ОГЛАВЛЕНИЕ

Предисловие 5

Список сокращений 7

Глава 1. Глобальный климати круговорот углерода 9

Состояние и перспективы изучения глобального круговорота углерода 9

Изменения глобальногоклимата:концептуальные аспекты20

Моделированиеантропогенных процессов 50

Сценарии 70

Глава 2. Биогеохимический круговорот углерода в природе77

Источники и стоки двуокиси углерода в биосфере 77

Антропогенные источники углерода 78

Концептуальные диаграммы глобального круговорота углекислого газа 83

Ресурсы биосферы и круговорот углерода 87

Глава 3. Наземные экосистемы и круговорот углерода 90

Экосистемы суши и их глобальная динамика 90

Роль лесных экосистем 102

Влияние углекислого газа на первичную продукцию 111

Обменные процессы углеродом на границе «суша-атмосфера». . . . 113

Некоторые аспекты биоценологии в связи с парниковым эффектом 119

Системный подход в биоценологии 122

Модели в биоценологии 125

Моделирование лесных экосистем 128

Моделирование энергетических потоков в системе «атмосфера-рас- тение-почва» 132

Моделирование продукционного процесса в хвойном лесу 140

Моделирование переходных процессов в системе «тундра-тайга». . 144

Глобальная модель круговорота углерода с учётом пространственного распределения биоценозов суши 148

Адаптивная информационная технология в задачах микроволновой радиометрии земных покровов 149

44Оглавление

4

4

Глава 4. Круговорот углерода в океанах 160

Мировой океан как сложная иерархическая аквагеосистема 160

Обменные процессы на границе «атмосфера-океан» 163

Зональная модель глобального круговорота углерода в системе «атмосфера-океан» 172

Пространственная модель круговорота углерода в мировом океане 175

Моделирование круговорота органического углерода в океане . . . . 178

Глава 5. Моделирование совместного глобального круговорота углерода и других химических элементов 208

Введение 208

Общая характеристика глобальных биогеохимических круговоротов 209

Модель глобального круговорота серы 213

Модель глобального круговорота фосфора 220

Модель глобального круговорота азота 223

Биосферный баланс кислорода и озона 235

Оценка роли авиации в изменениях озоносферы 244

Роль осадков в глобальном круговороте углекислого газа 251

Метан и круговорот углерода 273

Глава 6. Имитационные эксперименты 281

Введение 281

Глобальная модель системы природа-общество 283

Роль наземной биоты в поглощении углекислого газа из атмосферы 291

Роль мирового океана в поглощении углекислого газа из атмосферы 296

Развитие глобальной модели круговорота углекислого газа 297

Список литературы 319

Предисловие

Неослабевающий интерес к проблеме изменений глобального климата, определяемый большим практическим значением этой проблемы и противоречивостью имеющихся оценок антропогенного вклада в изменения климата, диктует необходимость систематизации знаний и данных о происходящих изменениях климата и причинах этих изменений. Несмотря на огромное количество различного масштаба проектов и программ изучения климатических трендов в прошлом и настоящем, проблема достоверного прогноза будущих изменений климата остаётся далёкой от своего решения. В качестве одной из главных причин ожидаемого потепления климата с достаточно негативными последствиями для человечества называется выброс в атмосферу парниковых газов и в первую очередь углекислого газа. Поэтому в данной работе сделана попытка построить формализованную технологию оценки уровня парникового эффекта от антропогенных источников углекислого газа и оценить влияние других газовых компонентов на формирование пространственного распределения биосферных стоков углерода.

Для понимания факторов, определяющих обратные связи в глобальной природно-техногенной системе круговорота углерода и других химических элементов, строится иерархия модельных блоков, параметризующих совокупность физических и биогеохимических процессов пространственного переноса вещества. Элементы этих блоков создаются на основе синтеза частных моделей балансовых соотношений на границах различных сред.

Книга содержит шесть глав. В первой главе изучается современная глобальная экодинамика, подвергается критике концепция парникового эффекта и обсуждается проблема параметризации антропогенных процессов. Вторая глава излагает данные об источниках и стоках углерода, рассматривает концептуальные диаграммы глобального круговорота углекислого газа и предлагает новый подход к изучению проблемы парникового эффекта. В третьей главе оценивается роль тридцати типов почвенно-растительных формаций в поглощении углекислого газа из атмосферы, описываются модели продукционных процессов в наземных биоценозах и анализируются характеристики лесных экосистем. Предметом четвёртой главы является обобщение ранее созданных моделей газового обмена между атмосферой и океаном с целью синтеза эффективной пространственной модели круговорота углекислого газа в системе атмосфера-океан. Особое внимание уделено роли арктического бассейна в поглощении углекислого газа из атмосферы. Пятая глава из-

Предисловие

лагает методику параметризации биосферного баланса углерода, азота, серы, фосфора, кислорода, озона и воды как единой биогеохимической системы. Наконец, шестая глава описывает глобальную модель функционирования системы Природа-Общество и с помощью этой модели даются оценки различных сценариев антропогенного воздействия на окружающую среду.

Список сокращений

АРП — атмосфера-растение-почва;

ВВП — валовый внутренний продукт;

ВКС — верхний квазиоднородный слой;

РИМ — глобальная имитационная модель;

ГИМС — геоинформационная мониторинговая система;

ГКУ — глобальный круговорот углерода;

ЕЭС — Европейское Экономическое Сообщество;

ИСКРО — имитационная система контроля региональной озоносферы;

МГК — малые газовые компоненты;

МГЭИК — межправительственная группа экспертов по проблеме изменения климата;

МЭА — модель экосистемы апвелинга;

МЭОМ — модель экосистемы Охотского моря;

МЭПТ — модель экосистемы Перуанского течения;

ПАВ — поверхностные активные вещества;

ПГ — парниковые газы;

ПО — Природа-Общество;

ППП — полная первичная продукция;

ПТВ — приземная температура воздуха;

РВВ — радиационное возмущающее воздействие;

РКИК — рамочная конвенция ООН по проблеме изменений климата;

РОВ — растворённое органическое вещество;

СПО — система «природа-общество»;

СУКО — система «углерод-климат-общество»;

ТИС — термохалинная циркуляция;

ФАР (PAR) — фотосинтетически активная радиация;

ЧПБ — чистая продуктивность биома;

ЧПП — чистая первичная продукция;

ЧПЭ — чистая продуктивность экосистемы;

ЭНЮК — Эль-Ниньо/Южное колебание;

AIRS — Atmospheric Infrared Sounder (Атмосферный инфракрасный измеритель);

EOS — Earth Observing System (Система наблюдения Земли);

FASIR — Fourier-adjusted, solar zenith angle-corrected, interpolated and reconstructed data (Фурье-отрегулированная, солнечный зенитный угол корректирующая, данные интерполирующая и восстанавливающая система);

FPAR — Fraction of PAR absorbed by the green portion of the vegetation canopy (Доля ФАР, поглощённая зеленой частью растительного полога);

GCP — Global Carbon Project (Проект глобального круговорота углерода);

GWP — Global Warming Potential (Глобальтый потенциал потепления);

IASI — Infrared Atmospheric Sounder (Инфракрасный атмосферный измеритель);

88Список сокращений

8

8

IGBP — International Geosphere-Biosphere Programme (Международная Геосферно-Биосферная Программа);

IHDP — International Human Dimensions Programme (Международная программа глобальных изменений с учётом человеческого фактора);

JGOFS — U.S. Joint Global Ocean Flux Study (Общее изучение глобального океанского потока, США);

LAI — Leaf area index (индекс площади листа);

MBWB — Model of the Biosphere Water Balance (Модель водного баланса биосферы);

МЕА — Millenium Ecosystems Assessment (Оценка экосистем столетия);

МЕТОР — Meteorological Operational Polar (Метеорологический действующий полярный спутник);

MGNC — Modelling the Global Nitrogen Cycle (Моделирование глобального круговорота азота);

MGOC — Modelling the Global Oxygen Cycle (Моделирование глобального круговорота кислорода);

MGPC — Modelling the Global Phosphorus cycle (Моделирование глобального круговорота фосфора);

MGSC — Modelling the Global Sulphur Cycle (Моделирование глобального круговорота серы);

NDVI — Normalized Difference Vegetation Index (Нормированный разностный вегетационный индекс);

NIR — Near Infrared Range (Ближний инфракрасный диапазон);

PAGES — Pilot Analysis Global Ecosystems (Пилотный анализ глобальных экосистем);

SCIMASACHY — Scanning Imaging Absorption Spectrometer for Atmospheric Cartography (Сканирующий спектрометр для атмосферной картографии изображений поглощения);

SIB2 — Simple Biosphere Model - 2 (Простая модель биосферы — версия 2);

SR — Simple Ratio Vegetation Index (Простое отношение вегетационного индекса);

SVI — Spectral Vegetation Index (Спектральный вегетационный индекс);

TIROS-N — Television Infrared Observational Satellite-Next (Телевизионный инфракрасный наблюдающий спутник следующего поколения);

WCRP — World Climate Research Programme (Всемирная программа изучения климата).

Глава 1

ГЛОБАЛЬНЫЙ КЛИМАТИ КРУГОВОРОТ УГЛЕРОДА

Состояние и перспективы изученияглобального круговорота углерода

Проблема глобального круговорота углерода (ГКУ) привлекла за последние десятилетия особое внимание в связи с многочисленными, часто спекулятивными, объяснениями роли СО2 в изменениях климата в будущем (Кондратьев, 2000 а, 2004 а). К сожалению, до настоящего времени отсутствует достаточно объективная оценка этой роли. Опубликованные недавно работы (Кондратьев, 2004 6; Кондратьев, Крапивин, 2003; Кондратьев и др., 2003 a-в; Kondratyev et al., 2002, 2003, 2004) подвели первые итоги создания формализованной технологии оценки парникового эффекта за счёт СО2 с учётом роли наземных и океанских экосистем. Была показана интерактивная связь между глобальным круговоротом углерода в форме СО2 и изменениями климата. Формализация этой связи основана на синтезе глобальной модели функционирования системы «природа-общество» (СПО) при учёте пространственного распределения элементов этой системы, что позволяет свести в единую взаимно связанную схему причинно-следственные соотношения потоков углерода между различными его биосферными и геосферными резервуарами.

Объективная формализация биосферных источников и стоков СО2 как функций параметров окружающей среды и учёт реальной роли антропогенных процессов становятся возможными благодаря последним разработкам многих авторов, развивающих модели различной степени детальности описания распределённых в пространстве потоков углерода и их взаимодействия с комнонентами СПО (Kondratyev et al., 2004).

Нашей целью является анализ некоторых перспективных достижений в области изучения глобального круговорота углерода и обсуждение задач повышения точности оценок парникового эффекта за счёт антропогенных выбросов СО2. Мы не касаемся, однако, такой проблемы как биотическая регуляция окружающей среды, тесно связанной с задачей о глобальном круговороте углерода (Кондратьев и др., 2003 с).

Международный проект по изучению глобального круговорота углерода. В недавно опубликованном первом докладе о международном проекте по изучению глобального круговорота углерода GCP (Global Carbon Project) (Canadel et al., 2003) впервые сформулирована стратегия междисциплинарного сотрудничества в рамках широкого спектра проблем окружающей среды, рассматриваемых в контексте глобальной системы взаимодействий природы и человеческого общества при особом внимании к необходимости развития методик и информационных технологий для анализа системы «углерод- климат-общество» (СУКО). В качестве центральной цели отмечена необходимость рассмотрения следующих пяти аспектов общей проблемы глобального круговорота углерода, включающих:

Изучение глобального круговорота углерода, которое должно основываться на интеграции природных и антропогенных компонентов путём интерактивного анализа взаимосвязей между энергетическими системами, базирующимися на ископаемом топливе, биогеохимическим круговоротом углерода и физической системой климата.

Развитие новых методик анализа и численного моделирования интегрированного круговорота углерода.

Глобальные исследования круговорота углерода, осуществляемые с учётом результатов национальных и региональных исследовательских программ по изучению потоков углерода между его резервуарами.

Поиск путей устойчивого регионального развития с целью достижения стабилизации концентрации СО2 в атмосфере как одна из стратегических задач международного проекта .

Разделение всех стран на развитые и развивающиеся, чтобы в создаваемых технологиях имело место соответствующее расчленение промышленных, экономических и энергетических секторов СПО по их мощности как источников антропогенных выбросов СО2, что должно быть отдельным аспектом GCP.

Круговорот углерода тесно связан с климатом, круговоротом воды и биогенных веществ, продукцией фотосинтеза на суше и в океанах. Поэтому все исследования ГКУ, не учитывающие совокупности подобных связей, неизбежно обречены на неудачу и, естественно, не могут дать даже приближённо достоверных оценок последствий антропогенных выбросов углерода в окружающую среду. Именно по этой причине потерпели провал многие международные проекты по изучению парникового эффекта и его воздействия на климат, а также Киотский Протокол, регламентирующий выбросы СО2. Поэтому GCP вселяет надежду на достижение определённого успеха, благодаря планированию междисциплинарных исследований ГКУ. Тематику этих исследований можно разделить на три направления:

Формирование стратегии исследований ГКУ и оценка его изменчивости.

Анализ связей между причинами и их последствиями при изучении механизмов взаимодействия природных и антропогенных источников и стоков СО2 с окружающей средой.

Идентификация и количественная оценка эволюционных процессов в СУКО.

Первый доклад GCP формулирует цель предстоящего десятилетнего периода исследования ГКУ, которая идейно объединяет ранее разрозненные программы IGBP (the International Geosphere-Biosphere Programme), IHDP (the International Human Dimensions Programme) и WCRP (the World Climate Research Programme). Пожалуй, впервые в международной практике авторы этого доклада обосновали развёрнутую схему причинно-следственных связей между компонентами системы «климат-биосфера» и указали на необходимость их совместного рассмотрения для того, чтобы повысить уровень достоверности оценок и прогнозов воздействия СО2 на климат. Вся эта проблематика широко обсуждалась ранее в отечественных публикациях (Кондратьев, 2004 а, б; Кондратьев и др., 2003 a-в). К сожалению, в первом докладе GCP по-прежнему недооценивается роль других парниковых газов, вклад которых в обозримом будущем может превысить роль СО2. Перечень подобных парниковых газов, таких как метан, окись азота, гидрофторуглероды, перфторуглероды и гидрофторэфиры, со временем увеличивается. Более того, эти газы более эффективны в формировании парникового эффекта. Их суммарные выбросы в пересчёте на СО2 в 1990 г. составили 3,6 ГтСО2, а к 2010 г. ожидается превышение уровня 4,0 ГтСО2. В то же время антропогенные выбросы СО2 оцениваются величиной 6.0-6.7 ГтС/год. Согласно ЕРА (2001), уровень вкладов антропогенных выбросов некоторых парниковых газов в усиление парникового эффекта с начала промышленной революции составил: СО2 - 55%, СН4 - 17%, О3 - 14%, N2O - 5%, другие - 9%.

Всё это говорит о том, что продолжающиеся достаточно примитивные (в большинстве случаев) описания ГКУ и практическое отсутствие даже такой параметризации для других парниковых газов не может привести к надёжным оценкам возможных изменений климата в будущем по причине антропогенной активности СПО. Декларируемая первым докладом GCP идея идентификации положений и мощностей источников и стоков СО2 на суше и в Мировом океане не подкреплена серьёзной и обоснованной мотивацией развития новых информационных технологий для комплексного анализа радиационного баланса Земли.

Тем не менее, следует отметить, что основной постулат GCP существенно продвигает понимание ГКУ, ориентируя базовую концепцию его исследований на сочетание природных и антропогенных компонентов с использованием уже развитых методик, алгоритмов и моделей. Основная структура круговорота углерода определяется его потоками между основными резервуарами, включая углерод атмосферы (главным образом в форме СО2), в океанах (с делением на поверхностные,

промежуточные и глубокие слои и донные отложения), в наземных экосистемах (растительность, подстилка и почва), в реках и эстуариях, в ископаемых топливах. Все эти резервуары должны изучаться с учётом их пространственной неоднородности и динамики под воздействием природных и антропогенных факторов, основываясь на накопленых знаниях, согласно которым (Canadel et al., 2003):

Выбросы углерода антропогенного происхождения постоянно возрастают с момента начала промышленного развития, достигнув 5,2 ГтС в 1980 г. и 6,3 ГтС в 2002 г.

Содержание в атмосфере основных парниковых газов СО2, СН4 и N2O с 1750 г. возросло на 31 %, 150% и 16% соответственно. Примерно 50% выброшенного в атмосферу СО2 за счёт сжигания топлив было поглощено растительностью и океанами.

Наблюдаемое распределение атмосферного СО2 и соотношения кислород/азот показывают, что наземный сток углерода преобладает в северных и средних широтах над океанским стоком. В тропических широтах отмечаются значительные выбросы СО2 в атмосферу за счёт использования земельных ресурсов.

Межгодовые колебания концентрации СО2 в атмосфере соответствуют изменениям в использовании ископаемых топлив. Внутригодовая изменчивость концентрации атмосферного СО2 в большей мере коррелирует с динамикой наземных экосистем и в меньшей степени с динамикой океанских экосистем.

Региональное перемещение углерода за счёт производства и торговли зерном, древесиной и бумагой в 2000 г. составило 0,72 ГтС/год. Чистый глобальный поток углерода на границе «атмосфера-океан» в 1995 г. оценивался величиной 2,2 ГтС (-19% 4-+22%) с внутригодовой вариацией около 0,5 ГтС. Наибольшие амплитуды колебаний потока СО2 в системе «атмосфера-океан» наблюдаются в экваториальной зоне Тихого океана.

Приблизительная картина распределения океанских источников и стоков атмосферного СО2 известна: тропические акватории океанов в большей мере являются источниками СО2, а акватории высоких широт — стоком СО2. Роль рек сводится главным образом к переносу углерода в прибрежные зоны Мирового океана (~1 ГтС/год).

Важнейшим звеном ССР является глобальный мониторинг окружающей среды с накоплением детальной информации о продукции наземных биомов, потоках СО2 на границе «атмосфера-океан» и объёмах антропогенных выбросов углерода. Особая роль отводится дистанционным спутниковым измерениям СО2 с применением AIRS (Atmospheric Infrared Sounder) на спутниковой обсерватории EOS-Aqua (запущена НАСА 4 марта 2002 г. на высоту 705 км), IASI (Infrared Atmospheric Sounder Interferometer) на спутнике МЕТОР (METeorological Operational Polar) (Nishida et al., 2003). Другие уже действующие или планируемые к запуску космические аппараты будут использованы для оценок потоков СО2 по данным косвенных измерений характе-

ристик окружающей среды. В частности, имеются в виду спутник TIROS-N (Television Infrared Observational Satelline — Next) и аппаратура SCIMASACHY (SCanning IMaging Absorption Spectrometer for Atmospheric CartograpHY). Последний спектрометр, запущенный в 2002 г., обеспечивает высокое спектральное разрешение полос поглощения таких парниковых газов, как СО2, СН4, ЩО (точность 1 %) и N2O, СО (точность 10%) с поверхностным разрешением от 30 до 240 км в зависимости от широты.

Традиционно будут продолжены наземные наблюдения, основная цель которых по-прежнему состоит в обосновании национальных стратегий использования земных ресурсов, включая развитие лесного и сельского хозяйств, включая животноводство и полеводство.

Программа ССР предусматривает расширенное изучение физических, биологических, биогеохимических и экофизиологических механизмов формирования потоков углерода в окружающей среде. Более глубокое понимание этих механизмов и их параметризация позволят уточнить модели ГКУ и связанных с ним изменений климата. Расширение соответствующей базы знаний позволит уточнить накопленные к настоящему времени следующие сведения об этих механизмах (Canadel et al., 2003):

Обмен углеродом между атмосферой и океанами в значительной степени контролируется физическими процессами, включая перемешивание поверхностного и глубоких слоёв океана через термоклин. Биологические процессы способствуют перемещению углерода из поверхностного слоя в глубокий океан и далее в донные отложения. Биологический «насос» работает благодаря фотосинтезу фитопланктона.

Комплекс обратных связей контролирует интерактивный обмен энергией, водой и углеродом между атмосферой и земной поверхностью, порождая отклик этих потоков на такие возмущения, как преобразование земных покровов или загрязнение Мирового океана нефтью. Существенными обратными связями являются физиологические отклики растительных сообществ на изменения температуры и влажности атмосферы и почвы.

Сток углерода в северном полушарии зависит от роста леса, изменения климата, эрозии почв, внесения удобрений и накопления углерода в пресноводных системах. К сожалению, происходящие при этом процессы изучены слабо, а экспериментальная информация практически отсутствует. Мощность наземного стока углерода может возрасти при определённом направлении изменения климата. При превышении атмосферной концентрацией СО2 уровня 550 млн-1 многие процессы в наземных экосистемах начинают испытывать дефицит биогенов и воды, а поэтому фотосинтетическая аккумуляция углерода наземными растениями становится физиологически насыщенной.

Количество ключевых факторов, определяющих направления и амплитуды потоков СО2 между атмосферой и наземными экосистемами, ограничено несколькими факторами:

экстремальными климатическими явлениями, такими как засухи, большие сдвиги сезонных температур, изменение солнечной радиации за счёт крупномасштабного поступления аэрозоля в атмосферу (например, при извержении вулканов или при больших пожарах, которые имели место в Ираке в связи с недавними военными действиями);

лесными и другими пожарами, которые вносят крупномасштабные и долговременные изменения в характеристики круговорота углерода (из глобальной чистой первичной продукции, равной около 57 ГтС/год, примерно 5-10% выбрасывается в атмосферу за счёт сжигания древесины);

использованием земель, приводящем к изменению границ биомов и смене их типов (замена вечнозелёных лесов на хвойные, лесов на пастбища, лугов на залесенные территории и т.п.);

снижением биоразнообразия и изменением структур сообществ, что изменяет характер их влияния на биогенные круговороты, потоки углерода и воды.

• Явления типа Эль-Ниньо или термохалинной циркуляции в Северной Атлантике приводят к глобальной нестабильности в процессах обмена энергией и веществом, что необходимо отражать при параметризации нелинейных обратных связей.

Будущая динамика углеродного обмена в СПО определится стратегией взаимодействия природных и порождённых человеком факторов, что, с одной стороны, очевидно, но, с другой, является дискуссионной темой, так как проблему парникового эффекта решить в рамках ССР невозможно по причине оторванности этой программы от других тематических разделов глобальной экодинамики. Впервые более широкий подход к этой проблеме был развит в работах Kondratyev et al. (2002, 2003, 2004), которые, к сожалению, не были приняты во внимание разработчиками GCP.

Новый подход к изучению глобального круговорота углерода. В ряде недавних работ (Барцев и др., 2003; Вилкова, 2003; Вилкова и др., 1998; Дегерменджи, Барцев, 2003; Крапивин, Кондратьев, 2002; Kondratyev et al., 2002, 2003, 2004) предложено рассматривать ГКУ в контексте его взаимосвязей с другими процессами в СПО. Как отмечается в этих работах, круговорот углерода коррелирует с множеством факторов природного и антропогенного происхождения, взаимодействие между которыми формирует динамику ключевых процессов в СПО. Для СО2 такими процессами являются обмены на границах атмосферы с земными покровами и акваториями морей и океанов. Ясно, что анализ динамики СО2 в биосфере возможен при наличии данных о пространственном распределении его стоков и источников. Современный уровень знаний позволяет поставить и решить задачу уточнения оценок воздействий парникового эффекта на климат и, тем самым, уменьшить интервал неопределённости в оценках

будущего изменения климата. Однако используемая при этом модель ГКУ должна отражать не только пространственную мозаику его резервуаров, стоков и источников, но и обеспечивать динамический расчёт их мощностей. Сделанные до настоящего времени расчёты с помощью моделей ГКУ не в полной мере учитывали сведения о состоянии и классификации земных покровов, а тем более об изменчивости акваторий Мирового океана. Поэтому формирование схемы пространственного распределения почвенно-растительных формаций и квази-однородных акваторий Мирового океана позволит преодолеть указанные выше недостатки других моделей. Система балансовых уравнений для такой схемы имеет вид:

Эад^р, А, г, t)9tЭад^р, А, г, t)9t, ТЛ dag^p, X^t)+ Эр, ТЛ dag^p, X^t)+ Эрдад^р, А, г, t)ЭХдад^р, А, г, t)ЭХ+ v%+ v%дад^р, А, г, t)dzдад^р, А, г, t)dz

Эад^р, А, г, t)

9t

Эад^р, А, г, t)

9t

, ТЛ dag^p, X^t)

+ Эр

, ТЛ dag^p, X^t)

+ Эр

дад^р, А, г, t)ЭХ

дад^р, А, г, t)ЭХ

+ v%

+ v%

дад^р, А, г, t)dz

дад^р, А, г, t)dz

= Е Hjs- Е Hsm, c = c...,ny (1.1) jE^smE^s

где S резервуар углерода в г-й ячейке (пикселе) пространственной дискретизации, р — широта, А — долгота, z — глубина, t — время, Hjs — поток углерода из j-ro резервуара в резервуар 8, Ндт ~ сток углерода из резервуара 8 в m-й резервуар, Q^ — множество резервуаров углерода, граничащих с резервуаром S; N — число резервуаров углерода, И(У^, Уд, Уг) — скорость обмена между резервуарами.

В уравнении (1.1) скорость У и потоки Н являются нелинейными функциями характеристик окружающей среды. Вид этих функций подробно описан, например, в работе Крапивина и Кондратьева (2002). Остановимся здесь лишь на их уточнении. В первую очередь такого уточнения требуют элементы биогеоценотического блока глобальной модели. Для этого всю поверхность суши £ покроем однородной сеткой географических пикселей Z^j = {(99, А): р^_\ < р < рр A7~i < А < Aj} с границами по широте (^_i,^) и долготе (Aj_i,Aj) и площадью ст. Количество пикселей определяется доступной базой данных, т. е. выбором размеров сетки (А^, АА): % = 1,..., п; п = [ 180/Ас^]; j = 1,..., к; к = [180/АА]. В каждом таком пикселе возможно размещение N типов поверхностей, включая типы почвенно-растительных формаций, акваторий водных систем и антропогенных объектов. Динамика растительного покрова s-ro типа подчинена закону:

^ = RS-MS-TS, (1.2) где Rs — фотосинтез, Ms и Ts — потери биомассы Bs за счёт её отмирания и эвапотранспирации соответственно.

Компоненты правой части уравнения (1.2) являются функциями характеристик окружающей среды — освещённости, температуры, влажности атмосферы и почвы, концентрации СО2 в воздухе. Существуют различные способы и формы параметризации этих функций. Одной из

них является модель Collatz et al. (1990-1992), послужившая базовой для глобальной биосферной модели SiB2 (Sellers et al., 1996c). Температура, влажность и скорость испарения влаги в слое растительности и почве связаны зависимостями с биометрическими параметрами и энергетическими потоками в системе «атмосфера-растение-почва». При этом по аналогии с электростатикой вводится понятие «сопротивления» и потоки рассчитываются по простой формуле:

поток = разность потенциалов/сопротивление.

Модель SiB2 учитывает потоки собственного и скрытого тепла через испарение водяного пара для растительности и почвы, а потоки СО2 разделяются по классам С3 и С4, что существенно повышает точность параметризации функций правой части уравнения (1.2). Согласно Collatz et al. (1992), три фактора регулируют функцию Rs; эффективность фотосинтетической ферментной системы, количество фотосинтетически активной радиации (ФАР), поглощённое хролофиллом клетчатки, и способность растительного вида к усвоению и экспорту во внешнюю среду продуктов фотосинтеза. Применение принципа Либиха и учёт данных о распределении типов растительных покровов по пикселям {S^}, о парциальных давлениях СО2 и О2, о температуре и плотности атмосферы, об уровне освещённости позволяет рассчитать значения потоков Н в уравнении (1.1) для всех пикселей суши.

Модель круговорота углерода в системе «атмосфера — океан» подробно описана в работе Кондратьева и др. (2003 в). Она базируется на той же сетке географических пикселей, но объединённых по зональному принципу согласно классификации Tarko (2001). Вся толща океанской среды рассматривается как единый биогеоценоз, в котором основным связующим фактором является поток органического вещества, продуцируемого в поверхностных слоях и затем проникающего до максимальных глубин океана. Регулятором потоков углерода в этой среде является карбонатная система, параметрическое описание которой дано в работе Kondratyev et al. (2004).

Многие параметры глобальной модели круговорота углерода могут измеряться в режиме спутникового мониторинга, что даёт возможность применить адаптивную схему расчёта характеристик парникового эффекта (Kondratyev et al., 2004). Эта схема позволяет обучать модель в непрерывном режиме коррекции её структуры и параметров. Действительно, спутниковые измерения в видимом и ближнем инфракрасном диапазонах обеспечивают оперативные оценки ФАР и таких характеристик растительности, как зелёность растительного полога, площадь живых фотосинтетически активных элементов, влажность почвы и содержание воды в элементах растительного покрова, концентрация СО2 на поверхности листьев и др. Режим прогнозирования биомассы растительного покрова в каждом пикселе Z^ и сравнения со спутниковыми измерениями даёт возможность корректировать отдельные фрагменты модели, например, применяя дублирование её блоков

или их параметрическую настройку с целью минимизации невязки между прогнозом и измерениями. В частности, для расчёта первичной продукции имеется ряд полуэмпирических моделей, использование которых возможно по выборочному критерию в различных пикселях. Определённая свобода выбора имеется также при оценке величины испарения с растительного покрова (Wange and Archer, 2003).

Природные катастрофы и парниковый эффект. Вопросы, возникающие в связи с парниковым эффектом, подробно обсуждены во многих публикациях (Бомер-Кристиансен, 2000; Демирчан, Кондратьев, 1999; Кондратьев, 1996; Кондратьев, Демирчан, 2001 а, б; Крапивин, 2000; Сорохтин, 2001; Chen et al., 2000; Kondratyev et al., 2003, 2004; Перванюк, Тарко, 2001; Пархоменко, Тарко, 2002). Однако, за исключением нескольких публикаций, остаётся не изученной взаимосвязь между состоянием глобального круговорота углерода и природными катастрофами. Ведь прогнозируемое потепление климата на 2,5-5,0 °C за счёт возрастания концентрации СО2 в атмосфере может привести к таким катастрофическим явлениям глобального масштаба, как повышение уровня Мирового Океана на 0,6-1,0 м, что создаст серьёзные проблемы для густонаселённых районов континентальных побережий и для газо- и нефтедобывающих производств в низменных зонах большей части побережий севера России. Кроме этого, могут произойти значительные нарушения региональных водных балансов с возможным расширением пустынных территорий и с исчезновением зон вечной мерзлоты. Ясно, что все подобные прогнозы основаны на не очень корректных климатических моделях, но, тем не менее, человечество должно искать решения, способные привести к созданию эффективных информационных технологий для изучения глобальных процессов в системе «природа-общество». В настоящее время такие технологии создаются за счёт различных модификаций климатических моделей, направленных либо на их усложнение путём включения в них дополнительных параметров, что должно повышать их адекватность и делает менее устойчивыми, либо путём синтеза из простых моделей- блоков, параметризующих прямые и обратные связи в климатической системе с использованием небольшого набора хорошо определяемых характеристик (Барцев и др., 2003; Дегерменджи, Барцев, 2003).

Вопрос о возможном глобальном потеплении климата за счёт антропогенных источников парниковых газов важен в первую очередь для понимания реальных тенденций в глобальной экодинамике. Существует ли прямая зависимость между изменением концентрации парниковых газов в атмосфере земли и природными катастрофами — это один из наиболее важных аспектов современной науки об окружающей среде, исследование которого позволит повысить надёжность прогнозов многих разрушительных природных явлений, приводящих к значительным жертвам среди населения и экономическим ущербам. Мировая статистика природных катастроф показывает нарастание крупномас-

штабных катастроф за последние 50 лет более чем в 4 раза с увеличением экономических потерь почти в 9 раз. Эти катастрофы возникают главным образом по причинам, связанным с климатическими характеристиками. Базовые природные катастрофы делятся на четыре группы: ураганы, наводнения, землетрясения и штормы. Соотношение между ними в различных регионах земного шара характеризуется значительно отличающимися показателями. В целом, на долю землетрясений приходится около 15% катастрофических явлений, крупномасштабные штормовые процессы занимают 35%. Однако уровни ущербов не пропорциональны этим показателям. Детальный анализ природных катастроф дан в работе Григорьева и Кондратьева (2001).

Последствия природных катастроф, их оценка и преодоление являются сложными функциями многих социально-экономических параметров данного региона. Известно, что около 30% населения развивающихся стран испытывает экономические трудности, а 18% из них живут в нищете. Поэтому развивающиеся страны не могут эффективно противостоять природным катастрофам. Преодоление же нищеты возможно за счёт развития промышленности и сельского хозяйства, что, согласно рекомендациям Киотского Протокола, невозможно. Следовательно, вопрос о достоверной оценке будущей динамики концентрации атмосферного СО2 жизненно важен. Безусловно, для решения возникающих здесь теоретических и практических задач должны привлекаться все доступные средства и приниматься во внимание самые фантастические гипотезы (Walker, 2003).

Licki et al. (2003) показали, что учёт более точных данных об умеренных и бореальных лесах позволяет повысить точность оценки их роли как стоков атмосферного углерода. Были использованы последние данные о лесах в 55 странах, где умеренные и бореальные леса составляют примерно половину площади всех лесов на суше. Полученные оценки показали, что переход атмосферного углерода в древесину составляет от 0,71 до 1,1 ГтС/год без учёта роли почвенных экосистем. Saleska et al. (2003) измерили потоки СО2 в лесах Амазонки и обнаружили, что баланс углерода в них имеет значительные внутригодовые вариации, амплитуда которых сильно зависит от возраста леса, концентрации СО2 в приземной атмосфере и запасов влаги в почве. В частности, в годы Эль-Ниньо значительно повышается поток углерода из старого леса в атмосферу. В целом, характерными оценками потоков углерода в лесах Амазонки являются величины 0,1-0,5 тС/га/год для поглощённого СО2 и 0,1-0,4 т/га/год для выделенного СО2. На отдельных участках леса были зарегистрированы стоки СО2 1,0-5,9 т/га/год. Для 25-30% лесов Амазонки характерным является бинарный климатический режим с семимесячным дождливым сезоном (осадки более 100 мм/мес.) и среднегодовым показателем осадков 1920 мм/год. На таких территориях стоки СО2 характеризуются величинами от 150 до 700 кгС/га/мес., а потери нглерода за счёт отмирания лесной биомассы составляют 2,0 ± 1,6 т/га/год. Всё это говорит о том, что оценки

стоков и источников СО2 на лесных территориях должны выполняться с высокой тщательностью и детальным учётом пространственно-временных характеристик лесных экосистем. К сожалению, такие оценки отсутствуют, и их получение не предусматривается в GCP.

