленого озера в Новосибирской области................................................................................................................................... 7.4. Методика изучения структурно-функциональной организации древостоя................... Часть 8. Пространственно-временное распределение метана при промышленных выбросах и его влияние на состояние растительности........................................... 8.1. Оценка эмиссии метана при угледобыче........................................................................... 8.2. Изучение влияния выброса метана на состояние растительного покрова горных предприятий...............................................

......................................................................... 8.3. Влияние выбросов метана на растительный покров....................................................... 8.4. Оценка запасов парникового газа метана в угольных шахтах....................................... 8.5. Измерение выбросов метана из шахт со спутниковых систем...................................... 8.6. Методика оценки запасов метана в выработанном пространстве угольной шахты.... Часть 9. Тезаурус и исторический экскурс по круговороту углерода............................... 9.1. Понятийно-терминологическая база для задач, связанных с балансом углерода....... 9.2. Анализ опубликованных данных по круговороту углерода в докайнозойское время Полный список публикаций авторов проекта....................................................................... Важнейшие результаты Биосферный триггер в минимальной модели углеродного цикла (ИБФ СО РАН, ИВТ СО РАН) Проведен качественный анализ минимальной модели многолетней динамики углерода в биосфере, построенной на основе принципа наихудшего сценария. Анализ показал возмож ность реализации в биосфере триггерного режима, способного привести к кардинальному изменению состояния биосферы даже без дополнительного сжигания ископаемых топлив.

Этот режим возможен при значениях параметров биосферы, входящих в интервалы их суще ствующих оценок. Отсюда следует потенциальная опасность любых резких изменений со стояния биосферы, в том числе вызываемых хозяйственной деятельностью человека. Так уменьшение биомассы (например, вырубки лесов) на 4 ГтС/год в течение 4 лет приводит к последующему повышению температуры до 17 С, а равное по величине, но противополож ное по знаку воздействие (например, массовые лесопосадки) приводит к понижению темпе ратуры до 5 С. При этом процесс перехода биосферы в новое состояние осуществляется примерно в течение 100 лет.

Переход системы после незначительного возмущения из неустойчивой особой точки в устойчивые стационарные состояния с повышением и понижением температуры.

Возможность деградации системы при массовых пожарах Если имеет место быть сильный парниковый эффект (т.е. при удвоении концентрации CO2 в атмосфере температура повысится более чем на 6 градусов), то стационарная точка деградации (биомасса и гумус равны нулю) может становиться притягивающей. Для попа дания в область притяжения достаточно, например, возникновения следующего сильного возмущающего механизма: массовые лесные пожары повышение температуры уси ление дыхания почв (выгорание почв) или торфяные пожары. Если при этом сильном воз мущении биомасса и гумус уменьшатся примерно в пять раз, то система может попасть в об ласть притяжения точки деградации.

Деградация системы после сильного возмущения.

Информационные ресурсы для оценки динамики углерода в бореальных экосистемах (ИВТ СО РАН, ИПА СО РАН, ЦСБС СО РАН, ИМКЭС, СО РАН) Созданы и опубликованы в виде веб-сервисов следующие информационные ресурсы:

1) векторная карта растительности Западной Сибири и ландшафтная карта Иркутской облас ти;

2) векторная карта почв бореальной зоны Западно-Сибирской равнины и соответствую щая ей карта растительности, содержащая 28 различных типов растительности (М 1:7500000);

3) база данных по содержанию органического углерода в почвах Сибири;

4) векторная тематическая карта «Содержание органического углерода в почвах Западно Сибирской равнины» (М 1:7500000);

5) база метеорологических данных за период с 1989 по 2009 гг. на ключевой участок с координатами: 53-70° с.ш., 59-93° в.д.

Карты растительности (слева) и почв (справа) бореальных экосистем Западно-Сибирской равнины (1:7500000).

Выявление областей климатических изменений, благоприятных для увеличения про дуктивности растительности (ИМКЭС СО РАН) Выполнена оценка динамики биоклиматических показателей: продолжительность веге тационного периода, сумма эффективных температур. Показано, что наблюдается увеличе ние продолжительности вегетационного периода, сопровождающееся статистически значи мым ростом суммы эффективных температур на юге Западной Сибири (55-60о с.ш., 59-84о в.д.). Динамика количества осадков в этой области, характеризуется слабым положительным трендом в 5-15 мм/10 лет. Все это позволяет утверждать, что на юге территории Сибири воз можно увеличение продуктивности растительности.

Линейный тренд продолжительности вегетационно- Линейный тренд суммы эффективных температур со го периода года со значениями среднесуточной значениями среднесуточной температуры 5 °С.

температуры 5 °С.

Методика оценки запасов метана в выработанном пространстве шахты (ИВТ СО РАН) Разработана методика оценки запасов метана в выработанном пространстве шахты.

Методика включает расчет диффузии метана в выработанное пространство закрытых уголь ных шахт по критерию тяжелого и опасного видов состояния промышленных и жилых объ ектов на поверхности ликвидируемых горных отводов. На основе теории массопереноса по механизму фильтрации и газовой диффузии произведен расчет количества свободного мета на в пределах горных отводов ликвидированных шахт, находящихся в городской черте г. Кемерово.

Подобие распределения природной метаноносности и характеристик залегания для угольных пластов Кузбасса. (HM-глубина залегания пласта в метрах) Сервис-ориентированная геоинформационная система (ИВТ СО РАН) Создана сервис-ориентированная геоинформационная система для обеспечения досту па к разнородным пространственным данным. Система построена на основе каталога спут никовых данных Новосибирского научного центра СО РАН, который с 2008 г. регулярно по полняется оперативными данными SPOT 4 и включает архивные данные со спутников серии LandSat на территорию РФ за 1982-2002 гг. С апреля 2010 г. к каталогу подключена система структурного восстановления оперативных данных, поступающих с платформ MODIS/(Terra+Aqua). Прием данных осуществляется Сибирским центром ГУ НИЦ «Плане та» в рамках соглашения о межведомственном сотрудничестве.

Структура сервис-ориентированной геоинформационной системы.

Часть 1. Глобальное моделирование динамики углерода в биосфере 1.1. Биосферный триггер в минимальной модели углеродного цикла Наблюдаемые в последние десятилетия изменения в биосфере вызывают обоснованное беспокойство мирового сообщества [1]. Для объяснения роста глобальной температуры – од ного из ключевых параметров состояния системы «биосфера-климат» – предложена гипотеза «парникового эффекта». Согласно этой гипотезе рост температуры в большой степени опре деляется ростом содержания в атмосфере «парниковых» газов и в первую очередь – диокси да углерода.

Несмотря на то, что гипотеза «парникового эффекта» до настоящего времени не имеет надежных подтверждений [2-4], принцип предосторожности [5] дает основание учитывать этот эффект в математических моделях системы «биосфера – климат». Это связано с тем, что положительные обратные связи между концентрацией CO2 в атмосфере, глобальной темпе ратурой и параметрами биосферы повышают риск возникновения катастрофических явлений планетарного масштаба [1].

В ходе выполнения проекта в ИБФ СО РАН совместно с ИВТ СО РАН проведен каче ственный и численный анализ минимальной модели многолетней динамики углерода в био сфере [6] в предположении об отсутствии сжигания ископаемых топлив [7,8]. Для этого слу чая указанную модель можно записать в виде системы из трех уравнений:

dx Vx x ( xmax x ) V ( A) f MaxGrowth (T ( A)) Vd x P( x, y ), dt dy Vd x Vs y f MaxDecay (T ( A)) Q ( x, y ), dt C A x y.

Первое уравнение описывает баланс углерода в биомассе растений, второе – баланс уг лерода органических остатков, и третье – закон сохранения массы углерода.

Здесь fi (T ( A)) T d (Ti T )(T )(Ti T ) – зависимость скорости прироста биомассы растений ( i MaxGrowth ) или интенсивности почвенного дыхания ( i MaxDecay ) от сред негодовой глобальной температуры, где – функция Хевисайда;

d 1.5 – показатель сте пени, делающий вид температурной зависимости более реалистичным;

A T ( A) T0 Tdel log2 – зависимость глобальной температуры от углерода атмосферы;

A A T0 15 oC – глобальная среднегодовая температура поверхности;

V ( A) – зависи K0 A мость скорости прироста биомассы от углерода атмосферы, причем К0 930 ГтС;

смысл и величины остальных параметров приведены в табл. 1.1.1.

Табл. 1.1.1. Интервалы оценок параметров системы.

Минимально Максимально Параметр возможное возможное Наименование параметра значение значение Количество углерода в атмосфере, Гт A0 600 Начальное количество углерода в биомассе, Гт x0 500 Начальное количество углерода в почве, Гт y0 1080 Коэффициент емкости среды, причем xmax = G x G 1.1 1. Температура прекращения роста биомассы, C TMaxGrowth 30 Максимальная температура распада органики, C TMaxDecay 35 Чувствительность климата, C Tdel 2 Стационарная скорость круговорота углерода Гт/год P0 50 Под интервалом оценок параметров системы понимается разброс в оценке определения величин из таблицы. В литературных источниках даются различные значения указанных па раметров или их диапазоны [1,9-12].