Изменения климата и связанные с ними неблагоприятные вариации окружающей среды в значительной степени определяются содержанием парниковых газов, среди которых важную роль играет N2O. С точки зрения биосферного баланса углерода и азота существует определённая закономерность отношения C/N, отражение которого в модели глобального круговорота углерода необходимо для повышения её точности. Средние значения C/N равны для деревьев 200, для почв 15. Поэтому для достоверной оценки природных стоков и источников СО2 необходимо моделировать динамику отношения C/N, учитывая запасы азота в резервуарах биосферы. Другими словами, прогнозирование природных катастроф требует детализации факторов эволюции фитоценозов с учётом вносимых в них природных и антропогенных нарушений и последующей сукцессии на занимаемых ими территориях. Неоспоримая сложность этой задачи говорит о том, что любые существующие модели глобального круговорота углерода, не учитывающие хотя бы основные формы динамики растительности, не могут претендовать на достоверные выводы о будущих изменениях климата. Отмеченная ранее нарастающая сложность глобальных моделей и вызываемая этим их неустойчивость также требуют развития новых нетрадиционных методов моделирования. Одним из возможных путей одновременного упрощения и уточнения глобальных моделей является разумная пространственная дискретизация элементов системы «природа-общество». Здесь в качестве специальной единицы в области биоценологии могут выступать физико-географические комплексы, совокупность которых с учётом ландшафтно-типологического районирования позволит устранить избыточность однородной географической сетки и снизить размерность модели.

Отмечаемое последние десятилетия нарастание природных катастроф непосредственно связывается с развитием энергетики в глобальных масштабах как главной причины усиления выбросов парниковых газов в атмосферу. При таком подходе обнаружение антропогенно-обусловленных изменений климата требует введения специальных климатических индикаторов, способных почувствовать наступление экстремальных изменений приземной температуры (Григорьев, Кондратьев, 2001 а, б). Что касается антропогенно обусловленного усиления парникового эффекта атмосферы, то к настоящему времени оно составило около 2Вт/м2, тогда как другие потоки энергии, определяющие формирование климата, примерно на полтора — два порядка величины больше, что, конечно, предельно осложняет распознавание «парникового сигнала» в изменениях климата, если учесть к тому же, что численное моделирование глобального климата находится лишь на первоначальном этапе своего развития. Даже если принять гипотезу «парникового»

потепления, то оказывается, что во многих регионах земного шара потепление окажет положительное воздействие на продуктивность сельского хозяйства. Поэтому взаимосвязь между возможным потеплением средней планетарной температуры и природными катастрофами весьма неоднозначна и требует учёта региональной специфики.

1.2. Изменения глобального климата:концептуальные аспекты

Глобальный климат и Протокол Киото. Исследования изменений глобального климата связаны в первую очередь с осуществлением Всемирной программы исследований климата (ВПИК), которую можно рассматривать как дальнейшее развитие Программы исследований глобальных атмосферных процессов (ПИГАП), выполнение которой началось в 1967 г. в соответствии с соглашением между Всемирной Метеорологической Организацией (ВМО) и Международным Советом Научных Союзов (МСНС) (Кондратьев, 1992). Одна из целей соглашения состояла в изучении «... тех физических процессов в тропосфере и стратосфере, которые важны для понимания факторов, определяющих статистические свойства общей циркуляции атмосферы, что может привести к лучшему пониманию физических основ климата».

Уже на первой сессии Объединённого комитета по планированию ПИГАП, состоявшейся в 1967 г., С. Манабе впервые представил результаты численного моделирования глобального климата с использованием трёхмерной модели при задании удвоенной концентрации СО2 в атмосфере. В 1980 г. ПИГАП была трансформирована в ВПИК. С тех пор вопрос о возможных изменениях глобального климата за счёт роста концентрации парниковых газов (ПГ) стал предметом не только науки, но и политики (Бомер-Кристиансен, 2000; Яновский, 1999; Zillman, 2000).

Уместно, в частности, напомнить о Совместном Заявлении Президента России В.В.Путина и Президента США У. Д. Клинтона о сотрудничестве в области борьбы с глобальным потеплением, принятом 4 июня 2000 г. (Совместное ...,2000). Поскольку в «Заявлении» решительно поддержаны идеи о международной торговле квотами на выбросы ПГ и так называемого «совместного осуществления» как важных мер по выполнению рекомендаций Протокола Киото и «борьбы с глобальным потеплением», значительный интерес представляют результаты изучения общественного мнения на этот счёт по данным опросов специалистов из различных стран (всего опрошено 4826 человек), предпринятых фондом «Асахи гласе» (World ..., 2000) в 1992-1999 гг. Хотя в течение этого времени нарастала озабоченность наступлением глобального экологического кризиса, более половины японских респондентов справедливо полагают, что «торговля выбросами» не окажется эффективным средством снижения выбросов ПГ, поскольку она опира-

ется не на реальное сокращение выбросов, а на применение тактики экономических мер. Более 63% зарубежных (и 73% японских) респондентов не верят в возможность практической реализации рекомендаций Протокола Киото о сокращении выбросов ПГ.

Подобные оценки вполне согласуются с тем фактом, что существуют значительные расхождения в оценках изменений климата (особенно в региональных масштабах), основанных на использовании различных численных моделей (Кондратьев, 1999; Кегг, 2000). Не менее важное значение имеет вывод о том, что в условиях предполагаемого глобального потепления климата продуктивность сельского хозяйства США останется высокой (хотя в разных регионах будут существовать как «победители», так и «проигравшие») и, таким образом, ключевое значение приобретёт адаптация сельского хозяйства к изменившемуся климату.

Не случайно, что к настоящему времени лишь 22 государства подписали и ратифицировали Протокол Киото. Сокращение выбросов ПГ произошло лишь в Великобритании и Германии, тогда как, например, в Дании произошло увеличение выбросов СО2 на 16%, а рост выбросов в Новой Зеландии за 1990-1999 гг. составил 19,2%.

В соответствии с принятой ООН в 1987 г. резолюцией по проблеме окружающей среды и развития, ЮНЕП и ВМО приняли в ноябре 1988 г. решение об организации МГЭИК. Представители примерно 30 государств пришли к выводу о необходимости не только проанализировать существующие представления о возможных антропогенно обусловленных изменениях климата, но и рассмотреть их вероятные воздействия на окружающую среду и общество, а также обсудить меры, необходимые для предотвращения нежелательных последствий подобных воздействий. Важным результатом усилий МГЭИК была разработка Рамочной конвенции ООН по проблеме изменений климата (РКИК).

Третья конференция представителей государств, подписавших Международную конвенцию по климату (СОР-3), завершилась в Киото в декабре 1997 г. подписанием Протокола Киото, наиболее важная часть которого состоит в установлении уровней сокращения выбросов углекислого газа странами, входящими в список Приложения NI Протокола (The Kyoto Protocol..., 1998). Происходившие по этому поводу дискуссии были сконцентрированы исключительно на обсуждении экономических последствий сокращения выбросов и не касались проблемы обоснованности (или, точнее, необоснованности) рекомендованных уровней сокращения, что вызывает серьёзную озабоченность, особенно с точки зрения дальнейших перспектив.

Данные табл. 1.1 иллюстрируют рекомендации, содержащиеся в Протоколе, и являются очевидно противоречивыми (Najam et al., 1998). Вызывают, например, недоумение критерии, установленные, с одной стороны, для стран-членов ЕС (92%), США (93%), Японии (94%) и, с другой стороны, для Исландии, Австралии и Норвегии (соответ-

ственно, НО, 108 и 101%). Объективного обоснования перечисленных различий не существует.

Что касается ситуации в отношении развивающихся стран, то в этой связи главный факт состоит в проявляемой развитыми странами неспособности осознать ключевое значение принципа равенства (это относится, в частности, к проблеме подушных выбросов). Не трудно предсказать, что обсуждаемый произвол в решении проблемы сохранится и в будущем, хотя очевидно, что в основу должны быть положены принципы равенства, ответственности и эффективности, которые были сформулированы в Конвенции по климату. Рекомендации Протокола Киото (табл. 1.1) находятся в явном противоречии с этими принципами.

Ключевым аспектом РКИК стали рекомендации о сокращении выбросов парниковых газов в атмосферу с целью предотвращения нежелательных антропогенно обусловленных изменений климата. Как отметили Hulme и Раггу (1998), принятие в декабре 1997 г. в Киото на третьей конференции стран, подписавших Международную конвенцию по климату, Протокола об ограничении выбросов парниковых газов может служить проявлением озабоченности мирового сообщества потенциальной опасностью для устойчивого развития антропогенных воздействий на климат. Логика ограничения выбросов ПГ исходит из двух предположений: 1) сокращение выбросов позволит избежать в будущем опасного изменения климата; 2) дешевле осуществить сокращение выбросов и обеспечить смягчение изменений климата, чем осуществить адаптацию к изменившемуся климату.

Проблема состоит, однако, в том, что ни учёные, ни политики всё ещё не осуществили адекватного изучения и оценки тех разрушительных последствий, которых можно избежать при осуществлении тех или иных сценариев сокращения выбросов ПГ или относительных затрат на адаптацию или смягчение. Это очень сложная проблема, и поэтому едва ли когда-либо удастся обосновать полностью адекватную стратегию.

В этой связи в работе Hulme и Раггу (1998) получены и обсуждены оценки изменений климата, относящиеся к Великобритании и основанные на использовании четырёх сценариев сокращения выбросов ПГ (рассмотрение ограничено лишь СО2) в период 1990-2100 гг.: IS92 (неконтролируемый рост выбросов при отсутствии их сокращения); KYOTO (сокращение выбросов на 5,2% к 2010 г. по сравнению с 1990 г. странами «первого списка», т. е. промышленно развитыми странами, с последующей стабилизацией выбросов; остальные страны следуют «траектории» IS92); KYOTO+ (продолжение сокращения выбросов странами «первого списка» после 2010 г. на 1 % в год; IS92 для остальных стран); KYOTO++ (то же, что и KYOTO+ для стран «первого списка»; сокращение выбросов остальными странами на 1% в год после 2020 г.). Рассмотрен также сценарий MINUS-60 сокращения глобальных выбросов СО2 на 60% к 2010 г.

Таблица 1.1. Рекомендации Протокола Киото относительно сокращения выбросов углекислого газа различными странами к 2008-2012 гг.

(по сравнению с уровнями 1990 г.). ВНП — валовый национальный продукт

Уровень выбросов, %

Страны

Размер выбросов СО2/год, тыс. тонн

ВНП на Душу населения, долл.

Подушные выбросы СО2, тонн

Выбросы СО2 на единицу ВНП (тонн/ тыс. долл.)

Отдельные страны из списка Приложения № 1:

108

Австралия

288 965

16 516

16,91

0,98

94

Канада

462 643

19 705

17,44

0,81

92

Чехия

165 792

3 049

16,00

5,25

92

Франция

366 536

20 966

6,49

0,31

92

Германия

1 014 155

21 861

12,76

0,59

92

Ирландия

30 719

11 349

8,77

0,68

92

Япония

1 155 000

24 205

9,35

0,39

92

Люксембург

11 343

34 614

30,41

1,10

99

Нидерланды

174 000

18 939

11,22

0,61

100

Новая Зеландия

25 476

12 192

7,61

0,59

101

Норвегия

35 514

26 387

8,37

0,31

94

Польша

414 930

1 459

10,87

7,04

92

Португалия

42 148

6 774

4,00

0,63

100

Россия

2 388 720

3 897

16,11

4,13

92

Англия

577 012

16 723

10,08

0,59

93

США

4 957 022

22 046

19,83

0,90

Отдельные страны, не входящие в список:

Бразилия

197 905

2 877

1,34

0,41

Китай

2 340 635

313

2,06

6,60

Индия

681 248

347

0,80

2,28

Индонезия

213 422

613

1,20

1,87

Иран

187 986

2 139

3,37

1,56

Мексика

313 826

2 856

3,76

1,27

Южная Корея

243 434

5 875

5,68

0,96

Южная Африка

294 107

2 758

7,93

2,76

Данные табл. 1.2 иллюстрируют оценки соответствующих изменений (повышения) среднегодовой приземной температуры воздуха в Великобритании (влияние атмосферного аэрозоля в этих расчётах не учитывалось.) Как видно, все обсуждаемые меры по сокращению выбросов СО2 обеспечивают лишь незначительное сдерживание потепления климата. Это означает необходимость гораздо более серьёзного внимания к разработке стратегии адаптации к изменениям климата.

Таблица 1.2. Оценки повышения среднегодовой температуры в Великобритании при различных сценариях сокращения выбросов ПГ

Сценарий

Повышение среднегодовой температуры, °C

к 2050 г.

к 2100 г.

IS92a

1,39

2,54

KYOTO

1,33

2,39

KYOTO+

1,29

2,26

KYOTO++

1,24

1,79

MINUS-60

0,78

0,11

Me Bean (1998) подчеркнул, что, хотя главное внимание в контексте РКИК было посвящено проблеме сокращения выбросов парниковых газов, статья 4 РКИК предусматривает также необходимость: 1) поддержки усилий (научных, технологических, технических, социальноэкономических) в интересах дальнейших научных разработок, систематических наблюдений и создания архивов данных о климате, имея в виду достижение более полного понимания причин изменений климата и их социально-экономических последствий; 2) обеспечения обмена соответствующей научной, технологической, технической, социальноэкономической и юридической информацией для обоснования стратегий реагирования на изменения климата; 3) усиления мер по развитию образования, повышения квалификации и обеспечению осведомлённости людей относительно изменений климата.

На межправительственном совещании по Всемирной программе климата (ВПК), состоявшемся в апреле 1993 г., было принято решение о целесообразности комплексной разработки по климатической проблематике, которая была названа Климатической повесткой дня (КПД), призванной обеспечить более эффективную координацию соответствующих усилий. КПД, поддержанная ВМО, ЮНЕП, МСНС, МОК, ЮНЕСКО, ФАО и ВОЗ, сконцентрирована на четырёх направлениях: 1) перспективы развития науки и климата и прогноза климата; 2) службы климата, необходимые для обеспечения устойчивого развития; 3) изучение воздействий климата и разработка стратегий реагирования на воздействия с целью минимизации их последствий;

4) адекватно спланированные наблюдения климатической системы. Для организационного обеспечения осуществления КПД был создан Межведомственный комитет по Климатической повестке дня (IACCA), который возник как результат существенной реорганизации Координационного комитета по ВПИК.

Согласно принятому соглашению, научные разработки являются областью ответственности ВПИК, тогда как МГЭИК отвечает за переговоры и рекомендации относительно необходимой экологической политики. Подобные усилия осуществлялись на основе тесной кооперации между ВПИК и МГЭИК, хотя и не без некоторых проблем, состоявших прежде всего в недооценке политиками значения проблемы совершенствования средств наблюдений и в недостаточном понимании научным сообществом специфики информации, необходимой политикам.

Как отметил Bolin (1999), в контексте последнего обстоятельства наиболее важный вывод Второго отчёта МГЭИК (1995 г.) состоял в том, что «баланс имеющихся аргументов предполагает наличие различимого влияния человека на глобальный климат», хотя, с другой стороны, было отмечено, что «наша способность количественно оценить влияние человека на глобальный климат является в настоящее время ограниченной, поскольку ожидаемый сигнал ещё только возникает на фоне природно обусловленной изменчивости, а также ввиду имеющихся неопределённостей (в оценках) ключевых факторов». Подобные выводы были, в основном, поддержаны научным сообществом и стимулировали дальнейшие разработки, результаты которых обобщены в Третьем Отчёте МГЭИК (2001 г.).

В этой связи Bolin (1999) подчеркнул, что «переговоры между странами, ратифицировавшими РКИК, показали, что существенные политические акции представляются мало вероятными, если не будет достигнута уверенность в том, что хозяйственная деятельность человека действительно влияет на глобальный климат». Отсутствие необходимого понимания воздействий климата на человека и экосистемы обусловило сопротивление ряда стран по отношению к принятию мер по ограничению антропогенного влияния на климат. Важный аспект проблемы — необоснованные заявления «зелёных» о росте частоты таких экстремальных природных явлений как штормы, тропические циклоны, наводнения и др. Этот вопрос требует, однако, дальнейшего тщательного анализа.

Одна из ключевых нерешённых проблем — прогноз развития энергетики, роста концентрации СО2 в атмосфере и, соответственно, радиационного возмущающего воздействия (РВВ). Согласно Специальному отчёту МГЭИК (1994 г.), различные сценарии определяют возможный рост выбросов СО2 к 2100 г. в пределах 2-60 Гт (по сравнению с современным значением, равным 7,5 Гт), т. е. полученные оценки различаются в 30 раз (при использовании всех известных ресурсов каменного угля и природного газа концентрация СО2 может возрасти до 450 млн -1).

Данные табл. 1.3 иллюстрируют возможные изменения РВВ при различных уровнях стабилизации концентрации СО2 в атмосфере (ключевая нерешённая проблема состоит, однако, в том, какой уровень стабилизации можно считать приемлемым).

Таблица 1.3. Уровень стабилизации концентрации СО2, РВВ и изменение среднеглобальной приземной температуры воздуха (ПТВ) при задании чувствительности ПТВ к удвоению концентрации СО2 в пределах 1,5-4,5 °C

Уровень стабилизации концентрации СО2, млн-1

Радиационное возмущающее воздействие, Вт/м2

Изменение среднеглобальной ПТВ

Минимальное

Среднее

Максимальное

450

3,6

1,2

2,1

3,6

550

5,0

1,7

2,9

5,2

650

6,2

2,1

3,5

6,4

750

7,1

2,5

4,1

7,4

В этой связи особого внимания требует дальнейшее развитие исследований глобального круговорота углерода, имея особенно в виду нерешённость проблемы «потерянного стока», который частично обусловлен, по-видимому, функционированием экосистем суши как стока СО2 (в целом же роль динамики биосферы в формировании круговорота углерода далека от ясности (Кондратьев, 2000 а). Остро актуальным (но и исключительно сложным) является моделирование взаимодействия природы и общества с учётом долговременных нелинейных изменений климатической системы. На передний фронт выходит концепция риска применительно к проблеме изменений климата (Григорьев, Кондратьев, 2001 б).

Данные наблюдений. Анализ данных наблюдений сводится, как правило, к рассмотрению информации двух категорий: 1) изменений приземной температуры воздуха за последние полтора столетия (и особенно за последние 20-30 лет, когда наблюдалось наиболее значительное повышение среднеглобальной среднегодовой ПТВ); 2) палеоклиматических изменений. Последние привлекают внимание с точки зрения их сопоставления с современными трендами климата и, в некоторой степени, как аналог возможных изменений климата в будущем (подобные попытки продолжаются, хотя уже неоднократно и убедительно аргументировалась некорректность палеоаналогов для прогноза климата будущего).

По определению, климат характеризуется значениями метеорологических параметров, осреднёнными за промежуток времени, равный 30 годам (так, например, аномалии климата за 1990 гг. определяются как отклонения от средних значений за 1961-1990 гг.). Несмотря на

это, широко практикуется анализ пространственно-временной изменчивости климата за отдельные годы. В частности, Всемирная метеорологическая организация (ВМО) ежегодно публикует сводки о глобальном климате. В обзоре Кондратьева (2000 а) обсуждены данные, относящиеся к 1998 г., а здесь мы упомянем результаты, относящиеся к 1999 г.

Как отметили Folland et al. (2000), анализ данных наблюдений (в контексте третьего отчёта МГЭИК) должен дать ответы на следующие вопросы:

Происходит ли потепление климата?

Изменяется ли интенсивность круговорота влаги?

Происходят ли изменения общей циркуляции атмосферы и океана? 4. Усиливаются ли экстремальные изменения климата (штормы, засухи, наводнения)?

Возможна ли достоверная оценка антропогенного вклада в изменения климата?

Десятилетие 90-х гг. в целом было самым тёплым за весь период метеорологических наблюдений (начиная с 1860 г.), а 1999-й год оказался пятым по уровню аномалий среднеглобальной среднегодовой ПТВ (+0,33 °C) за период 1860-1999 гг. (на пятом месте была и средняя аномалия ПТВ (+0,45 °C) в северном полушарии (СП), но в южном полушарии (ЮП) она оказалась лишь на 10-м месте (+0,20 °C)).

Полоса максимальных среднегодовых положительных аномалий ПТВ простиралась от континента Северной Америки на восток через Атлантический океан и континент Евразии к экваториальной полосе западного сектора Тихого океана. Минимальные аномалии ПТВ наблюдались в широкой полосе центрального и северо-восточного регионов Тихого океана (включая понижение ПТВ). Анализ данных наблюдений выявил преобладание положительных аномалий температуры в 1999 г. во многих регионах земного шара. Наиболее яркие аномальные ситуации включают как события потепления, так и похолодания, в том числе: 1) наблюдавшаяся в январе волна холода породила понижение ПТВ в Норвегии, Швеции и в некоторых регионах России до уровней, не наблюдавшихся с конца XIX века; 2) понижение температуры в феврале в Западной Европе сопровождалось, в частности, сильными снегопадами в Альпах; 3) ПТВ упала до значений ниже нормы в Западной Австралии, хотя наблюдавшееся в начале января экстремальное потепление привело к интенсивным кустарниковым пожарам; 4) температура в марте в Исландии была самой низкой за последние 20 лет; 5) в апреле мощные волны тепла сформировались в северном и центральном регионах Индии, а в июле и августе — в северо-восточном и среднезападном регионах США; 6) необычайно жаркая и сухая погода наблюдалась в западной части России (аномалии ПТВ в центральном и северо-западном регионах ЕТС превосходили 5 °C); 7) на континенте Австралии средняя максимальная ПТВ в ноябре-декабре оказалась самой низкой после 1950 г.; 8) более холодной (чем обычно) была вторая половина года в центральной и южной Африке; регион Сахели

был более облачным, холодным и влажным, чем в предыдущие годы; 9) потепление в США за последние 50 лет было более слабым, чем на остальной части земного шара, причём в восточной части США имело место слабое похолодание. Понижение температуры поверхности суши и океана в тропиках в 1999 г. было обусловлено продолжавшимся весь год явлением Ла Нинья. Этот год характеризовался большим числом разрушительных метеорологических катастроф, особенно наводнений. В Австралии, США и Азии наблюдалось значительное количество тропических штормов; в Европе — сильные снегопады, лавины и бури; в США — засуха и торнадо.

Среднегодовое среднеглобальное значение ПТВ в конце XX века более, чем на 0,6 °C превосходило значение, зарегистрированное в конце 19-го столетия (доверительному уровню 95% соответствует погрешность этой оценки, равная ±0,2 °C).

Анализ данных наблюдений приземной температуры воздуха позволил сделать вывод, что, начиная с 1850 г., имел место нерегулярный, но существенный тренд потепления климата в глобальных масштабах (Кондратьев, 1992; Parker et al., 2000). Этот тренд был очень слабым в период с середины XIX века до 1910 г., а затем возрос до 0,1 °Сза 10 лет (по комбинированным данным о приземной температуре воздуха (ПТВ) и температуре поверхности океана (ТПО) в период 1910-1940 гг. и за последние два десятилетия). Два продолжительных эпизода похолодания были разделены интервалом небольшого похолодания, особенно в северном полушарии. В периоды с 1951-60 гг. и 1981-90 гг. наблюдалось изменение знака межполушарной разности температур: северное полушарие стало холоднее южного.

Как отметили Moron et al. (1998), современное глобальное потепление рассматривалось некоторыми специалистами как связанное с внезапными изменениями в регионе Тихого океана около 1976 г. или с постепенным потеплением тропического пояса Тихого океана, а также с другими явлениями региональных масштабов. Упомянутый нерегулярный тренд и попытки распознавания внешних воздействий на него (антропогенных или природных), осложнявшиеся наличием внутренне обусловленной изменчивости климатической системы, традиционно опирались на интерпретацию тренда как красного шума (или, позднее, на представление, что изменчивость тренда обусловлена закономерностью, состоящей в его «погруженности» в шум).

Существование такого рода закономерности установлено достаточно хорошо и приписывалось главным образом (если не полностью) неустойчивости интерактивной системы «атмосфера-океан» в тропиках Тихого океана. Были выявлены периодичности около 4-6 лет и 2-3 лет, связанные с явлением Эль Ниньо/Южное Колебание (ЭНЮК). Наличие подобных закономерностей в масштабах десятилетней и междесятилетней изменчивости было более трудно выявить ввиду недостаточной длины рядов наблюдений.

В этой связи Moron et al. (1998) предприняли детальный анализ всех имеющихся данных о пространственно-временной изменчивости полей ТПО Мирового океана и для отдельных его регионов с применением многоканального сингулярного спектрального анализа (MSSA). Главной целью анализа было выявление закономерностей изменчивости и межбассейновых соотношений между полями ТПО в масштабах времени от межгодовых до междесятилетних. Длина ряда наблюдений была вполне достаточной для достоверного анализа изменчивости ТПО в масштабах времени 2-15 лет, хотя статистическую достоверность результатов, относящихся к наиболее продолжительным периодам, гарантировать сложнее.

Ввиду большого интереса к изменчивости ТПО в Атлантическом океане главное внимание было уделено этому региону. Наиболее сильным климатическим сигналом оказался нерегулярный долговременный тренд ТПО. Применение методики MSSA для обработки данных за текущее столетие выявило упомянутые выше хорошо известные закономерности: постепенное повышение ТПО в обоих полушариях в 1910-1940 гг., продолжавшийся затем рост ТПО в северном полушарии (СП) до середины 1950 гг., но более низкую ТПО в южном полушарии (ЮП); похолодание океана СП в 60-е гг. и до конца 70-х гг., когда появилась стабильность, а затем подъём ТПО в ЮП, что обусловило изменение знака межполушарного контраста ТПО в начале 70-х гг.; наконец, повышение ТПО в обоих полушариях в 80-х гг. при небольшом ослаблении этого тренда за последние годы.

Недостаточная длина рядов инструментальных наблюдений не позволяет интерпретировать перечисленные глобальные закономерности как проявление более или менее монотонного повышения ТПО или как часть долговременных вековых осцилляций (согласно косвенным данным, наблюдались осцилляции с периодами от 65 до 500 лет). К числу возможных внешних факторов изменчивости относятся: рост концентрации СО2, изменение внеатмосферной инсоляции, вулканические извержения. Новым и удивительным результатом оказалось обнаружение того факта, что крупномасштабному потеплению и похолоданию предшествовала такая же изменчивость ТПО вблизи южной оконечности Гренландии и (вскоре после этого) в центральной части Тихого океана в СП. Это отображает важную роль высокоширотных процессов в Северной Атлантике и возможное взаимодействие (через атмосферу) с Тихим океаном.

В масштабах времени около десятилетней изменчивости (7-12 лет) не было обнаружено регулярных осцилляций, которые когерентны в глобальных масштабах. В Северной Атлантике проявлялись 13-15-летние и 90-летние осцилляции. Вблизи мыса Гаттерас имели место междесятилетние колебания, которые распространялись вдоль Гольфстрима в зону Северной Атлантики, где происходило изменение их фазы (полученные ранее аналогичные результаты были довольно противоречивыми). В контексте поиска междесятилетних осцилляций ЭНЮК

рассматриваемые данные не выявили какого-либо существенного максимума изменчивости ТПО с периодами более 10 лет ни в Тихом океане, ни для всего Мирового океана, но в Индийском океане были обнаружены двухдесятилетние колебания ТПО, которые оказались особенно регулярными в течение первой половины XX века (подобные осцилляции фиксировались и ранее).

Анализ 7-8-летних осцилляций выявил противоположность их фаз в субтропическом и субполярном круговоротах Северной Атлантики. Что касается межгодовой изменчивости (2-6 лет), то были зарегистрированы три доминирующих периода: 24-30, 40 и 60-65 месяцев. Первая из упомянутых периодичностей представляет собой хорошо известный квазидвухлетний компонент ЭНЮК, который наиболее сильно проявляется в тропиках восточного сектора Тихого океана, с аномалиями неизменного знака, распространяющимися вдоль западного побережья Северной и Южной Америки (в других океанах такого рода изменчивость пренебрежимо мала).

Важный новый результат состоит в обнаружении двух отчётливо различающихся низкочастотных мод осцилляций, объединяемых общей физической природой квазичетырёхлетней моды и характеризуемых довольно резким изменением периодичности в 1960 гг. — от примерно 5 лет до почти 4 лет. Эта совокупность данных наблюдений позволяет считать, что нерегулярность ЭНЮК возникает за счёт взаимодействия внутренней неустойчивости системы «атмосфера-океан» в тропиках Тихого океана с годовым ходом. Поскольку мода квазидвух- летних колебаний существует и в других океанах, но практически не коррелирует с индексом южных колебаний в тропиках Тихого океана, следует думать, что формирующийся здесь более сильный квазиче- тырёхлетний сигнал может оказывать дистанционное воздействие за пределами Тихого океана, тогда как противоположно направленный процесс практически невозможен.

Слабая осцилляция с периодами около 28-30 месяцев наблюдается в поле ТПО в Атлантическом океане ЮП и согласуется с обнаруженным ранее явлением «Эрманито», которое является, возможно, аналогом Эль Ниньо. Обсуждённые результаты представляют собой этап разработок, целью которых является сравнение с данными наблюдений результатов численного моделирования с использованием двух- и трёхмерных моделей системы «атмосфера-океан».

Важный вклад в представления об изменениях ПТВ в прошлом внёс анализ данных наблюдений температуры в буровых скважинах. Так, например, Bodri L. и Cermak (1999) отметили, что если амплитуда долговременных изменений приземной температуры воздуха при переходах от оледенений к межледниковым периодам достигала 10-15 К, то во время голоцена (последние 10-14 тыс. лет) изменения порядка нескольких градусов К происходили в масштабах времени от десятилетий до нескольких столетий. В этой связи были проанализированы данные о вертикальных профилях температуры, измеренной

на различных глубинах в буровых скважинах на территории Чешской республики и выполнено картирование изменений ПТВ на территории Чехии, происшедших в течение 1100-1300 лет до нашего времени (малый климатический оптимум), 1400-1500 лет и 1600-1700 лет (главные фазы малого ледникового периода).

Huang et al. (2000) обсудили результаты обработки данных о температуре на различных глубинах в 616 скважинах, в числе которых 453 находятся в северном, а 163 скважины в южном полушариях, что открыло возможности восстановления хода среднеглобальной температуры за 5 столетий. Данные для 479 скважин обнаружили происходившее в течение последних пяти веков глобальное потепление, составившее примерно 1,0 К. Только за двадцатое столетие, которое оказалось наиболее тёплым, повышение температуры поверхности континентов достигло 0,5 К (около 80% потепления климата пришлось на 19-е и 20-е столетия). Происшедшее за пять веков потепление было сильнее в северном полушарии (1,1 К), чем в южном полушарии (0,8 К). Полученные результаты, в целом, согласуются с выводами на основе данных о кольцах деревьев, хотя последние выявляют несколько более слабый вековой тренд ПТВ, что может быть объяснено особенностями дендроклиматической методики.

Анализ палеоинформации о ПТВ, полученной по данным об изотопах кислорода в гренландских ледяных кернах за время четвертичного периода, показал, что на долговременные изменения температуры налагаются гораздо более быстрые изменения в масштабах времени от тысячелетия до 10 лет (Bowen, 2000). Похожие изменения выявил и анализ антарктических ледяных кернов. В частности, в обоих полярных регионах существенные изменения температуры происходили в период голоцена.

Данные о планктоновой фораминифере Neogloboquadrina pachy- derma из северо-восточного региона Атлантики (к западу от Ирландии) позволили восстановить температуру поверхности океана и проследить за связанными с выбросами айсбергов явлениями Хайнриха.

Сведения о содержании углекислого газа и метана в пузырьках воздуха, содержащихся в ледяных кернах, отображают важную роль этих малых газовых компонентов (МГК) в формировании климата, но остаётся неясным, что чему предшествовало: изменения температуры или содержания МГК. Недавно было показано, например, что в течение четырёх межледниковых периодов в Антарктике изменения температуры возникали примерно на 4 тыс. лет раньше, чем изменения концентрации СО2.

Новые результаты численного моделирования динамики явления Эль Ниньо, обусловленной вариациями орбитальных параметров, вполне удовлетворительно воспроизвели «миланковичевы» частоты за последние 150 тыс. лет, а также и вариации в масштабах времени порядка тысячелетия. Наиболее впечатляющим оказалось, однако, обнаружение по разным данным для самых различных регионов

земного шара вариаций климата с периодом 1450 лет, которые регулярно повторялись, в частности, в Гренландии за последние НО тыс. лет, включая последнее оледенение и голоцен (наблюдался рост амплитуды подобных изменений в периоды оледенений).

Упомянутые результаты отображают происходившую за сравнительно короткие промежутки времени радикальную реорганизацию климатической системы. Голоцен выглядел (по сравнению с этими изменениями) как период сравнительно устойчивого климата. Не вызывает сомнений, что при отсутствии климатических обратных связей рост концентрации парниковых газов в атмосфере должен порождать потепление климата. Реальная ситуация оказывается, однако, гораздо более сложной и для её понимания необходимы достаточно надёжное выявление и количественные оценки роли обратных связей. В противном случае достоверный прогноз изменений климата в будущем невозможен. Поскольку одним из очень важных источников соответствующей информации являются торфяные болота, их следует тщательно охранять.

Проанализировав данные спутниковых наблюдений температуры поверхности океана (ТПО), начиная с 1982 г., Strong et al. (2000) отметили наличие потепления на большей части тропиков и в средних широтах северного полушария (при среднеглобальном тренде +0,005 °С/год, не выходящем за пределы погрешности наблюдений). Менее репрезентативны данные о ТПО в южном полушарии отображают существование противоположного тренда похолодания (серьёзного внимания требует проблема надёжности данных по ТПО).

Согласно данным Levitus et al. (2000), за последние 50 лет (1948-1998 гг.) произошло существенное потепление Мирового океана. Наиболее сильно прогрелся (в среднем на 0,31 °C) верхний 300-метровый слой, тогда как повышение температуры трёхкилометрового слоя составило 0,06 °C. Подобное повышение температуры верхнего слоя океана предшествовало начавшемуся в 1970 гг. подъёму ПТВ.

Важное место, как индикатор глобальной динамики климата, занимают спутниковые данные о протяжённости морского ледяного покрова. Gloersen et al. (1999) обнаружили статистически существенное уменьшение глобальной площади морских льдов, составившее (—0,01 ± ±0,003) • 106 км2/10 лет.

Особое место занимают данные СВЧ-дистанционного зондирования, анализ которых не обнаружил заметных изменений средней температуры нижней тропосферы за последние десятилетия, что подтверждается и результатами аэрологических зондирований (Кондратьев, Демирчан, 2000). По данным Woodcock (1999) среднеглобальная ПТВ в октябре 1999 г. была на 0,2 °Сниже среднего значения за период 1979-1999 гг.

Santer et al. (2000) высказали соображения о причинах расхождения трендов ПТВ и температуры нижней тропосферы. Проанализировав данные о ПТВ за периоды 1925-1944 гг. и 1978-1999 гг. Delworth

и Knutson (2000) пришли к выводу, что главной причиной изменения ПТВ было комбинированное воздействие антропогенно обусловленного РВВ и необычно значительной многодесятилетней внутренней изменчивости климатической системы.

Важным индикатором динамики климата могут служить спутниковые данные об изменениях баланса массы ледников Гренландии. Результаты лазерной высотометрии для северной Гренландии за 1994-1999 гг. свидетельствуют о том, что на высотах более 2 км ледяной щит находился, в целом, в состоянии баланса при наличии локальных изменений разного знака. Уменьшение толщины ледника преобладало на малых высотах, превосходя 1 м/год, что достаточно для повышения уровня Мирового океана на 0,13 мм/год (это эквивалентно примерно 7% наблюдавшегося подъёма уровня океана).

Данные наблюдений параметров круговорота влаги всё ещё остаются крайне фрагментарными. Исключение составляют такие публикации, как работа Russo et al. (2000), в которой проанализировано изменение суточной суммы осадков на обсерватории Генуэзского университета за 1833-1985 гг. и выявлено уменьшение числа дней с осадками за весь период наблюдений, а также значительный рост интенсивности осадков, начиная с 1950 г. За последние 30 лет наблюдалось существенное увеличение числа дней с интенсивными осадками.

Yu et al. (1999) выполнили анализ имеющихся климатических данных по тепловому балансу атмосферы с использованием результатов наблюдений и расчётов. Радиационный баланс атмосферы найден по данным спутниковых наблюдений потоков уходящего коротковолнового и длинноволнового излучения и восстановленных по спутниковым данным радиационных потоков на уровне подстилающей поверхности. Величины турбулентного потока тепла на уровне подстилающей поверхности заимствованы из данных наблюдений в рамках программы COADS, а горизонтальный перенос тепла рассчитан с использованием соответствующей метеорологической информации. Для минимизации случайных погрешностей осуществлено пространственновременное осреднение: рассматриваются зонально осреднённые компоненты теплового баланса атмосферы для диапазона широт 50° с.ш. — 50° ю.ш., а также значения для всей этой полосы широт.

Анализ обсуждаемых данных показал, что замкнуть тепловой баланс не удаётся: сохраняется необходимость дополнительного поступления к атмосфере примерно 20 Вт/м. Попытки использования разных вариантов входных массивов информации не помогли устранить этот «разбаланс». Поскольку замыкание баланса водяного пара с использованием тех же данных оказалось удачным, можно думать, что причиной упомянутого «разбаланса» является неадекватность оценок радиационного баланса атмосферы, проявляющаяся в заниженности вычисленных величин поглощённой атмосферой солнечной радиации.

Проанализировав полноту и достоверность имеющихся в настоящее время данных наблюдений климата, Folland et al. (2000) пришли к вы-

воду, что существующие объём и качество данных не позволяют дать достаточно полные ответы на перечисленные выше вопросы. Тревогу вызывает в этой связи происшедшая за последние десятилетия деградация систем обычных метеорологических наблюдений, которые имеют, в частности, важное значение для калибровки результатов спутникового дистанционного зондирования. Именно поэтому даже расчёты десятилетних средних значений параметров климата затруднительны для некоторых регионов Африки и обширных регионов Мирового океана.

Обсуждая наблюдаемые закономерности изменений глобального климата со временем и их причины, Wallace (1998) отметил приоритетную необходимость рассмотрения следующих проблем: 1) периодические изменения климата, обусловленные вариациями внеатмосферной солнечной радиации; 2) квазипериодическая изменчивость климата (её наиболее яркое проявление — квазидвухлетние осцилляции в экваториальной стратосфере); 3) Эль Ниньо/Южное колебание (ввиду широкого диапазона частот это явление нельзя считать квазипериодическим); 4) междесятилетние вариации климата, которые в значительной степени обусловлены внутренней внутрисезонной и внутригодовой изменчивостью климатической системы; 5) изменчивость климата в масштабах времени от междесятилетней до столетней; 6) анализ статистической значимости оценок беспрецедентных событий и «смещений режимов» в свете нестационарности временных рядов многих параметров климата; 7) выявление фазовых соотношений между изменениями климата в масштабах времени от межгодовых до междесятилетних.

Важное обстоятельство состоит в том, что большая часть изменчивости климата может быть описана путём раздельного рассмотрения зависимостей от времени и пространственных координат. Ввиду исключительной сложности климатической системы с её большим числом степеней свободы и множественностью обратных связей, высоко упорядоченные структуры и моды эволюции климата могут быть скорее исключением, чем правилом. Более высокой степенью устойчивости должны обладать «грубые» схемы концептуализации, не воспроизводящие структуру и эволюцию аномалий климата слишком детально. Действительно важные климатические «сигналы», рассматриваемые при решении задач обнаружения и прогноза глобальных изменений климата, должны быть заметны «невооружённым глазом». Гораздо более сложной проблемой, чем это обычно предполагается, является оценка статистической значимости тех или иных количественных характеристик изменчивости климата, особенно беспрецедентных событий и «смещений режима», по данным о временных рядах ограниченной продолжительности (ввиду, как правило, нестационарности подобных рядов).

3. Климатообразующие факторы. Обсуждая перспективы разработок в рамках программы CLIVAR изучения изменчивости климата, Bolin (1999) подчеркнул, что «МГЭИК была очень осторожна в её

Изменения глобального климата: концептуальные аспекты 35 оценках для того, чтобы не выходить за пределы выводов, известных из научной литературы, на которых основаны подобные оценки. Ключевое обстоятельство состоит в том, чтобы отчётливо различать то, что может считаться достоверным, от того, что остаётся неопределённым. В том, что касается прогнозов климата будущего, всё ещё сохраняется много неопределённостей. Подобный подход определил доверие к научному сообществу при принятии конкретных решений и должен сохраняться в будущем».

Bolin (1999) подчеркнул, что хотя в оценочном докладе МГЭИК, законченном в 1995 г., содержится утверждение о том, что происшедшие в 20 веке изменения глобального климата отчасти обусловлены хозяйственной деятельностью человека, подобный вывод был сформулирован с большой осторожностью. Принципиально важное значение имела в этом контексте оценка вероятного вклада случайных вариаций климата, не зависящих от влияния человека. Результаты недавних исследований в значительной мере прояснили этот вопрос, показав, что случайные вариации среднеглобальной ПТВ в масштабах времени от десятилетий до столетий за последние 600 лет находились в пределах ±0,2 °Сили меньше (этот вывод, как было отмечено выше, не согласуется с данными наблюдений, из которых следует, что ПТВ изменялась в прошлом в значительно более широких пределах). В этой связи (как полагает Bolin (1999)) следует задать скептикам по поводу оценок вклада антропогенного потепления за последние 50-75 лет вопрос, как можно объяснить значительно более сильное глобальное потепление, наблюдавшееся за последние десятилетия.

В выступлениях официальных представителей ряда государств на конференциях в Киото и в Буэнос-Айресе и в средствах массовой информации воздействиям глобального потепления приписывались аномалии погоды и климата, подобные тропическим ураганам и необычному Эль Ниньо. Подобные суждения требуют, однако, тщательной научной проверки, хотя возможность более частых аномальных явлений в условиях глобального потепления не исключена.

Поэтому особую актуальность приобретает разработка методов прогноза климата в региональных масштабах, имея в виду в первую очередь период 2008-2012 гг.

По мнению Bolin (1999), для оценки социально-экономических последствий осуществления предусмотренных Протоколом Киото мер по сокращению выбросов парниковых газов исключительно важное значение имеет разработка интегральных моделей, представляющих собой сочетания моделей климата, круговорота углерода, развития энергетики и социально-экономического развития, что потребует значительного времени и больших усилий.

Трудная проблема в этом отношении — валидация подобных моделей с целью анализа их достоверности. Отсутствие адекватной валидации означает, что результаты численного моделирования с применени-

ем интегральных моделей можно рассматривать лишь как возможные сценарии, но не прогнозы.

Характеризуя климатические возмущающие воздействия, Hansen et al. (1999, 2000) отметили, что они всё ещё не определены с такой точностью, которая была бы достаточной для достоверного прогнозирования климата. Имеется вполне надёжная информация о содержании парниковых газов (НГ) в атмосфере, обусловливающих положительное радиационное возмущающее воздействие (РВВ), но серьёзные трудности связаны с оценками воздействий, обусловленных такими факторами как атмосферный аэрозоль, облака, изменения землепользования, которые порождают отрицательное РВВ, определяющее частичную компенсацию «парникового» потепления климата (Mitchell, 2000). Одно из последствий подобной компенсации состоит в возможной более значительной роли изменений внеатмосферной инсоляции (солнечной постоянной — СП) как климатообразующего фактора, чем это предполагалось ранее на основе численного моделирования с учётом лишь вклада пг (вычисления «парникового» РВВ за счёт роста концентрации СО2 в период с начала промышленной революции до настоящего времени привели к значению около 1,5 Вт/м2).

В связи с отмеченными обстоятельствами Hansen et al. (1999) получили новые оценки среднеглобальных значений РВВ. Данные табл. 1.4 характеризуют результаты аналитической аппроксимации (с погрешностью порядка 10%) различных компонентов «парникового» РВВ (недавнее обнаружение SF5CF3 как существенного ПГ (Sturges, 2000) свидетельствуют о том, что проблему обоснования приоритетности ПГ всё ещё нельзя считать окончательно решённой). Концентрации ПГ выражены в млн-1 (СО2, с); млрд-1 (СН4,т); млрд-1 (CFC-ll,x; CFC-12,y;). CFC-хлорфторорганические соединения (фреоны). Суммарное значение РВВ равно 2,3 ± 0,25 Вт/м2.

Таблица 1.4. «Парниковое» возмущающее воздействие F за период после начала промышленной революции

Газ

Радиационное возмущающее воздействие

со2

F = /(с) - /(со), где f(c) = 4,996lg(c + 0,0005с2)

СН4

0,0406(m1//2 — mV2) — \.g(m, tiq) — g(mo, no)]; g(m, n) = 0,51g[l + 0,00002(mn)0,75]

n2o

0,136(n'/2 — пУ2) - [g(m0,n) - g(m0,n0)];

CFC-11

0,264(ж — xo)

FC-12

0,323(y - yo)

Обращает на себя внимание тот факт, что темп роста РВВ, увеличившийся с 0,01 до 0,04 Вт/м2 • год за период 1950-1970 гг., уменьшился за последующие 20 лет до 0,03 Вт/м2 • год в связи с замедлением

скорости роста концентрации СО2 (несмотря на продолжающийся рост выбросов СО2), причины которого остаются неясными. Определённый вклад внесло и замедление роста концентрации СН4 по также неустановленным причинам.

Расчёты РВВ за счёт роста концентрации тропосферного озона дали значение, составляющее 0,4 ±0,15 Вт/м2 Спад общего содержания озона в стратосфере мог привести к РВВ, равному —0,2 ±0,1 Вт/м2. Хотя эти изменения противоположного знака в значительной степени взаимно компенсируются, это не означает их несущественности, поскольку вариации содержания озона в тропосфере и стратосфере оказывают существенное и различное влияние на формирование вертикального профиля температуры (Kondratyev, Varotsos, 2000).

Что касается РВВ за счёт аэрозоля, то оно до сих пор определено ненадёжно ввиду отсутствия адекватной информации о реальном атмосферном аэрозоле (Kondratyev, 1999 6). Численное моделирование с учётом антропогенного сульфатного, органического и почвенного аэрозоля (при неявном учёте сажевого аэрозоля путём задания реалистического аэрозольного поглощения) для заданных глобальных распределений аэрозольной оптической толщины позволило оценить глобальные распределения РВВ и равновесной температуры подстилающей поверхности и, вслед за тем, получить соответствующие среднеглобальные значения изменений РВВ (ДЕ") и температуры подстилающей поверхности (ATS) для чисто рассеивающего аэрозоля (альбедо однократного рассеяния щ = 1) и более реалистического аэрозоля (табл. 1.5).

Таблица 1.5. Среднеглобальное РВВ для трёх типов антропогенного аэрозоля

Тип аэрозоля

то = 1

«Более реалистические» то

△F, Вт/м2

ATS, °C

^F, Вт/м2

ATS, °C

Сульфатный

-0,28

-0,19

-0,20

-0,11

Органический

-0,41

-0,25

-0,22

-0,08

Пылевой

-0,53

-0,28

-0,12

-0,09

Сумма

-1,22

-0,72

-0,54

-0,28

Hansen et al. (1998) отметили, что наиболее достоверное значение суммарного РВВ за счёт аэрозоля составляет —0,4 ± 0,3 Вт/м2 вместо указанного в табл. 1.5 значения, равного —0,54, хотя в любом случае подобная оценка сохраняет сильную неопределённость, обусловленную ненадёжностью входных данных о свойствах аэрозоля.

Антропогенно обусловленные изменения РВВ за счёт облаков, вероятно, значительнее, чем связанные с аэрозолем, но ещё более неопределённы. Подобные изменения (включая влияние самолётных

инверсионных следов) представляет собой главным образом результат косвенного воздействия антропогенного аэрозоля, вызывающего (функционируя как ядра конденсации) вариации микроструктуры и оптических свойств облаков. Грубые оценки дают «облачное» РВВ от —1 до — 1,5 Вт/м2, но оно может изменяться на порядок величины (в зависимости от задания входных параметров). По-видимому, некоторый рост количества облаков, наблюдавшийся в 20 веке, можно приписать косвенному воздействию аэрозоля. Уточнение полученных оценок требует осуществления комплексных наблюдательных программ в различных регионах земного шара.

Вклад изменений землепользования в вариации РВВ связан с процессами обезлесивания, опустынивания и сжигания биомассы, влияющими на альбедо и шероховатость подстилающей поверхности, а также эвопотранспирацию (Watson et al., 2000). Важно также, что альбедо поверхности, лишённой растительности, сильнее изменяется при установлении снежного покрова, чем при наличии растительности. Приближённые оценки изменения радиационного баланса Земли, обусловленного эволюцией землепользования, дали значения порядка —0,2 ± ± 0,2 Вт/м2.

Природно обусловленное РВВ за прошедшее столетие за счёт изменений СП (включая косвенное воздействие на слой озона) можно принять равным 0,4 ±0,2 Вт/м2. Поскольку суммарное РВВ составляет всего лишь около 1 Вт/м2, вклад изменчивости внеатмосферной инсоляции мог играть существенную роль.

Вулканические извержения порождают изменения РВВ от 0,2 до —0,5 Вт/м2 (эти оценки, однако, очень условны) (Kondratyev, Galindo, 1997; Kondratyev, 1999 6). Для анализа возможного антропогенного воздействия на глобальный климат исключительно важное значение имеют оценки чувствительности климатической системы к внешним воздействиям. В работе Hansen et al. (1998) принято, что изменение среднеглобальной ПТВ к удвоению концентрации СО2 должно составить 3 ± 1 °C. Ненадёжность оценок РВВ определяет целесообразность использования различных сценариев изменения РВВ. Одним из продолжений разработок в этой области явилась работа Tett et al. (1999).

Crowley (2000) получил оценки вкладов различных факторов в формирование климата (изменения ПТВ) за последние 1000 лет, применив для решения этой задачи энергобалансовую модель климата. Согласно полученным результатам: 1) изменения среднеглобальной ПТВ за последнее тысячелетие можно объяснить как результат комбинированного воздействия известных РВВ (в доиндустриальную эпоху 41-64% изменений ПТВ происходили за счёт внеатмосферной инсоляции и вулканизма); 2) наблюдавшееся в 20 веке глобальное потепление имеет, в основном, антропогенную («парниковую») природу, существенно превосходя внутренне обусловленную изменчивость климатической системы. К сожалению, имеющаяся в работе Crowley (2000) аргументация не является убедительной даже с точки зрения объяснения векового

хода среднеглобальной ПТВ. Не объяснены, например, причины похолодания климата в конце XIX — начале XX века. Рассматриваемая модель не способна, разумеется, воспроизвести изменения регионального климата. Не выявлена роль северо-атлантических колебаний (NAO) в формировании климата. В целом, не вызывает сомнений, что возможности приближённых энергобалансовых моделей не выходят за пределы обоснования лишь весьма условных сценариев климата, но не способны описать динамику реальной климатической системы. Такого рода вывод относится также и к результатам, полученным при помощи значительно более сложных глобальных интерактивных моделей климата (Knutson et al., 1999).

Отметив, что обладающие низким пространственным разрешением (порядка 3°-6° широты) модели климата неспособны достоверно воспроизводить (и, тем более, прогнозировать) изменения климата в региональных масштабах. Mearns et al. (1999) показали, что для решения такого рода задачи возможно применение двух подходов: 1) статистического (с учётом данных наблюдений) масштабирования (приведения к более высокому пространственному разрешению) результатов численного моделирования, полученных с помощью моделей низкого разрешения; 2) дополнения подобных моделей путём включения в них «гнездовых» региональных моделей с более высоким разрешением.

В этой связи в работе Mearns et al. (1999) предпринято сравнение сценариев антропогенно обусловленных изменений климата (при удвоении концентрации СО2), рассчитанных с использованием «гнездовой» модели RegCM2, разработанной в Национальном центре исследований атмосферы (NCAR) и полуэмпирической методики масштабирования (SDS). В обоих случаях крупномасштабное численное моделирование осуществлено с применением модели GCM, созданной в австралийском Научно-промышленном центре (CSIRO).

Полученные результаты свидетельствуют о том, что модель RegCM2 выявляет более сильную пространственную изменчивость полей температуры и осадков, чем модель SDS, которая приводит, однако, к более значительной амплитуде годового хода температуры, чем модели RegCM2 или GCM. Суточный ход температуры оказался, в основном, более слабым в случаях SDS и GCM, чем RegCM2, а амплитуда суточного хода осадков варьировалась в интервале между соответствующей SDS и RegCM2. Расчёты по модели RegCM2 воспроизводили как возрастание, так и уменьшение вероятности осадков при удвоении концентрации СО2, тогда как в случае SDS происходило только усиление осадков.

Одной из причин упомянутых расхождений могло быть то обстоятельство, что основу полуэмпирической модели SDS составили данные, относящиеся только к уровню поверхности 700 гПа, тогда как в двух других моделях учтена вертикальная структура атмосферы. Обсуждаемое сравнение не позволяет, однако, сделать вывод о том, какие из полученных результатов «правильно» отображают влияние возмущаю-

щего воздействия. Для ответа на этот вопрос и установления причин упомянутых расхождений необходимо дальнейшее совершенствование численного моделирования.

Одной из важных иллюстраций высокого уровня неопределённости теоретических оценок причин изменений климата является происшедшая за последние годы переоценка роли «механизма Миланковича» как главного фактора палеодинамики климата.

Согласно теории Миланковича, изменения палеоклимата были обусловлены перераспределением внеатмосферной инсоляции по широте и в годовом ходе в результате вариаций параметров земной орбиты (особенно это относится к ледниково-межледниковым циклам в течение четвертичного периода), которые включают: 1) наклон оси вращения относительно плоскости орбиты (флуктуирующий в пределах 22-24,5° при современном значении 23,4°; средняя периодичность вариаций составляет 41 тыс. лет и влияет преимущественно на инсоляцию в высоких широтах); 2) прецессию точек равноденствия, влияющую на время наступления равноденствий и солнцестояний, что сказывается главным образом на инсоляции в низких широтах (прецессия характеризуется двойной периодичностью 19 и 23 тыс. лет); 3) эксцентриситет земной орбиты, которая изменяется от почти круговой до сильно эллиптической с периодичностью около 95,8 тыс. лет (эти изменения порождают модуляцию прецессии). Миланкович предполагал, в частности, что низкий уровень инсоляции в высоких широтах летом служит причиной наступления оледенений и формирования ледовых щитов. Происходивший при этом рост альбедо подстилающей поверхности определял функционирование положительной обратной связи, усиливавшей воздействие спада инсоляции. Низкий уровень инсоляции летом имел место при минимальном угле наклона орбиты, высоком эксцентриситете и при апогее в период лета северного полушария. Согласно расчётам Миланковича, подобная конфигурация имела место 185; 115 и 70 тыс. лет тому назад.

Хотя за последние годы концепция Миланковича получила дальнейшее (но не всеобщее) признание, отдельные её аспекты подвергались критическому анализу (Кагпег, Muller, 2000). Это произошло по двум причинам: 1) появилось много новых геологических данных анализа кернов донных морских пород и ледяных кернов; 2) был достигнут значительный прогресс в численном моделировании климата. Анализ обоих этих источников информации показал, что адекватное объяснение изменений палеоклимата возможно лишь с учётом не только вариаций орбитальных параметров, но и других климатообразующих факторов, в частности, вариаций содержания в атмосфере парниковых газов, в числе которых углекислый газ имеет наиболее важное значение.

В этой связи Palutikof et al. (1999) выполнили анализ новых геологических данных об изменении палеоклимата, обладающих более высоким разрешением по времени, в контексте современных пред-

ставлений о динамике глобального климата. Полученные в 1990 гг. данные анализа ледяных кернов и пыльцы привели к следующим двум важным общим выводам: 1) часть данных наблюдений не подтверждает причинной обусловленности ледниковых циклов механизмом Милан- ковича (это относится в особенности к данным о 518О в кальцитных жилах Devils Hole в штате Невада, США, которые свидетельствуют о противофазности циклов оледенения и Миланковича); 2) из других данных следует, что этот механизм может объяснить лишь медленные квазипериодические вариации, но не ту кратковременную изменчивость (в масштабах времени от десятилетий до тысячелетий), относительно которой выяснилось, что она возникала гораздо чаще, чем это предполагалось ранее. Подобная изменчивость среднеглобальной температуры могла достигать нескольких градусов в течение нескольких десятилетий. Крупное событие внезапного похолодания климата случилось, в частности, в период эймского межледниковья (примерно 122 тыс. лет тому назад), когда климатические условия были очень близкими к современным. Типичным примером кратковременной изменчивости климата являются события Хайнриха и явления Дансгаарда-Ошгера. Такого рода события могут повторяться и в будущем.

Много неясностей сохраняется и в отношении воздействий современных изменений внеатмосферной инсоляции на климат. Soon et al. (2000) продемонстрировали, например, наличие гиперчувствительности климатической системы к изменениям УФ инсоляции, воздействие которых усиливает обратная связь за счёт статистической устойчивости облаков, влияния тропических перистых облаков и стратосферного озона (проблема «озон-климат» требует специального анализа (Kondratyev, Varotsos, 2000)).

Особое внимание привлекает интерактивный учёт динамики биосферы как компонента климатической системы (Кондратьев, 1999; Watson et al., 2000. Примером важности этой проблемы могут служить полученные Bunyard (1999) оценки влияния уничтожения тропических лесов в бассейне р. Амазонки на климат. Природа в бассейне р. Амазонки (прежде всего, влажные тропические леса: ВТЛ) выполняет целый ряд важных и до сих пор не полностью учитываемых функций, включая поступление энергии из тропиков в более высокие широты, которое находится, однако, под угрозой ввиду высоких темпов разрушения ВТЛ.

Согласно современным оценкам, ежегодно разрушается до 17 млн га тропических лесов, причём примерно 6 млн га приходится на долю бассейна бразильской Амазонки. К концу 1988 г. были уничтожены леса на площади 21 млн га, а через 10 лет эта площадь достигла 27,5 млн га, что превосходит территорию Великобритании.

Разрушение ВТЛ имеет важное значение с точки зрения воздействия на глобальный круговорот углерода, поскольку возникает опасность трансформации зоны ВТЛ из стока в источник углерода для атмосферы. Не менее существенны экологические аспекты сведения

ВТЛ ввиду экологической уникальности тропических лесов Центральной и Южной Америки. Согласно имеющимся оценкам, уничтожение только лесов в бассейне бразильской Амазонки (на площади около 360 млн га) обусловит годовой сток углерода до 0,56 млрд тонн, а в глобальных масштабах уровень подобного источника может достичь 4 млрд тонн С/год. Если учесть, что в 1998 г. в результате лесных пожаров были уничтожены тропические леса на площади около 9 млн га, то лишь за счёт одного этого источника в атмосферу могло поступить 1-2 млрд тонн углерода.

Над нетронутыми тропическими лесами около 75% поступающей солнечной радиации расходуется на эвапотранспирацию. Поэтому следствием уничтожения ВТЛ окажутся радикальные изменения энергообмена и глобальной атмосферной циркуляции. Ещё более значительными должны быть изменения локального климата, особенно с точки зрения выпадения осадков, уменьшение которых может достичь 65%. Ключевой важности проблема состоит в том, что до сих пор остаётся неясным пороговый уровень разрушения ВТЛ, определяющий потерю экосистемой способности к самоподдержанию. Если, например, это 20%, то такого рода порог уже превзойдён.

Bengtsson (1999) обратил внимание на то, что, поскольку доминирующее воздействие на изменчивость климатической системы оказывают нелинейные процессы, невозможно установить какую-либо простую связь между внешними возмущающими воздействиями (например, ростом содержания парниковых газов или изменчивостью внеатмосферной инсоляции) и реакциями климатической системы на подобные воздействия. Если учесть также непредсказуемость некоторых факторов климата, то становится очевидной трудность разделения антропогенно обусловленной и природной изменчивости климата, которое ещё более осложняется тем обстоятельством, что как внутренние обусловленные, так и вынужденные внешними воздействиями моды изменчивости климата определяются одними и теми же механизмами и обратными связями.

Хотя за последние годы достигнут значительный прогресс в численном моделировании климатической системы, он относится преимущественно к атмосфере, о чём свидетельствует достаточно хорошее соответствие результатов численного моделирования атмосферной циркуляции данным наблюдений. Результаты «ансамблевых» численных экспериментов указывают на то, что трёхмерная атмосферная циркуляция в тропиках определяется главным образом влиянием граничных условий, тогда как в высоких широтах преобладает воздействие динамики атмосферы. Достаточно реалистичным оказалось и воспроизведение круговорота воды в атмосфере.

Значительный прогресс в моделировании интерактивной системы «атмосфера-океан» позволил достичь существенных успехов в прогнозировании сезонной и межгодовой изменчивости и, в частности, событий Эль Ниньо. Достаточно адекватный учёт процессов на поверхности

суши обеспечил существенное повышение надёжности гидрологических прогнозов (в том числе, речного стока).

В этом контексте Bengtsson (1999) обсудил успехи численного моделирования климата по трём направлениям. Успешное осуществление программы ТОГА внесло важный вклад в обеспечение перехода к оперативным прогнозам сезонной и межгодовой изменчивости с учётом заданных изменений температуры поверхности океана (ТПО) в тропиках, что определило критически важное значение надёжных данных по ТПО.

Второе из упомянутых направлений связано с численным моделированием изменений климата в масштабах десятилетий и более и, в особенности, объяснением векового хода среднеглобальной среднегодовой приземной температуры воздуха (ПТВ). По-видимому, в случае долговременной изменчивости климата можно рассматривать стохастическое вынуждающее воздействие (ВВ) как нулевую гипотезу.

Рассмотрение воздействия низкочастотных флуктуаций климата на уровень Каспийского моря показало, что долговременная изменчивость уровня связана прежде всего с аномалиями ТПО в восточной части тропиков Тихого океана. Оказалось, что положительные аномалии ТПО коррелируют с усилением осадков в бассейне водосбора Волги и наоборот. Главной причиной вариаций уровня Каспийского моря является долговременная динамика событий ЭНЮК (Эль Ниньо/Южное колебание), которую следует рассматривать как хаотическую.

Важную часть обсуждаемой проблемы составляют исследования антропогенно обусловленной изменчивости климата. Расчёты показали, что следствием удвоения концентрации СО2 должно быть уменьшение уходящей длинноволновой радиации на уровне тропопаузы, равное 3,1 Вт/м2 и рост нисходящего потока длинноволновой радиации стратосферы около 1,3 Вт/м2. Таким образом, суммарное радиационное В В на уровне верхней границы тропосферы составит 4,4 Вт/м2. Расчёты возникающего при этом изменения ПТВ с использованием II моделей климата выявили потепление в пределах от 2,1 °Сдо 4,8 °C, а также усиление среднеглобальных осадков в пределах 1-10%.

Согласно Bengtsson (1999), вековой ход среднеглобальной ПТВ характеризуется до 1980 г. преобладающим вкладом природно обусловленной изменчивости с последующим усилением антропогенного вклада. Важной задачей последующих разработок является совершенствование численного моделирования (прежде всего с точки зрения более адекватного учёта разнообразных механизмов обратных связей) с целью обеспечения достаточно достоверных прогнозов в региональных и локальных масштабах. Весьма актуальная проблема глобального моделирования состоит в интерактивном учёте биогеохимических круговоротов.

Один из важнейших аспектов численного моделирования климата — оценка вклада антропогенных климатообразующих факторов. В этой связи Allen et al. (1999) обсудили возможности распознавания,

оценки и прогноза вклада антропогенно обусловленных глобальных изменений климата, характеризуемых приземной температурой воздуха, с учётом имеющихся данных наблюдений и численного моделирования. Последнее осуществлено, принимая во внимание внутренне обусловленную изменчивость климатической системы, а также влияние парникового эффекта (и связанного с этим потепления климата) и сульфатного аэрозоля (эффект похолодания климата).

Применение четырёх глобальных трёхмерных моделей интерактивной системы «атмосфера-океан» привело к оценкам повышения среднеглобальной ПТВ для десятилетия 2036-2046 гг. (по сравнению с до- индустриальным уровнем) в пределах 1,1-2,3 К. Расчёты чувствительности климатической системы к удвоению концентрации СО2 дали значения в диапазоне 2,5-3,5 К. Согласно модели климата HadCM2-G5, разработанной в Центре им. Гадлея (Великобритания), среднеглобальное «парниковое» потепление в период 1996-2046 гг. должно составить 1,35 К, тогда как «сульфатное» похолодание равно 0,35 К и, таким образом, результирующее потепление достигнет 1 К.

Если принять антропогенно обусловленное повышение ПТВ в 20-м веке равным 0,25-0,5 К/100 лет, то вычисления, сделанные с применением простой модели климата, приводят к уровню неопределённости прогноза равновесной ПТВ к 2040 гг., составляющему 1-2 К. Подобные оценки могут, однако, оказаться достаточно достоверными лишь при адекватном учёте характерного времени приспособления океана. Критически важным аспектом прогностических оценок является необходимость учёта возможных внезапных нелинейных изменений климата, что серьёзно ограничивает заблаговременность прогнозов.

Наиболее привлекательная перспектива оценки и прогноза антропогенных изменений ПТВ связана с анализом пространственно-временной изменчивости полей ПТВ, учитывающим воздействия парникового эффекта и аэрозоля. Реализация подобного подхода серьёзно осложняется, однако, невозможностью достоверного задания аэрозольного возмущающего воздействия на поле ПТВ. Серьёзную проблему составляет также необходимость учёта влияния на климат изменений содержания стратосферного и тропосферного озона.

Фундаментальность проблемы изменения глобального климата. Проблема антропогенно обусловленного глобального потепления оказалась сейчас в фокусе не только внимания специалистов, но и широких кругов населения. По мере того, как мы всё более углубляемся в понимание этой проблемы усиливается ощущение противоречивости относительно полученных в этой области результатов, особенно за последнее десятилетие. В этой связи Mahlman (1998) сделал обзор подобных результатов с целью анализа фундаментальных научных аспектов обсуждаемой проблемы, в котором особое внимание уделено рассмотрению роли численного моделирования и анализа дан-

ных наблюдений в понимании современных изменений климата. Этой же теме посвящена монография Weber (1992).

Главная трудность в понимании причин изменений климата связана с сохраняющейся до сих пор невозможностью достаточно надёжного учёта климатических обратных связей. В первую очередь это касается облачно-радиационной обратной связи, прямого и косвенного (через воздействие на радиационные свойства облаков) влияния атмосферного аэрозоля на климат, а также влияния взаимодействия атмосферы и океана на формирование климата.

Нередко игнорируемая особенность проявления «парникового» потепления климата состоит в его очень большой постоянной времени, определяемой инерционностью климатической системы (термическая «память» глубоких слоёв океана достигает столетий и даже тысячи лет). Schlesinger et al. (2000) обнаружили, например, существование глобальных осцилляций приземной температуры воздуха (НТВ) с периодом около 65-70 лет по данным наблюдений за 1858-1992 гг. Важное обстоятельство состоит в необходимости учёта принципиальных различий между численным моделированием (и прогнозом) погоды и климата. В случае климата важным обстоятельством является необходимость использования «настройки» и приспособления, обусловленная трудностью адекватного учёта сложной совокупности интерактивных процессов и пространственно-временных масштабов. В этом контексте существенную роль играет использование, палеоклиматических данных, хотя они и не могут служить аналогами возможных изменений климата в будущем.

Серьёзную озабоченность вызывает неадекватность глобальных систем наблюдений и особенно проявляющаяся в некоторых случаях деградация наземных наблюдений. Mahlman (1998) подчеркнул, что противоречивость проблемы антропогенных изменений климата состоит в отсутствии достоверных количественных оценок соотношения между вкладами природных и антропогенных факторов изменений. Именно это обстоятельство создаёт серьёзные трудности на пути практического осуществления рекомендаций, содержащихся в Протоколе Киото.

Такого рода выводы, детально обсуждавшиеся ранее, находят всё более широкое признание, иллюстрацией которого может служить недавний обзор Grassi (2000). В этом контексте серьёзное недоумение вызывает весьма широкое использование термина «изменение климата» (climate change) как определяющего лишь антропогенно обусловленное изменение. Не менее неправомерна подмена понятия «изменение климата» (в его истинном значении) термином «глобальное потепление», поскольку как данные наблюдений, так и результаты численного моделирования свидетельствуют о высокой степени пространственной неоднородности современных изменений климата, отнюдь не сводящихся к повышению приземной температуры воздуха.

Упомянутые терминологические недоразумения не являются, однако, случайными и, если называть вещи своими именами, имеют целью

дезинформацию ради утверждения ложной концепции антропогенного («парникового») глобального потепления, что было убедительно разъяснено С. Бомер-Кристиансен (2000), проанализировавшей политическую мотивацию подобной концепции.

В августе 1997 г. министр геологии США В. Бэббитт, обращаясь к примерно трём тысячам участников ежегодного конгресса Экологического общества США, сказал, что они должны выполнить гражданскую обязанность — помочь убедить скептически настроенную американскую публику в том, что глобальное потепление является и реальным и опасным: «У нас существует научный консенсус, но нет публичного консенсуса». В этой связи Morris (1997) сделал обзор имеющейся научной информации с целью проанализировать обоснованность подобного суждения, поскольку многие специалисты не разделяют апокалиптических прогнозов антропогенного глобального потепления. Главное внимание в обзоре уделено проблеме различения природных и антропогенно обусловленных изменений климата.