Существование стационарного состояния системы (при отсутствии антропогенной эмиссии) обеспечивается выбором масштабных множителей Vx, Vd, Vs в соответствии с ус ловиями:

Vx x0 ( xmax x0 ) V ( A0 ) f MaxGrowth (T ( A0 )) Vd x0 Vs y0 f MaxDecay (T ( A0 )) P0.

Удобной формой представления зависимости типа особой точки от значений парамет ров является параметрический портрет, на котором изображаются границы областей с раз ными типами и числом особых точек [13].

В качестве координат параметрического портрета выберем стационарные значения пе ременных, которые одновременно являются начальными значениями. Этот выбор соответст вует задачам исследования, поскольку большая неопределенность в оценке параметров био сферы, соответствующих этим переменным, делает актуальной задачу выявления возможных (в интервале этой неопределенности) сценариев биосферной динамики.

Важнейшей границей параметрического портрета является линия нейтральности – гра ница устойчивости стационарного состояния, которая определяется алгебраическим уравне нием:

P( x, y ) Q( x, y ) Sp x,y x, y 0, x y где Sp – след матрицы линейного приближения системы в окрестности особой точки.

Вторая граница – линия моностационарности – граница области существования одно кратного стационарного состояния (вне этой области существуют три стационарных состоя ния – одно седло и два узла или фокуса), определяемая уравнением:

P( x, y ) Q( x, y ) Q( x, y ) P( x, y ) x,y x, y 0, x y x y где – определитель матрицы линейного приближения системы в окрестности особой точки.

Выражения для границ устойчивости и моностационарности излишне громоздки, что бы их здесь приводить, но при значениях параметров из интервалов оценок они близки к ли нейным.

Граница устойчивости находится в области отрицательных значений количества орга нического вещества в почве. Это означает, что одиночная особая точка всегда устойчива при реалистичных начальных значениях, и значит, в данной модели не могут существовать цик лические режимы. При переходе значений параметров через границу моностационарности появляются сразу три особых точки, одна из которых неустойчива, что приводит к возмож ности триггерных переключений между двумя устойчивыми состояниями.

При значениях параметров из середины интервалов оценок возникновение трех ста ционарных точек возможно только при нереалистично больших значениях запасов углерода в почве. Однако при некоторых сочетаниях значений параметров внутри интервалов оценки наблюдается кардинально другая картина (рис. 1.1.1).

Из рисунка 1.1.1 можно видеть, что при выбранных значениях параметров появление трех особых точек возможно уже при вполне умеренных начальных значениях, соответст вующих оценкам количеств углерода в биоте и в почве. Соответствующий этим параметрам фазовый портрет с главными изоклинами приведен на рисунке 1.1.2.

В соответствии с параметрическим портретом, начальное стационарное состояние яв ляется неустойчивой особой точкой типа «седло». Результаты численных расчетов соответ ствуют параметрическому портрету. В зависимости от направления возмущения система может перейти в одно из двух устойчивых состояний. Так уменьшение биомассы (например, вырубки лесов) на 4 ГтС/год в течение 4 лет приводит к последующему повышению темпе ратуры до 17 oC, а равное по величине, но противоположное по знаку воздействие (напри мер, массовые лесопосадки) приводит к понижению температуры до 5 oC (рис 1.1.3). При веденная доза, с точностью до целых значений величины изменения биомассы и длительно сти воздействия, является пороговой.

о 4С органическое вещество, ГтС 6 оС о 8С биомасса, ГтС Рис. 1.1.1. Параметрический портрет модели при значениях параметров: TMaxGrowth 35 oC ;

TMaxDecay 55 oC ;

A0 600 ГтС;

G 1.1 ;

P0 60 ГтС. На графике: сплошные линии – границы моностационарности при указан ных значениях чувствительности климата (область моностационарности расположена ниже линий);

пунктирная линия – граница устойчивости стационарного состояния (область устойчивости находится над линией).

органическое вещество, ГтС биомасса, ГтС Рис. 1.1.2. Главные изоклины системы при значениях параметров: Tdel 8 oC ;

x0 650 ГтС;

y0 1100 ГтС.

На графике: тонкая линия – изоклина вертикалей ( P( x, y ) 0 );

жирная линия – изоклина горизонталей ( Q( x, y ) 0 ). Вставка показывает детальное устройство фазовой плоскости в окрестности начального стацио нарного состояния (показано черной стрелкой).

При этом, как и следовало ожидать, время от момента воздействия до начала заметных изменений в системе «биосфера – климат» существенно уменьшается с ростом величины возмущения системы. Однако характерное время биосферных изменений, определяемое па раметрами обратной связи, остается практически неизменным и составляет примерно лет, что соответствует темпам изменения биоты.

биомасса, ГтС время, годы органика, ГтС время, годы температура, оС время, годы Рис. 1.1.3. Переход системы после незначительного возмущения из неустойчивой особой точки в устойчивое стационарное состояние с понижением температуры Таким образом, минимальная модель системы «биосфера – климат», вследствие того, что в ней учитываются только наиболее опасные биосферные механизмы и игнорируются компенсирующие их действие некоторые обратные связи (в том числе обусловленные транс пирацией), описывает маловероятный, но, тем не менее, возможный наихудший сценарий динамики биосферы. Проведенный анализ показал возможность реализации в биосфере триггерного режима, способного привести к кардинальному изменению состояния биосферы даже без дополнительного сжигания ископаемых топлив. Этот режим возможен при значе ниях параметров биосферы, входящих в интервалы их существующих оценок, приведённых в работе. Отсюда следует потенциальная опасность любых резких изменений состояния био сферы, в том числе вызываемых хозяйственной деятельностью человека. С помощью пред ложенной модели можно получить оценку предельно допустимой суммарной интенсивности вырубок и лесопосадок при выбранных значениях параметров модели, используя показатели порогового воздействия на биосферу. Так уменьшение биомассы (например, вырубки лесов) на 4 ГтС/год в течение 4 лет приводит к последующему повышению температуры до 17 oC, а равное по величине, но противоположное по знаку воздействие (например, массовые лесо посадки) приводит к понижению температуры до 5 oC. При этом процесс перехода биосфе ры в новое состояние осуществляется примерно в течение 100 лет. Кроме того, величина возмущения количества биомассы (16 ГтС за 4 года) значительно меньше её итогового 100 летнего изменения (примерно 400 ГтC).

Используемые источники 1. Climate Change 2007: The Physical Science Basis (Intergovernmental Panel on Climate Change). NY: Cambridge Univ. Press. 996 p. http://www.ipcc.ch/publications_and_data/ar4/wg1/en/contents.html.

2. Petit J.R., Jouzel J., Barkov N.I., et al. Climate and atmospheric history of the past 420.000 years from the Vostok ice core, Antarctica // Nature. 1999. Vol. 399. P. 429-436.

Jaworowski Z., Segalstad T.V., Ono N. Do glaciers tell a true atmospheric СО2 story? // Science of the Total Envi 3.

ronment. 1992. Vol. 114. P. 227-284.

Крученицкий Г.М. Глобальная температура: потенциальная точность измерения, стохастические возмуще 4.

ния и долговременные изменения // Оптика атмосферы и океана. 2007. Т. 20, № 12. С. 1064-1070.

Тарко А.М. Можем ли мы затормозить глобальное потепление? Россия в окружающем мире – 2008 // Ана 5.

лит. ежегодник «Устойчивое развитие: экология, политика, экономика». М.: Изд-во МНЭПУ, 2008. 328 с.

Барцев С.И., Дегерменджи А.Г., Ерохин Д.В. Глобальная минимальная модель многолетней динамики уг 6.

лерода в биосфере // ДАН. Геофизика. 2005. Т. 401, № 2. С. 233-237.

Барцев С.И., Дегерменджи А.Г., Федотов А.М. и др. Биосферный триггер в минимальной модели углерод 7.

ного цикла // ДАН (в печати).

Федотов А.М., Медведев С.Б., Пестунов А.И., Пестунов И.А. О нестандартном поведении минимальной 8.

модели углеродного цикла // Вест. НГУ. Сер.: Информационные технологии. 2011. Т. 9, вып. 1. С. 82-88.

Тарко А.М. Антропогенные изменения глобальных биосферных процессов. 2005. М.: ФИЗМАТЛИТ. С. 57.

9.

Кондратьев К.Я., Крапивин В.Ф. Моделирование глобального круговорота углерода. - М.: ФИЗМАТЛИТ.

10.

2004. 336 с.

11. Brovkin V., Sitch S., Bloh von W., Claussen M., Bauer E., and Cramer W. Role of land cover changes for atmos pheric CO2 increase and climate change during the last 150 years. Glob. Change Biol. 2004. Vol. 10. P. 1253 1266.