В середине 1970-х гг. прогнозы глобального похолодания, обусловленного влиянием сульфатного аэрозоля, предсказывали, например, что это влияние ограничит повышение среднеглобальной температуры за счёт усиления парникового эффекта атмосферы величиной менее 2 °Сдаже при 8-кратном росте концентрации СО2. Возникший в 1980-е гг. тренд потепления обострил внимание к проблеме потепления климата. В разгар знойного лета 1988 г. Д. Хансен заявил в конгрессе США о 99%-й вероятности антропогенного глобального потепления и его разрушительных последствиях для экосистем в будущем, а также о наличии консенсуса среди специалистов по этому вопросу, хотя многие метеорологи и климатологи отнюдь не разделяли подобные взгляды: соответствующие разработки не позволяли установить достоверные причинно-следственные соотношения между антропогенными выбросами парниковых газов и наблюдавшимися изменениями климата.

Политическая мотивированность поддержки концепции глобального «парникового» потепления определила гигантский рост правительственных ассигнований на такого рода разработки в США в период 1990-95 гг. с 600 млн до 1,8 млрд долларов.

В контексте оценки вкладов различных факторов в формирование глобального климата Morris (1997) отметил важность совместного учёта вкладов «парникового» потепления и солнечной активности, которые за период инструментальных наблюдений составили 0,31 °Си 0,41 °C, соответственно. Согласно тем же оценкам, удвоение концентрации СО2 приведёт к глобальному потеплению в пределах 1,26-1,33 °C. При подобных изменениях климата нет оснований ожидать таких часто предсказываемых катастрофических последствий, как повышение уровня Мирового океана и увеличение эпидемиологических заболеваний. Несомненно, однако, что следует ожидать рост урожая сельскохозяйственных культур. Последствия потепления климата должны быть, в целом, положительными. Хотя пока что надёжные прогнозы эко-

логических последствий выбросов ПГ невозможны, но очевидно, что осуществление их сокращения нанесёт серьёзный удар по экономике. Поэтому главный вывод работы Morris (1997) состоит в том. что следует идти не по пути предотвращения пока ненадёжно предсказываемых изменений климата, а полагаться на адаптацию к ним. Обоснованность подобного вывода оспаривалась, однако, в большом числе публикаций (Hansen et al., 1998; Houghton, 2000).

Ввиду сложности проблемы климата, в научных публикациях по этой проблеме обычно подчёркивается серьёзная неопределённость существующих оценок, что благоприятствует возможности продолжения исследований, но, с другой стороны, имеет важные последствия в контексте экологической политики. Как отметила Boehmer-Christiansen (1997), «экологичёские» бюрократы и эксперты, а также хорошо организованные представители мира топливно-энергетической индустрии сильно заинтересованы в доказательстве существования антропогенного потепления и хотят получить необходимую им поддержку науки. Эти три группы, имеющие общие интересы, поддерживают неправительственные экологические организации и тщательно укрепляют их после конференции в Рио.

Главной целью «зелёного» давления являются правительственные инстанции, которые, ввиду широкого диапазона их ответственности, как правило, не хотят или не могут осуществлять требуемые меры, включающие экологические налоги, субсидирование «возобновляемых источников энергии», ядерной энергетики, общественного транспорта, «эффективности энергетики» и др. Лоббированию подвергаются также Всемирный банк (ВБ) и Глобальный экологический фонд (ГЭФ), поддерживающие многочисленные и дорогостоящие разработки («чистые технологии» и т.п.), контроль за ходом которых осуществляет большое число нанятых для этого экспертов и специалистов в области финансов. Естественно, что подобные эксперты принадлежат к числу наиболее энергичных сторонников мер по предотвращению предполагаемых нежелательных изменений климата, а ВБ и соответствующие организации ООН в возрастающей степени используют их рекомендации, в том числе в связи с проектами так называемого «Совместного осуществления».

Вся эта система опирается на такой основополагающий документ, как Международная рамочная конвенция по проблеме изменений климата, а научной основой служат отчёты, подготавливаемые Межправительственной группой экспертов по проблеме изменений климата (МГЭИК). Достижение поставленных целей требует обеспечения целого ряда компонентов: науки, обосновывающей угрозы; «зелёного движения», выражающего эмоции; риторики и «принципа предосторожности»; разработок новых технологий, направленных на снижение выбросов парниковых газов; бюрократических органов, готовящих необходимые планы и разрабатывающих стратегии.

Лишь после этого могут начать свои акции политики, призванные обеспечить финансовые ресурсы для превращения планов в конкретные действия. Поскольку подобная стадия уже близка, Boehmer- Christiansen (1997) обсудила различные обстоятельства, касающиеся «научного обеспечения». Понятно, что РКИК может служить основополагающим документом, если антропогенное воздействие на климат действительно «опасно». Трудный вопрос состоит, однако, в том, как определить критерии «опасности» и кто должен быть за это ответственным (с учётом также социально-экономических и политических факторов).

В этой проблеме пока что остаётся много неясностей. В частности, в связи с обсуждением необходимости сокращения выбросов ПГ главное внимание сосредоточено на уменьшении масштабов использования каменного угля, особенно при производстве электроэнергии (если для природного газа условный «фактор выбросов СО2» составляет 15, то в случае угля он достигает 25 и более, будучи очень изменчивым). «Атака» на уголь не была, однако, связана с экологическими мотивами. Вопрос об экологии вообще не возникал до середины 1980-х гг., когда резко упали (особенно в 1986 г.) цены на нефть и газ, и для решения возникших экономических проблем понадобились экологические союзники с целью обеспечения конкурентоспособности «чистой» энергетики во имя «устойчивости развития».

Не случайно МГЭИК была задумана в 1985 г., реально запланирована в 1987 г. и начала функционировать в 1988 г. Правительства различных стран поддерживают планы сокращения выбросов ПГ не по экологическим, а по другим причинам: усиление национальной ядерной энергетики (Германия), повышение экспортного потенциала для электроэнергии, вырабатываемой АЭС и на газе (Франция, Норвегия), увеличение размеров финансовой поддержки и др. Естественно, что в тех странах, электроэнергетика которых зависит от угля, наиболее распространён скептицизм по отношению к «парниковому» потеплению.

Проанализировав роль различных международных организаций и программ в проблеме глобальных изменений климата, Boehmer- Christiansen (1997) подчеркнула: «Политику, касающуюся климата, невозможно понять без более глубокого анализа роли науки и научного понимания коалиции неэкологических интересов (как коммерческих, так и бюрократических), которые служат движущими силами развития событий в международных масштабах. Куда эта коалиция приведёт нас, пока остаётся неясным».

Конструктивные перспективы решения обсуждаемой проблемы связаны с разработкой и применением комплексных моделей для оценки возможных изменений климата и социально-экономического развития. В подготовленном Parson и Fisher-Vanden (1997) обстоятельном обзоре методов и результатов численного моделирования изменений глобального климата с учётом динамики социально-экономических процессов обсуждены основные аспекты так называемых интегральных оценок

(IA). Главной целью подобных разработок является обоснование рекомендаций для лиц, принимающих соответствующие решения, касающиеся экологической политики.

Четыре конкретные цели включают следующую проблематику: 1) оценки возможной реакции на изменения климата; 2) анализ структуры научных основ моделирования и характеристика неопределённостей получаемых результатов; 3) сравнительные оценки возможных рисков; 4) анализ достигнутого научного прогресса.

За последние несколько десятилетий в разработках моделей IA доминировали два подхода: 1) использование оценок, полученных междисциплинарными группами экспертов; 2) формальное численное моделирование. Первый из этих подходов характерен для усилий межправительственной группы экспертов по проблеме изменений климата (МГЭИК) и разработок в рамках Монреальского протокола, тогда как второй осуществлялся отдельными специалистами. Особое внимание привлекло использование IA для анализа возможных воздействий изменений климата на развитие энергетики и экономики в контексте проблемы выбросов СО2 в атмосферу.

Общая оценка полученных результатов состоит в том, что модели IA непригодны для обоснования узко специализированных мер ввиду недостаточной детальности подобных моделей. Применение такого рода моделей имеет, однако, важное значение для оценки возможных неопределённостей и, следовательно, целесообразности принятия тех или иных решений. В этой связи существенно, что наиболее значительные неопределённости, относящиеся к системе в целом или к рекомендациям относительно необходимой экологической политики, могут оказаться отнюдь не теми неопределённостями, которые наиболее важны для понимания процессов, ответственных за понимание происходящих изменений в окружающей среде или характеризующихся наиболее значительной изменчивостью.

При рассмотрении данных для конкретных моделей возможно ранжирование неопределённостей по их значимости, но такого рода ранжирование зависит от специфики моделей. Хотя применение моделей IA позволило обосновать некоторые взаимосвязи динамики социальноэкономического развития и изменчивости окружающей среды, полученные в этой связи результаты следует рассматривать как не более чем предварительные. Пока что использование моделей IA внесло лишь слабый вклад в получение оценок сравнительных рисков и ответа на фундаментальный вопрос о том, в какой степени и в каких отношениях возможные изменения климата наиболее существенны.

Ввиду отмеченных обстоятельств, результаты применения моделей IA для обоснования адекватной экологической политики были пока что весьма ограниченными, и это относится даже к чисто дидактическим оценкам на основе использования простых моделей. К числу главных проблем совершенствования моделей IA относятся: недостаточное понимание вероятных воздействий и возможностей адаптации; плохо

обоснованное или вообще отсутствующее описание социальных и поведенческих процессов в развивающихся странах; крайне ограниченные представления о маловероятных, не радикальных изменениях климата. Несмотря на нерешённость этих и других проблем, несомненна актуальность дальнейших усилий по разработке моделей для интегральных оценок.

Заключая, подчеркнём, однако, ещё раз, что основополагающее значение имеет совершенствование глобальной системы наблюдений. Иллюстрацией остроты этой проблемы могут служить результаты работы Адаменко и Кондратьева (1999), демонстрирующей сложную пространственно-временную изменчивость ПТВ в высоких широтах северного полушария и необоснованность стереотипа концепции «парникового» потепления, согласно которой в условиях Арктики влияние роста концентрации ИГ в атмосфере должно проявляться особенно сильно.

Моделирование антропогенных процессов

Моделирование демографических процессов. Демографическая ситуация безусловно определяет динамику антропогенных процессов. Поэтому попытки строить модели демографических процессов оправданы. Существующие прогнозы изменения численности населения и вариаций его пространственного распределения позволяют синтезировать сценарии для использования в глобальной модели, а также пытаться решать задачу её верификации. Создание адекватной модели глобального демографического процесса требует обширной базы знаний, охватывающей характеристики изменений стандартов демографического поведения, детальные сведения об интенсивностях демографических процессов в различных регионах планеты, оценки и критерии демографической политики и, что особенно важно, структурные показатели человеческого общества (Демирчан, Кондратьев, 1999).

К задаче параметризации демографических процессов обращались многие авторы. Демографические процессы рассматриваются как часть планетарных биосферных процессов, в которых Homo sapiens выступает как потребитель продукции биогеоценозов и регулятор потоков энергии и вещества между ними.

Матричная модель динамики численности населения. В соответствии с возможностями и потребностями глобальной модели в блок динамики населения включено влияние следующих факторов (Крапивин, Маренкин, 1999; Logofet, 2002):

обеспеченность пищей на душу населения F (вычисляется как сумма некоторых долей растительной и животной популяции региона, а также улова рыбы);

доля А белковой пищи животного происхождения в рационе человека (определяется по вкладу в величину F со стороны животных и рыб);

уровень медицинского обслуживания М (в данной версии модели пропорционален капиталообеспеченности на душу населения);

генетический груз человеческой популяции G (медленно растёт с развитием популяции и зависит от уровня загрязнения среды).

Половая структура населения, а также процессы миграции населения между регионами игнорируются. Возрастная структура содержит 3 группы (0-14 лет, 15-64 года, 65 лет и старше). Также выделяется четвёртая группа населения (инвалиды и нетрудоспособные лица из всех трёх возрастных групп). Для удобства терминологии считается, что последняя группа не влияет на возрастную структуру.

Обозначим через St возрастную структуру в момент времени t, тогда динамика численности населения может быть описана следующим матричным уравнением:

Sw = DxSt,

где D представляет собой демографическую матрицу 4x4, куда входит влияние вышеперечисленных факторов F, А, М и G:

du di2 00

п _ (^21 ^2200

0 dg2 dgg 0 ’d<i d<2 ^43 ^44

От традиционной матрицы Лесли для модели популяции с возрастной структурой матрица D отличается, во-первых, неравенством нулю её диагональных элементов, что объясняется перекрыванием поколений последовательных лет, и, во-вторых, последней строкой, которая отражает вневозрастной характер четвёртой группы. Диагональные элементы матрицы D определяются из очевидных балансовых соотношений:

du = 1 - р-г - ^ dji С =14-4),(1.3)

j>i

куда входят коэффициенты смертности р^ г-й группы, которые являются убывающими функциями обеспеченности пищей на душу населения и уровня медицинского обслуживания: pt = pt(F,M\ причём

F М™ ’ ^0 = Mi,min > 6,

где Mi,min характеризует минимальную физиологическую смертность в оптимальных условиях обеспеченности пищей и медицинского обслуживания.

Предполагается, что репродуктивный потенциал человеческой популяции целиком сосредоточен во 2-й возрастной группе. Значение коэффициента di2 считается региональной константой. Заметим, что коэффициент рождаемости является сложной и достаточно слабо изученной функцией многих переменных, одной из важных здесь следует указать на этнические традиции. На рождаемость оказывают и религиозные

воззрения, например, у мусульман дети приравниваются к богатству, а в Южной Азии религиозные нормы предписывают наличие в семье хотя бы одного сына. Религиозные взгляды заметно влияют на показатель рождаемости и католической религии. Поэтому, если функция Pi хорошо параметризуется по данным статистики, то коэффициент (/12 при современных знаниях является неопределённым параметром. Тем не менее, величина (/12 для различных регионов земного шара может быть оценена по данным о рождаемости.

Коэффициенты перехода в следующую возрастную группу (/21 и (/32 определяются из соображений длительности соответствующей возрастной группы и гипотезы равномерности распределения возрастов внутри группы, а именно: (/21 = 1/15; (/32 = 1/50.

Из всех возможных переходов в инвалидную группу наибольший вклад даёт коэффициент перехода из младшей группы, отражающий эффекты генетически обусловленных болезней и недостаточность белкового питания в раннем возрасте. Таким образом, (/41 = (/41 (G, А) — возрастная функция своих аргументов. Коэффициенты (/42 и (/43 малы по сравнению с (/41 и определяются совокупностью жизнеобеспечивающих параметров окружающей среды, уровнем медицинского обслуживания и другими показателями антропогенной среды (инвестициями). В первом приближении положим (/4^ = Ak/^k (к = 2,3), где Д^ << 1.

Демографическая матрица D обладает определённым набором свойств, которые позволяют выявить характерные тенденции демографического процесса. Максимальное собственное число

Amax(^) = max {Ац d33; d44} > 0, где

Ai = 0,5(dn + 6^2) + 0,25[(dn + ^22)2 + ^12^21 — ^н^22]^2

Из (1.3) следует, что если Amax(D) > 1, то Amax(D) = Ai, т. е. скорость возрастания популяции Homo sapiens в окрестности стационарного возрастного распределения определяется величиной Ац Стационарная возрастная структура вычисляется как собственный вектор, соответствующий Amax(D). Коэффициенты и модифицирующие зависимости матрицы D, рассчитанные, например, по данным Stempell (1985), дают доминантный собственный вектор Pd = (0,369; 0,576; 0,05; 0,005). Первые три компоненты вектора Pd с точностью до второго знака совпадают с глобальными данными о возрастном составе населения земного шара.

Матричный вариант демографического блока глобальной модели имеет шаг по времени 1 год. Включение этого блока в цепочку других блоков глобальной модели, имеющих произвольный временной шаг At < 1 года, требует применения согласующей процедуры. Это возможно, например, включением демографического блока только в моменты времени, кратные одному году. В таком варианте скачкообразные изменения численности населения будут вызывать некоторую

разбалансированность непрерывных траекторий глобальной системы. Другая свободная от этого недостатка процедура состоит в применении прогностического уравнения:

SHM = St^M(D-I)St,(1.4)

где I — тождественная матрица. Можно показать, что для векторов возрастной структуры, совпадающих по направлению с собственным вектором матрицы D, главный член относительной ошибки, накопленной за один год при шаге At = 1/п, составляет величину (1 — Х/п)(р — — 1)2/2. Действительно, обозначим правую часть уравнения (1.4) через f(S, М). Тогда, если е — собственный вектор матрицы D с собственным значением р, то при шаге At = 1/п

/= е + — (D - Пе = (1 + -—е.

у nJ п\ nJ

Очевидно, что SHn& = ^пЧ5в 1Л)- И при St = е^п\е, 1/п) = = (1 + \_р — 1]/п)пе. Если же At = 1, то St-v\ = /(е, 1) = ре, так что относительная ошибка, возникающая в результате дробления интервала времени длиною в один год, равна:

(1 +-Л =+ 0(( _ 1)3)

V П )12п

что и требовалась доказать. Другими словами, точность аппроксимации (1.4) повышается с приближением At к единице.

Дифференциальная модель динамики населения. Рассмотренная выше матричная модель позволяет использовать демографическую статистику по возрастным группам, но требует знания многих параметров, из-за чего в рамках глобальной модели возникают ситуации неопределённости. Поэтому здесь предлагается второй вариант демографического блока, отражающий динамику только общей численности населения. В этом варианте считается, что влияние многочисленных факторов окружающей среды и социальных аспектов на динамику численности населения G^ в г-м регионе проявляется через рождаемость Rg% и смертность MgP

- МСг)Сг (г=Х,...,т),(1.5)

Рождаемость и смертность зависят от обеспеченности пищей и её качества, загрязнённости окружающей среды, материального уровня жизни, энергообеспеченности, плотности населения, религиозных и других обстоятельств. В рамках глобальной модели учёт всех этих факторов будем осуществлять согласно принципу:

Rg = (1 - HgWgGHgvHgoHggHgmbHgcHgz,

Mg = pgH^mbH^gH^frH^zH^cH^oG + tgqtgcG^g\

где для простоты опущен индекс г, указывающий принадлежность соотношения к г-му региону; Kg — коэффициент, отражающий качество потребляемой пищи (Kg = 0 при идеальном уровне качества пищи); коэффициенты кс и pg указывают на уровень рождаемости и смертности соответственно; показатели tgo и tgc характеризуют зависимость смертности населения региона от показателей О и С качества окружающей среды (в рамках глобальной модели это содержание в атмосфере О2 и СО2), проявляющихся через физиологические функции человека; коэффициент co(G) характеризует степень влияния на смертность плотности населения (в современных условиях u(G) ~ 0,6); функции Hgv(H^fr\ Hgo(H^o), Hgc(H^c), Hgmb(H^mb), Hgg(H^g) и Hgz(H^z) отражают соответственно влияние на рождаемость (смертность) таких факторов окружающей среды, как обеспеченность пищей, концентрация О2 и СО2 в атмосфере, материальный уровень, плотность населения и загрязнённость среды обитания. При этом функции Н^о и Н^с аппроксимируют медико-биологические зависимости смертности от газового состава атмосферы. Рассмотрим все эти функции более подробно. Для этого сформулируем ряд гипотез, касающихся форм зависимостей смертности и рождаемости от различных факторов.

Результаты многочисленных исследований с учётом национальных особенностей позволяют принять в качестве аппроксимации функции Hgv следующую зависимость: Hgv = 1 — ехр(—Vg\ где Vg — эффективный размер пищи, определяемый как взвешенная сумма составляющих пищевого спектра Homo sapiens*.

^Gi = ^СФг^ 4“ ^GFi ( Fi + ^ ^ OpgiF^ 1 + kGri^i{ 1 — ^Fri ^uri) "С

+ ^GLiLi + kGXi+ ^GLiLi + kGXi(1 - ^FXiWi + (1 ~ ^FXi) ^^XijXj

+ ^GLiLi + kGXi

+ ^GLiLi + kGXi

Здесь Ф — объём пищевых продуктов растительного происхождения, получаемых из океана; F — пища животного происхождения; L — пищевые дары леса; X — растительная пища, производимая сельским хозяйством; Г — продукты рыболовства; коэффициенты ксФ, кер, ^Gt^ ксь и ксх определяются по методике, описанной в гл. 6; apjt и axjt ~ доля соответственно животной и растительной пищи в j-м регионе, доступная для употребления населением г-го региона; fipxi и vpx^ — доля растительной пищи, производимой и импортируемой г-м регионом соответственно для целей производства животной пищи; ^fg и $ug — доля рыбного промысла, расходуемая в г-м регионе на производство животной пищи и удобрений соответственно.

Смертность населения с возрастанием его обеспеченности пищей падает до некоторого уровня, определяемого константой рх^с^ со ско-

ростью р2,цС, так ЧТО H^FR = P1.P.G + P2.HG/FRG, где нормированная обеспеченность пищей Erg описывается соотношением Erg = = FRG^ = Vg,G (FrgG) = Frgo = УсДо)/СДо))- Аналогично полагаем, что рождаемость в зависимости от материального уровня Mrg населения описывается функцией с насыщением, так что наибольшее значение рождаемости наблюдается при малых величинах Mrg, а при Mrg ос рождаемость падает до некоторого уровня, определяемого величиной a^GMB- Скорость перехода от максимальной к минимальной рождаемости с изменением Mrg задаётся константами а^смв И O^GMB-

HgMB = CGGMB + Cl^GMB exp ^-^^GMbMrgY

_ V 1 — В — Umg — Uzg ERG(t)

BG~ G 1 - В (to) - Umg(to) - UZG(to) ERG(tQ) ’

г /,\1/ kRGM(t)\

Зависимость смертности от материального уровня опишем убывающей функцией:

Нр,мв = by^G + b2,RG exp (-Ь^дМвсУ

Эта функция показывает, что смертность населения с увеличением доли капитала на душу населения падает с коэффииентом скорости b*RG до уровня bL^G.

Рождаемость и смертность в определённых пределах соответственно являются убывающей и возрастающей функциями плотности населения:

Hgg = G^g + G^g exp (-G^^g^ggY H^g = $\,rg + ^2,mg^ggG’ где ZGg = G(t)/G(t0).

Наконец, важным аспектом экологии Homo sapiens является состояние природной среды обитания. Вопросы антропобиоценологии в связи с этим широко обсуждаются в научной литературе и многие авторы делают попытки найти необходимые закономерности. Не вдаваясь в детали этих исследований, большинство из которых не могут быть использованы в структуре глобальной модели, ограничимся следующими зависимостями:

Hgz = h,G exp (-EgZrgY _ ( T^GC F T2,Gc(Ca -Hgz = h,G exp (-EgZrgY _ ( T^GC F T2,Gc(Ca -tgc =tgc =H^z = тц,р.с + GgZrg, C\G для Ca > CtiG, для 0 < Co < Cv,gH^z = тц,р.с + GgZrg, C\G для Ca > CtiG, для 0 < Co < Cv,g

Hgz = h,G exp (-EgZrgY _ ( T^GC F T2,Gc(Ca -

Hgz = h,G exp (-EgZrgY _ ( T^GC F T2,Gc(Ca -

tgc =

tgc =

H^z = тц,р.с + GgZrg, C\G для Ca > CtiG, для 0 < Co < Cv,g

H^z = тц,р.с + GgZrg, C\G для Ca > CtiG, для 0 < Co < Cv,g

НцО - /1,MG +НцО - /1,MG +H^c = exp(fcMGCa),H^c = exp(fcMGCa),Hgo = 1 - exp (-kGoO), HGcHgo = 1 - exp (-kGoO), HGc= exp (—fcGGCo),= exp (—fcGGCo),7 =RG Ж) ’7 =RG Ж) ’

НцО - /1,MG +

НцО - /1,MG +

H^c = exp(fcMGCa),

H^c = exp(fcMGCa),

Hgo = 1 - exp (-kGoO), HGc

Hgo = 1 - exp (-kGoO), HGc

= exp (—fcGGCo),

= exp (—fcGGCo),

7 =

RG Ж) ’

7 =

RG Ж) ’

tgo =tgo =t\,goДля О > 0\g^

tgo =

tgo =

^2,GO{^2,GOТудо^О/O\^G ДЛЯ 0 < О < О\^

где Са — концентрация СО2 в атмосфере, Суд и О\д — безопасные для человека уровни содержания СО2 и (% в атмосфере.

Параметризация антропогенных процессов. Биосфера Q как сложная уникальная система функционирует по законам коэволюции её подсистем, базовыми из которых являются человеческое общество Н (Homo sapiens) и природа N (Nature). Влияние человеческой активности на природу из-за глобальности своих масштабов, очевидно, может быть оценено лишь с помощью развития принципиально новой технологии. Ясно, что для этого необходим системный подход к формализации экологических, технологических, экономических и геополитических взаимодействий подсистем Н и N. В общем случае система Н располагает технологиями, наукой, экономическим потенциалом, сельскохозяйственным производством, индустрией, социальным устройством, численностью населения и т. д. Система N обладает набором взаимозависимых процессов, таких как климатические, биогеоценотические, биогеохимические, геофизические и др.

Проблема устойчивого развития системы Н в условиях глобализации мировой экономики для своего решения требует привлечения нетрадиционных информационных технологий, к которым можно отнести синергетику (Князева, Курдюмов, 2002), экоинформатику (Крапивин, Потапов, 2002; Крапивин, Кондратьев, 2002), эвоинформатику (Букатова и др., 1991) и теорию живучести (Крапивин, 1978). Однако, применение уже развитых технологий к моделированию глобальной экодинамики связано с необходимостью поиска устойчивой парадигмы развития мирового сообщества (Чистяков, 2002). Именно на этом этапе возникают серьёзные трудности формирования концепции устойчивого развития мирового и национальных хозяйств, учитывающей региональные особенности мировой экономики. Хотя темпы роста мировой экономики в конце XX века интегрально характеризовались устойчивым среднегодовым приростом валового внутреннего продукта (ВВП) на 3-4%, различие между развитыми и развивающимися странами было в 10 и более раз. Например, уровень производства ВВП в странах СНГ на душу населения в 2,5 раза ниже среднемирового значения этого показателя. Оценки производственных потенциалов стран СНГ по отношению к мировому производству энергии показывают наличие больших неиспользуемых потенциальных возможностей развития экономики, но в то же время выявляют серьёзные проблемы структурной неустойчивости. Например, для России эти проблемы структурной диспропорции связаны с климатическими условиями, учёт которых затруднён неразвитостью соответствующих технологий управления энергетическими ресурсами. Такие же проблемы возникают и в других странах. Именно по этой причине до сих пор многочисленные международные форумы не могут найти путь устойчивого развития цивилизации.

Как справедливо отмечают Князева и Курдюмов (2002), применение традиционных линейных моделей к изучению сложных социоприрод- ных процессов не может дать надёжного прогноза их будущей динамики. Такой подход не может учесть факторы неоднозначности будущего и роль быстрых процессов в развитии сложной системы. Поэтому, в качестве конструктивной методики изучения сложных социальных систем предлагается использовать синергетику как «теорию эволюции и самоорганизации сложных систем мира». Синергетика может играть роль ограничителя направлений исследования, формулируя «некие эволюционные правила запрета» и ограничения на тематику исследований. Это важно с точки зрения концентрации усилиц учёных, зщанимаю- щихся синтезом глобальных моделей развития отношений между Н и N. Ведь за последние десятилетия наблюдается экспоненциальный рост научной информации по этой тематике, что существенно ограничивает возможности индивидуального научного коллектива выбрать в этом хаосе конструктивное ядро. Синергетика создаёт определённую идеологию междисциплинарного синтеза знания, что важно для диалога естественников и гуманитариев, а, следовательно, и для создания взаимно дополняющих структур-блоков глобальной модели.

С точки зрения теории, системы Н и N являются открытыми системами. Их разделение является условной процедурой, направленной на выделение управляемой и неуправляемой компонент окружающей среды. Не вдаваясь в философские и методические аспекты этой процедуры, будем считать, что обе системы симметричны с позиции их описания, то есть, положим, что каждая система имеет цель, структуру и поведение. Пусть Н = {Hg,Hs, |Я|} и N = ^Nc^Ng, |7V|}, где Hg и Ng — цели систем, Hg и Ng — стратегии поведения систем, \Н\ и |7V| — структуры систем Н и N соответственно. Тогда, взаимодействие систем Н и N можно описать процессом (V, Ж)-обмена, состоящего в том, что каждая из систем для достижения своей цели затрачивает ресурсы V и взамен получает новый ресурс в количестве W. Цель каждой системы состоит в оптимизации (У, Ш)-обмена с другой системой, то есть максимизировать W и минимизировать V. Запишем уравнения (V, Ш)-обмена:

WH(H\N*A= max min W(H,N) = min max W(H,N) {HS,\H\} {NS,\N\} {Ns,\N\} {HS,\H\}

(1.6)

Wn(H\N*) = min max W(H,N) = max min W(H,N)

(1.7) где H* и N* — оптимальные системы. Здесь в отличие от традиционных теоретико-игровых моделей существует спектр мощности взаимодействия систем Н и N, охватывающий конечные интервалы изменения выигрышей Wh и Wn в зависимости от агрессивности каждой из них. Конкретизация функции выигрыша требует определённой систематизации механизмов коэволюции человека и природы. Одна

из распространённых моделей сбалансированного развития мирового сообщества и природы, подчинённого критерию (1.6) и (1.7), состоит в отождествлении системы Н с совокупностью крупных городов с примыкающими к ним промышленными и рекреационными зонами. Существуют многочисленные варианты рассмотрения и формального описания таких структур. В частности, хорошо известен метод логикоинформационного моделирования процессов рационального природопользования и имитационный метод управления эколого-экономическими системами (Угольницкий, 1999). Согласно этим методам, для решения конкретной задачи необходимо концептуализировать информационную базу модели и выделить наиболее общие отношения между элементами взаимодействующих систем. Такая процедура завершается перечислением всех функциональных элементов систем и указанием мощностей нагрузок на их элементы. Вся процедура завершается синтезом имитационной модели, которая в рамках принятых допущений и предположений является инструментом исследования. В рассматриваемом случае будем считать, что структура системы Н включает население G, загрязнения Z, природные ресурсы М, то есть \Н\ = = }G,Z,M}. Аналогично, структура системы N состоит из таких элементов, как климатический параметр температура Г, качество среды обитания Q, площадь лесов аь и сельскохозяйственных земель ах, то есть |7V| = {Т, Q, а^, ах}.Стратегия поведения системы Н формируется из распределения капиталовложений в восстановление ресурсов Umg, борьбу с загрязнениями Uzg и сельскохозяйственные инвестиции Ubg, то есть Hg = {Umg, Uzg, Ubg }- Стратегия поведения системы N отождествляется со скоростью старения капиталовложений Ту, смертностью населения ро, продуктивностью сельского хозяйства Нх, стоимостью восстановления ресурсов Gmg, постоянной времени самоочищения биосферы от загрязняющих веществ Тв, то есть

Ng = {Ту, pc, Нх, Gmg, Тв}-

Уравнения (1.6) и (1.7) являются базовыми для модели выживания. В более общей постановке эта модель формулируется в терминах теории эволюционной технологии моделирования. В самом деле, если все возможные состояния биосферы, в которых присутствуют условия для существования человека, составляют множество Г = {Г^}, то в результате воздействия С^ на биосферу возможны два исхода: С^ (Г^) Г^ е е Г и С^ (Г^) Г5 ^ Г. Когда последовательность состояний биосферы {С/^Г^)} 6 Г, то можно говорить об устойчивой коэволюции системы Н U N. Безусловно, что существует проблема адекватности между реальными процессами и их упрощённым представлением в виде модели. Тем не менее, несмотря на возникающие здесь философские сомнения в целесообразности математического моделирования для перспективной оценки кинетики параметров биосферы, всё же можно говорить об определённой выгоде, приносимой модельным подходом. В самом деле, использование вместо самой биосферы её модели удобно, во-первых,

потому, что о модели имеется больше информации, чем о биосфере, во-вторых, потому, что с моделью легче и удобнее обращаться и, в- третьих, прямые эксперименты с биосферой просто опасны. Все эти аспекты изучаются глобальной экоинформатикой, цель которой состоит в достижении достаточного сходства наблюдаемого поведения системы Н U N с моделю. Это возможно в рамках постоянного обновления баз данных и расширения базы глобальных знаний в соответствии с технологией формирования информативного множества параметров биосферы, предложенной Крапивиным и Кондратьевым (2002).

Тенденции в хозяйственной деятельности человека определяются совокупностью огромного количества факторов. Но все они так или иначе сводятся к экономике и энергетике, связь между которыми можно описать линейной регрессией V = куее + Ьуе, где под V понимается бюджет региона, а через е измеряется вырабатываемая в нём энергия. Постоянные коэффициенты куе и Ьуе отражают специфику хозяйственной деятельности и её эффективность. Общая схема возможной модели социально- экономических процессов включает в виде Vt обозначение размеров фондов в регионе г, которые этот регион может использовать при планировании своей антропогенной деятельности:

= GvgGVmg -atlye

где TyG — постоянная времени износа основных фондов, множители Gvg и Vmg определяют скорость генерации фондов. При этом функция Vmg отражает зависимость скорости генерации фондов от материального уровня Mbg населения региона. Эту зависимость опишем логарифмической функцией:

Vmg = кмсу In (1 к^мсуМвс), где коэффициент кмсу выбирается из условия

кмсу In (1 + k^MGy^BG^o)) = 1-

Тогда коэффициент Gvg приобретает смысл объёма фондов, генерируемых в момент to на одного жителя региона. Постоянная времени износа основных фондов является функцией научно-технического прогресса и в модели рассматривается как управляющий параметр.

Основные фонды определяют интенсивность и направленность антропогенной активности. Их распределение отражает региональную стратегию управления ресурсами, обусловливает скорости протекания антропогенных процессов. В частности, генерация загрязнений и их утилизация существенно регулируются этим распределением.

Обозначим через Z концентрацию произвольного загрязнителя, генерируемого регионом со скоростью ZyG- Тогда

dZ гу

= ZVg - ^TV i

где Ztv = Zt Г Zv,Zt — естественная скорость разложения загрязнителя, Zy — скорость ассимиляции загрязнителя за счёт внедрения технологий очистки окружающей среды.

Будем считать, что скорость генерации загрязнений в регионе пропорциональна плотности населения с коэффициентом fc^ и зависит от объёма фондов на душу населения Vrg = V)G\

ZyG = kzGZ^vc.

где

Z*VG = ^VG,max[l - exp(-GyzGKrg)]•

Скорость искусственной ассимиляции загрязнений определяется долей капитала Uzg, направляемого на интенсификацию процессов очистки окружающей среды: Zy = UzgVJGzv^ где Gzv ~ стоимость очистки окружающей среды от единицы загрязнений.