12. Stainforth D.A., Aina T., Christensen C. et. al. Uncertainty in predictions of the climate response to rising levels of greenhouse gases. Nature. 2005. Vol. 433. P. 403-406.

Иваницкий Г.P., Кринский В.И., Сельков Е.Е. Математическая биофизика клетки. М.: Наука. 1978. 308 с.

13.

1.2. Минимальная модель глобального цикла углерода в системе «биосфера – климат» с различными вариантами обратных связей В ИБФ СО РАН совместно с ИВМ СО РАН построена серия минимальных моделей глобального цикла углерода в системе «биосфера – климат» с различными вариантами об ратных связей вида «климатические изменения – углеродный цикл – климатические измене ния».

Эти модели базируются на разработанной ранее глобальной минимальной биосферной модели [1]. С целью построения минимальной модели климата проводился анализ описан ных в литературе моделей климата. Был сделан вывод, что в климатической системе проис ходят сложные нелинейные процессы и в настоящее время не удается достоверно выделить простые зависимости для описания этих процессов [3]. Наиболее полно климатическую ди намику воспроизводят трехмерные модели общей циркуляции атмосферы и океана. Из чис ленных экспериментов с этими моделями можно выделить основные факторы, влияющие на среднегодовую глобальную приповерхностную температуру. На основе этих данных мини мальная модель биосферы была дополнена следующим уравнением для описания динамики температуры:

d T RGG RAC f i T. (1) c dt i Здесь c 1.1 0.5 [гДж м-2 °C-1] (оценивается из наблюдений поглощения тепла океаном [9] и текущими трендами потепления [8]) – теплоемкость климатической системы;

T [°C] – изменение глобальной среднегодовой поверхностной температуры воздуха вследствие ра диационного воздействия парниковых газов;

RGG [Вт м-2] (может быть вычислено по фор Вт C муле RGG 5.3 2 ln( ), где C и C0 – концентрации углекислого газа в атмосфере, C м C соответствует доиндустриальному значению 280 ppm) и аэрозолей RAC.

Воздействие парниковых газов и аэрозолей порождает изменение температуры T, ко торое в свою очередь изменяет влияющие на климат процессы. Каждое из этих изменений вызывает дополнительное воздействие f i T, где f i [Вт м-2 °C-1] коэффициент, соответст вующий воздействию при изменении температуры на 1 °C. Разумеется, итоговое значение температуры зависит от коэффициентов f i, отражающих величину обратных связей. В отче те МГЭИК [7] с помощью трехмерных моделей общей циркуляции атмосферы и океана были получены оценки этих обратных связей. Длинноволновое излучение в космос будет увели чиваться на 3.2 Вт м-2, при увеличении температуры на 1 °C, т.е. f I 3.2 Вт м-2 °C-1. Счита ется, что относительная влажность в атмосфере будет сохраняться. Это приведет к увеличе нию абсолютной влажности и в соответствии с парниковым эффектом водяного пара fVW 1.8 0.18 Вт м-2 °C-1. Повышение температуры приведет к уменьшению снежного и ле дового покрова и из-за уменьшения альбедо f A 0.26 0.08 Вт м-2 °C-1. Оценка обратных эффектов, связанных с облачностью, дает fC 0.69 0.38 Вт м-2 °C-1. Оценка эффектов, свя занных с изменением вертикального градиента температуры, дает fI = –0.84 ± 0.26 Вт м-2 °C-1.

Чувствительность климата определяется как равновесное изменение глобальной сред негодовой поверхностной температуры воздуха T [°C] вследствие радиационного воздей ствия R f [Вт м-2], которое является результатом удвоения CO2. Из уравнения (1) следует формула для чувствительности климата:

R f T.

fi i Определим, используя радиационное воздействие от парниковых газов R f 3.7 Вт м-2 [7], среднюю, нижнюю и верхнюю оценку для T :

R f 3.7 3. Tсред 2.9 °C, fi 3.2 1.8 0.26 0.69 0.84 1. i R f 3.7 3. Tmin 1.7 °C, f 3.2 1.62 0.18 0.31 1.10 2. i i R f 4 3. Tmax 9.5 °C.

f 3.2 1.98 0.34 1.07 0.58 0. i i Максимальная оценка чувствительности климата, намного больше отличается от сред ней, чем минимальная, хотя неточности в оценки обратных эффектов везде симметричны.

Это объясняется тем, что зависимость T от f i является гиперболической и при умень i f (обусловлено увеличением доли положительных обратных связей) T шении модуля i i быстро возрастает. Полученные значения отличаются от представленных в отчете МГЭИК [7]: среднее значение 3.2 °C, разброс от 2.1 °C до 4.4 °C. Это объясняется тем, что нижнюю и верхнюю оценку мы вычисляли, выбирая обратные эффекты на нижней и верхней границе, а отдельные модели не используют крайние оценки. Тем не менее, для отдельных моделей также можно подобрать параметры, дающие чувствительности даже более 10 °C [10].

Другим важным моментом является то, что оценка суммарного антропогенного ра диационного воздействия тоже имеет большие неточности в основном в связи с влиянием аэрозолей. Аэрозоли оказывают как нагревающее, так и охлаждающее воздействие. Еще лет назад считалось, что их итоговое воздействие близко к нейтральному. Однако последние оценки [7] попадают в интервал от -1 до -2 Вт м-2. При этом считается, что охлаждающий эффект аэрозолей будет снижаться за счет внедрения более чистых технологий и более ко роткого по сравнению с парниковыми газами времени жизни в атмосфере.

Как же такая разница оценок соотносится с наблюдаемым с середины 20 века потепле нием? На рис. 1.2.1 представлено сравнение расчетов по уравнению (1) с наиболее вероят ными параметрами по отчету IPCC (синяя линия) и с оценкой обратных связей f i 0. i дающей чувствительность 16 °C (зеленая линия). Радиационное воздействие R f здесь включает наблюдаемый рост концентрации СО2 в двадцатом веке, экстраполяцию этого тренда в будущее и остановку роста при удвоении концентрации;

также используется сред няя оценка вклада аэрозолей и предполагается, что после 2050 года вклад аэрозолей возвра щается к 1950 году.

Рис. 1.2.1. Сравнение динамики глобальной температуры для различных обратных связей.

Рис. 1.2.2. Сравнение динамики глобальной температуры для различных обратных связей и радиационного воздействия аэрозолей.

Синяя линяя до 2000 года хорошо аппроксимирует наблюдаемое потепление (примерно на 0.6 °C);

зеленая показывает почти в два раза большее потепление к 2000 году. Таким обра зом, можно было бы сделать вывод, что чувствительность климата не может быть 16 °C, т.к.

это плохо согласуется с наблюдаемым трендом. Но, к сожалению, мы плохо знаем радиаци онное воздействие R f в основном в связи с влиянием аэрозолей. Посмотрим, как влияет на динамику значение вклада аэрозолей (рис. 1.2.2). Здесь уже кривые до 2000 года почти сов падают и отличие, составляет порядка 0.1 °C. Это с учетом погрешности измерений, не по зволяет сказать, какая из кривых правильнее описывает наблюдаемую динамику. Т.е. мы по лучаем, что оценка чувствительности климата 16 °C вполне согласуется с наблюдениями ди намики в 20 веке, при условии большого охлаждающего эффекта аэрозолей.

Таким образом, значительный рост чувствительности климата при небольшом увеличе нии оценки величины обратных связей не позволяет рассматривать только центральные оценки. В соответствии с принципом наихудшего сценария, очень важно отследить к каким последствиям могут привести положительные обратные связи. Поэтому минимальная био сферная модель была дополнена уравнением (1). Это уравнение можно рассматривать, с од ной стороны, как минимальную модель климата, а с другой – для оценки обратных связей используются наиболее полные трехмерные модели общей циркуляции атмосферы и океана.

Объединенная минимальную модель «биосфера – климат» позволяет описывать влияние этих двух систем друг на друга. Это касается в первую очередь выявления положительных обратных связей, представляющих наибольшую опасность с точки зрения сохранения устой чивости объединенной системы. С помощью объединенной минимальной модели «биосфе ра – климат» выявлялись катастрофические сценарии и условия их возникновения, которые могут быть использованы для грубого «наведения», «прицеливания» более сложных и де тальных моделей биосферы и климата. В результате показано [2], что явный учет климатиче ских обратных связей и тепловой инерции земной поверхности не изменил полученного ра нее основного результата минимальной биосферной модели о возможности возникновения необратимых катастрофических режимов [1,5,6]. Возможные сценарии развития системы с учетом аэрозолей (рис. 1.2.3) и изменения облачности (рис. 1.2.4) приведены ниже.

Б) А) Количество углерода в биомассе, Гт Количество углерода в биомассе, Гт годы годы Рис. 1.2.3. Возможные сценарии динамики углерода в биомассе при варьировании вклада аэрозолей в радиаци онное воздействие (параметр RC) и разных значениях предельной емкости среды (параметр G). Отдельные «пучки» траекторий соответствуют разным значениям RC (чем больше параметр, тем ближе траектория к нача лу отсчета). Значениям параметра G = 1.2;

1.6;

2.0 соответствуют синий, зеленый и красный цвета траекторий.

Рисунок (А) демонстрирует динамику при средних значениях параметров обратных связей, а рисунок (Б) – при значениях параметров на неблагоприятных краях доверительных интервалов.

Б) А Количество углерода в био Количество углерода в био ) массе, Гт массе, Гт годы годы Рис. 1.2.4. Возможные сценарии динамики углерода в биомассе при варьировании вклада эффектов облачности (параметр обратной связи – fC) и разных значениях предельной емкости среды (параметр G).

Остальные обозначения соответствуют обозначениям рис. 1.2.3.

Используемые источники 1. Барцев С.И., Дегерменджи А.Г., Ерохин Д.В. Глобальная минимальная модель многолетней динамики угле рода в биосфере // ДАН. 2005. Т. 401, № 2. С. 233-237.

2. Барцев С.И., Белолипецкий П.В., Дегерменджи А.Г. Минимальная модель системы «биосфера-климат» и ее компоненты // Вестн. НГУ. Сер.: Информационные технологии. 2011. Т. 9, вып. 1. С. 31-37.

3. Монин А.С., Шишков Ю.А. Климат как проблема физики // Успехи физ. наук. 2000. Т. 170, № 4. С. 419-445.

4. Andreae M.O., Jones C.D., Cox P.M. Strong present-day aerosol cooling implies a hot future // Nature. 2005.

Vol. 435. P. 1187-1190.

5. Bartsev S.I., Degermendzhi A.G., Erokhin D.V. Principle of the worst scenario in the modelling past and future of biosphere dynamics // Ecological modeling. 2008. P. 160-171.

6. Degermendzhi A.G., Bartsev S.I., Gubanov V.G. et al. Forecast of biosphere dynamics using small-scale models. Ch 10. In: Global Climatology and Ecodynamics: Anthropogenic Changes to Planet Earth. 2008. Springer Praxis Books / Environmental Sciences (Hardcover). P. 241-300.

7. IPCC Report 2007. Climatic Change 2007: The Physical Basis (S. Solomon, D Qin, M. Manning, Z. Chen, M. Mar quis, M., K.B. Averyt, M. Tignor and H.L. Miller, eds.). Cambridge: Cambridge Univ. Press.

8. Folland C. K. et al. Global temperature change and its uncertainties since 1861 // Geophys. Res. Lett. 2001. Vol. 28.

P. 2621- 9. Levitus S., Antonov J.I., Boyer T.P., Stephens C. Warming of the world ocean // Science. 2000. Vol. 287.

P. 2225-2229.

10. Stainforth D.A et al. Uncertainty in predictions of the climate response to rising levels of greenhouse gases // Na ture. 2005. Vol. 433. P. 403-406.

1.3. Сопоставление динамики климатических характеристик с динамикой баланса уг лерода в прошлом и оценка обратного влияния изменений в биоте на климат В данном разделе приведено сопоставление динамики климатических характеристик с динамикой баланса углерода в прошлом. Оценена возможность катастрофических изменений системы «климат – биосфера» за счет описанных в минимальной модели механизмов (ИБФ СО РАН, ИВМ СО РАН).

Описанная минимальная модель системы «биосфера – климат» показывает возмож ность катастрофических изменений вследствие антропогенного воздействия. Причина этого кроется в высокой чувствительности цикла углерода к климату. Однако эмпирические оцен ки на основании данных по последнему тысячелетию [3] не демонстрируют высокой чувст вительности. Но эти наблюдения не содержат примеров массивной и быстрой подачи CO2 в атмосферу. Для оценки вероятности катастрофических изменений климата и биосферы, опи сываемых моделью желательно исследовать примеры быстрых и высокоамплитудных изме нений в атмосферной концентрации CO2.

Недавняя реконструкция истории Земли значительно расширила наши знания об эпи зодах быстрой эмиссии парниковых газов и резких потеплениях климата [8]. Рассмотрим для примера резкое потепление климата, имевшее место 55 миллионов лет назад – Палеоцен Эоценовый тепловой максимум (ПЭТМ). ПЭТМ – это один из наиболее известных примеров переходных возмущений климата, включающий интенсивный период глобального потепле ния и массивные возмущения глобального цикла углерода вследствие инъекции легкого изо топа углерода в систему океан-атмосфера [5,7]. Утверждается [5], что ПЭТМ может быть лучшим древним аналогом будущего возрастания CO2 в атмосфере. Некоторые авторы [4] предполагают, что Палеоцен был временем повсеместного наземного захоронения органиче ского углерода и ПЭТМ представлял собой быстрое окисление наземного органического уг лерода в позднем Палеоцене, например, вследствие безудержных лесных пожаров.

Используя минимальную модель, можно предложить механизм, объясняющий выделе ние органического углерода в атмосферу. В ходе выполнения проекта было обнаружено [2], что стационарное состояние этой модели при определенных условиях становится неустойчи вым, т.е. если биомасса и мертвое органическое вещество почвы достигает некоторых значе ний, то малые климатические возмущения ведут к самоподдерживающемуся выделению уг лерода в атмосферу. Предполагается [4], что перед ПЭТМ экосистемы суши были значитель ным стоком углерода из атмосферы длительное время. Поэтому должен был сформироваться большой пул углерода в биомассе растительности и в почве. Поздняя часть Палеоцена также характеризовалась постепенным потеплением [9]. Таким образом, перед границей с Эоценом растительность суши могла находиться близко к температурному оптимуму для фотосинтеза.

В этих условиях достаточно малое воздействие могло привести к необратимым изменениям в соответствии с нашей моделью. Например, это могло быть небольшое увеличение вулкани ческой активности. Небольшое превышение геологического среднего прихода СО2 в атмо сферу, около 0.01 ГтС/год, приводит в нашей модели к глобальным изменениям, похожим на ПЭТМ (рис. 1.3.1). Для того, чтобы смоделировать такую динамику, мы изменили начальные значения для температуры и концентрации СО2 на 20 °C и 2000 ppm соответсвенно. Считает ся, что в то время оба параметра имели большие значения, чем сейчас [9]. Другое несоответ ствие заключалось в том, что пул углерода в почвах изменялся очень быстро, что приводило к более быстрым по сравнению с наблюдениями изменениям концентрации СО2 в атмосфере и соответственно температуры. Чтобы устранить это несоответствие мы предположили, что источником большей части почвенного дыхания является разложение «свежего» опада и только небольшую часть вносит разложение содержащейся в почве органики. Модифициро ванная таким образом модель показывает аналогичную неизмененной модели динамику для настоящего времени, т.е. и не исключает возможности катастрофических необратимых изме нений.

C Time, years Рис. 1.3.1. Модельная динамика глобальной температуры, а также содержания углерода в атмосфере, растительности и почве во время ПЭТМ.

На рис. 1.3.1 можно видеть, что после небольшого роста температуры система достига ет точки нестабильности, что ведет к большому источнику органического углерода из назем ных экосистем в атмосферу. Количество накопленного в биомассе и почвах органического углерода достаточно для объяснения уменьшения соотношения изотопов 13C/12C [4]. Кон центрация CO2 возрастает до более, чем 4000 ppm, что сопровождается ростом температуры на 5 °C. После этого требуется длительное время (примерно 100000 лет [5]), прежде чем сис тема начинает возвращаться в исходное состояние. Мы можем предположить, что это время требовалось экосистемам для адаптации к новым условиям. Это было промоделировано че рез медленное увеличение параметра Tmax. Затем растения адаптировались, что привело к возвращению углерода из атмосферы в биомассу и почву. И затем система постепенно вер нулась в состояние по температуре и концентрации СО2 близкое к тому, что было до ПЭТМ.

Таким образом, ПЭТМ, возможно, является примером реализации механизмов, описанных в минимальной модели.

Используемые источники 1. Барцев С.И., Дегерменджи А.Г., Ерохин Д.В. Глобальная минимальная модель многолетней динамики угле рода в биосфере // ДАН. 2005. Т. 401. № 2. С. 233-237.

2. Федотов А.М., Медведев С.Б., Пестунов А.И., Пестунов И.А. О нестандартном поведении минимальной мо дели углеродного цикла // Вест. НГУ. Сер.: Информационные технологии. 2011. Т. 9, вып. 1. С. 82-88.

3. Frank, D. C., Esper, J., Raible, C.C. et al. Ensemble reconstruction constraints on the global carbon cycle sensitivity to climate // Nature. 2010. Vol. 463. P. 527-530.