Естественная скорость уничтожения природой вредных отходов прямо пропорциональна концентрации загрязнителя и обратно пропорциональна времени разложения Tz*. Zt = ZjTz- Естественно, процессы генерации и утилизации загрязнений являются более сложными. Поэтому соответствующий блок глобальной модели требует развития с учётом новых знаний в области утилизации загрязнений. Генерируемый загрязнитель рассеивается в окружающей среде, попадая частично в атмосферу, почву и гидросферу. Возможные пути распространения загрязнителя в этих средах описаны в других главах. Однако для комплексного анализа роли загрязнителя необходимо составить уравнение глобальной модели, которое бы отражало интегральное состояние атмосферы. Для этого введём показатель замутненности атмосферы В, измеряемый весом посторонних примесей в воздухе над единицей площади поверхности биосферы. Изменение этого показателя определяется долей Nb общего загрязнения Z, генерируемого в регионе; количеством отходов, производящих энергию предприятий (коэффициент Na), содержанием водяного пара в атмосфере Wa и скоростью её естественного просветления \/Тв, которая принимается равной обратной величине времени Тв оседания частиц пыли и дыма и капель воды. Влияние паров воды на изменение прозрачности атмосферы проявляется через производную

dWа _ dTИГ Рв "Л’

где Т — температура атмосферы, рв — коэффициент. В результате динамическое уравнение для системной переменной В будет иметь вид:

= NBZ + NAbGcG Г рв^тр - Г Вп,dtdt Тв

где Вп — скорость загрязнения атмосферы в результате естественных процессов (выветривание пород, эрозия, вулканизм и т.п., £з0,78 т х х км-2год-1).

Горизонтальное перемещение загрязнителей и соответствующее изменение В моделируется с учётом скорости ветра и пространственной сетки /\(р х АЛ. Параметр Тв рассчитывается по формуле Тв = he/vs, где he — эффективная высота рассеивания загрязнителя в атмосфере, ds — скорость оседания частиц загрязнителя, рассчитываемая по формуле Стокса: us = 2gpkT2/(9(). Здесь g — ускорение силы тяжести, рк — плотность частицы, т — радиус частицы, ( — коэффициент молекулярной вязкости. Например, для частиц с г Е [10-5, 5 • 10—3] см и рк Е [1,4] г/см3 получаем ds = 102 см/с, что для условий спокойной атмосферы даёт Тв = 7 час.

Некоторые характеристики атмосферных аэрозолей приведены в табл. 1.6-1.9.

Таблица 1.6. Характеристика некоторых компонентов атмосферы по времени их жизни

Компонент

Продолжительность нахождения в атмосфере

Углекислый газ Окись углерода Водяной пар Двуокись серы Озон

Хлористый водород Окись азота Двуокись азота Закись азота Аммиак Метан Фреоны

5 лет 0,1-3 года 10 суток

3 суток

10 суток 3-5 суток

5 суток

5 суток 120 лет 2-5 суток

3 года 50-70 лет

Наиболее сложным является процесс рассеивания загрязнений в водной среде и слое почвы. Эти процессы моделируются в соответствующих главах при изучении элементов гидросферы и связанных с ней антропогенных процессов. Выводимые и используемые при имитационных экспериментах соотношения между естественными и искусственными характеристиками формирования качества атмосферного воздуха или водной среды содержат параметры, определяемые темпами расходования и восстановления природных ресурсов. Эти темпы в своей динамике определяются темпами роста численности населения и развития цивилизации. Считается, что в среднем мировой прирост в скорости расходования природных ресурсов составляет ежегодно около 4% при среднегодовом приросте численности населения 2%. Отсюда следует, что величина расходования природных ресурсов на одного жителя Rmg является важным показателем современной цивилизации, так как за один год человечество потребляет АМ = RmgG доступных ресурсов. Потребление природных ресурсов возрастает с повышением

Таблица 1.7. Источники загрязнения атмосферы

Источник загрязнения

Загрязнитель

ПРИРОДНЫЕ

Вулканы, фумаролы, сольфатары Естественные выходы природного газа и нефти

Газы, вулканическая пыль, пары ртути Углеводороды

Месторождения:

ртути

сульфидов

радиоактивных руд

Выдувание ветром с поверхности морей и океанов

Подземные угольные пожары Естественно возникающие лесные и степные пожары

Транспирация растений

Пары ртути

Сернистый газ

Радон

Хлориды, нефть, сульфаты

СО2, СО, SO2, углеводороды

Дым

Пары воды, ароматические и другие летучие вещества

АНТРОПОГЕННЫЕ

Сжигание твёрдого и жидкого органического вещества

Металлургия чёрных, цветных и редких металлов

Атомная промышленность

Ядерные взрывы

Цементная промышленность

Строительные взрывы

Лесные и степные пожары, возникающие по вине человека Промысел нефти и газа Автотранспорт

СО2, СО, SO2, свинец, углеводороды, пары ртути, кадмий, окислы азота Пыль, SO 2, пары ртути, металлы

Радиоактивные вещества

Радиоактивные изотопы

Пыль

Пыль

Дым

Углеводороды

СО, сажа, окислы азота

материального уровня жизни, но степень этого возрастания снижается с увеличением капиталовложений в науку. Ясно, что эта взаимосвязь является многогранной и ещё слабо исследованной. Поэтому для целей данного рассмотрения примем следующую параметризацию:

Rmg = t^g In (1 + MBgY

где параметр тс является функцией времени, задаваемой в имитационных экспериментах в форме сценария.

Охрана и восстановление природных ресурсов требуют определённых материальных затрат. Будем считать, что эффективность меропри-

Таблица 1.8. Некоторые характеристики энергетических параметров биосферы

Характеристика

Оценка

Энергия массы покоя Земли (Дж)

1Q46

Мировое потребление всех видов энергии (кДж/год)

(2,1-3) • 107

Утилизируемая биосферой энергия (Дж/год)

Ю20

Используемая человеком энергия (Дж/год)

ю21

Энергия приливов и отливов (кВт-ч/год)

6,4 • 1014

Энергия рек (кВт • ч/год)

23 • 1012

Энергия ветра (кВт • ч/год)

Использование солнечной энергии (%):

15 • 1023

падает на поверхность Земли

100

запасается при фотосинтезе

од

используется в виде пищи

0,001

Процент удовлетворения энергетических потребностей человечества за счёт сжигания ископаемых продуктов фотосин-

теза

95

Потребление продуктов фотосинтеза в качестве пищи (%) Коэффициент полезного действия:

1

животноводства

0,2

земледелия

экстенсивного

20

интенсивного

2

тепличного

0,02

Процент энергозатрат сельского хозяйства на производство азотных удобрений путём химической фиксации атмосфер

ного азота

30

Ежегодный темп увеличения потребления энергии (%)

4

Объём сжигаемого органического топлива (млрд/год)

6-7

Ежегодное расходование природного газа (1012 м3)

1,4

Геологические запасы бурого и каменного углей (млрд т)

(14-15)•103

Содержание в этих запасах энергии (млрд Дж)

20 • 1012

Запасы природного газа (1012 м3)

145-340

Разведанные запасы нефти (млрд т)

65

Изъято нефти из недр Земли (млрд т)

147

Объём мировой добычи нефти (млрд/год)

7,4

Доля морских нефтепродуктов в мировой добыче нефти (%) Добыча минеральных топлив со дна океана:

19-20

нефть (млн т/год)

450

газ (млрд м3/год)

180

Характеристика

Оценка

Известные запасы горючих ископаемых в единицах условно-

го топлива (млрд т)

27 • 103

Объём добываемого условного топлива (млрд т/год)

6

Общая энергия ископаемых видов топлива (кДж)

Ю20

В том числе в процентах:

нефть

10

газ

10

уголь

80

Отношение количества разведанных запасов горючих ископаемых к их годовой добыче:

нефть

37

газ

41

уголь

720

Энергия, выделяемая при сжигании древесины (кДж/год)

2- 106

Мощность всех энергетических установок на земном шаре

(кВт)

1010

Доля суммарного антропогенного выделения энергии на Зем

ле в её радиационном балансе (%)

0,02

Пути расходования энергии (%):

тепловые электростанции и теплофикация

30-35

промышленность

30-35

транспорт

25-30

бытовые нужды

5-10

ятий по охране и восстановлению природных ресурсов пропорциональна доле Umg капиталовложений, направляемых на эти мероприятия, и обратно пропорциональна стоимости Gmg восстановления условной

единицы ресурсов:единицы ресурсов:UmgV dtТ GmgUmgV dtТ Gmg

единицы ресурсов:

единицы ресурсов:

UmgV dtТ Gmg

UmgV dtТ Gmg

проблем. Пусть ду — доля ство. Тогда7адуdtпроблем. Пусть ду — доля ство. Тогда7адуdt

проблем. Пусть ду — доля ство. Тогда7

адуdt

проблем. Пусть ду — доля ство. Тогда7

адуdt

Спектр капиталовложений также включает инвестиции в производство сельскохозяйственной продукции. Сюда входят затраты на научные исследования в области селекции, физиологии растений и агротех

ники и мелиорации, а также на решение технических и социальных

капитала, вкладываемая в сельское хозяй-

_ UbgBfgBqg — ду

" Тв ’

где параметр управления Ubg = UbgW в имитационных экспериментах описывается сценарием, а остальные компоненты определены

Таблица 1.9. Оценка ежегодного объёма частиц радиусом менее 20 мкм, выбрасываемых в атмосферу

Вид частиц

Поток частиц (106 т/год)

Естественные частицы, частицы почвы и камней

Частицы от лесных пожаров и сжигания отходов лесной

100-500

промышленности

3-150

Морская пыль

300

Вулканическая пыль

Частицы, образующиеся при производстве газов

25-150

сульфаты из H2S

130-200

соли аммония из HN3

80-270

нитраты из МОЖ

60-430

гидрокарбонаты из растительных соединений

75-200

Искусственные частицы

10-90

следующими зависимостями:

(

\ ^BG

Qfg у

QMG = Ь\Дс + b2,qG(MBGTqG QFG = CLqG^Frg)^0

Моделирование совокупности природных и антропогенных процессов в мегаполисе. Под мегаполисом понимается участок земной поверхности, на котором имеет место высокая степень урбанизации с развитой промышленностью и другими аттрибутами человеческой активности, сконцентрированными на ограниченной территории. Число таких территорий в мире непрерывно увеличивается, а их общая площадь растёт с возрастанием численности населения земного шара. Характерными примерами крупных мегаполисов являются города Москва, Токио, Нью Йорк, Хошимин и др. Некоторые характерные оценки параметров окружающей среды в мегаполисах приведены в табл. 1.10. Например, мегаполис г. Москвы характеризуется высокой концентрацией на ограниченной территории источников загрязнения атмосферы (предприятия энергетики, химической промышленности и автотранспорта). Их доля в выбросах загрязняющих веществ составляет 90,4%. Шлейф загрязнённого воздуха от Москвы обнаруживается на расстояниях более 100 км от города. Состояние водного бассейна в мегаполисе определяется попаданием канализационных вод, поверхностных стоков и стоков от промышленных предприятий в основные реки Москва и Яуза, а также в 70 речек и ручьёв на территории мегаполиса. Концентрации химических элементов в р. Москва как в черте города, так и ниже по течению сильно варьируются в зависимости от сезона года. Например, содержание иона меди в течение года

3 К.Я. Кондратьев, В.Ф. Крапивин

изменяется от 0,004 до 0,013 мг/л (4-13 ПДК), причём, наибольшая концентрация наблюдается весной. Содержание нефтепродуктов изменяется в диапазоне 0,25-0,6 мг/л (5-12 ПДК). Аналогичная ситуация наблюдается в р. Яуза, где концентрация меди колеблется от 0,007 до 0,12 мг/л, а нефтепродуктов от 0,38 до 0,7 мг/л. Экологические службы мегаполиса отслеживают локальные концентрации загрязнителей, формируя соответствующие временные ряды данных о состоянии окружающей среды. В целом по земному шару формируется сеть мегаполисов, отражение которых в глобальной модели способствует повышению её точности. Многие мегаполисы находятся в стадии формирования. Наиболее ярким примером молодого мегаполиса является г. Хошимин и окружающие его провинции Южного Вьетнама — Донг Най, Винь Зыонг и Варна- Вунг Тау. Этот мегаполис в экономике Вьетнама занимает важное место, охватывая 75% промышленной продукции Южного Вьетнама и 50% для всей страны (Фунг, Ле, 1997). Развитие инфраструктуры мегаполиса включает создание служб экологического и санитарного контроля окружающей среды уже на начальном этапе, что позволяет осуществлять перспективное планирование окружающей среды.

Таблица 1.10. Сравнительная характеристика развитого и развивающегося мегаполисов

Параметр

Оценка параметра

Москва

Хошимин

Площадь мегаполиса (км2)

100

31

Численность населения мегаполиса (тыс. чел.)

8894

8563

Площадь зелёных насаждений (км2)

14

16

Количество предприятий в мегаполисе (тыс.)

25

14

Количество источников генерации загрязнений (тыс.)

100

70

Выбросы вредных веществ в атмосферу (тыс. т/год)

1153

248

Протяжённость открытых водотоков на территории мегаполиса (км)

398

101

Объём загрязнённых сточных вод (млн. м3/год)

3036

226

Анализ данных о структуре окружающей среды мегаполисов мира позволяет заключить, что для её комплексной оценки возможно создание типовой системы моделей, описывающих перенос и распространение загрязнителей в атмосфере и водной среде. При этом в эти модели входная информация может поступать как от систем мониторинга, так и от глобальной модели.

Характерные линейные размеры мегаполиса составляют десятки километров. А это значит, что для моделирования процессов атмосферного переноса загрязнителей вполне допустимо применение мо-

дели гауссовского типа. Выбор расчётной схемы для оценки качества атмосферного воздуха в мегаполисе вполне может ограничиваться построением композиции гауссовских струй и суммированием в точках их пересечения концентраций соответствующих типов загрязнителей.

Пусть источник загрязнителя типа s расположен в точке (0,0) в системе координат (х,у, z), где ось Ох направлена по ветру, а ось Oz перпендикулярна поверхности земли и на высоте h. Тогда концентрация Cs загрязнителя типа s в любой точке (х, у, z) может быть вычислена по формуле

у2 _ С + н? _ С - н)21/1 о\

2Ь)22(аг)22(аг)2 /’

гдегдеН = h + Ah,Н = h + Ah,ку и kz — коэффициенты турбулентной диффузии, соответствующие осям у и z\ U — скорость ветра; параметр 7\h рассчитывается по формуле Бригса: Mi = Ai для неустойчивых и нейтральных условий нижнего слоя атмосферы; Мг = А2 для стабильных условий нижнего слоя атмосферы;ку и kz — коэффициенты турбулентной диффузии, соответствующие осям у и z\ U — скорость ветра; параметр 7\h рассчитывается по формуле Бригса: Mi = Ai для неустойчивых и нейтральных условий нижнего слоя атмосферы; Мг = А2 для стабильных условий нижнего слоя атмосферы;J l^F1/3^2/3 при х С хр,1| \,6F^3(3,5xp)2^3 при х > 3,5хр,J l^F1/3^2/3 при х С хр,1| \,6F^3(3,5xp)2^3 при х > 3,5хр,min{2,6 ( —-— ], nGF1/3^^^)2/3}min{2,6 ( —-— ], nGF1/3^^^)2/3}при U > 1,4 м/с,при U 1,4 м/с,при U > 1,4 м/с,при U 1,4 м/с,F =F =р-(Т — Т Wкоэффициент плавучести, S3ТГ7 sр-(Т — Т Wкоэффициент плавучести, S3ТГ7 s= ^(^+0,01Та \ dZ= ^(^+0,01Та \ dZЭТ коэффициент устойчивости, — потенциальный градиент температуры в точке выброса загрязнителя; Ts — температура выходящего газаЭТ коэффициент устойчивости, — потенциальный градиент температуры в точке выброса загрязнителя; Ts — температура выходящего газа(° К); Та — температура окружающего воздуха (°К); D — диаметр источника загрязнения (трубы и т.п., м); V — газовый расход в единицу времени (м3/с); g — гравитационное ускорение, хр — расстояние по направлению ветра, на котором турбулентная диффузия преобладает(° К); Та — температура окружающего воздуха (°К); D — диаметр источника загрязнения (трубы и т.п., м); V — газовый расход в единицу времени (м3/с); g — гравитационное ускорение, хр — расстояние по направлению ветра, на котором турбулентная диффузия преобладаетнад уносом:над уносом:( 14^5/8 для р ^ 55> 'р | 34F2/5 для F > 55.( 14^5/8 для р ^ 55> 'р | 34F2/5 для F > 55.Для расчёта концентрации загрязнителя в произвольной точке территории мегаполиса необходимо учитывать влияние всех источников. Для этого выберем произвольную систему координат хОу. Допустим, что вектор направления ветра составляет с осью Ох угол а. Обозначим координаты источников загрязнения Qt (г = 1,...,п) через (а^,^). ТогдаДля расчёта концентрации загрязнителя в произвольной точке территории мегаполиса необходимо учитывать влияние всех источников. Для этого выберем произвольную систему координат хОу. Допустим, что вектор направления ветра составляет с осью Ох угол а. Обозначим координаты источников загрязнения Qt (г = 1,...,п) через (а^,^). Тогдаз*з*

где

где

Н = h + Ah,

Н = h + Ah,

ку и kz — коэффициенты турбулентной диффузии, соответствующие осям у и z\ U — скорость ветра; параметр 7\h рассчитывается по формуле Бригса: Mi = Ai для неустойчивых и нейтральных условий нижнего слоя атмосферы; Мг = А2 для стабильных условий нижнего слоя атмосферы;

ку и kz — коэффициенты турбулентной диффузии, соответствующие осям у и z\ U — скорость ветра; параметр 7\h рассчитывается по формуле Бригса: Mi = Ai для неустойчивых и нейтральных условий нижнего слоя атмосферы; Мг = А2 для стабильных условий нижнего слоя атмосферы;

J l^F1/3^2/3 при х С хр,

1| \,6F^3(3,5xp)2^3 при х > 3,5хр,

J l^F1/3^2/3 при х С хр,

1| \,6F^3(3,5xp)2^3 при х > 3,5хр,

min{2,6 ( —-— ], nGF1/3^^^)2/3}

min{2,6 ( —-— ], nGF1/3^^^)2/3}

при U > 1,4 м/с,

при U 1,4 м/с,

при U > 1,4 м/с,

при U 1,4 м/с,

F =

F =

р-(Т — Т W

коэффициент плавучести, S3

ТГ7 s

р-(Т — Т W

коэффициент плавучести, S3

ТГ7 s

= ^(^+0,01Та \ dZ

= ^(^+0,01Та \ dZ

ЭТ коэффициент устойчивости, — потенциальный градиент темпера

туры в точке выброса загрязнителя; Ts — температура выходящего газа

ЭТ коэффициент устойчивости, — потенциальный градиент темпера

туры в точке выброса загрязнителя; Ts — температура выходящего газа

(° К); Та — температура окружающего воздуха (°К); D — диаметр источника загрязнения (трубы и т.п., м); V — газовый расход в единицу времени (м3/с); g — гравитационное ускорение, хр — расстояние по направлению ветра, на котором турбулентная диффузия преобладает

(° К); Та — температура окружающего воздуха (°К); D — диаметр источника загрязнения (трубы и т.п., м); V — газовый расход в единицу времени (м3/с); g — гравитационное ускорение, хр — расстояние по направлению ветра, на котором турбулентная диффузия преобладает

над уносом:

над уносом:

( 14^5/8 для р ^ 55> 'р | 34F2/5 для F > 55.

( 14^5/8 для р ^ 55> 'р | 34F2/5 для F > 55.

Для расчёта концентрации загрязнителя в произвольной точке территории мегаполиса необходимо учитывать влияние всех источников. Для этого выберем произвольную систему координат хОу. Допустим, что вектор направления ветра составляет с осью Ох угол а. Обозначим координаты источников загрязнения Qt (г = 1,...,п) через (а^,^). Тогда

Для расчёта концентрации загрязнителя в произвольной точке территории мегаполиса необходимо учитывать влияние всех источников. Для этого выберем произвольную систему координат хОу. Допустим, что вектор направления ветра составляет с осью Ох угол а. Обозначим координаты источников загрязнения Qt (г = 1,...,п) через (а^,^). Тогда

з*

з*

суммарная концентрация загрязнителя типа s в произвольной точке (и, х) на высоте z будет равна:

Cs(u, v,z) = У^ Cs(u, v, z, сц, bi),z=l

где Cs(u,d,z; at, bi) — концентрация загрязнителя типа s в точке (u,x) на высоте z, образовавшаяся за счёт источника Qi. Знание угла а позволяет легко согласовать координаты систем иОи и хОу.

Расчёт параметров гидрологического цикла в мегаполисе производится на основе общей модели, описанной Крапивиным и Кондратьевым (2002). Однако здесь возможны упрощения за счёт отсутствия некоторых элементов стандартной схемы или изменения их весов. Для мегаполиса наиболее характерным является движение воды по каналам (трубопроводам). В этом случае имеем уравнение:

+ g(^ + 9-+pVEiL = ^ (1-9) \ох ох )

где z — уровень канала; у — глубина воды в канале, измеренная от уровня z; р — сила трения о ложе канала; Eil — величина воздействия притоков и оттоков; а — эффективная площадь сечения канала в точке с координатой х; х — направление движения воды; Q — поток воды в точке х.

В дополнение к (1.9) необходимо записать уравнение неразрывности водной среды:

ост , oQ dt Эх где q — промежуточный приток воды в единицу времени на единицу длины участка канала.

Изменение температуры Tw элемента водного объёма V опишем соотношением:

V8TW _ I д f . dTw\Shalr^ _ dV

at op ox \ ox ) oxcpot

где I — длина элемента канала; S — площадь поверхности элемента на границе с атмосферой; р — плотность воды; с — удельная теплоёмкость воды; ож — площадь поперечного сечения элемента канала в точке х; Q* — адвективный поток тепла через границы элемента; — внешние источники тепла; Аж — коэффициент вихревой диффузии; На[ — скорость потока тепла через единицу площади поверхности.

Поток тепла через поверхность на границе с атмосферой слагается из следующих компонентов: Hai = Е\ + Е^ — Е3 — Е4 — Е5, где Е\ и Е2 — потоки приходящей коротковолновой и длинноволновой солнечной радиации соответственно; Е3 — поток уходящей длинноволновой

радиации; Ед — поток уносимого испарением тепла; Е^ — конвективный теплообмен. Величина Е\ является сложной функцией облачности, запылённости атмосферы, положения солнца и других геофизических параметров. Для потока Е^ используем зависимость Е^ = 1,23 х х 10-16[1 + 0,17у2](Та + 273)6, где % — облачность. Поток Ед оценим выражением Ед = Ecr\(Ta + 273)4, где £ — излучательная способность воды (£з0,07), (71 — постоянная Стефана-Больцмана (1,357 • 10-8 кал х х м-2с-1 °C-4). При Та е [0,30] °Ссправедлива аппроксимация Ед = = 7,36- IO”2 + 1,17- 10-3Та.

Тепловые потери через испарение представим в виде зависимости Ед = pLea, где р — плотность воды (кг/м3), L — скрытая теплота испарения (ккал/кг), Еа — скорость испарения (м/с). Последняя величина аппроксимируется соотношением Еа = (а + bW)(ps — ра\ где W — скорость ветра над поверхностью воды, ps — давление насыщенного пара над поверхностью (мбар), ра — давление пара в атмосфере (мбар), а и b — эмпирические коэффициенты. Величина ps хорошо аппроксимируется линейной функцией ps = ар + РРТа, коэффициенты которой указаны в табл. 1.11.

Таблица 1.11. Коэффициенты зависимости давления пара в атмосфере от температуры

та (°C)

оу

др

0-5

6,05

0,522

5-10

5,10

0,710

10-15

2,65

0,954

15-20

-2,04

1,265

20-25

-9,94

1,659

25-30

-22,29

2,151

30-35

-40,63

2,761

35-40

-66,90

3,511

Наконец, конвективный перенос тепла Ед = ЯдЕд, где

Я4 = 6,1 • 10"4ро(Та - Td)(ps -Ра)

— давление атмосферы (мбар), Тд — температура сухого воздуха (°C). Окончательно получаем На[ = pai — Ха[Та, где pai = Е\ + Е^ — 7,36 х х 10-2 - рЦа + W)(ap - ра - 6,1 ■ 10-4paTd), Ха1 = 1,17 ■ 10"3 + + рЦа + bW) (/Зр + 6,1 ■ 10"4ра).

Газовый обмен на границе атмосфера-вода опишем уравнениемV^ = SKc^C* - С),

где Kq = К2д^"20\ С — концентрация растворённого в воде газа, С* — концентрация насыщенного растворённого газа при локальной температуре, К^ — коэффициент реаэрации газа при 20 °C, д — температурный коэффициент. Коэффициент К^ при известной скорости

ветра W (м/с) и известном коэффициенте молекулярной диффузии Dg вычисляется по формуле

К^ = Dg • 106[200 - 601V1/2]-1.

Коэффициент Dg равен 2,04 ■ 10-9 для Ог и 1,59 ■ 10“11 для СО2.

Система геоинформационного мониторинга в мегаполисе, основываясь на данных измерений параметров окружающей среды и опираясь на соотношения (1.6) и (1.7) выявляет, анализирует и оценивает наиболее уязвимые стороны инфраструктуры мегаполиса в случае возникновения природных катастроф как реакций системы N на поведение системы Н при реализации проектов реконструкции природных комплексов. В результате происходит взаимодействие внешней оболочки глобальной модели с детальностью описания окружающей среды по шкале /Х^р х АЛ и модели мегаполиса, где пространственное разрешение является более детальным. Многообразие возникающих при этом схем согласования глобальной модели и модели мегаполиса определяется как его спецификой, так и формальными системными обстоятельствами. Их изучение и развитие является предметом будущих исследований по реализации конструктивных идей, изложенных в монографии Кондратьева (1999).

Сценарии

Разработка стратегии управления глобальными изменениями, как показывает опыт, при современном развитии науки о глобальных процессах невозможна с помощью моделей любой сложности, описывающих функционирование системы «Природа-Общество». Несомненно, развиваемые методы моделирования типа эволюционной технологии (Букатова и др., 1991) оставляют надежду на создание такой глобальной модели, которая, опираясь на уже накопленные знания, даст возможность получать устойчивые долговременные прогнозы глобальных изменений и тем самым обеспечивать устойчивое развитие окружающей среды. Ясно, что успех в этом направлении зависит от комплексного использования технологий моделирования и наблюдения за окружающей средой. Пока же глобальные модели требуют встраивания в них блоков, которые реализуют параметризацию некоторых процессов в системе «Природа-Общество» в форме сценариев. Построение последних является искусством использования экспертного знания, а также определённой фантазии исследователя. Достаточно подробные рассуждения на эту тему можно найти в книге Alcano et al. (2001), брошюре Beese et al. (1995), в работе Gyalistras (2002) и в специальном докладе МГЭИК (Watson et al., 2000). В какой-то мере в качестве одного из сценариев может выступать Протокол Киото. Так, некоторые страны ЕЭС согласились, подписав этот протокол, в 2008-2012 гг. сократить выбросы шести парниковых газов (углекислый газ, метан, окислы азота, hydrofluorocarbons, perfluorocarbons, sulphur hexafluo-

ride), исходя из их среднего глобального парникового потенциала 8%. Англия, например, планирует сократить выбросы парниковых газов на 12.5%, а непосредственно выбросы СО2 уменьшатся к 2010 г. на 20% по сравнению с 1990 г. В каждой стране многообразие возможных сценариев подобного типа порождает высокий уровень глобальной неопределённости, разрешение которой невозможно без обобщений. Так, мировой саммит 2002 г. в Йоханнесбурге (Южная Африка) показал, что путь мирового сообщества к выживанию и устойчивому развитию противоречив и труден. Противоречивость ожидаемого социальноэкономического развития хорошо выражается не только в имеющихся политических декларациях, но и в попытках формализации глобальных стратегических целей цивилизации. Достаточно упомянуть очередной раз Протокол Киото и привести перечень антропогенных сценариев. Поэтому, не углубляясь в детали политики, остановимся лишь на некоторых обобщающих сценариях. Но, прежде всего, выделим два возможных и диаметрально противоположных сценария, затрагивающих принципиальные аспекты глобальной экодинамики.

Инерционный сценарий, не учитывающий ограниченность запасов ископаемых топлив. Международное энергетическое агентство предлагает увеличение мирового потребления первичных ресурсов с 9,7 млрд т. нефтяного эквивалента в 1999 г. до 14,8 млрд т. в 2020 г. с соответствующим изменением удельного веса нефти с 35% до 37%, газа с 20,7% до 23,9%, угля с 23,5% до 22,6% и ядерной энергии с 6,8% до 4,2%. Доля гидроэнергии остаётся неизменной на уровне 2,3%.

Сценарий перестройки структуры энергобаланса к 2020 г. по следующей схеме:

снижение доли ископаемого топлива (угля на 4%, нефти на 5%, газа на 10%);

увеличение доли солнечной энергии до 38% и доли биомассы до 27%;

повышение доли гидроэнергии до 7 %;

полное прекращение использования ядерной энергии к 2060 г.

Эти два сценария характеризуют уровень неопределённости прогнозов глобальной экодинамики, что является одним из препятствий при принятии эффективных решений в области окружающей среды, а следовательно, и при оценке перспектив безопасного будущего цивилизации (Кондратьев и др., 2003 в; Kondratyev et al., 2004).

Сценарий рыбного промысла. Использование продуктов Мирового океана в XX столетии характеризовалось нарастающими темпами промысла рыб, кальмаров, криля и других элементов высших трофических уровней с удвоением интенсивности промысла за каждые 10-15 лет. Максимальный вылов рыбной продукции был отмечен в 1970 г. на уровне 61 млн т. В пересчёте на душу населения потребление рыбной продукции колебалось между 7,2 и 11,8 кг/чел. Многочисленные прогнозы возможного уровня использования рыбной продукции

Мирового океана дают оценку около 12 кг/чел/год. Поэтому зададим гипотетическую зависимость интенсивности вылова нектона в каждом г-м регионе в следующей форме:

А f ^GOi - (^GOi - Agocz) Т~< t\GB

AGRi — \t\Gi

AgooGt > tXGB

где Agoz — интенсивность рыбного промысла в момент to (например, в 1970 г. Xgoi ~ 0,0286; в 1999 г. Xcot ~ 0,0312); Agooz — максимально возможная интенсивность промысла, достигаемая в момент t\Gi ^ to- Коэффициент Xgg характеризует промысловое усилие в г-м регионе и учитывается в демографическом блоке глобальной модели. При этом человек рассматривается как один из высших трофических уровней по отношению к нектону. Полагается, что в множестве Гг имеется элемент sh, для которого справедливо соотношение:

т

CTSh Rsh^GRi

г=1

Вклад рыбного промысла Т^ в пищевой рацион Homo sapiens Vg% определяется соотношением объёма продуктов, изъятых из Мирового океана, к продукции сельского хозяйства.

Сценарий распределения площадей почвенно-растительных формаций. Интенсивность производства пищи на суше зависит от площади, занятой сельскохозяйственной растительностью, и от продуктивности последней. Ясно, что в рамках глобальной модели на рассматриваемом здесь уровне детализации всех учитываемых процессов и элементов невозможно учесть все пути развития сельского хозяйства. Поэтому все процессы увеличения его продуктивности представляются в обобщённом виде, отражающем общие тенденции. Введём для сельскохозяйственной формации идентификатор х, считая, что в любом регионе часть территории может быть занята культивируемыми землями:

!

&koi “Ь (^/с*г — tJ^o^ -—, t0 < ^ < ^kiSi

tkiS to

^k*i)t > tkiS»

J 1 + (Hk4 - 1) —, to t < tkBis;

HkiS = <tkBis - to

H^*i,t > t^BiS»

где axi ^ (Ji — площадь возделываемых в г-м регионе земель, HxiS ~ показатель изменения продуктивности сельскохозяйственной растительности по отношению к моменту времени to (Hxis = — Rxi^rt ^’ ^)/Rxi^rt ^’ ^о))«

Инвестиционный сценарий. Согласно сделанным предположениям в г-м регионе площадь axi под сельскохозяйственной растительностью, начиная с момента to, изменяется по линейному закону от axoi

до ах*г в промежутке времени до t^ts- При этом время достижения уровня ах*^ зависит от размера инвестиций в сельское хозяйство с коэффициентом обратной пропорциональности tx*t и от других факторов, влияющих на постоянную времени txp txts = to + t^ 4- t^lV^ViVXV Возможные изменения продуктивности сельскохозяйственной растительности Hxis также аппроксимируются линейным законом, где величина Нх^ указывает во сколько раз за промежуток времени от to до txBts в г — м регионе может измениться продуктивность. Резервы для повышения Нх^ существуют достаточно большие. Даже такие высоко продуктивные растения, как сахарный тростник, в процессе фотосинтеза потребляют за год всего около 2% энергии солнечного излучения, достигающего земной поверхности, зерновые культуры — 1 %, а другие растения и того меньше. Так что физиология растений и агротехника располагают широкими возможностями многократного увеличения продуктивности сельскохозяйственной растительности, а значит и объёма пищи для Homo sapiens. Полагаем, что для достижения уровня Нх^ население г-го региона располагает временем tXBis — to*.

tkBiS = to + Нвг +

QNVi

где составляющая Нвг не зависит от инвестиций в сельское хозяйство, а Нвг характеризует эффективность этих инвестиций.

Согласно пищевому спектру Va для Homo sapiens, определённую роль здесь играют лесные экосистемы, общая тенденция в изменении площадей которых характеризуется отрицательной производной. В целом на земном шаре лесные ресурсы постоянно истощаются, так что на рубеже XX и XXI столетий суммарная площадь лесов составляет ар = 4184 млн га с лесистостью около 31% (около 28,3% площади суши).

В лесном хозяйстве присутствуют два основных процесса: вырубка и восстановление. Опишем совокупность этих процессов сценарием изменения площади лесов:

!

^L0i + ^L*i - ^LOi) 7", to < t < tpy to

&L*i,t > tLi

Эта зависимость предусматривает, что площадь лесов в г-м регионе до момента tpt изменяется линейно от apot ДО оу*^, далее не изменяясь. Величины входящих сюда параметров составляют свободу выбора при имитационных экспериментах.

Для завершения формулировки глобального сценария, описывающего уровень обеспеченности пищей Homo sapiens, рассмотрим закономерность изменения продуктивности животноводства. Предположим, что она имеет постоянную составляющую kpst, возрастает пропорционально сельскохозяйственным инвестициям qy^ с коэффициентом кр^

и имеет переменную во времени составляющую с экспоненциальным законом изменения:

kpt = &F3i + kp^tqvi + (kpu - &F3z)[l - exp^-kp2i(t - to)}].

Направленность антропогенной активности определяют интенсивность генерации и время утилизации загрязнений, стоимость очистки окружающей среды, размеры капиталовложений в восстановление ресурсов и борьбу с загрязнением природной среды, инвестиции в промышленность и сельское хозяйство, темпы расходования природных ресурсов и поиска новых их источников и т. д. Задание гипотетических тенденций этих процессов необходимо для реализации прогнозов с помощью глобальной модели.

Пусть интенсивность генерации загрязнений изменяется между величинами kzot в момент to и kzu в момент tz*i- Аналогично изменяются время утилизации отходов Tzi и стоимость очистки единицы загрязнений Gzvt соответственно между величинами Tzot = Tzt(to\ Tzu = Tzi(tzi) и G^zvt = Gzvt^Y G\zvt = Gzvi^zviY Поскольку переход от одних значений этих показателей к другим может произойти по множеству причин и в разное время, то в качестве наиболее простого варианта сценариев для экспериментирования примем следующие функциональные представления:

7 f kzot ~ (kZu - к2ог)т^—t0 С t < tz*r

}kzu,t > ^Z*i->

rp _ J Tzoi “ (Tzu - T?0i)/ A ’ IZi — \tZa to

(Tzu,t > tzi,

nJ G^zvt - (G2zvt ~ G\zvY)t-—to < t < tzar

[G\zvt,t > tzGi-

Поскольку конкретизировать механизмы формирования уровней капиталовложений в различные сферы человеческой деятельности достаточно сложно, то поэтому здесь спектр капиталовложений ограничен функциями UZG,qv и Umg- Стратегию каждого региона по распределению капиталовложений определим двухступенчатыми функциями времени:

п_ (UmGU, to^t^tMGt;

MG'"\UMGU, t>tмGг;

п_ (Uzgu, to^t^tzvr

ZG% \UzG2i, t>tZvr

где tMGi и tzvt — моменты смены экономической политики г-го региона в области инвестиций в восстановление природных ресурсов и борьбу с загрязнениями соответственно. Здесь термин «восстановление ресурсов» обозначает процессы, содействующие увеличению М.

В частности, это замена одних минеральных ресурсов другими с пересчётом их значимости на уровень значимости предыдущих.

Сельскохозяйственные инвестиции являются одним из важнейших компонентов капиталовложений. Чтобы добиться высокой продуктивности культурных растений, необходимо полностью удовлетворить их потребности в воде и минеральных веществах. А это означает, что за высокие урожаи нужно расплачиваться большими энергетическими затратами. Аналогично обстоит дело и в производстве животной пищи, где эффективность превращения энергии растительных кормов в энергию синтезируемых в организме животных мяса и жира колеблется около 10% или, другими словами, на производство одной калории животной пищи затрачивается 10 калорий энергии. Производство этой энергии требует вложения определённой доли капитала и расходования ископаемых продуктов фотосинтеза. Так что здесь капиталовложения и энергозатраты находятся в прямой зависимости. Блок глобальной модели, описывающий сельскохозяйственные инвестиции, строится путём задания зависимостей продуктивности сельского хозяйства от энергозатрат. Инвестиционный параметр управления Ubgi описывается двухступенчатой функцией:

п _ (UbGH, to^t^tBGCBGl~\UBG^ t>tвGг;

где tBGi — момент смены инвестиционной политики в сельском хозяйстве г-го региона. Параметр Твв характеризующий время освоения сельскохозяйственных инвестиций в г-м регионе также может претерпевать изменение в момент tBi’-

т _ (Тв\В ^0 < < ^вСВг t > ^ВС

В настоящее время энергетические потребности человечества на 90% удовлетворяются сжиганием ископаемых продуктов фотосинтеза (угля, нефти, газа) и лишь около 10% — гидро- и атомными электростанциями. В будущем эти соотношения должны резко измениться благодаря освоению новых технологий производства энергии и, в частности, в повышении эффективности фиксации солнечной энергии. В этом значительную роль могут играть процессы аккумуляции и трансформации энергии Солнца с помощью совершенствования технологии использования энергии Мирового океана (волны, приливы и отливы, течения и т. д.). Так что человечество в некоторый момент времени 1м перейдёт на новые энергетические ресурсы. Этот момент безусловно будет распределён по регионам экономического развития. В глобальной модели это отражается сменой начального значения для компонента Mi на новую величину Mqgmv Величина toMt является функцией множителя тлев который определяется отношением запасов природных ресурсов к годовому их расходу на данный момент времени. Он может

регламентироваться в каждом регионе различными способами с учётом многочисленных аспектов хозяйственной деятельности. Не вдаваясь в детализацию этих способов, зададим следующий сценарий возможного изменения множителя тсГ

/.X Г ™С0г - (WOz - ТПСоог) Щ^Gi\4 = \- Щ

При этом стоимость Ома восстановления природных ресурсов может в промежутке времени [to^MGz] по каждому региону изменяться линейно от величины Gmgq% до значения Gmgu-

Gmgi^ —Gmgi^ —GMGQi - (GMG0i - GMG\i)T-^0 О < tMGi\ tMGi

Gmgi^ —

Gmgi^ —

GmGH,t > ImgG

Основной капитал Vt (г = l,...,m), вкладываясь в развитие промышленности, науки, сельского хозяйства, строительства и другие сферы человеческой активности с течением времени изнашивается и его эффективность падает. Чтобы параметризовать происходящие здесь процессы, введём понятие времени старения капитала Тус (~40лет). Оценка этого параметра характерна для каждого региона. Так же, как и выше, будем считать, что Tyct линейно изменяется от значения Ту Got ДО величины Тусы в промежутке времени t Е [to^vi], а далее не изменяется:

TyGi^ =TyGi^ =ТусОг - (Tycot - Tvgu^ J°, , to < t < ty^ty i to

TyGi^ =

TyGi^ =

TyGli,t > tyt.

Глава 2

БИОГЕОХИМИЧЕСКИЙ КРУГОВОРОТ УГЛЕРОДАВ ПРИРОДЕ

Источники и стоки двуокиси углерода в биосфере

Углекислый газ циркулирует в окружающей среде между его резервуарами, представленными в табл. 2.1. В общем случае многообразные соединения углерода непрерывно возникают, изменяются, разлагаются и среди всего этого многообразия формируются естественные и антропогенные потоки углекислого газа, которые производятся в процессах дыхания и распада растений и гумуса, при сжигании углеродсодержащих веществ, при выветривании горных пород и т. д. Часть углекислого газа растворяется в Мировом океане в виде угольной кислоты и продуктов её диссоциации. Содержание углерода в его резервуарах и оценки его потоков между ними является самой важной проблемой анализа глобального круговорота СО2. Многочисленные схемы этого круговорота, построенные на основе анализа глобальных взаимодействий живых организмов и их физической и химической среды, а также оценок запасов углерода, накопленных за исторический период, дают основу для прогнозирования динамики концентрации СО2 в земной атмосфере, что в последнее время является предметом оживлённого спора в связи с оценками роли углекислого газа в потеплении климата.

Важным этапом понимания процессов обмена углекислым газом между резервуарами биосферы является изучение закономерностей развития различных экосистем в доиндустриальные эпохи, когда отсутствовал антропогенный фактор. Естественные потоки углерода между атмосферой, океанами, наземными экосистемами и внутренними водоёмами характеризуются большой изменчивостью как по пространству, так и во времени (от года к году, между сезонами). Анализы льдов Гренландии и Антарктиды достаточно надёжно показали вариации атмосферного СО2 в прошлом. 8 тыс. лет назад концентрация СО2 в атмосфере составляла 200 ppmv. К началу доиндустри- альной эпохи эта оценка варьирует между 275 ppmv и 285 ppmv (±10 ppmv). К 1985 г. концентрация атмосферного СО2 достигла отметки £з345 ppmv. Но уже в 1998 г. концентрация СО2 в атмосфере оценивалась величиной 366-367 ppmv (Bolin, Sukumar,2000). Общее количество углерода в составе атмосферного углекислого газа оценивается величинами около 700 млрд т. Природный баланс углекислого

Таблица 2.1. Глобальные резервуары углерода

Резервуар

Количество С (Гт)

Атмосфера

720

Мировой океан

38400

Общий неорганический углерод

37400

Поверхностный слой

670

Глубокие слои

36730

Общий органический углерод

1000

Литосфера

>60 000 000

Карбонатные осадочные породы

15 000 000

Керогены

Биосфера суши

2000

Живая биомасса

600-1000

Мёртвая биомасса

1200

Биосфера внутренних вод

1-2

Сжигаемое топливо

4130

Уголь

3510

Нефть

230

Природный газ

140

Другие (торф и др.)

250

газа характеризуется величиной порядка 150 млрд т С, которая выделяется ежегодно в процессах дыхания и разложения и поглощается при фотосинтезе на суше и в океане, а также при растворении углекислого газа в Мировом океане.

Для анализа динамики СО2 в биосфере важно учитывать максимально возможное количество его резервуаров и потоков, а также их пространственное распределение. Именно на этом месте начинают расходиться многочисленные глобальные модели круговорота углерода. Современный уровень этих исследований не даёт ответа на главный вопрос о том, насколько детальны должны быть элементы базы данных о запасах и потоках углерода. Поэтому многие авторы, анализируя динамические характеристики глобального круговорота СО2, достаточно произвольно формируют фрагменты баз данных о распределении стоков и источников углерода.

Антропогенные источники углерода

Ключевой составляющей глобального круговорота углекислого газа является его антропогенная эмиссия в окружающую среду. И основной вопрос, который изучается большинством исследователей, состоит в оценке способности биосферы нейтрализовать избыточное количество СО2. Именно на этом пути все прогнозы о последствиях парникового

эффекта не выдерживают никакой критики. Ведь все модели глобального цикла СО2 базируются на сценариях, описывающих динамику добычи и сжигания ископаемых топлив. Здесь возникает естественная потребность в моделях системы энергетика-экономика, которые требуют детальной параметризации геополитической структуры мира. Пока среди наиболее распространённых моделей такого типа является модель, разработанная Международным институтом системного анализа (ПАЗА), в которой весь мир делится на 9 регионов, отличающихся уровнем потребления энергии на человека и другими демографическими параметрами. Структура регионов указана в табл. 2.2. Имея такой сценарий социально- экономической структуры можно нанизывать на

Таблица 2.2. Характеристика скоростей роста экономической эффективности и населения в регионах мира по сценарию ПАЗА (Mintzer,1987). Обозначение: Р — ежегодный прирост производительности труда (%)

Регион

Р

Численность населения (млн чел)

2025 г.

2050 г.

2075 г.

Австралия и Япония

2,3

160

150

150

Африка

1,6

1600

2200

2700

Канада и Европа

1,6

520

540

540

Китай

1,9

1600

1700

1700

Латинская Америка

1,9

720

850

900

Россия и страны СНГ

1,3

470

500

510

Средняя Азия

1,9

280

360

410

США

1,2

290

290

290

Юго-Восточная Азия

1,8

2600

3100

3400

него стратегии развития каждого региона и фантазировать о возможных интегральных последствиях для окружающей среды будущих поведений отдельных регионов. Большинство подобных сценариев используют такой показатель, как скорость нарастания потребления энергии. Этот параметр изменяется от 0,2% до 1,5% в год. При этом рассматриваются различные комбинации в выборе источников энергии из нефти, газа, ядерной и солнечной энергии, гидроэлектростанций, сжигания твёрдых отходов. Естественно приходится учитывать демографические, технические, политические и макроэкономические факторы. Рост численности населения в большинстве сценариев предполагается со скоростью, обеспечивающей достижение в 2025 и 2075 годах рубежей 7,9 и 10,5 млрд человек соответственно. Если все эти предположения, заложенные в сценарий, принимать за истину, то можно рассчитать антропогенные выбросы СО2 и других парниковых газов. Далее необходимо определить суммарный температурный эффект АТ^ от этих газов. Mintzer (1987) рекомендует простейший аддитивный

алгоритм оценки этого эффекта:

АТ^ = АТсо2 + ATN2o + АТсн4 + АТо3 + АТсгсп + ATcfc^,

гдес

А7со2 = -0,677 + 3,019 In

ATN2o = 0,057[N20(t)‘/2 - N2O(t0)1/2],

A2ch4 = 0,019[CH4(i) ,/2-CH4(io)1/2],хт0з=ог-^\(Ш-ОзШАТСрсп = 0,14[CFCH(t) - CFCn(to)],ATcfc12 = 0,16[CFC12(Z) - CFC12(Zo)].

Величина to отождествляется c 1980 г., когда концентрации парниковых газов считаются известными. Для вычисления АТсо2 можно использовать более точную формулу Ракиповой и Вишняковой, применённую в работе Krapivin (1993).

Антропогенная составляющая в глобальном цикле СО2 вызывает изменения резервуаров стока углекислого газа. Наибольшие изменения связаны с урбанизацией, деформациями структуры почвенно-растительных сообществ, загрязнением гидросферы. Темпы замены лесных массивов пастбищами и культивируемыми землями характеризуются величиной 0,05 • 106 км2/год. При этом густые тропические леса заменяются плантациями со скоростью 105 км2/год. Этот процесс увеличивает скорость опустынивания (~5 • 104 км2/год), что повышает количество высвобождаемого углерода (~0,1 ГтС/год).

Общая картина современного уровня антропогенных потоков СО2 в настоящее время достаточно хорошо изучена. Так, за счёт сжигания твёрдых и жидких видов топлива ежегодно выбрасывается около 20 млн т. углекислого газа (в соотношении примерно 1:1). Сжигание газообразных видов топлива даёт вклад около 4,5 млнт. атмосферного СО2. Вклад цементной промышленности оценивается величиной 750 тыс.т. углекислого газа. Вклад отдельных регионов и стран в эти потоки существенно неравномерен.

Сжигание биомассы в тропиках является одним из главных источников поступления малых газовых компонентов и частиц аэрозоля в тропосферу. На долю тропиков приходится около 40% поверхности суши Земного шара и примерно 60% глобальной первичной продуктивности. Разнообразие видов растительности в тропиках гораздо шире, чем в других регионах. Однако в настоящее время происходит процесс трансформации тропических лесов и саванн в земли сельскохозяйственного назначения и пастбища со скоростью около 1 % в год. За эту трансформацию ответственно в первую очередь осуществляемое чело-

веком сжигание биомассы, которое оказывает существенное воздействие на химический состав атмосферы и, следовательно, на климат.

Как показал анализ данных спутниковых наблюдений, на долю тропиков приходится около 70% сжигаемой биомассы, примерно половина которой сосредоточена в Африке, причём максимум сжигания биомассы в годовом ходе (в период сухого сезона) имеет место к северу от экватора. Саванны и леса в тропиках выбрасывают в атмосферу также большое количество биогенных соединений. В связи с широкой распространённостью пожаров в саваннах и их значительным воздействием на окружающую среду Nielsen (1999) выполнил анализ особенностей пространственно-временного распределения пожаров в регионе осуществления полевого эксперимента EXPRESSO (центральная Африка) по данным радиометров очень высокого разрешения AVHRR, установленных на метеорологических спутниках NOAA, за периоды сухих сезонов с ноября 1994 г. по декабрь 1997 г. Для описания изменчивости пожаров использованы три характеристики: 1) вероятность пожара в заданной точке в определённый момент времени; 2) вероятность повторных пожаров в заданной точке в течение определённого промежутка времени и 3) пространственная протяжённость и температура горящей саванны, влияющие на условия в заданной точке.

Обработка спутниковых изображений показала, что возникновение пожара не является пространственно случайным процессом. Вероятность пожара повышается, например, при наличии пожаров поблизости от рассматриваемой точки. Комбинированный анализ характеристик временной и пространственной изменчивости пожаров позволил обосновать 12 типичных режимов пожаров, а также зависимость специфики пожаров от особенностей растительного покрова. Хотя не вызывает сомнений, что пожары в саваннах обусловлены, как правило, человеком, а не природными факторами, конкретные причины пожаров как функции форм хозяйственной деятельности остаются неясными. С точки зрения временной изменчивости целесообразно классифицировать пожары с учётом начала сезона пожаров, скорости их развития и продолжительности сезона пожаров. В этом контексте можно различать типы пожаров по особенностям динамики их развития: быстрого, позднего или длительного.

Вклад происходящих в саваннах пожаров составляет более 40% по отношению к глобальному уровню сжигания биомассы, за счёт которого в атмосферу выбрасываются, в частности, такие малые газовые компоненты как неметановые углеводородные соединения, окись углерода, метан и др., а также аэрозоль. Согласно имеющимся оценкам, в период 1975-1980 гг. ежегожно происходило сжигание 40-70% саванн, причём около 60% подобных пожаров имели место в Африке. В 1990 г. было сожжено примерно 2 млрд тонн биомассы растительности, в результате чего в атмосферу поступило 145 ТгСО, что составляет около 30% по сравнению с антропогенными выбросами СО.

Одним из серьёзных антропогенных источников воздействия на глобальный круговорот углерода являются лесные пожары. Хотя лесные пожары имеют и естественные причины возникновения, например, из- за ударов молний, тем не менее вклад человека в их возникновение постоянно увеличивается. Возникновение лесного пожара из-за удара молнии возможно только в случае её удара в сухостойное дерево или в случае редколесья в почву, покрытую мхами или лесной подстилкой. Известно, что электрическое сопротивление сухой древесины почти в 100 тыс. раз больше, чем растущей, а поэтому удар молнии в живое дерево, как правило, не вызывает даже его обугливания. Поэтому мониторинг пожарной опасности лесов даёт достаточно надёжные оценки вероятности загорания из-за гроз. Более сложной задачей является предсказание антропогенных причин возникновения лесного пожара. Тем не менее известно, что более 90% лесных пожаров, происходящих в 10-километровой зоне населённых пунктов, имеет антропогенную причину возникновения. Следовательно, пожарная нагрузка на леса имеет жёсткую корреляцию с пространственным распределением плотности населения. Конечно, интенсивность и частота пожаров зависят от сухости климата на данной территории, от плотности лесных массивов и их здоровья. Лесной пожар опасен не столько тем, что при нём в атмосферу выбрасываются продукты сгорания, сколько его последствиями. Ведь под воздействием пожаров изменяется лесной микроклимат, в частности усиливаются освещённость и нагревание почвы, изменяется гидрологический режим территории. Более того, на территории лесного пожара происходит смена биоценозов, как правило, в сторону ухудшения их биопродуктивных качеств, а значит, изменяется роль данной территории в биогеохимических круговоротах. Хорошо известно, что в районах с засушливым климатом уничтоженные пожарами леса естественным путём не восстанавливаются и для их восстановления требуется вмешательство человека. Поэтому важно знание многих закономерностей взаимодействия лесного пожара и биоценоза данной территории. Например, пожары в бореальных лесах вносят не более 2% в выбросы углерода в атмосферу, но оказывают серьёзное воздействие на химические процессы в высокоширотной тропосфере и на радиационные свойства атмосферы. А это может приводить к глобальным климатическим последствиям.

В общем случае комплексным антропогенным источником загрязнения атмосферы и глобального воздействия на биосферу в целом, связанных с огнём, является сжигание биомассы по различным причинам. Полученные многими авторами оценки показывают, что радиационное возмущающее воздействие на климат, обусловленное аэрозолем, который возникает при сжигании биомассы, составляет около —1,0 Вт/м2 (в случае чисто рассеивающего аэрозоля диапазон неопределённости оценок равен —0,3 4—2,2 Вт/м2).

Концептуальные диаграммы глобальногокруговорота углекислого газа

Достоверность оценок роли СО2 в парниковом эффекте однозначно зависит от детальности учёта в моделях глобального биогеохимического круговорота углерода и от точности оценок его характеристик. Количество диаграмм глобального круговорота углерода в форме СО2 исчисляется десятками. Рассмотрим некоторые из них с целью дать как их анализ, так и понять тот рубеж детальности описания элементов круговорота углерода, за пределами которого невозможно получение дополнительных знаний об этом круговороте и, следовательно, о парниковом эффекте за счёт СО2. Сразу отметим, что все изученные диаграммы глобального круговорота углекислого газа делятся на два класса: точечные (глобально усреднённые) и пространственные (локально усреднённые). Общим для всех диаграмм является расчленение биосферы на атмосферу, океаны и наземные экосистемы. Многие диаграммы разделяют углерод на органическую и неорганическую формы. Как правило, временной шаг усреднения всех процессов и резервуаров углерода принимается равным одному году, а потому атмосферный резервуар рассматривается как равномерно перемешанный (точечный). Значительной детализации подвергаются Мировой океан и наземные экосистемы. Пределы этой детализации ограничиваются глобальными базами данных об этих резервуарах углерода. Конечные результаты изучения диаграмм, как правило, носят либо методический характер, либо даются прогнозы концентрации СО2 в атмосфере в рамках определённого сценария антропогенной деятельности. Представление о величинах запасов углерода в основных его резервуарах даёт схема рис. 2.1, предложенная в работе Bolin, Sukumar (2000). Приведённые на этой схеме оценки значительно расходятся с данными других авторов. Тем не менее их соотношение и порядок в большинстве случаев совпадают. Как видно, самый большой запас углерода сосредоточен в Мировом океане. Меньше всего его в атмосфере.

Природные процессы, определяющие динамику глобального круговорота углерода, характеризуются различными временными масштабами. Некоторые из них, такие как захоронение мёртвого органического вещества на дне океанов, имеют характерные временные масштабы порядка сотен и тысяч лет. Другие, например, биологический круговорот углерода на суше имеют период несколько десятков лет. Поэтому учёт соотношения временных масштабов в круговороте углерода в биосфере является важным этапом исследования динамики содержания СО2 в атмосфере. Здесь также важно учитывать и тот факт, что характерное время полного перемешивания атмосферы оценивается от нескольких месяцев до двух лет. В течение же года, согласно результатам регулярных измерений концентрации СО2 на различных станциях природного мониторинга, наблюдается значительная её ва-

Сжигание топлив и производство цемента 6,3 ± 0,6,

Поглощение сушей

, 0,7 ±1,0

Поглощение океанами

Обмен

2,3 ± 0,8 ,

Ископаемое топливо

Глобальная чистота

I Обмен с атмосферой

Атмосфера «760 Накопление 3,3 ± 0,2

Первичная продуктивность, дыхание и

рорение

Сток « 0,8

Растительность « 500Почвы и детрит « 1200Растительность « 500Почвы и детрит « 1200Океаны«39000

Растительность « 500

Почвы и детрит « 1200

Растительность « 500

Почвы и детрит « 1200

Осаждение«0,2

Рис. 2.1. Глобальный круговорот углерода по Bolin, Sukumar (2000). Запасыуглерода даны в ГтС, а его потоки в ГтС/год

риация. Разность между максимальным и минимальным значениями концентрации атмосферного СО2 изменяется от 1 млн-1 на южном полюсе до 15 млн-1 в высоких широтах Северного полушария. Такая пространственная неоднородность обусловлена наличием в Северном полушарии больших сезонно фотосинтезирующих растительных сообществ. В работе Boden et al. (1994) приведены некоторые оценки широтного распределения СО2 в атмосфере. Повышенное содержание СО2 в атмосфере Северного полушария в значительной степени связано с влиянием человеческой деятельности через непосредственные выбросы СО2 и за счёт воздействия на растительные покровы. Ведь почти 90% от всех выбросов углерода при сжигании органического топлива приходится на зону между 30° с.ш. и 60° с.ш. Из данных Boden et al. (1994) следует, что концептуальные схемы глобального биогеохимического круговорота углекислого газа должны учитывать пространственную неоднородность атмосферных процессов.

Важной составляющей большинства концептуальных схем глобального круговорота углерода является структура потоков углерода в Мировом океане. Как следует из табл. 2.1, имеется определённая информационная возможность в океанах выделять несколько слоёв по глубине и различать пространственные неоднородности в структуре поверхности океанов. Большинство авторов рассматривают вертикальную структуру океанов в форме двух или трёх слоёв, охватывающих фотический слой и глубокий океан. В фотическом слое могут выделяться слои выше и ниже термоклина. Пространственная неоднородность океанов

отражается выделением апвелингов и широтных зон, где различаются между собой скорости и направления процессов обмена СО2 между океанами и атмосферой. В более детальных схемах глобального круговорота углерода учитываются неоднородности в карбонатной системе океанов, что позволяет значительно повысить точность соответствующих моделей. Две из широко используемых схем такого типа представлены в работе Кондратьева и др. (2003).

Роль Мирового океана в глобальном круговороте СО2 в основном проявляется через процесс его обмена на границе «атмосфера-океан». Интенсивность газообмена между океаном и атмосферой определяется динамическими и диффузионными характеристиками турбулизованных слоёв воды и воздуха вблизи границы раздела. Здесь также возникают многочисленные физические схемы, отражающие ситуации возникновения волн, их обрушения и образования пены и различных плёнок. В результате углекислый газ либо растворяется в океане, обеспечивая приток необходимого для фотосинтеза СО2, либо выделяется из океана в атмосферу. Причиной возникновения такой бинарной ситуации на границе раздела «воздух-вода» является разница парциальных давлений СО2 в атмосфере и растворённого СО2 в воде. Этот направленный перенос СО2 на границе «атмосфера-океан» в действительности является более сложным. Его изучение требует проведения дорогостоящих натурных экспериментов и детальной классификации как синоптических, так и физико-географических ситуаций на поверхности океанов.

В программах изучения глобального круговорота углерода большое внимание уделяется роли наземных экосистем в его утилизации (Houghton et al., 2001). Растения в процессе фотосинтеза поглощают углекислый газ, а при разложении отмерших растений, наоборот, углекислый газ выделяется в атмосферу. Таким образом, в наземной биосфере происходит непрерывный обмен углекислым газом между живым и мёртвым органическим веществом и атмосферой. Существует множество концептуальных диаграмм, формализующих этот обмен и являющихся основой глобальных моделей круговорота углерода. Ясно, что точность оценок потоков углерода в наземной части биосферы является функцией детальности дискретизации типов почвеннорастительных формаций и точности параметризации биоценотических процессов. В связи с этим к настоящему времени составлены мировые карты растительности и почв, оценены занимаемые ими площади, определены многие параметры биологической продукции наземных экосистем, накоплены данные о жизнедеятельности почвенных микроорганизмов и разработаны технологии оперативного мониторинга земных ландшафтов. К сожалению, не существует сбалансированных оценок пределов указанной детализации почвенно-растительных формаций, которые бы обеспечивали требуемую точность оценок потоков углерода. Для решения этой задачи требуется создание глобальной модели круговорота углерода с отражением в ней иерархии значимых по

Таблица 2.3. Резервуары и потоки углерода в форме СО2 в биосфере, учитываемые в имитационной модели глобального биогеохимического цикла углекислого газа MGCDC

Резервуары и потоки углекислого газа

Идентификатор в модели

Средняя оценка резервуара (109 т) и потока (109 т/год)

Углерод

атмосферы

фотического слоя океана

глубоких слоёв океана

гумуса почв

Выделение при сжигании

растительности

ископаемого топлива

Десорбция

Сорбция

Выветривание горных пород

Вулканические эманации

Поглощение наземной растительностью Дыхание

растений

людей

животных

Выделение

при разложении гумуса почв

корнями растений Жизнедеятельность

населения

животных

Отмирание растительности Выпадение в донные осадки Растворение морских отложений Разложение детрита

в фотическом слое

в глубоких слоях океана

Подъём с глубинными водами

Опускание с поверхностными водами и за счёт гравитационного оседания

Фотосинтез

Подземный сток

Поверхностный сток

Дыхание живых организмов в океане

ск

Си Cl Cs

н?

Н? н? н? н? Н? НС

Н? Яр Яр

Яр яр

яр яр Яр Яр Яр

яр

Яр Яр

Я2р я2р Ярз яр Яр

650-750 580-1020 34500-37890 1500-3000

6,9

3,6 97,08

100

0,04

2,7 224,4

50-59,3 0,7 4,1

139,5

56,1

0,3

3,1

31.5-50

0,1-0,2

0.1

35 5

45

40

69 0,5 0,5-0,6

25

экспертным оценкам элементов биосферы и процессов преобразования углерода. Перечень потоков углерода в такой модели охарактеризован в табл. 2.3. Имитационные эксперименты на такой модели позволят проводить сравнительные оценки последствий усложнения различных её элементов и тем самым последовательно приближаться к уровню оптимальной дискретизации пространства.

Ресурсы биосферы и круговорот углерода

Динамика глобального круговорота углекислого газа определяется естественными и антропогенными факторами. Естественные факторы формируются в процессе эволюции биосферы и их динамика зависит от взаимодействия природных систем. Уровень антропогенного вмешательства в глобальный круговорот углекислого газа определяется соотношением природных сил с множеством аспектов развития человечества — политических, демографических, культурных, религиозных, экономических и т. д. Всё это многообразие антропогенного начала в современном мире ограничивается ресурсами биосферы, которые в конечном счёте и определяют указанные аспекты. Приведённые в первой главе табличные оценки некоторых ресурсов позволяют утверждать, что всесилие человеческого разума с его разрушающей природу составляющей всё же ограничено многими обстоятельствами. Человечество либо загрязняет окружающую среду путём использования минеральных ресурсов, либо изменением облика планеты путём замены одних экосистем другими. В обеих ситуациях человечество рано или поздно вступает в противоречие со своими целями, а потому в глобальной динамике разрушений существуют ограничивающие факторы — ухудшение условий существования, уменьшение ресурсов и т. п.

Человек, как элемент природы, формируя среду своего существования, в первую очередь обращается к источникам материального производства — минеральным ресурсам. С развитием научно-технического прогресса темпы потребления минеральных ресурсов постоянно возрастают, неуклонно приближаясь к критическому уровню. Хотя конец XX и начало XXI столетий характеризуются расширением спектра вовлекаемых в промышленный оборот полезных ископаемых, тем не менее очевидной альтернативы нефти, углю и газу пока не найдено. О том, что нарастание потребления энергетических ресурсов является интенсивным говорит тот факт, что почти половина использованного человечеством условного топлива (~90 млрд т.) была потреблена за последние 25-30 лет.

До конца XX столетия из недр извлечено около 200 млрд т. полезных ископаемых. Достоверных оценок имеющихся на Земном шаре запасов минеральных ресурсов нет. Поэтому используемые многими авторами сценарии выбросов углерода в атмосферу следует рассматри-

вать как условные и не бесспорные (Watson et al., 2000; Huoghton et al., 2001). Тем не менее существуют неоспоримые соотношения между объёмами эмисии СО2 и национального продукта. Это соотношение в мире изменяется между развитыми и развивающимися странами в 30 раз, что говорит о значительном резерве в выработке оптимальной стратегии формирования профиля глобальной кривой эмиссии СО2 в атмосферу.

Одним из слабо освоенных источников минеральных ресурсов является Мировой океан. Наряду с добычей пищевых продуктов, человечество постепенно осваивает и залегающие под дном океанов запасы минеральных топлив, и в первую очередь на шельфе. Нефть, газ и уголь уже добываются в больших объёмах с морских месторождений, но при этом безусловно существуют экономические и технические ограничения. В общем по предварительным оценкам в выделенных геологами в пределах Мирового океана 180 нефтегазоносных бассейнах потенциальные запасы нефти и газа оцениваются соответственно в 300 млрд т. и 150 трлн м3. Так что и здесь имеются ограничивающие параметры для формирования сценария выбросов СО2 в атмосферу.

Одним из очень сложных для оценки факторов антропогенного воздействия на динамику глобального круговорота углерода является деятельность человека по изменению земных покровов. За последнее столетие человек значительно повлиял на распределение по поверхности планеты растительности, которая является одним из важных стоков атмосферного СО2. Этому способствуют инженерно- строительная и горнотехническая деятельность человека, создание новых типов земных образований, биологическая рекультивация и т. д. Особую опасность для окружающей среды приобрели процессы сведения лесов и опустынивание. Например, по оценке Watson et al. (2000), если будет реализован IPCC-сценарий облесения и восстановления лесов, то до 2050 г. из атмосферы дополнительно может быть удалено 60-87 ГтС (70% — тропические леса, 25% — леса умеренных широт и 5% — бореальные леса). Важным параметром этого сценария является скорость роста деревьев. Например, если лес растёт со скоростью 3 тС/год/га, то одна тонна углерода может быть отнесена за счёт эффекта усвоения атмосферного СО2. Вообще управление биогеоценозами суши может дать ощутимый эффект в биогеохимическом круговороте углерода. Важно как осуществляется это управление — целенаправленно или стихийно. Так или иначе, люди создают на поверхности Земли антропогенные ландшафты, направленные на улучшение среды их обитания. Появление искусственных морей, рекреационных зон, парков, городов и других антропогенных ландшафтов снижает уровень естественной эволюции земных покровов. Иными словами, деятельность человека по изменению земных покровов имеет большой потенциал по воздействию на динамику атмосферного СО2.

Одним из источников изменения земных покровов является сельскохозяйственная деятельность человека. Влияние сельскохозяйственной деятельности на формирование антропогенного ландшафта распространяется на те зоны биосферы, где процессы преобразования неорганических масс способствуют интенсификации производства пищи. В этом смысле человечество также имеет ограниченные возможности для влияния на глобальный круговорот углерода. Где предел последствий этих возможностей, не знает никто. Чтобы понять уровень подобных тенденций отметим, что если, согласно летописям, в конце XVI и начале XVII столетий на каждый квадратный километр поверхности суши приходилось 1-2 человека, то через 400 лет эта плотность возросла более чем в 50 раз. За это время площади лесов сократились в три раза, будучи заменёнными в основном сельскохозяйственными посевами и другими окультуренными ландшафтами. Эта тенденция сохраняется и в XXI веке, так как в целом целеустремлённая сельскохозяйственная деятельность в большей части способствует улучшению среды обитания людей, хотя наметились порождения и отрицательных явлений. Ведь с целью улучшения условий для земледелия изменяются геологические, геохимические и гидрогеологические процессы, что в конечном счёте приводит к необратимым изменениям глобальных биогеохимических круговоротов химических элементов. Эти изменения включают такие процессы, как ветровая и водная эрозия почв, вымывание плодородного слоя почвы и его вынос в Мировой океан, образование оврагов и т.п.

Глава 3

НАЗЕМНЫЕ ЭКОСИСТЕМЫИ КРУГОВОРОТ УГЛЕРОДА

Экосистемы суши и их глобальная динамика

Продолжающееся увеличение численности населения земного шара и связанное с этим усиливающееся давление хозяйственной деятельности человека на окружающую среду и экосистемы становится не только главной угрозой для дальнейшего устойчивого развития цивилизации в контексте глобальной экологической безопасности, но также отображает опасное нарушение нормального функционирования различных систем жизнеобеспечения (Григорьев, Кондратьев, 2001). Тревожным симптомом варварских воздействий на природу явились бомбардировки Югославии, осуществлённые НАТО (Кондратьев, 2001). В связи с ключевой ролью, которую играют экосистемы в процессах природ- но обусловленного регулирования свойств окружающей среды, принципиально важное значение приобретают анализ имеющихся данных о глобальной динамике экосистем и оценка вероятных трендов. Важную информацию по этой проблематике можно найти, в частности, в недавних публикациях многих авторов, в числе которых наиболее содержательным является подготовленный сотрудниками Института мировых ресурсов (США) отчёт при поддержке Программы развития ООН, ЮНЕП и Всемирного банка (A Guide..., 2000). В этом отчёте справедливо отмечена тесная взаимосвязанность глобальных экосистем и населяющих планету людей, составляющих единый и чрезвычайно чувствительный к внешним воздействиям симбиоз. Такого рода представления были детально обоснованы Gorshkov et al. (2000) в форме концепции биотической регуляции окружающей среды, а монографии Кондратьева (1999) и Kondratyev (1998) и новые публикации (Erust, 2000; Кондратьев и др., 2000; Кондратьев, Крапивин, 2001) содержат анализ ключевых аспектов глобальных изменений с точки зрения функционирования глобальных систем жизнеобеспечения и требований к адекватному экомониторингу.