4. Kurtz, A.C., Kump L.R., Arthur M.A. et al. Early Cenozoic decoupling of the global carbon and sulfur cycles // Paleoceanography. 2003. Vol. 18.

5. Pagani, M., Caldeira K., Archer D., Zachos J.C. An Ancient Carbon Mystery // Science. 2006. Vol. 314.

P. 1556-1557.

6. Pagani M., Liu Z., LaRiviere J., Ravelo A.C. High Earth-system climate sensitivity determined from Pliocene car bon dioxide concentrations // Nature Geosci. 2010. Vol. 3 (1). P. 27-30.

7. Rhl U., Westerhold T., Bralower T.J.,Zachos J.C. On the duration of the Paleocene-Eocene thermal maximum (PETM) // Geochem. Geophys. Geosyst. 2007. Vol. 8.

8. Zachos J.C., Dickens G.R., Zeebe R.E. An early Cenozoic perspective on greenhouse warming and carbon-cycle dynamics // Nature. 2008. Vol. 451. P. 279-283.

9. Zachos J.C., Pagani M., Sloan L. et al. Trends, rhythms and aberrations in global climate 65 Ma to present // Sci ence. 2001. Vol. 292. P. 686-693.

1.4. Построение сценариев развития системы «биосфера – климат» с выбором наихуд шего из них для оценки глобального экологического риска при различных вариантах ресурсопотребительской стратегии человечества В ИБФ СО РАН построены сценарии развития системы «биосфера – климат» и выбран наихудший из них для оценки глобального экологического риска при различных вариантах ресурсопотребительской стратегии человечества.

На фоне негативных тенденций развития системы «биосфера – климат» и, в первую очередь, глобального потепления, вызванного, по мнению межправительственной группы экспертов по изменению климата (МГЭИК) антропогенными выбросами парниковых га зов [1], становится понятной важность определения допустимого уровня антропогенных вы бросов углерода и получение прогнозов ожидаемых изменений в системе «биосфера – кли мат» при различных стратегиях сжигания ископаемых топлив.

В соответствии с принципом 15 (принцип предосторожности) Декларации ООН по ок ружающей среде и развитию (1992 г.) [2], в первую очередь, необходимо исследовать наи худший, но возможный вариант сценария глобальных изменений.

В соответствии с принципом наихудшего сценария из возможных оценок параметров минимальной модели следует выбирать значения, приводящие к наиболее неблагоприятным вариантам биосферной динамики. Ключевым параметром в модели является чувствитель ность климата к повышению атмосферной концентрации СО2 выражаемые в приращении среднепланетарной температуры при удвоении концентрации углекислого газа. В модели используется наибольшая из известных оценок чувствительности климата равная 11 °C [3].

В данной работе, для того чтобы нагляднее показать динамику количеств углерода в различных компонентах биосферы, период моделирования был увеличен на 100 лет по срав нению со сценарием A2 МГЭИК [1], с сохранением той же самой тенденции увеличения темпов сжигания углеродных топлив. Постоянное увеличение темпа сжигания топлив при сохранении существующей структуры системы производства энергии является неизбежным, так как для повышения качества жизни все большего числа людей [4-6], требуется все боль шее использование энергетических ресурсов.

На рис. 1.2.1 показана модельная динамика количества углерода в биомассе при раз личных темпах сжигания углерод содержащих топлив. Динамика количества углерода в ор ганическом веществе почвы подобна приведенной на рис. 1.4.1 и поэтому здесь не приводит ся.

Динамика приповерхностной среднегодовой температуры биосферной модели показана на рис. 1.4.2. Согласно результатам моделирования шоковый рост приповерхностной темпе ратуры приводит к исчезновению сложной органической жизни на Земле.

Рис. 1.4.1. Ансамбль траекторий количества углерода в биомассе в биосферной модели при различных темпах сжигания углерод содержащих топлив. Кривая 1 соответствует сценарию А2 по МГЭИК, кривая 2 описывает 25% от темпов сжигания по сценарию А2, кривая 3 соответствует 10% от темпов сжигания по сценарию А2.

Рис. 1.4.2. Ансамбль траекторий приповерхностной среднегодовой температуры в биосферной модели при различных темпах сжигания углерод содержащих топлив. Кривая (1) соответствует сценарию А по МГЭИК, кривая (2) описывает 25% от темпов сжигания по сценарию А2, кривая (3) соответствует 10% от темпов сжигания по сценарию А2.

Характерный S-образный вид приведенных кривых указывает на наличие биосферных положительных обратных связей, определяющих резкое, лавинообразное нарастание изме нений в биосфере. Когда включается этот катастрофический процесс, он уже практически не зависит от темпа сжигания топлив. Темпы сжигания углеродсодержащих топлив влияют только на дату начала катастрофического необратимого процесса. Модель позволяет наблю дать сценарии, которые невозможно реализовать на практике, но которые дают возможность очень наглядно наблюдать действие положительных обратных связей самих по себе. Имеется в виду полное прекращение сжигания ископаемых топлив в заданный момент времени. Та кой прием позволяет оценить так называемую дату необратимости для выбранных значений параметров модели.

Определим с помощью модели, какие меры по прекращению сжигания ископаемых то плив будут достаточны для предотвращения катастрофических режимов. На рис. 1.4.3 и 1.4. показаны ансамбли траекторий количества углерода в атмосфере в биосферной модели с различными датами полного прекращения горения ископаемого топлива для выбранных темпов роста сжигания ископаемого топлива.

Полученные кривые показывают, что только полное прекращение сжигания ископае мых топлив может с достаточной надежностью предотвратить катастрофу. Однако в совре менном мире этот сценарий является самым фантастическим.

Данные моделирования показывают, что если чувствительность современного климата близка к 11оC, то мы уже находимся в фазе необратимых изменений в биосфере. В дальней шем сжигание топлив только приближает фазу ускоренной эмиссии углерода в атмосферу. В этой ситуации серьезное сокращение выброса углерода предоставляет время необходимое для осуществления мер, позволяющих сопротивляться катастрофическому процессу. Однако возникает вопрос о количестве необходимого сокращения антропогенной эмиссии углерода.


Вычисления показывают, что резкое четырехкратное сокращение сжигания углеродсо держащих топлив, по сравнению со сценарием A2, отодвигает дату значительного увеличе ния выброса углерода в атмосферу приблизительно на 40 лет. Есть шанс, что за это время некоторые меры (например, создание щита аэрозоля в атмосфере) могли бы предотвратить катастрофический сценарий.

Рис. 1.4.3. Ансамбль траекторий количества углерода в атмосфере в биосферной модели при различных значениях для 25% темпа сжигания углерод содержащих топлив по сценарию А2 при различных датах полной остановки сжигания топлива: (1) – прекращение сжигания топлив в 2080 г.;

(2) – прекращение в 2020 г.;

(3) – прекращение в 2014 г.;

(4) – прекращение в 2011 г.

Рис. 1.4.4. Ансамбль траекторий количества углерода в атмосфере в биосферной модели при различных значениях для 10% темпа сжигания углерод содержащих топлив по сценарию А2 при различных датах полной остановки сжигания топлива: (1) – прекращение сжигания топлив в 2080 г.;

(2) – прекращение в 2020 г.;

(3) – прекращение в 2014 г.;

(4) – прекращение в 2011 г.

В то же время, десятикратное сокращение выброса углерода по сравнению со сценари ем A2 отодвигает время катастрофических перемен приблизительно на 80 лет, таким обра зом, появляется еще больше возможностей для принятия мер по предотвращению глобаль ных катаклизмов. Однако можно видеть (рис. 1.4.4), что продолжение сжигания топлив при водит к катастрофическим изменениям даже при этих низких уровнях эмиссии углерода. Со ответствующий этому сценарию уровень сжигания топлива равен 180 кг углерода на челове ка ежегодно, что приблизительно в 5 раз меньше, чем эмиссия, вызванная энергоснабжением (~4000 кВтч ежегодно), обеспечивающим приемлемый уровень жизни.

В свете вышесказанного стремление к высокому качеству жизни при сложившейся структуре энергетики, работающей, в основном, за счет сжигания природных топлив с боль шой вероятностью может привести к неблагоприятному сценарию развития и человечества и биосферы, включая гибель высокоорганизованной жизни на Земле.

Используемые источники 1. IPCC, 2007. Climate Change 2007: The Physical Science Basis. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 996 P. URL: www.ipcc.ch (18.11.2011) 2. Декларация по окружающей среде и развитию, Рио-де-Жанейро, 3–14 июня 1992 года.

http://www.un.org/ru/documents/decl_conv/declarations/riodecl.shtml (18.11.2011) 3. Stainforth D.A., Aina T., Christensen C., Collins M., Faull N., Frame D.J., Kettleborough J.A., Knight S., Martin A., Murphy J.M., Piani C., Sexton D.L., Smith A.R., Spicer A.A., Thorpe J., Allen M.R. Uncertainty in predictions of the climate response to rising levels of greenhouse gases. Nature. 2005. V. 433. P. 403–406.