Глобальные природные и регулируемые экосистемы играют важную роль как фактор динамики окружающей среды в диапазоне от микромасштабов (это относится, например, к почвенным бактериям) до всей планеты (в данном случае особое место занимает проблема замкнутости глобальных биогеохимических круговоротов) и, с дру-

гой стороны, служат жизненно важным источником питьевой воды, пищи, древесины, бумаги и других средств жизнеобеспечения. Как уже неоднократно отмечалось ранее (Кондратьев, 2000 а; Кондратьев, Демирчан, 2000; Kondratyev, 1998), острота проблемы состоит в том, что мир в целом уже приблизился к таким пределам воздействий на экосистемы, превышение которых чревато необратимым разрушением глобальных систем жизнеобеспечения, а по некоторым показателям подобные пределы были уже превзойдены, хотя (заметим сразу) проявляющееся в настоящее время увлечение апокалиптическими прогнозами пока что лишено оснований (это особенно относится к так называемому «глобальному потеплению»).

Чрезвычайная сложность обсуждаемой проблемы связана с тем, что необходимо объяснить (и, по возможности, предсказать) динамику интерактивной системы «общество-природа» (общество должно быть поставлено при этом на передний план, поскольку именно его функционирование определяет воздействия на природу) с её многочисленными обратными связями, нелинейностями и «сюрпризами». К сожалению, современный этап изучения системы «общество-природа» можно оценить не более, чем начальный и предварительный. Это относится даже к простому описанию современного состояния природы (глобальных экосистем), которое серьёзно осложняет дефицит данных наблюдений при кажущемся обилии средств наблюдений (особенно дорогостоящих спутниковых). Именно поэтому упомянутый выше отчёт Института мировых ресурсов (США) является во многих отношениях неполным, будучи сконцентрирован лишь на рассмотрении пяти типов экосистем (в скобках указана доля поверхности суши, за исключением Антарктики и Гренландии, занимаемая соответствующей экосистемой): агроэкосистем (28%), прибрежных регионов (22% при полосе шириной 100 км), лесов (22%), пресноводных (<1%) и травяных (41%) экосистем. Исключение Мирового океана со всеми его экосистемами является, конечно, серьёзным, хотя и оправданным (ввиду дефицита информации) пробелом. Специального внимания заслуживают и экосистемы почв.

Упомянутые выше экосистемы играют очень важную роль в решении разнообразных задач жизнеобеспечения людей и регулирования состояния окружающей среды.

Характеристика антропогенных воздействий на экосистемы. Авторы упоминавшегося отчёта Института мировых ресурсов (США) составили краткую, но весьма содержательную сводку антропогенных воздействий на экосистемы за период развития цивилизации, начиная с интенсивного применения оросительных систем во времена шумерской цивилизации, что привело к засолению почв, до современных глобальных процессов загрязнения атмосферы и разрушения слоя озона (Kondratyev, Varotsos, 2000). Наиболее важные антропогенные воздействия на экосистемы в настоящее время включают:

• Агроэкосистемы:

использование сельскохозяйственных земель для городской застройки или промышленных целей;

загрязнение внутренних вод за счёт стока биогенов и заиления;

обеднение водных ресурсов в результате ирригации;

снижение плодородия почв вследствие эрозии, изменения с/х практики или уменьшения поступления биогенов;

изменения погоды.

Прибрежные экосистемы:

хищническая эксплуатация рыбных ресурсов (превышение допустимых уровней уловов);

трансформация ветландов и прибрежных местообитаний;

загрязнение вод сельскохозяйственными и промышленными источниками;

фрагментация или разрушение природных барьеров от приливов и рифов;

вторжения чуждых видов;

возможный подъём уровня моря.

Лесные экосистемы:

трансформация или фрагментация лесных экосистем в результате с/х использования или урбанизации;

потери биоразнообразия в результате пожаров и обезлесивания, выбросы запасённого углерода, загрязнения атмосферы и водных бассейнов;

кислотные осадки, обусловленные промышленными загрязнениями;

вторжения чуждых видов;

переэксплуатация лесных ресурсов в целях их хозяйственного использования.

Пресноводные экосистемы:

переэксплуатация источников воды в интересах хозяйственного использования;

нарушение норм вылова рыбы во внутренних водных бассейнах;

построение плотин в интересах орошения, создание гидроэлектростанций и систем регулирования наводнений;

загрязнение водных бассейнов за счёт различных факторов хозяйственного водопользования;

вторжение чуждых видов.

Травяные экосистемы:

трансформация или фрагментация в результате с/х использования или урбанизации;

потери биоразнообразия в результате пожаров.

Примеры разрушительных (и даже катастрофических) воздействий на экосистемы и их экономических последствий многочисленны. Ограничимся, в целях иллюстрации, лишь некоторыми из них (см. подроб-

нее в работе Григорьева и Кондратьева (2001)). Происшедший в начале 1990 гг. коллапс уловов трески в морских регионах Канады оставил без работы около 30 тыс. рыбаков и только в регионе Ньюфаундленда породил серьёзные экономические трудности для 700 поселений. Следствием дефицита питьевой воды в Китае, осложнённого загрязнением речных и подпочвенных вод, оказались материальные потери, достигшие 11,2 млрд долл./год. Коммерческие вырубки лесов и их трансформация в с/х земли в Индии не только изменили традиционный образ жизни населения, но вызвали дефицит древесного топлива и строительных материалов, затронувший интересы 275 млн сельских жителей.

Что касается оценок последствий антропогенных воздействий в глобальных масштабах, то характерным примером является ситуация с водными ресурсами: около 28% населения земного шара не имеет доступа к чистой питьевой воде; ежегодно из-за низкого качества питьевой воды и антисанитарии погибает около 5 млн чел. Примерно 90% отходов в развивающихся странах поступают в реки, озёра и прибрежные регионы морей и т. д. Усиливающиеся выбросы углекислого газа в атмосферу обусловили значительные изменения глобального круговорота углерода (Демирчан, Кондратьев, 1999; Кондратьев, Демирчан, 2000).

Самый важный факт состоит в том, что уровни воздействия на экосистемы достигли поистине глобальных масштабов. Около 75% морских популяций рыб либо сократились в результате нарушения допустимых уровней уловов, либо оказались в состоянии, близком к порогу их выживания. Интенсивные вырубки лесов привели к сокращению их площади примерно вдвое, а создание различных хозяйственных инфраструктур вызвало фрагментацию лесного покрова. Примерно 58% коралловых рифов испытывают опасные воздействия, связанные с рыболовством, туризмом и загрязнениями. Для 65% пахотных земель типична частичная потеря плодородия. Масштабы хозяйственного использования грунтовых вод превосходят скорость их естественного водообновления по крайней мере на 160 млрд м3/год. В большинстве случаев происходило усиление антропогенной нагрузки на экосистемы.

Как хорошо известно, главными причинами деградации экосистем являются рост численности населения и, соответственно, потребностей в природных ресурсах, а также нагрузки на окружающую среду. Характеризующие современную глобальную ситуацию конкретные детальные данные можно найти в публикациях многих авторов (Данилов- Данильян, Лосев, 2000; Кондратьев, 1999; 2000а; A Guide..., 2000; Erust, 2000; Watson et al., 2000; Kondratyev, 1998). Отметим лишь, что исключительно важной особенностью возрастающих масштабов потребления является их сильнейшая географическая неоднородность, отображающая существующие в мире социально-экономические контрасты.

3.1.2. Современное состояние отдельных экосистем и тренды их изменчивости. Обсудим в этой связи основные результаты, полученные в рамках Пилотного анализа глобальных экосистем (PAGES) (A Guide..., 2000). Основные трудности подобного анализа связаны с дефицитом имеющейся информации. Главное внимание проекта PAGES было сосредоточено на рассмотрении трёх типов индикаторов воздействий на динамику экосистем: 1) антропогенные нагрузки (рост численности населения, возрастающий уровень потребления ресурсов, загрязнения, переэксплуатация природных и регулируемых экосистем); 2) пространственная протяжённость экосистем (размеры, очертания, локализация, географическое распределение); 3) производство таких экономически важных продуктов как сельскохозяйственные культуры, древесина, рыба и др. Существенный дефект каждого из этих индикаторов в отдельности и всей их совокупности состоит в том, что они не содержат информации о порогах способности экосистем выполнять их функции жизнеобеспечения.

Рис. 3.1 иллюстрирует форму представления экспертных оценок состояния экосистем и их функционирования как систем жизнеобеспечения, включая соответствующие тренды: возрастание способности

Агро

Побережья

Леса

Вода

Трава

Пища/волокно

\ 2

\3

/2

т 2

1\ 3

Качество воды

\ 4

П з

\ з

\ 4

6

Количество воды

\ з

6

\ з

\ з

6

Биоразнообразие

\ 4

\3

\ 4

\ 5

\ 3

Запасы углерода

П з

6

\ з

6

\2

Рекреации

6

?2

6

6

\2

Защита побережий

6

\4

6

6

6

Древесное топливо

6

6

?3

6

6

Рис. 3.1. Экспертные оценки уровней антропогенных воздействий на экосистемы и их последствий

экосистем выполнять функции жизнеобеспечения ^/Y ослабления подобной способности (\), смешанные тенденции (Ц), неизвестные тенденции (?). Цифры характеризуют уровни функционирования экосистем как жизнеобеспечивающих в настоящее время по сравнению с ситуацией 20-30 лет тому назад: 1 — отлично, 2 — хорошо, 3 — удовлетворительно, 4 — слабо, 5 — неудовлетворительно, 6 — нет оценки. Представленные на рис. 3.1 результаты экспертных оценок свидетельствуют, в целом, о значительных антропогенных воздействиях на экосистемы (особенно за XX век), которые привели к существенным изменениям их способности выполнять функции жизнеобеспечения.

Хотя в некоторых случаях (это касается, например, производства пищи) производительная способность экосистем значительно возросла, обеспечив необходимый уровень производства, в других случаях (качество питьевой воды, сохранение биоразнообразия и др.) имела место деградация функционирования экосистем. Рассмотрим эти результаты подробнее (см. также Кондратьев, 1999; Erust, 2000; Kondratyev, 1998).

Производство пищи. Состояние современных агроэкосистем, обеспечивающих (по данным за 1997 г.) 95% протеина за счёт культивируемых растений и животных и 99% калорий потребляемой человеком пищи, является противоречивым. С одной стороны, как уже отмечалось, урожаи с/х культур возрастают, но, с другой стороны, в большинстве стран мира происходит деградация качества агроэкосистем. Так, например, на 65% земель сельскохозяйственного назначения зарегистрировано снижение уровня природного плодородия почв. Несмотря на это, широкое применение удобрений, ирригации и различных новых технологий (семена, пестициды и т. п.) более чем скомпенсировало влияние ухудшения состояния агроэкосистем, и эта тенденция сохранится, по-видимому, в обозримом будущем (остаётся неясным, однако, как долго).

Значительно более проблематична ситуация с выловом рыбы. Современное состояние прибрежных морских экосистем не более, чем удовлетворительное, и продолжает ухудшаться. На 28% площадей акваторий наиболее существенных регионов рыболовства запасы рыбы сократились ввиду перевыловов или только начинают восстанавливаться. На 47 % акваторий уровни выловов близки к предельно допустимым биологическим пределам. К сожалению, информация о потенциальных запасах биомассы в океане противоречива. Более или менее изучены общие закономерности распределения органической жизни в водной толще Мирового океана и морей. Известно, что развитие фитопланктона, как первоисточника продуктивности других трофических уровней океана, ограничивается в основном верхним стометровым слоем. При этом 65% массы зоопланктона и свыше 90% нектона размещаются в слое до глубин в 500 м. Бентосные животные обитают главным образом на глубинах до 200 м. (около 80%). По продуктивности Мировой океан сильно неоднороден. Менее 25% его площади занято экосистемами с биомассой планктона свыше 200 мг/м3 А более 50% площади занимают малопродуктивные экосистемы (менее 50 мг/м3).

Ситуация в пресноводных водоёмах довольно противоречива. С одной стороны, имеет место переэксплуатация имеющих природных ресурсов рыбы, но, с другой стороны, в ряде случаев достигнуты положительные результаты путём искусственного рыборазведения. Неуклонно возрастают масштабы рыборазведения в прудах. В целом, возрастающая зависимость выловов рыбы от аквакультурного производства и спад природных рыбозапасов создают определённые угрозы для населения развивающихся стран, где аквакультурное производство отсутствует.

Количество воды. Водные ресурсы биосферы достаточно детально систематизированы по запасам и качеству. Оценены основные потоки воды между океанами и сушей, установлены объёмы речных, озёрных, грунтовых и почвенных вод. В общем, резервы пресной воды на Земном шаре невелики. В течение года все реки выносят в Мировой океан около 50 тыс. м3 воды, что только в полтора раза больше объёма вод о. Байкал или Великих Американских озёр. По континентам запасы воды распределены неравномерно и непропорционально плотности населения (Gleick, 1993).

Построение плотин и другие формы регулирования речного стока серьёзно изменили условия использования водных ресурсов как для людей, так и для водных экосистем. Уровень хозяйственного использования речных вод достиг, в среднем, примерно половины от имеющихся ресурсов (при сильной контрастности этой ситуации в различных странах). Создание плотин и других инженерных сооружений привело к значительной фрагментации примерно 60% крупнейших в мире речных систем. В результате, например, утроилось (в среднем) время достижения речными водами соответствующих морей. Значительные изменения режима внутренних вод произошли под воздействием обезлесивания и осушения ветландов. Это особенно проявилось в тропиках, где леса являются ключевым фактором динамики водного режима. Глобальная площадь пресноводных ветландов сократилась примерно на половину, что сказалось на водозапасах и режиме наводнений.

Главные причины продолжающегося ухудшения качества природных вод — химические загрязнения водных бассейнов и поступление биогенов, а также (косвенно) ослабление способности экосистем осуществлять фильтрацию вод и усиление эрозии почв под воздействием процессов землепользования (Watson et al., 2000). Загрязнение биогенами в результате стока речных вод, загрязнённых удобрениями, составляет серьёзную проблему для сельскохозяйственных регионов во всём мире. Следствием этого вида загрязнений является эвтрофирова- ние вод в озёрах и прибрежных регионах морей (такого рода процесс особенно сильно проявляется в Средиземном и Чёрном морях, а также в северо-западной части Мексиканского залива и во многих крупных озёрах). За последние два десятилетия произошло обусловленное поступлением биогенов значительное увеличение частоты опасного цветения водных бассейнов. Во многих случаях была нарушена способность пресноводных и морских прибрежных экосистем поддерживать необходимое качество природных вод. Хотя в промышленно развитых странах, в целом, было обеспечено некоторое повышение качества природных внутренних вод, ситуация в развивающихся странах развивалась в противоположном направлении, особенно поблизости от крупных городов и в промышленных регионах. Ухудшающееся качество воды болезненно сказывается в первую очередь на бедном населении, не имеющем доступа к чистой питьевой воде.

Круговорот углерода. Избегая повторений, напомним лишь, что растения и почвенные микроорганизмы обусловливают удаление углекислого газа из атмосферы и запасание его в их тканях, что способствует замедлению антропогенно обусловленного роста концентрации СО2 в атмосфере. Важно подчеркнуть в этом контексте, что усиление эксплуатации экосистем как источников пищи и других средств жизнеобеспечения оказывает негативное воздействие на способность аккумуляции углерода экосистемами. Это происходит, в особенности, при замене лесов агроэкосистемами (или даже вторичными лесами), обладающими более слабым потенциалом накопления углерода. Подобное землепользование порождает возникновение значительного источника выбросов СО2 в атмосферу, вклад которого составляет до 20% по сравнению с суммарными антропогенными выбросами СО2.

Несмотря на отмеченные обстоятельства, экосистемы всё ещё сохраняют свою роль значительного резервуара углерода, играющего важную роль в формировании его глобального круговорота. При этом главным резервуаром углерода на суше являются тропические и бореальные регионы, где углерод аккумулируется, соответственно, в растительном покрове и в почвах (особенно в торфяниках). В настоящее время 38-39% углерода сосредоточено в лесах и 38% — в травяных экосистемах. На долю агроэкосистем приходится 26-28% углерода.

Слежение за динамикой биогеохимических круговоротов углерода и азота, а также круговорота воды имеет важнейшее значение для понимания условий существования экосистем. Эти круговороты являются главными индикаторами метаболизма биосферы и определяют функционирование глобальных экосистем. Ключевую роль играет уровень антропогенных воздействий на упомянутые круговороты.

За период с 1850 г. по 1998 г. концентрация СО2 в атмосфере повысилась с 285 млн-1 до 366 млн-1, т. е. примерно на 30%. Это произошло главным образом в результате сжигания ископаемых топлив, но значительный вклад внесли и изменения землепользования, приведшие к выбросу углерода в атмосферу растительным покровом и почвами. Около 33% углерода, аккумулированного в атмосфере за последние 150 лет, возникло за счёт обезлесивания и изменений землепользования. Процесс выбросов в атмосферу углекислого газа и других парниковых газов, обусловленный динамикой биосферы, является интерактивным по отношению к изменениям климата, порождённым ростом концентрации СО2. Так, например, потепление климата в Арктике чревато ускорением разложения гигантских массивов торфа в экосистемах тундры и тайги (таяние вечной мерзлоты должно сопровождаться мощными выбросами в атмосферу такого существенного парникового газа как метан). Важным аспектом проблемы повышения концентрации СО2 является эффект «фертилизации» — стимулирования роста некоторых видов растительности в условиях повышения концентрации СО2. В частности, в средних и высоких широтах можно ожидать роста уро-

жая зерновых культур на 5%, но в низких широтах (преимущественно в Африке) вероятен спад урожая, достигающий 10%.

Что касается глобального круговорота азота, то в этом случае влияние хозяйственной деятельности человека оказалось ещё более существенным и биологически значимым. Для большинства видов природной растительности дефицит азота является главным фактором, ограничивающим её развитие (это и является причиной применения азотных удобрений). Результатом расширяющейся практики использования удобрений, сжигания ископаемых топлив и обезлесивания явилось повышение количества азота, который могут использовать экосистемы, до уровня, значительно превосходящего природный. Это породило серьёзные проблемы эвтрофирования (особенно для пресноводных и прибрежных экосистем), состоящее в том, что избыток азота стимулирует развитие «паразитических» водорослей в такой степени, что возникает дефицит кислорода для различных водных организмов, включая популяции рыб.

Круговорот воды. Как уже отмечалось выше, к настоящему времени уровень антропогенных воздействий на водные системы стал очень значительным, что иллюстрирует, например, забор для хозяйственного (преимущественно сельскохозяйственного) использования примерно половины стока рек, который может достичь 70% к 2025 г. Перемещение пресной воды из рек и других резервуаров на сельскохозяйственные поля обеспечивает повышение урожаев, но при этом терпят серьёзный ущерб разнообразные природные экосистемы, а также и водопользователи, находящиеся ниже по течению рек. Хотя часто воды возвращаются снова в реки, но оказываются при этом сильно загрязнёнными и, как правило, непригодными для последующего применения. Наиболее ярким примером таких процессов является изменение водного режима в бассейне Аральского моря.

Биоразнообразие. Потери биоразнообразия за прошедшее столетие приняли угрожающие масштабы, причём, подобные потери понесли практически все экосистемы (главным образом, в результате утраты районов жизнеобитания). Так, например, площадь лесов сократилась по крайней мере на 20%, а возможно (в глобальных масштабах) и до 50%. Некоторые лесные экосистемы (подобные сухим тропическим лесам Центральной Америки) исчезли вообще. Во многих странах утрачено до 50% мангровых плантаций, примерно вдвое сократилась площадь ветландов, в некоторых регионах размеры территорий, покрытых травой, уменьшились на 90%. Лишь тундровые, арктические и морские глубоководные системы остались относительно мало изменёнными, хотя и в этих случаях нередки проявления значительных антропогенных воздействий.

Даже в тех случаях, когда первоначальные ареалы экосистем сохранились, многим видам угрожают загрязнения, переэксплуатация, вторжения «чуждых» видов и деградация ареалов обитания. С точки зрения биоразнообразия наиболее пострадавшими являются пресно-

водные экосистемы. Были истреблены, например, около 20% видов пресноводных рыб, а многие другие виды находятся в угрожаемом состоянии. Лесные, травяные и прибрежные экосистемы сталкиваются с серьёзными проблемами выживания. Примером усиливающейся опасности для биоразнообразия являются учащающиеся заболевания морских организмов, усиливающееся цветение водоёмов и значительное сокращение популяции амфибий. Помимо связанных с этим потерь для медицины (ввиду уменьшения объёмов сырья для лекарств), генных банков и экотуризма, сокращение биоразнообразия означает также угрозу для продуктивности экосистем, их целостности и устойчивости к разного рода внешним воздействиям.

В заключение отметим следующее. Ясно, что в настоящее время существуют многочисленные признаки антропогенно обусловленной деградации экосистем и ослабления их способности функционировать как системы жизнеобеспечения и регулирования свойств окружающей среды. Обсуждённые выше данные свидетельствуют о том, что все рассмотренные виды экосистем испытывают серьёзные и возрастающие антропогенные нагрузки. Происходят интенсивные процессы трансформации природных экосистем под воздействием обезлесивания, загрязнений (в том числе — биогенами), строительства плотин, биологических вторжений «чуждых» организмов. Следствием антропогенных воздействий являются значительные трансформации глобальных биогеохимических круговоротов, от нормального функционирования которых зависит благополучие экосистем.

Пока что негативные тренды характеристик состояния глобальных экосистем видимым образом не угрожают достижению высоких уровней производства различных товаров и услуг. Производство пищи и волокон никогда не достигало столь высоких уровней, как в настоящее время, а сооружение плотин обеспечило беспрецедентное зарегулирование речного стока для обеспечения сельскохозяйственного водопотреб- ления. Подобные успехи в создании материального богатства во многих случаях чреваты, однако, долгосрочной перспективой снижения продуктивности глобальных экосистем и ослабления регулирования ими качества окружающей среды. Применение таких новых технических средств и технологий как искусственные удобрения, усовершенствованные средства вылова рыбы и системы ирригации замаскировало спад биопродуктивности природных экосистем, обеспечив необходимый рост производства пищи и волокна. Если, однако, думать о долгосрочных перспективах (а именно в этом контексте определяется понятие устойчивого развития), то необходимо помнить об ослаблении функционирования природных систем жизнеобеспечения, которое проявляется, например, в форме опасного уменьшения биоразнообразия, снижения качества питьевой воды, усиления выбросов парниковых газов в атмосферу и многих других негативных явлений.

В свете Всемирного совещания на высшем уровне в Иоганнесбурге (2002 г.) по проблемам устойчивого развития («Рио+10») ключевое

значение приобретает обоснование приоритетов в проблеме функционирования интерактивной системы «общество-природа», требующих главного внимания. Острота ситуации становится особенно очевидной, если учесть весьма ограниченный успех Второй конференции ООН по окружающей среде и развитию (Рио-де-Жанейро, 1992 г.), последующей Специальной Сессии ООН «Рио+5» и полный провал шестилетней серии ежегодных конференций представителей государств, подписавших Рамочную Конвенцию ООН по проблеме изменений климата (РКИК), послужившей основой для подготовки Протокола Киото (1997 г.). Спекулятивные преувеличения (достигавшие иногда уровня апокалиптических глобальных прогнозов), характерные для концепции «глобального потепления», отвлекли внимание (и в значительной мере финансовые ресурсы) от действительно приоритетной проблемы благополучия глобальных экосистем в условиях возрастающей численности населения земного шара и усиливающегося антропогенного воздействия на природные системы жизнеобеспечения. В этой связи авторы A Guide.. .(2001) справедливо подчеркнули перспективность «экосистемного подхода», состоящего в том, что использование природных ресурсов должно опираться на учёт способности нормального функционирования глобальных природных систем жизнеобеспечения.

Экосистемный подход характеризуется следующими главными особенностями:

комплексность (системность) анализа взаимодействий в системе «общество-природа»;

не фрагментарный, а целостный анализ функционирования экосистем;

учёт всего пространственно-временного разнообразия процессов при непременном приоритете долгосрочных перспектив;

детальное рассмотрение интерактивных процессов в системе «общество-природа» ;

обоснование и учёт пределов нормального функционирования экосистем и, в этой связи, допустимых антропогенных нагрузок.

Данные табл. 3.1 иллюстрируют различия между традиционным и экосистемным подходами к использованию природных ресурсов применительно к лесному хозяйству. Разумеется, преимущества экосистемного подхода не вызывают сомнений. Проблема состоит, однако, в том, в какой степени условия социально-экономического развития той или иной страны допускают последовательное осуществление экосистемного подхода. Обсуждённые выше негативные проявления динамики различных экосистем наглядно отображают большие (иногда пока что не преодолимые) трудности реализации экосистемного подхода. В этой связи участники проекта PAGE сформулировали следующие общие рекомендации:

стимулирование развития науки и средств наблюдений;

осознание и количественные оценки ценности функций, выполняемых экосистемами;

Таблица 3.1. Различия между традиционным и экосистемным подходами к исследованию природных ресурсов на примере лесного хозяйства

Традиционный подход

Экосистемный подход

Цель

— Максимально возможное производство предметов потребления.

Максимизация ценности продуктов производства.

Практика поддержания состояния лесов или использование лесопродуктов на уровнях равном или ниже обеспечивающих рост или возобновление лесов.

Поддержание лесных экосистем как взаимосвязанного компонента природной среды при обеспечении устойчивого производства предметов потребления.

Сохранение возможности выбора в будущем.

Обеспечение устойчивой продуктивности экосистем с учётом таких факторов как эстетика лесов и социальная приемлемость практики ведения лесного хозяйства.

Масштаб

— Работы на уровне древостоя в пределах границ государств или собственности.

— Работы на уровнях экосистем и ландшафтов.

Роль науки

— Рассмотрениепроблем

управления лесным хозяйством как прикладной науки.

— Управление лесным хозяйством с учётом научных данных и социальных факторов.

Роль управления

— Главное внимание к конечным результатам (производству товаров и услуг) с точки зрения обеспечения потребности в древесине, решения задач рекреации, поддержания дикой природы и получения фуража.

Стремление к такому управлению, которое обеспечивает необходимое промышленное производство.

Приоритет производства древесины.

Стремление избежать дефицита древесины.

Рассмотрение лесов как систем производства древесины.

Оценки экономической эффективности лесного хозяйства.

— Главное внимание к обеспечению благополучия лесных экосистем с учётом необходимых свойств почв, биологического разнообразия и экологии в целом в интересах повышения уровня производства товаров и услуг.

Подход к управлению, обеспечивающий решение природоохранных задач.

Комплексный подход к решению производственных задач с учётом равнозначности проблем охраны природы.

Стремление избежать потери биоразнообразия и деградации почв.

Подход к лесам как целостным природным системам.

Оценки экономических выгод и социальной приемлемости.

стимулирование широкого обсуждения целей, научных основ и практической значимости экосистемного подхода;

обеспечение участия всех необходимых специалистов в решении задач управления экосистемами.

Достижение научного понимания закономерностей функционирования экосистем и, тем более, прогноза динамики экосистем находится пока что на первоначальном этапе развития. В значительной мере это определяется скудностью имеющейся комплексной информации об экосистемах и их функционировании. Так, например, проблема глобального круговорота углерода уже довольно давно привлекает серьёзное внимание (Kondratyev, 1998; Демирчан, Кондратьев, 1999; Кондратьев, 1999; Кондратьев, Демирчан, 2000; Watson et al., 2000). И, тем не менее, до сих пор не сформулированы даже системные требования к таким комплексным данным наблюдений, которые позволили бы получить адекватную информацию о закономерностях круговорота углерода (разумеется, это требует совместного применения как обычных, так и спутниковых средств наблюдений). В этой связи Генеральный секретарь ООН Кофи А. Аннан справедливо отметил (A Guide..., 2000): «Невозможно обосновать эффективную экологическую политику, если она не опирается на надёжную научную информацию. Хотя во многих областях был достигнут значительный прогресс в получении данных наблюдений, в наших знаниях сохраняются большие пробелы. В особенности, до сих пор не было получено полной глобальной оценки состояния существующих на земном шаре главных экосистем. Откликом на эту потребность является планируемая оценка состояния глобальных экосистем за тысячелетие (Millenium Ecosystems Assessment — МЕА) как крупная международная инициатива с целью картирования «здоровья» нашей планеты. Эта инициатива поддержана многими правительствами, а также ЮНЕП, ЮНДП, ФАО и ЮНЕСКО. Я призываю государства-члены ООН помочь обеспечить необходимую финансовую поддержку оценке состояния экосистем за тысячелетие и стать активными участниками программы».

Осуществление программы МЕА, которое должно было начаться в 2001 г., явится лишь первым шагом на пути оценки состояния глобальных экосистем, а также разработки и реализации таких мер, которые необходимы для сохранения экосистем на планете в таких условиях, когда происходит усиление потребностей в природных ресурсах и, с другой стороны, обостряется проблема не просто сохранения качества окружающей среды, но нормального функционирования жизнеобеспечивающих систем Земли, без чего невозможно дальнейшее развитие цивилизации.

Роль лесных экосистем

В последние годы проблема воздействия атмосферного углекислого газа на глобальный климат Земли обсуждается учёными и политиками. Одни считают, что человечество за счёт усиления парникового эф-

фекта неизбежно изменит климатическую обстановку на земном шаре, а вследствие этого поменяются условия жизни, возможно, в худшую сторону. А потому необходимо ограничить промышленные выбросы СО2. Другие, соглашаясь с последствиями парникового эффекта, отрицают выдвинутую хорошо известным Протоколом Киото стратегию и полагают, что указанное ограничение (квоты) приведёт к ухудшению экономики многих регионов земного шара, не решив проблему парникового эффекта и ещё более обострив глобальную экологическую обстановку. Противники стратегии Киото считают, что предотвратить парниковый эффект можно только правильным управлением структурой земных покровов и введением жёсткого контроля за загрязнением Мирового океана (Кондратьев, 19986; Кондратьев, Демирчан, 2001). В связи с этим Межправительственная Комиссия по изменению климата на 8-й Сессии 2-10 июня 1998 г. в Бонне и на 14й Сессии 1-3 октября 1998 г. в Вене подготовила специальный доклад о роли стратегии использования земных покровов (особенно лесов) в глобальном балансе СО2. Этот доклад обсуждает проблему взаимосвязи антропогенной активности в области реконструкции земных покровов с распределением СО2 и других парниковых газов в биосфере. Оцениваются различные сценарии, вытекающие из Протокола Киото и касающиеся проблемы воздействия человеческого общества на структуру земных покровов вообще и на залесенность территорий в частности. Здесь даётся краткий анализ указанного доклада.

Парниковый эффект и лесные экосистемы. Статья 3.1 и Приложение 1 Протокола Киото предусматривают ограничение, а затем сокращение эмиссии парниковых газов в период 2008-2012 гг. До этого времени планируется решить цикл задач по оценке роли использования земной поверхности. В частности, сюда входят задачи формализованного описания процессов изменения структуры земных покровов, таких как облесение, лесонасаждение и обезлесивание, а также связанных с ними запасов углерода. Понимание метеорологических процессов как функций парниковых газов относится к одной из ключевых проблем человечества в первом десятилетии третьего тысячелетия. Только знание корреляций метеорологических явлений различного пространственно-временного масштаба с запасами СО2 и других парниковых газов позволит принять корректные и конструктивные решения в области охраны глобальной окружающей среды.

Динамика наземных экосистем зависит от взаимодействий между биогеохимическими циклами, которые в последнее десятилетие XX столетия подверглись антропогенной модификации. Особенно это касается циклов углерода, азота и воды. Наземные экосистемы, в которых углерод сохраняется в живой биомассе, разлагающемся органическом веществе и почве, играют важную роль в глобальном круговороте СО2. Углерод обменивается между этими резервуарами и атмосферой через фотосинтез, дыхание, разложение и горение. Вмешательство

человека в этот процесс происходит через изменение структуры земных покровов, загрязнение поверхности водных бассейнов и почвенных площадей, а также через непосредственную эмиссию СО2 в атмосферу.

Соотношение роли различных экосистем в формировании запасов углерода в резервуарах биосферы определяет скорость и направленность в изменениях региональных метеорологических ситуаций и глобальном климате. Точность оценки уровня этих изменений зависит от достоверности данных инвентаризации наземных экосистем. Об этом можно судить по данным табл. 3.2, где значительный разброс оценок запасов углерода в растительности различных типов позволяет говорить о важности более точной классификации наземных экосистем.

Таблица 3.2. Запасы углерода в растительности и метровом слое почвы (Watson et al., 2000)

Биом

Площадь 109 га

Запасы углерода (ГтС)

Растительность

Почва

Сумма

Тропические леса

1,76

212

216

428

Умеренные леса

1,04

59

100

159

Бореальные леса

1,37

88

471

559

Тропические саванны

2,25

66

264

330

Умеренные луга

1,25

9

295

304

Пустыни и полупустыни

4,25

8

191

199

Тундра

0,95

6

121

127

Болота

0,35

15

225

240

Засеваемые площади

1,60

3

128

131

Итого

15,12

466

2011

2477

Антропогенная составляющая глобального баланса углерода, начиная с середины XIX -го столетия, вносит нарастающую амплитуду воздействия практически на все его природные элементы. С 1850 г. по 1998 г. около 270(±60) ГтС было выброшено в виде СО2 в атмосферу за счёт сжигания топлив и производства цемента. Около 136 ±55 ГтС поступило в атмосферу в результате антропогенной реконструкции земных покровов. Это привело к возрастанию в атмосфере СО2 на 176 ± 10 ГтС, т. е. парциальное давление углекислого газа в атмосфере возросло с 285 до 366 млн-1 (на 28%). Другими словами, за 148 лет 43% выброшенного углерода осталось в атмосфере и не было поглощено наземными или океанскими экосистемами (230 ± 60 ГтС было поглощено).

Некоторое представление о балансе углерода в глобальных масштабах дают данные табл. 3.3. Эта таблица показывает, что скорости и тренды накопления углерода в наземных экосистемах весьма неопределённы. Однако, всё же видно, что наземные экосистемы являются важными поглотителями избыточного СО2. Понять детали такого поглощения можно только при моделировании процесса роста растений,

Таблица 3.3. Характеристика среднегодового бюджета СО2 (Watson et al., 2000).

Характеристика

Оценка, ГтС/год

1980-1989 гг.

1990-1998 гг.