4. Alam M.S., Bala B.K., Huo A.M.Z. and Matin M.A. A model for the quality of life as a function of electrical energy consumption. Energy. 1991. V. 16. Р. 739-745.

5. Dekker P.-M., Meisen P., Bruton A.B. The GENI MODEL: The Interconnection of Global Power Resources to Ob tain an Optimal Global Sustainable Energy Solution. http://www.geni.org/globalenergy/library/geni/simulation/the GENI-model.shtml (18.11.2011) 6. United Nations. World population to 2300. Department of Economic and Social Affairs United Nations New York, 2004. P. 240.

1.5. Анализ известных моделей климата Необходимо отметить, что полученный в п. 1.2 интервал чувствительности климата от 1.8 °C до 10.2 °C основан только на результатах моделей. А так как чувствительность клима та является одним из основных параметров, влияющих на возможность катастрофических изменений в системе биосфера-климат, то ИБФ СО РАН и ИВМ СО РАН провели анализ из вестных моделей климата и альтернативных способов оценки.

Математические модели климата, даже самые сложные, имеют многочисленные изъя ны в результатах по сравнению с наблюдениями. Разумеется, в силу сложности климатиче ской системы, полного совпадения модельных расчетов и наблюдений ожидать и не прихо дится. Но тогда, всегда будет возникать вопрос об адекватности математической модели по отношению к реальным процессам. И то, что модели основаны на известных физических за конах, не является сильным обоснованием их правильности, т.к. все модели содержат мно жество параметризаций, достоверность которых на данный момент остается под вопросом.

Например, в четвертом отчете МГЭИК [5] отмечается, что потепление второй половины два дцатого века не удается смоделировать без учета антропогенных факторов, при этом матема тические модели неплохо описывают динамику глобальной температуры при учете антропо генных парниковых газов и аэрозолей. В то же время стоит отметить, что потепление первой половины двадцатого века тоже не очень хорошо (особенно океан) воспроизводится моделя ми как с учетом, так и без учета антропогенных факторов (рис. 1.5.1).

В работе [10] было показано, что существуют принципиальные сложности оценки чув ствительности климата с помощью математических моделей (рис. 1.5.2). Стоит обратить внимание на существование малой, но все же ненулевой вероятности очень большой чувст вительности климата (до 10 °C и более). И что самое неприятное, была показана невозмож ность исключения таких чувствительностей из рассмотрения с помощью моделей на данный момент [10]. А этот вопрос является одним из ключевых для оценки возможности катастро фических биосферно-климатических изменений. Поэтому встает вопрос об альтернативном по отношению к моделям способе оценки чувствительности климата.

Решение уравнения (1.2.1) при постоянных С и R f имеет вид:

R f exp f i / C t T (1) fi i i Здесь видно, что значение T устанавливается, когда exp(( f i / C )t ) приближается к i нулю. С практической точки зрения можно считать, что T установилась, когда exp(( fi / C )t ) 0.01. Откуда:

i 4.6 C t. (2) fi i Рис. 1.5.1. Сравнение наблюдений и расчетов в четвертом докладе Межправительственной группы экспертов по изменению климата (IPCC Climate Change, 2007).

Формула (2) дает альтернативный метод оценки суммы обратных связей – большой вклад положительных обратных связей приводит к увеличению времени установления, а это может не соответствовать наблюдениям. Здесь в отличие от формулы (2) нет обычно плохо известного параметра R f, но с другой стороны, неопределенность вносит значение тепло емкости C. В работе [11] этот подход применялся с использованием данных об извержении вулкана Пинатубо в 1991 году. Извержение вызвало увеличение альбедо Земли примерно на 2%, которое продолжалось примерно 2 года, а затем значение альбедо вернулось к средне многолетним значениям (рис. 1.5.3). Это вызвало похолодание и, после восстановления аль бедо, возвращение в течение нескольких лет к прежним трендам температуры и уходящей радиации. Была получена оценка чувствительности климата в пределах от 0.6 до 1.6 °C [11].

Рис. 1.5.2. Вероятностная плотность чувствительности климата, на основе анализа Roe and Baker (2007).

Рис. 1.5.3. Альбедо по спутниковым данным (http://isccp.giss.nasa.gov/projects/browse_fc.html).

Привлекая данные измерения радиационного баланса Земли со спутников, можно предложить еще один способ оценки обратных связей. Пусть нам известно, что температура T в результате каких-либо внутренних событий (например, явление Эль-Ниньо) измени лась. Тогда уходящая радиация должна измениться на f i T. Откуда можно получить i f оценку обратных связей. Последний способ был подробно рассмотрен в работе [6].

i i Здесь сравнивалась уходящая радиация с тропических широт по спутниковым наблюдениям и по результатам моделирования. Выделялись периоды, когда температура поверхности моря росла или уменьшалась, и проводилось сравнение изменения уходящей радиации по наблю дениям и по расчетам. Был сделан вывод, что модели переоценивают чувствительность кли мата и на самом деле она меньше 3 °C. Разумеется, этот анализ, не является абсолютно точ ным и использует ряд допущений. Методология подверглась критики [2,3,8,12]. А в рабо те [4] также рассматривалось влияние изменения температуры моря на уходящую радиацию, и была получена оценка чувствительности климата, согласующаяся с моделями (от 2 °C до 4.5 °C). Но в следующей работе [7] авторы переработали анализ в соответствии с критикой, а также указали недостатки в работе [4], и получили оценку от 0.5 °C до 1.3 °C. Как видно, разные детали применения одного и того же метода дают совершенно разные результаты.

Отличаются не только прогнозы будущего потепления за счет антропогенных парниковых газов, но и, косвенно, причины текущего потепления – ведь если чувствительность климата к удвоению СО2 меньше 1.3 °C, то текущее потепление на 0.6 °C, вряд ли объясняется антро погенными парниковыми газами. Пока разобраться, какая именно методика дает более пра вильные результаты, объективно весьма трудно. Тем не менее, ни тот ни другой анализ не дают очень больших чувствительностей, которые не исключаются математическими моде лями.

Другим подходом к исследованию климатической изменчивости является анализ вре менных рядов, выявление возможных причин и проведение экстраполяции. Динамика гло бальной температуры с начала 20 века имеет сложную структуру, где наряду с глобальным трендом потепления наблюдаются циклические изменения разных временных масштабов (рис. 1.5.4). Возникает естественный вопрос о выявлении причин наблюдаемой динамики.


Одним из способов ответа является применение методов анализа временных рядов [1,9,13].

Авторы получали, что единственной причиной объясняющей поведение глобальной темпе ратуры являются антропогенные парниковые газы. Однако в представленных работах ис пользуются малые наборы возможных причин. Не учитываются или учитываются в ограни ченном количестве естественные климатические колебания (Эль-Ниньо, Южная осцилляция и др.) Поэтому нами был проведен эксперимент по нейросетевому моделированию средне месячной глобальной температуры с начала 20 века с использованием широкого набора пре дикторов (табл. 1.5.1).

Таблица 1.5.1. Предикторы, использованные для моделирования глобальной температуры.

Входные параметры из GISS GCM (среднегодовые) data.giss.nasa.gov/modelforce Хорошо смешиваемые парниковые газы W-M_GHGs Озон O H2O в стратосфере StratH2O Вариации солнечного излучения Solar Землепользования LandUse Альбедо снежного покрова SnowAlb Аэрозоли в стратосфере StratAer «Черный углерод» (black carbon) BC Аэрозоли в тропосфере ReflAer Непрямой эффект аэрозолей AIE Естественные циклы (ежемесячные значения) http://climexp.knmi.nl Атлантическая мультидекадная осцилляция AMO Арктическая осцилляция AO Характеристика Эль-Ниньо Nino Характеристика Эль-Ниньо Nino Северо-Атлантическая осциляция NAO Характеристика Эль-Ниньо Nino Характеристика Эль-Ниньо Nino Тихоокеанская декадная осцилляция NP Индекс южной осцилляции SOI Рис. 1.5.4. Динамика глобальной температуры в 20 веке по наблюдениям HadCRU (TempGl), по глобальной модели (ECHAM5), по ансамблю моделей IPCC (Model mean) и нейросети.

Рис. 1.5.5. Динамика глобальной температуры с 1980 г. по наблюдениям HadCRU (TempGl), по глобальной модели (ECHAM5), по ансамблю моделей IPCC (Model mean) и нейросети.

Эксперимент заключался в обучении нейросети по данным 20 века, после чего нейро сеть должна была восстановить изменения температуры по значениям предикторов в 20 веке и построить прогноз на начало 21 века. Результаты и сравнение с моделями общей циркуля ции атмосферы и океана представлены на рис. 1.5.4. Видно, что нейросеть лучше чем модели воспроизводит динамику 20 века и дает адекватный (в отличие от моделей) прогноз на нача ло 21 века. Более подробно последние 30 лет представлены на рис. 1.5.5. Затем мы провели эксперимент, в котором исключили из списка предикторов естественные циклы (рис. 1.5.6).

Получилось, что в этом случае нейросеть неплохо улавливает тренды изменений, но не вос производит краткосрочные изменения и не описывает динамику последних лет. Были сдела ны выводы, что с помощью нейросети можно попытаться выявить причины краткосрочных изменений климата и причину расхождений фактических температур и расчетов по моделям в начале 21 века. Вопрос о возможности экстраполяции найденных закономерностей и по строении прогноза на будущее требует дополнительной проработки.

Рис. 1.5.6. Динамика глобальной температуры в 20 веке по наблюдениям HadCRU (TempGl), по глобальной модели (ECHAM5), по ансамблю моделей IPCC (Model mean) и нейросети без использования естественных циклов в качестве предикторов.

В итоге можно отметить, что был проведен анализ широкого набора подходов к иссле дованию динамики климата. На данный момент имеется большая неопределенность в оценке чувствительности климата как с помощью моделей, так и наблюдений. К пятому отчету IPCC будут проведены новые расчеты по глобальным моделям, в которых ставится целью привести фазы климатических колебаний в моделях в соответствии с естественными колеба ниями (проект CMIP5). Возможно, в этом случае модели будут лучше отражать динамику реального климата и будут получены новые результаты относительно чувствительности климата. Интересная дискуссия разгорается вокруг возможности оценки чувствительности климата с помощью наблюдений [4,6,7]. Возможно, будут продвижения в этом направлении.

По-прежнему актуальной остается задача оценки вклада естественных и антропогенных фак торов в изменение климата. Особенно в связи с тем, что последние десять лет не наблюда лось потепления, предсказанного моделями. Одним из способов исследования этого вопроса является нейросетевое моделирование. Институт биофизики имеет опыт разработки и при менения нейросетей, а проведенные расчеты по климату дали обнадеживающие результаты.

Используемые источники 1. Мохов И.И., Смирнов Д.А. Эмпирические оценки воздействия естественных и антропогенных факторов на глобальную приповерхностную температуру // ДАН. 2009. Т. 426. № 5. С. 679-684.

2. Bates R. Climate stability and Sensitivity in some simple conceptual models // Climate Dyn. 2011. Online First, DOI:10.1007/s00382-010-0966-0.

3. Chung E.-S., Soden B. J. and Sohn B.J. Revisiting the determination of climate sensitivity from relationships be tween surface temperature and radiative fluxes // Geophys. Res. Lett. 2010. 37, L10703.

4. Dessler A. E. A determination of the cloud feedback from climate variations over the past decade // Science. 2010.

V. 330, p. 1523-1527.

5. IPCC Report 2007. Climatic Change 2007: The Physical Basis (S. Solomon, D Qin, M. Manning, Z. Chen, M. Mar quis, M., K.B. Averyt, M. Tignor and H.L. Miller, eds.) Cambridge University Press, Cambridge, UK and New York, NY, USA.

6. Lindzen R.S., Choi Y.S. On the determination of climate feedbacks from ERBE data // Geophys. Res. Lett. 2009. V.

36, L16705.

7. Lindzen R.S., Choi Y.S. On the observational determination of climate sensitivity and its implications // Asia Pacific J. Atmos. Sci. 2011. V. 47. I. 4. P. 377- 8. Murphy D. M. et al. Constraining climate sensitivity with linear fits to outgoing radiation // Geophys. Res. Lett.

2011. V. 37, L09704.

9. Pasini A. Neural network modeling in climate change studies. In Artificial Intelligence Methods in the Environmen tal Sciences;

Haupt, S.E., Pasini, A., Marzban, C., Eds. Springer: New York, NY, USA, 2009. P. 235-254.

10. Roe G.H., Baker M.B. Why is climate sensitivity so unpredictable? // Science. 2007. V. 318. P. 629-632.

11. Schwartz S.E. Heat capacity, time constant, and sensitivity of Earth’s climate system // J. Geophys. Res. 2007. V.

112, D24S05, doi:10.1029/2007JD 12. Trenberth K.E., Fasullo J.T., O’Dell C., Wong T. Relationships between tropical sea surface temperature and top-of atmosphere radiation // Geophys. Res. Lett. 2010. V. 37, L03702.

13. Verdes P. F. Global Warming Is Driven by Anthropogenic Emissions: A Time Series Analysis Approach // Phys.

Rev. Lett. 2007. V. 99, 1.6. Оценка потока углерода между атмосферой и экосистемами по измерениям на вы соких вышках профилей концентрации СО2 в атмосфере Ряд независимых исследований говорят о том, что наблюдается большой сток атмо сферного СО2 в континентальные экосистемы умеренных широт северного полушария. Вы вод базируется на анализе пространственного распределения концентрации СО 2, интерпре тации глобальной базы данных o изотопах в атмосферном углекислом газе, измерениях от ношения O2/N2 в атмосфере, прямых наблюдениях поглощения CO2 многими лесными эко системами в Европе и Северной Америке, и измерениях накопления углерода в наземных экосистемах. Тем не менее, до сих пор непонятно какие именно континентальные экосисте мы поглощают углерод и какие процессы дают существенный вклад в поглощение углерода.

Обратные модели, которые разделяют континентальный сток между частями северного по лушария, дают большой разброс оценок: очень большой разброс по Европе (от –0.9 до +0. ГтС год–1) и Северной Азии (от –1.2 до +0.3 ГтС год–1) и большой разброс по Северной Аме рике (от –0.6 до –1.1 ГтС год–1) [4].

Прямые измерения потоков CO2 между атмосферой и биосферой с помощью метода микровихревых пульсаций (eddy covariance) проводились на множестве пунктов по всему миру. Эти исследования оценивают потоки на достаточно малых пространственных масшта бах (обычно несколько гектаров). И трудной задачей является экстраполяция результатов на большие регионы. Концентрации CO2, измеряемые на высокой вышке (более 200 м), являют ся результатом перемешивания на области порядка 104 км2 [2,5,3]. Эти концентрации дают потенциальную возможность оценки потоков углерода над большим регионом, где локаль ные неоднородности потоков сглаживаются.

Рассматриваются процессы, которые влияют на баланс CO2 в атмосфере на месячном и сезонном временных масштабах. Горизонтальные градиенты концентрации CO2 (в 1-5 ppm) формируются на масштабах в сотни километров. А различие концентраций (в 5-10 ppm ) ме жду атмосферным пограничным слоем (АПС) высотой 1-2 км и смешанным слоем тропосфе ры (СТ) (до 10 км) составляет 5-10 ppm. Смешанный слой тропосферы является большим ре зервуаром СО2, концентрация в котором меняется медленно (в сравнении с АПС). Поэтому среднемесячные концентрации определяются в основном вертикальным обменом. Предла гаемый метод основывается на том, что концентрации CO2 в пограничном слое являются ре зультатом обмена с поверхностью и со смешанным слоем тропосферы. Причем среднемесяч ный обмен с тропосферой пропорционален разности между концентрациями CO2 в погра ничном слое (до 2 км) и в смешанном слое тропосферы (2-10 км). Средняя концентрация CO в пограничном слое определяется на основе измерений вышки. Концентрация CO2 в свобод ной тропосфере не сильно отличается для одного периода года и одной широты при разных местах измерения (полеты на самолете, измерения на высокой скале). Для определения вер тикального обмена используются вертикальные скорости из данных реанализа, например NCEP Reanalysis model.

На рис.

1.6.1 представлены измеренные вертикальные профили для типичных летних суток. Ночью (3:00) наблюдается поток CO2 с поверхности вследствие дыхания. Выделяемый углекислый газ сконцентрирован около поверхности из-за слабого вертикального перемеши вания. До восхода (9:00) концентрация растет в приповерхностных слоях. Днем воздух около поверхности становится теплее, чем в верхнем слое, формируется неустойчивая стратифика ция и воздух начинает перемешиваться за счет конвекции. В течение дня высота конвектив ного слоя растет (12:00). Затем (15:00 и 21:00) высота смешанного конвекцией слоя стано вится выше высоты вышки. В течение этого периода вертикальные градиенты весьма малы и наблюдается уменьшение концентрации CO2 на всех высотах из-за фотосинтеза. Но умень шение концентрации происходит не во все дни, это объясняется обменом со смешанным сло ем тропосферы на верху конвективного слоя. Следует отметить, что в перемешанном кон вективном слое концентрации на всех высотах практически равны (в среднем различие 1 ppm на км). Значительные градиенты формируются только ночью, когда в приземном слое накап ливается углекислый газ. Причем это накопление не затрагивает концентрации на высоте от 200 метров, а в течении дня газ из этой «копилки» размешивается по всему конвективному слою. Поэтому, можно считать, что в конвективном слое H z H K средняя концентрация C C (t, H ) CH (t ), где CH (t ) – концентрация на уровне вышки. Тогда, осредняя трехмерное уравнение переноса примесей по объему в приближении горизонтальной однородности и учитывая граничные условия, получаем точечную модель:

d QC QCH, (1) dt HK где – средняя концентрация в рассматриваемом объеме, L LL L x, y,0 z H K, H – высота вышки, HK – высота слоя конвектив 2 22 ного перемешивания, QC – поток у поверхности земли (z=0), QCH – поток на границе z=HK.

d dCH Анализ результатов измерений на вышках показывает, что. Поэтому для оценки dt dt потока QC из (1) получается упрощенная формула:

dCH QC QCH H K. (2) dt Рис. 1.6.1. Вертикальные распределения концентрации СО2 в летний период.

Предполагаем, что обмен между нижним и верхним слоями тропосферы QCH можно оценить по формуле:

QCH (CH Cтр ), (3) где – скорость массообмена на границе атмосферного пограничного слоя и смешанного T слоя тропосферы, H CH dt – средняя концентрация СО2 на интервале [0,T], Стр – кон T центрация СО2 в смешанном слое тропосферы. Коэффициент определяется для рассматри ваемой вышки по данным реанализа.

В качестве исходной информации для апробации метода была использована база дан ных измерений концентраций СО2 на вышке с координатами 450 северной широты и 900 за падной долготы (ftp://ftp.cmdl.noaa.gov/ccg/towers). Показано, что в летнее время осуществ ляется сток СО2 из атмосферы, а переход от стока углерода к эмиссии происходит для этой местности в конце сентября – начале октября. Суммарные сток углерода QC за «летний» пе риод составляет QC летний -185.4 г С 2, объем эмиссии углерода в течение холодного сезо м г С 2, отсюда общий годовой баланс углерода 126. зимний на составляет QC м -58.5 г С 2. Итак, суммарный годовой поток отрицательный, т.е. в данном ре годовой QC м гионе преобладает поглощение углерода наземными экосистемами. Выполнены расчеты для измерений на высоте 396 м и на высоте 244 м. Так как результаты отличаются незначитель но, то можно применять предлагаемый метод и для вышек меньшей высоты.

Таблица 1.6.1. Высота слоя перемешивания.

Высота слоя Погода перемешивания Нк, м Очень солнечная летняя погода Солнечно и тепло Переменная облачность Облачный день или ночь Переменная облачность ночью Ясная ночь Ясная холодная ночь, ветер слабый Разработанный метод также использовался для вычисления потока углерода по измере ниям концентрации CO2 на Зотинской вышке летом 2009 г. Среднесуточные концентрации CO2, измеренные на 300 м, рассматривались как средние концентрации в АПС. Регулярные измерения концентрации CO2 в смешанном слое тропосферы проводились в районе Зотино в 1998-2000 гг. [6]. Разница в концентрациях CO2 между морскими станциями и континен тальной СТ в общем значительно меньше чем между АПС и СТ. Поэтому, из-за отсутствия прямых измерений CFT в районе Зотино в 2009 г., использовались данные измерений на Мау на Лоа в 2009 г., подкорректированные на разницу между измерениями на Мауна Лоа и СТ над Зотино в 1998-2000 гг. W оценивалось как модуль среднесуточной вертикальной скоро сти, полученной из базы NCEP Reanalysis. Значения скорости интерполировались на высоту пограничного слоя (HK) и координаты Зотинской мачты. Высоты пограничного слоя HK в районе Зотино оценивалась с помощью метеоданных и табл. 1.6.1 из работы [1]. Выполнены пробные расчеты, показывающие возможность использования предложенного метода для оценки потоков CO2 между атмосферой и экосистемами региона.

Используемые источники 1. Глаголев М.В., Суворов М.В. Эмиссия метана болотными почвами средней тайги Западной Сибири (на при мере Ханты-Мансийского автономного округа) // Доклады по экологическому почвоведению. 2007. № 2.

Вып. 6. С. 90-162.

2. Bakwin P.S., Davis K.J., Yi C., Wofsy S.C. et al. Regional carbon dioxide fluxes from mixing ratio data // Tellus, Ser. B. 2004. № 56. P. 301– 311.

3. Cleugh H.A., Grimmond C.S.B. Modelling regional scale surface energy exchanges and CBL growth in a heteroge neous, urban-rural landscape // Boundary layer meteorology. 2001. № 98, P. 1-31.

4. Denman K.L., Brasseur G., Chidthaisong A. et al. Couplings Between Changes in the Climate System and Biogeo chemistry. In: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK and NY, USA, 2007.

5. Helliker B., Berry J., Betts A., Davis K., Bakwin P. Estimates of ABL-scale net carbon dioxide flux in Central Wis consin // Transitions of American Geophysical Union. 2004. 84(46).

6. Lloyd J., Langenfelds R.L., Francey R.G. et. al., A trace-gas climatology above Zotino, central Siberia // Tellus, Ser.

B. 2002. V. 54, P. 749-767.

Часть 2. Оценка вклада бореальных лесов в биосферную динамику углеро да 2.1. Кросс-верификация оценок чистой первичной продукции, полученным по космиче ским снимкам, с данными полевых измерений в контексте глобальной динамики СО 2 в атмосфере. Оценка вклада бореальных лесов в биосферную динамику углерода.

На настоящий момент дистанционное зондирование Земли (ДЗЗ), в силу своей приро ды, является единственным способом, который позволяет регулярное получение информа ции о продуктивности растительности как на глобальном, так и региональном уровнях. В ИБФ СО РАН и ИЛ СО РАН проведена кросс-верификация оценок чистой первичной про дукции, полученным по космическим снимкам, с данными полевых измерений в контексте глобальной динамики СО2 в атмосфере. Большинство моделей ДЗЗ для оценки чистой пер вичной продукции (ЧПП) используют зависимость эффективности усвоения фотосинтетиче ски активной радиации (ФАР) от уровня первичной продуктивности. В работах [1, 2] было показано, что при идеальных условиях уровень ЧПП линейно зависит от уровня ФАР. С тех пор разработано ряд моделей использующих эту зависимость, таких как CASA, GLO-PEM, SDBM, TURC, SIB2, MODIS-NPP [3-5].

Из перечисленных выше моделей следует выделить MODIS-NPP, т.к. эта модель осно вана данных самого эффективного, на настоящий момент, спектрорадиометра для глобаль ного мониторинга. Кроме того, архив данных MODIS насчитывает уже более 10 лет. Данные MODIS-NPP 2000-2009 находятся в свободном доступе, однако для продления этого ряда по требовалась программная реализация и коррекция этой модели.

В целом модель MODIS-NPP имеет следующий вид NPP 0.45 SWRad max f (Tmin ) f (WPD) FPAR Rm, где SWRad – Коротковолновое солнечное излучение (база климатических данных NCEP/DOE Reanalysis II);

max – Эффективность использования солнечного излучения (таблица BPLUT);

f(Tmin) – уменьшение max за счет температуры (функция, которая описывает воздействие низ кой температуры);

F(VPD) – уменьшение max за счет дефицита водяного пара;

FPAR – про цент (доля) фотосинтетически активного излучения поглощенного растительностью. Досту пен через продукт MODIS MOD15, который имеется только на региональном уровне с раз решением 1 км.

Таким образом, для реализации модели MODIS-NPP на 2010 г. было выполнено сле дующее:

Реализован алгоритм восстановления пропущенных данных во временных рядах спутни ковых изображений MCD43C4.

Реализована коррекция базового алгоритма MODIS-NPP, основанная на использовании последних литературных данных [5]. Коррекция основана на более точном расчете ды хания с использованием теории Q10 [6].

Для проведения пробного осреднения параметров биосферной модели по широтным поясам и по типам природных зон было:

Реализовано выделение бореальных лесов северного полушария на основе глобальной классификации типов биомов MODIS MCD12C1 и карты Северной Евразии TerraNorte [7].

Рассчитаны временные ряды ЧПП для бореальных лесов северного полушария, зоны выше 30° с.ш. и глобальные (рис. 2.1.1 и 2.1.2).

Полученные данные о сезонной динамике ЧПП для степей и бореальных лесов выше 30° с.ш. позволили определить параметры минимальной модели, предназначенной для опи сания глобальной динамики СО2 в атмосфере. Оценки количеств биомассы в бореальных ле сах и степях взяты из литературы. Варьируя параметры минимальной модели удалось подоб рать параметры почвенного дыхания таким образом, чтобы они максимально соответствова ли прямым измерениям глобальной динамики углекислого газа в атмосфере. Это позволило оценить сезонные изменения суммарных потоков углерода от бореальных лесов и степей (рис. 2.1.3).

Рис. 2.1.1. Временные ряды NPP 2000-2010 гг. (Гт С/16 дней). Временной интервал – 16 дней.

Синяя кривая – Глобальная суммарная динамика NPP;



Pages:   || 2 | 3 | 4 | 5 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.