Эмиссия СО2 за счёт сжигания топлив и производства цемента

5,5 ±0,5

6,3 ±0,6

Накопление СО2 в атмосфере

3,3 ±0,2

3,3 ±0,2

Поглощение океанами

2,0 ±0,8

2,3 ±0,8

(1) - [(2) + (3)]

0,2 ± 1,0

0,7 ± 1,0

Эмиссия СО2 за счёт изменения в использовании земельными ресурсами

1,7 ±0,8

1,6 ±0,8

(4) + (5)

1,9± 1,3

2,3 ± 1,3

т. е. при учёте влияния на фотосинтез растений биогенных элементов почвы и других биофизических факторов.

Согласно табл. 3.2 наибольшее внимание детальному изучению следует уделять лесным экосистемам и связанными с ними процессами естественного облесения, восстановления и сведения лесов. Об этом говорят статьи 3.3 и 3.4 Протокола Киото, где указывается на необходимость определения национальных и международных стратегий управления лесами. Ведь объём резервуара для стока СО2 из атмосферы в лесном массиве является функцией плотности его полога, а во временном промежутке изменение этого объёма определяется уровнем и характером динамических процессов перехода леса данного типа в другое состояние. Причём, причины этого перехода могут быть естественными, антропогенными и смешанными. Биоценология пытается создать универсальную теорию таких переходов, но пока имеется только качественное описание наблюдаемых в действительности переходов. Как отмечается в Протоколе Киото важным является правильное определение понятий облесения, восстановления лесов и обезлесивания. Под облесением понимают размещение леса на участке суши, который до этого был без леса в течение некоторого периода (20-50 лет и более) и был использован для других целей. Обычно этим термином определяют процесс естественной сукцессии за счёт распространения леса на другие территории без вмешательства человека. Процесс восстановления лесов определяется как замена лесом другого типа наземных экосистем путём высадки деревьев. Обезлесивание — это замена территории леса другой экосистемой. Таким образом, в динамике лесной экосистемы возможны два противоположных процесса, управлять которыми может и природа и человек. Каждый из этих процессов имеет разветвления, характеризующиеся спецификой динамики растительного покрова данной территории. Особый статус приобретает процесс высадки деревьев на территории, где исторически

их никогда не было. В этом случае происходит скачок значимости данной территории в динамике СО2.

Табл. 3.4 иллюстрирует влияние процессов облесения/обезлесива- ния на запасы углерода при антропогенном сценарии ФАО (Watson et al., 2000), где под лесом понимается участок суши не менее 0,5 га с деревьями высотой более 5 м, крона которых занимает более 10% площади. Обезлесивание определяется как изменение земного покрова с сокращением площади кроны деревьев менее, чем до 10% площади, а также изменение класса леса с негативными последствиями (например, уменьшение продуктивности). Под облесением подразумевается искусственное размещение леса на территории, на которой ранее его никогда не было. Заметим, что «естественное расширение» (т. е. распространение леса на сельскохозяйственной территории без прямого его насаждения) также в сценарии ФАО относится к процессу облесения. Наконец, под восстановлением леса понимается прямое искусственное насаждение деревьев на территориях, где лес ранее был удалён.

Таблица 3.4. Оценка рассчитанного изменения среднегодового запаса углерода для сценариев облесения/обезлесивания (Watson et al., 2000)

Регион

RF

AF

TR

FR

А

В

А

В

Бореальный

35

0,4-1,2

0,5

0,1

-18

-185

Умеренный

60

1,5-4,5

2,1

1,9

-90

-501

Тропический

120

4-8

13,7

2,6

-1644

-1352

Обозначения: А — обезлесивание, В — облесение, RF — изменение среднего запаса С при обезлесивании, тС/га; AF — средняя скорость поглощения СО2 при облесении, тС/(га-год); TR — изменение площади (106 га/год) в результате перехода между отсутствием леса и лесом; FR — прогноз изменения запасов углерода (106тС/год) в 2008-2012 гг. в рамках сценария ФАО

Технология рассмотрения сценариев типа приведённого в табл.3.4 не даёт возможности найти тот сценарий, который можно рекомендовать для использования. Слишком упрощённый подход предложен в Протоколе Киото, чтобы можно было получить достоверные оценки динамики СО2 как функции многих природных и антропогенных параметров.

Глобальные круговороты парниковых газов. Уже тот факт, что расхождение в оценках глобальных потоков углерода у различных авторов достигает 100%, говорит о невозможности на современном уровне знания достоверно рассчитать глобальную динамику СО2 и, следовательно, указать объективные причины для принятия решений (рекомендаций), аналогичных Протоколу Киото.

Углекислый газ, который растворяется в океанах и поглощается растительностью, уходит из атмосферы через сложные механизмы биосферного круговорота вещества и энергии. В океанах таким механизмом является их карбонатная система, которая при определённых сочетаниях параметров окружающей среды отсасывает атмосферный СО2 и отправляет его в донные отложения. Судьба СО2, который фиксируется на суше, зависит от того, какая экосистема и какой резервуар углерода являются его поглотителем (например, живая биомасса или почва). Углерод, фиксированный в резервуаре, через год или менее (листья, тонкие корни) возвращается в атмосферу или переходит в резервуары с временем оборота от декады до столетий (стволы, стебли, сучья, органическое вещество почвы). В результате формируется чистый поток углерода между наземными экосистемами и атмосферой, внося небольшую неустойчивость между поглощением при фотосинтезе и различными процессами возврата углерода в атмосферу. Растения, микроорганизмы почвы, биохимические процессы и животные участвуют в формировании такой неустойчивости. Изменение климата и активность человека вносят определённый вклад в этот процесс путём трансформации структуры земных экосистем и загрязнения окружающей среды. По имеющимся оценкам чистое поглощение СО2 наземной биосферой составляло 0,2 ± 1,0 ГтС/год в период 1980-1989 гг. и 0,7 ± 1,0 ГтС/год за 1989-1998 гг. (см. табл. 3.3). В то же время чистая эмиссия СО2 по причинам антропогенного вмешательства в структуру земных покровов составляла 1,7 ±0,8 ГтС/год и 1,6 ± ±0,8 ГтС/год соответственно. В целом вариации глобального потока углерода оцениваются величиной ±1 ГтС/год и наблюдается чёткая их корреляция с такими явлениями, как Эль-Ниньо или извержение вулканов. Суммарно поглощаемый растениями из атмосферы поток углерода приблизительно колеблется около величины 120 ГтС/год. Обратно в атмосферу часть углерода возвращается довольно быстро за счёт транспирации (~60 ГтС/год) и разложения мёртвого органического вещества (~10 ГтС/год). Леса в этот баланс вносят наибольший вклад (см. табл. 3.2). Различные леса имеют значительно расходящиеся внутренние и внешние запасы и потоки углерода. Отсюда следует, что усреднённые по большим территориям оценки потоков углерода не дают даже приблизительной картины изменения его запасов в резервуарах биосферы и, тем более, с учётом их динамики. Поэтому многочисленные циркуляционные модели углерода, опирающиеся на такие данные, не могут быть объективным инструментом принятия решений.

Аналогичный вывод следует и относительно других парниковых газов, таких как СН4 и N2O (Исидоров, Кондратьев, 2001). Концентрация метана возросла с 700 ppbv в прединдустриальную эпоху до 1700 ppbv в современное время. Около 550 • 106 т СТА/год выбрасывается в атмосферу из различных источников. Начиная с 1980 г. и по 1990 г. возрастание содержания СЩ в атмосфере шло со скоро-

стью 13 ppbv/год, а в 1990 г. и 1996 г. она имела оценки 8 ppbv/год и 4 ppbv/год соответственно. Время жизни метана составляет около 9 лет. Вклад антропогенных источников метана в полный его поток в атмосферу оценивается величиной 70%. Ясно, что в эту долю делают вклад не только непосредственные выбросы метана в промышленности и сельском хозяйстве, но и производимые человеком реконструкции земных покровов.

Источники другого важного парникового газа N2O также тесно связаны со структурой земных покровов. Глобальная эмиссия N2O оценивается величиной 14 • 106 т N/год, причём, антропогенный вклад в неё составляет 50%. На эту величину существенное воздействие оказывают сельскохозяйственное использование земель, тропические леса и особенно состояние увлажнения почв. Микробиологические процессы в почвах являются первичными источниками N2O.

Использование земли напрямую влияет на процессы обмена парниковыми газами между наземными экосистемами и атмосферой. Изменения в использовании земли, такие как расчистка леса для расширения сельскохозяйственных угодий или населённых пунктов, вызывают синхронные (или с небольшим запозданием) изменения структуры земных покровов и распределения запасов углерода в наземных экосистемах. Эти действия связаны с необходимостью увеличения производства пищи, создания новых площадей для проживания и отдыха населения. Поэтому проблема сбалансированного регулирования процессов землепользования становится всё актуальнее. Решить эту проблему с помощью предлагаемых в Протоколе Киото подходов невозможно. Необходимо внедрять методы экоинформатики, которые позволяют изучать систему Природа-Общество как единое целое, основываясь на комплексной глобальной модели, описывающей совокупность биогеохимических, биогеоценотических, климатических, демографических и социально-экономических процессов с их привязкой к пространственным масштабам и временным шкалам. Идея такой модели изложена в книге Крапивина и Кондратьева (2002). Один из вариантов глобальной модели, описанный в работе Krapivin (1993), использует пространственную географическую сетку 4° х 5° с детализацией лесных массивов по схеме рис. 3.2, табл. 3.5. Эта модель даёт оценку поглощения СО2, которая принципиально изменяет приводимые в работе Watson et al. (2000) данные сценарного моделирования. Соответственно изменяются и прогноз, и выводы.

Облесение и обезлесивание. Вернёмся к проблеме антропогенных изменений структуры лесных массивов. В Протоколе Киото её решение привязано к задаче определения таких терминов-понятий, как лес, облесение, лесонасаждение, обезлесивание, биом, земной покров, использование земли, деградация и др. Так или иначе здесь возникает вопрос: а насколько вообще оправдано использование каких- либо определений при принятии решения и как от их качества зависит

W 150120906030 О 3D 6090120150 Е

hА**Л,*********....... ....... . .N

ААА. - ***********, , ., , , , , А. , .

. . AAA. М\М\********, , , 0ДАЛЛА. . . . .. А. .

. . . . СОСООСА- А. ЛАДО. . . *****LZLС. CCCCCmWAAAAAAAA

МО. FFF^Wl-FFDJCCCAA. . Ж . ***. . . LDEUFF. FFFF^LLFFFN№'FFMAAAbW^

JYTTHX^CCiXL . . СLКЗ. ПЬЮШГХЛЮтТШО^^^^.

IEFEFC-GOFF.. . DEC+.. . R. RCjGCWEGDCxjv^

_ . U ..... +RG6GG6DDF. FFFF.++RRRRXX>№»OO{00G^^.. L ...

50RRXWXXGGDDDDD.D50

RXWX’Y T++G++4 + + xXwW. S. ^QQSGVmGXRR

HFBXXX++*+.-+. , P+-r. , ‘a^. KOiiKAAXO.?/,;.^. +. ......

RBUW-iFPFPF. WWyKS^OSSSSSQXX. <. P

@UUUPFJPP&&WLWUUQBBQQ* <30^KJP. , PHHHHHHHHHHiiHHTHHHJPQCQrjppppX

Н.ЧНННННИН. HH. HTHNNYZZPPF?

. JTTTTTTTTTTTTTTT. . NN I. th;

YYZ,.. J.. TTTTTTTTTTT. TT.JN.. YYY..

YZJ J J J J JTJ J JNTTNN. . , YY, . Y

10L. JjJJJJj.TJJINN7TN.. . Л10

ZJJZYJZYJ J J J JJ7Z

ZZZZJ............ ZYYYYJNN.......... Z.. Z..

QZZZZJZZ.YYZYJJJ.Z.Z..

VZZZZ J JJ J JJYYKNJZZ

IC7ZZZJJJJJNNNNZ10

. . . . WZZZJJYJNNNN. . ZNN

WNZYJYJOLY]- JNNNNN

TNNYYYTJJJJ. NJJTTJJJ

TNNYPHHTFjJTTTTNN

30 . . , UUEY,HEE. .HHZHJJ. . . . . Ли

UJEIEU.. . UUP

....HEE.P.

л vк....*..

W 1501209060300306090120150 E

Рис. 3.2. Пространственное распределение почвенно-растительных формацийпо географической сетке 4° х 5°. Обозначения даны в табл. 3.5

результат его реализации? На этот вопрос авторы Протокола Киото не только не дают ответа, но они его и не ставят. А это необюхо- димо, так как направленность изменений запасов углерода при различных формах реконструкции земных покровов имеет огромное поле неопределённости, из-за которого процессы облесения и обезлесивания не могут получить однозначной оценки. Очевидно, что единственно правильный путь к решению основной проблемы и сопутствующих ей

Таблица 3.5. Идентификатор типов почвенно-растительных формаций по классификации Базилевич и Родина (1967)

Тип почвенно-растительной формации

Символ

Арктические пустыни и тундры

А

Высокогорные пустыни

В

Тундры

С

Средне-таёжные леса

D

Пампы и травяные саванны

Е

Северо-таёжные леса

F

Южно-таёжные леса

G

Субтропические пустыни

Н

Субтропические и тропические травяно-древесные

заросли тугайского типа

I

Тропические саванны

J

Солончаки

К

Лесо-тундра

L

Горная тундра

М

Тропические ксерофитные открытые редколесья

N

Осиново-берёзовые подтаежные леса

О

Субтропические широколиственные и хвойные леса

Р

Альпийские и субальпийские луга

Q

Широколиственные хвойные леса

R

Суббореальные и солянковые пустыни

S

Тропические пустыни

Т

Ксерофитные редколесья и кустарники

и

Сухие степи

V

Степи умеренно засушливые и засушливые

(в том числе горные)

W

Лесостепи (луговые степи)

X

Переменно-влажные листопадные тропические леса

¥

Влажные вечнозелёные тропические леса

Z

Широколиственные леса

+

Субтропические полупустыни

&

Суббореальные и полынные пустыни

@

Мангровые леса

#

Отсутствие растительности

*

частных задач состоит в детальной инвентаризации лесных массивов и использовании полученных данных в глобальной модели. Направленность такой инвентаризации и её детальность должна определяться в адаптивном режиме использования модели, постепенно двигаясь по пространственно-временным масштабам, начиная с уже изученной при среднегодовом шаге по времени и географической сетки 4° х 5°. Некоторые работы в этом направлении ведутся в рамках Международной Программы «Глобальные Изменения».

Заключение. Затронутая здесь проблема, безусловно, актуальна не только с точки зрения глобальных изменений окружающей

среды, если понимать их с экологических позиций, но она важна и с экономической стороны. Объединяя эти стороны, необходимо найти эффективный механизм управления лесным хозяйством планеты. Нельзя решать эту проблему изолированно от других природоохранных задач. По-видимому, даже на локальном уровне решение об изменении облика земного покрова должно приниматься на основе оценки глобальных последствий в будущем. Технология принятия таких взвешенных решений предлагается в работе Угольницкого и др. (2000), и она уже получила название ГИМС-технологии (ГИС+Модель).

Возвращаясь к Протоколу Киото, заметим, что, несмотря на многие вполне приемлемые заключения и сценарии, рекомендации о введении квот на выбросы парниковых газов не выдерживают никакой критики в силу своей необоснованности и поэтому не являются научно оправданными (Горшков, Макарьева, 1999). Ведь даже самые пессимистические оценки роли лесных экосистем в поглощении СО2 из атмосферы имеют разброс от 10 до 27%.

Решить проблему, согласованную с динамикой глобальных изменений использования лесов, можно только с помощью ГИМС-техноло- гии, включающей модель динамики лесного фонда, которая описывает изменения структуры лесных площадей и таксационных показателей древостоя во времени в результате естественного роста насаждений и комплекса целенаправленных внешних воздействий.

С точки зрения всего человечества было бы и выгодно и целесообразно сосредоточить усилия специалистов различных наук, занимающихся проблемой глобального моделирования, в единый коллектив при какой-либо международной организации, создав, например, Международный Центр информационного обеспечения исследований системы Природа-Общество (Кондратьев и др., 2000).

Влияние углекислого газа на первичнуюпродукцию

Взаимосвязь между глобальным циклом СО2 и наземной растительностью проявляется через зависимость первичной продукции и скорости разложения отмершей биомассы от температуры и концентрации СО2 в атмосфере. Температурная зависимость наиболее ощутима в северных широтах, где среднегодовые вариации температуры могут достигать до 85 °C, а период вегетации растений изменяется от 2 до 7 месяцев. Влияние атмосферного СО2 на рост растений зависит от многих факторов. Различают два основных типа растений по форме их реакции на изменения парциального давления атмосферного СО2. Первый наиболее распространённый тип растений (тип Сз) обладает способностью фотореспирации, реализуемой за счёт ферментов, которые могут одновременно поглощать и выделять СО2 и О2. Этот процесс имеет так называемую компенсационную точку Г, когда сба-

лансированность всех функций растения по отношению к СО2 является оптимальной. Эта точка характеризуется величиной Г = 50 ммоль/моль при 25 °C, растёт с увеличением температуры и пропорциональна концентрации О2. Скорость насыщения светом фотосинтеза растений пропорциональна величине (С^ — Г) вплоть до уровня 1000 ммоль/моль, а эффективность начального использования света возрастает с увеличением СО2 пропорционально отношению (С^ — Г)/(Са + Г) (Goudrian, 1990).

Растения другого типа (тип С4), такие как высокие тропические травы (маис, сахарный тростник, просо, сорго) усваивают СО2 из атмосферы вне зависимости от концентрации О2, так что Г остаётся практически неизменным и на низком уровне =5 ммоль/моль. Эти растения слабо реагируют на изменение концентрации углекислого газа.

Многочисленные лабораторные исследования реакций растений обоих типов на изменение величины Са говорят о большом разбросе количественных оценок вариаций фотосинтеза для типа С3. В среднем растения реагируют на изменение концентрации СО2 с задержкой порядка одного месяца. При этом удвоение СО2 может вызвать возрастание скорости фотосинтеза от 10 до 100%. Дальнейшее увеличение Са вплоть до 400% приводит к появлению у некоторых растений эффекта насыщения фотосинтеза, т. е. добавка в скорости фотосинтеза может составлять ещё до 20%, а в некоторых случаях (например, для Setaria lutescens) наблюдается угнетение фотосинтеза (Bazzaz, 1986). Практически растения типа С4 даже при современном значении Са находятся в состоянии насыщения фотосинтеза.

Влияние СО2 на растения имеет многогранный аспект, проявляющийся в изменении биогенного режима фотосинтеза. Элементный состав тела растения включает С, О, Н, N, S, Р, К, Са, Mg, Ее и обменные процессы в системе растение-атмосфера затрагивают такие химические соединения, как СО2, СН4 , Н2 О, Н2 S, NH3 и NO2. Живое растение состоит на 50 4-95 % из воды, а остальное, так называемое сухое вещество, включает 70 4-98% сгораемого органического вещества. Другими словами, каждое растение на Земле характеризуется индивидуальной ролью в глобальном биогеохимическом цикле СО2 и других химических элементов. Поэтому все существующие модели цикла СО2, опирающиеся на грубые классификации почвенно-растительных формаций, являются неточными и вряд ли возможно оценить их достоверность в рамках существующих баз данных о растительном покрове и его параметрах.

Особое место занимают тундровые и лесотундровые биоценозы, на долю которых приходится около 4% поверхности суши. Их роль в поглощении или выделении СО2 имеет сезонный характер. Тундра с её болотами, водоёмами и озёрами является поставщиком СО2 в арктическую атмосферу. Почвы арктической тундры играют в этом процессе особую роль. В период таяния снега они выделяют окись углерода (СО)

и над поверхностью почв парциальное давление СО может достигать величины 100 ppm при среднегодовой величине в 0,05 ppm (Kelley, 1987). Содержание СО в пузырьках воздуха, выделяемых в водоёмах и озёрах при гниении биомассы, оценивается величинами 5 -У 20 ppm. У основания тундровых растений в весенний период воздух характеризуется парциальным давлением СО в 40 ppm, заметно уменьшающимся к концу лета. Как результат, весной приповерхностная атмосфера в арктической тундре может иметь парциальное давление СО2 до 2100 ppm. Что происходит с обменом СО2 на границе атмосфера- тундра зимой, практически неизвестно. Но имеются данные о фотосинтетической и респираторной активности тундровой растительности, из которых следует, что она сохраняется даже при освещённости 5 4-7 Вт«м-1сут-1 и температуре ниже 0 °C (Tiezen, 1973). А это означает, что тундровая растительность в конце лета и начале зимнего периода может быть стоком атмосферного СО2. Имеется оценка оттока СО2 из атмосферы за счёт поглощения тундровой растительностью в 146 г«м-2сут-1 (Kelley, 1987; Eliasson et al., 1999). Поэтому для оценки роли почвенно-растительных формаций в глобальном цикле СО2 необходимо в модели иметь достаточно детальную их пространственную и предметную классификацию. К сожалению, такие сведения в виде, пригодном для включения в модели, не существуют. А поэтому опубликованные оценки роли почвенно-растительных формаций, учтённых в глобальных моделях круговорота СО2, нельзя признать достаточно точными. Хотя, например, приведённые в работе Крапивина и Кондратьева (2002) оценки роли наземной растительности (по классификации Н.П. Базилевич) в поглощении СО2 на территории стран СНГ кажутся реалистическими.

Обменные процессы углеродом на границе«суша-атмосфера»

Взаимодействие между двумя резервуарами углерода — атмосферой и сушей — выражается наличием потоков углерода, формируемых экологическими, геофизическими и геохимическими процессами. Сюда относятся фотосинтез, респирация растений и животных, разложение мёртвого органического вещества, сжигание растительности и топлива, вулканические эманации, выветривание горных пород и т. п. Какой из этих процессов может оказаться преобладающим, зависит от многих факторов. Поэтому в схеме рис. 3.3 и табл. 2.3 они учтены все.

Наиболее важным моментом в изучении глобального цикла углерода является поиск зависимости между наземной растительностью и атмосферой в плане обмена СО2. Основой этой зависимости является то, что все растения создают свою биомассу за счёт усвоения атмосферных элементов С, О2, Н, N, S, Р, К, Са, Mg, Ее, среди которых главными являются углерод, кислород, азот и сера. Ясно, что при детальном

Рис. 3.3. Схема потоков углерода в модели системы атмосфера-раститель- ностъ-почва.

анализе процесса фотосинтеза необходимо также учитывать кинетику СО2, СН4, Н2О, H2S, NH3 и NO2. Минимальным требованием при обеспечении ассимиляции СО2 является наличие СО2, Н2О, света, хролофилла и подходящих условий окружающей среды (температуры и влажности). Поэтому простейшая ассимиляционная формула может быт записана в следующем виде:

СО2 + Н2О +675 ккал—> СбН^Об + О2 4" Н2 О

6 молей 12 молей солнечная энергия 1 моль 6 молей 6 молей 246 г 216 г180 г 192 г 108 г

Эта формула применима для расчёта баланса между растениями и атмосферой только по обмену углекислым газом, но не применима для воды, так как вода является лимитирующим фактором для фотосинтеза, и растения за счёт неучтённой в формуле транспирации используют значительно больше воды. В моделях глобального уровня детализация процесса ассимиляции углерода должна вестись осторожно из-за опасности нарушения равновесного описания других процессов. Обычно это реализуется введением необходимых поправок (Крапивин, Кондратьев, 2002). Например, учитываются возможные потери в балансовом соотношении фотосинтеза. По умолчанию эти потери составляют 20 4- 30 %, т. е. в среднем из 6 молей СО2 получается 0,75 молей глюкозы.

Также необходимо учитывать пространственную неоднородность земных покровов, отличающихся по плотности биомассы и интенсивности образования органического вещества. Действительно, в среднем 90% общей биомассы (~830 ГтС) занимают лесные массивы (~50 млн м2), из них 50% составляют тропические леса (~24,5 млн км2) и только 10% (~84 ГтС) относится к кустарникам, саваннам, лугам, пустыням, полупустыням, болотам и культивируемым землям. При этом

процесс образования органического вещества характеризуется высокой неоднородностью: лесные массивы — 33 ГтС/год, вся остальная растительность — 20 ГтС/год. Эти неоднородности приводят к мозаичной картине солнечной энергетики и поэтому должны учитываться при синтезе модели.

Взаимосвязь между глобальным циклом СО2 и наземной растительностью проявляется через зависимость первичной продукции и скорости разложения отмершей биомассы от темпреатуры и концентрации СО2 в атмосфере с учётом указанной выше бинарной дискретизации типов растений на два класса.

Обозначим через Rx^, ^) продукцию фотосинтеза для растительности типа и на широте 99 и долготе А в момент времени t. Тогда поток СО2 из атмосферы в живую биомассу можно описать простой моделью:

где коэффициент С23 отражает эффективность механизма реакции фотосинтеза и в среднем оценивается величиной С23 = 0,549. Bjorkstrom (1979) предложил поглощение СО2 растительностью аппроксимировать формулой

н^ = кь(1 + з^^-Асх,

где параметр /3 е [0, 1] является мерой способности растительной системы откликаться на увеличение парциального давления атмосферного СО2, Сх — содержание углерода в биомассе х-го типа растительности, кь — коэффициент пропорциональности, зависящий от температуры и типа растительности; Сд, Сд — концентрации углекислого газа в атмосфере в настоящее время и в доиндустриальный период, соответственно.

Разные авторы дают оценку потока Н^^, A, t) в пределах от 16,7 до 35 ГтС/год. Такой незначительный разброс этих оценок позволяет надёжно оценить коэффициенты в аппроксимациях Н^ . Более точное описание Н^ требует построения дополнительного блока модели, учитывающего взаимозависимость между [СО2] и функционированием наземных биомов данной территории. Такие уточнения сделаны в работах Krapivin, Vilkova (1990), Нефёдова и Тарко (1993), Krapivin et al. (1996). Для описания функции Rx дополнительно используются эмпирические зависимости, примеры которых приведены в табл. 3.6 и 3.7. В базу данных моделирующей системы заносится информация, подобная этой, а также сведения о параметрах почвенно-растительных формаций. Конечно, мировые данные о балансе СО2 в биосфере достаточно противоречивы и формируются с опозданием и с усреднением за большие промежутки времени. В работе Вилковой и др. (1998) постоены формулы регресии, позволяющие рассчитывать продуктивность F(Ta,W\ запасы гумуса H°(Ta,W) и запасы фитомассы

В°(Та, ТУ) в зависимости от температуры атмосферы Та (°C) и осадков W (мм/год):

РЛа, W) = 4,25 • 10"4Т3 - 8,76Т+3 - 1.99Щ+ + 4,29Tal+2 +

+ 2,29Т2 + 19.05W2 - %ЛЭТаW + 4,56ТО - 14,161+ + 4,18;

Н(Та, W) = -5Д6Т3 - 161,4Т+3 - 9,41Т2Т+ + 6,79ТО1+2 - 9.47Т2 +

+ 199.511У2 -4,37ТО1У+ 7,47Та -44,171++ 4,93;

ВЛа, 1+) = -9,02Т3 + 225,79Т+3 + 1,11Т2Т+ - 29,39ТаТ+2 -

- 5,87Т2-511J21+2 + 41,29ТаТ+ - 11,37Та + 356,971+ - 62,94.

Таблица 3.6. Зависимость годовой продукции (кг• м 2год ') от средней годовой температуры и полного количества осадков, F(TaiW)

Осадки W, мм/год

Температура атмосферы Та, °C

— 14 -10 -6 -2 2610 14 18 22 26 30

3125

3,4 3,5 3,7 3,8 3,9 4,0

2875

3,2 3,3 3,5 3,6 3,7 3,8

2625

3,0 3,2 3,3 3,4 3,5 3,6

2375

2,8 2,9 3,0 3,1 3,2 3,3

2125

2,5 2,6 2,7 2,9 2,9 3,0

1875

1,6 2,3 2,3 2,4 2,5 2,6 2,7

1625

0,4 0,6 1,3 2,0 2,1 2,1 2,2 2,3 2,4

1375

0,2 0,3 0,4 0,7 1,1 1,7 1,9 1,9 2,1 2,1 2,0

1125

0,2 0,3 0,3 0,4 0,6 1,0 1,6 1,8 1,9 1,8 1,8 1,7

875

0,2 0,3 0,4 0,5 0,8 0,9 1,5 1,4 1,3 1,3 1,2 1,2

625

0,3 0,3 0,5 0,6 0,9 0,9 0,9 0,8 0,8 0,7 0,7 0,7

375

0,4 0,4 0,5 0,7 0,6 0,6 0,6 0,5 0,5 0,5 0,4 0,4

125

0,10,3 0,3 0,2 0,2 0,2 0,2 0,2 0,2 0,1 0,1 0,1

Для взаимодействия растительности с атмосферой характерно наличие потока СО2 Н^, возникающего в результате процесса респирации. Поэтому, если Тх есть потери валовой продукции растениями типа и в процессе дыхания, то Н^ = С^ТХ. В первом приближении можно положить Тх = уВ^, где Вх — биомасса растительности, произведение уС2б отражает долю органического углерода, уходящего в единицу времени с поверхности растительного покрова в атмосферу.

Таблица 3.7. Зависимость количества гумуса (кг/м2) в метровом слое почвы от средней годовой температуры и полного количества осадков, Н(Та, W)

Осадки W, мм/год

Температура атмосферы Та, °C

-14 -10 -6 -2261014182226

3000

21,9 21,8 21,2 21,1 19,8

2750

22,4 22,4 22,4 21,2 20,3

2500

22,5 22,5 22,4 21,3 20,6

2250

22,6 22,6 22,5 21,5 20,7

2000

22,7 22,7 22,7 21,5 20,9

1750

22,8 22,7 22,7 21,6 21,1

1500

15,6 22,8 22,8 22,7 21,6 21,3

1250

6,0 6,1 16,2 23,2 23,0 22,9 21,7 21,4

1000

5,0 5,0 6,5 6,1 16,9 25,8 24,1 23,1 22,5 22,2

750

1,0 5,5 6,0 11,0 21,5 35,1 25,1 24,0 23,1 23,1 22,3

500

1,0 6,1 7,4 9,1 19,1 58,3 45,1 23,3 19,2 14,3 18,2

250

1,16,1 7,5 11,0 13,5 14,3 10,1 5,2 3,41,11,0

Функционирование границы атмосфера-суша в процессе обмена СО2 включает также потоки Нд , Н^ и Н^ которые играют важную роль в углеродном балансе биосферы. Bjorkstrom (1979) в своей модели биосферного баланса СО2 использовал следующие соотношения для описания этих потоков:

ТтС R>< TjC . TjC Rx9 ’-“14 "т" -“159’

V14J5

где 1/9 — время оборота углерода в почве, 1/14,15 — характерное время перехода углерода живой биомассы в почву (около 1000 лет). Если же через Rq обозначить скорость разложения гумуса и через Мх скорость отмирания растительности, то

HC = CaoRQ, НС = С1%МХ, Hf5 = CV5Bx.

Если оценить запас углерода в подстилке величиной 421,1 т/км2, из которых 12,95 т/км2 ежегодно вымывается в почву, причём 82,5% от этого количества задерживается в верхнем слое почвы мощностью до 8 см, то отсюда получаем оценку

С18 =0,31.

Поток Нд имеет более сложную зависимость от параметров окружающей среды, таких как температура и влажность почвы. В глобальной модели по умолчанию Нд считается линейной возрастающей функцией. Нелинейные эффекты учитываются за счёт неоднородности

типов почв, проявляющейся через процессы окисления органического вещества. Наиболее инерционной системой является торф, занимающий около 4,3 млн км2 и содержащий 860 Гт органического углерода. В устойчивом состоянии органическое вещество почвы в процессе окисления выделяет СО2 и столько же углерода накапливает в процессе отмирания растений

пС пС । ттС । пС । пС

Для торфа и тропических лесов этот баланс не выполняется. Почва в тропических лесах выделяет СО2 со скоростью, превышающей почти в два раза скорость поступления СО2 в почву с отмершими растениями.

Чтобы модель обмена СО2 на границе атмосфера-почва была полной, необходимо учесть геофизические и демографические аспекты формирования дополнительных потоков углерода. К ним относятся вулканические эманации (Н^), выветривание горных пород (Н^у жизнедеятельность животных (H^v Н^ и человека (Н^Н^ и сжигание растительности (Н^. Хотя некоторые из них в современную эпоху не играют существенной роли в общем балансе СО2, тем не менее учёт этих потоков целесообразен для большей адекватности откликов модели в условиях стрессовых имитационных экспериментов. В моделях поток Н^ обычно задаётся в виде функции времени и пространственных координат ус и А как сценарий, потоки Н^ (г = 10,..., 13) считаются пропорциональными численности населения G и животных F:

H^ = C3G, НС=С2Р, hC=C22G, hC = C21F

Относительно потока Н^ известно, что при выветривании силикатных пород скорость экстракции СО2 из атмосферы незначительна по сравнению с аналогичным процессом для карбонатных пород. Поэтому рассмотрим вклад этих пород в поток Н^. В условиях равновесия выполняется соотношение [Са2+] [HCOg]2^^ = const. Обычно полагают 2[Са2+] = [НСО3], а потому

А[НСО3] = / Д/м Л1/3 .

[НСО3] \ра )'

Поток Н^ отражает фрагмент антропогенного вмешательства в глобальный круговорот углекислого газа. Образование индустриального СО2 может быть с достаточной точностью описано законом:

Н\ + н^ = 7о[ехр (rt)]6,

где т « 0,029 год-1.

Наземный цикл углерода безусловно является более сложным. Поэтому многие потоки углерода в табл.2.3 следует рассматривать как композицию потоков, характеризующих более детальную структуру углеродного обмена в системе «атмосфера-растение-почва». Детализацию наземного цикла углерода можно продолжить расчленением тела

растений и почвы на составляющие. Этот процесс требует обширных знаний о биогеоценотических параметрах, что в глобальных масштабах возможно лишь в форме средних оценок фитомассы, биомассы стволов и корней, запасов органического вещества в подстилке и гумусе.

Некоторые аспекты биоценологии в связис парниковым эффектом

Проблема моделирования глобального парникового эффекта с учётом роли наземных экосистем для своего решения требует привлечения методов, технологий, методик и алгоритмов экоинформатики (Крапивин, Кондратьев, 2002). Экоинформатика является наукой о природноантропогенных системах и их взаимодействии. Для неё характерны процессы дифференциации и интеграции, требующие в зависимости от предметной области исследования либо глубокое проникновение в содержательную часть изучаемой системы, либо её представление в виде части единого целого. В области биоценологии эти аспекты проявляются с особой наглядностью, когда требуется, как это отмечено выше, из всего многообразия наземных экосистем выделить только те типы, которые являются характерными для принятой пространственной сетки дискретизации земной поверхности. К сожалению, в настоящее время нет установившихся терминов, которые бы однозначно идентифицировали подсистемы окружающего нас мира. Многие авторы вкладывают различную смысловую нагрузку в такие термины, как биосфера, экосистема, биогеоценоз, биом, геосистема, окружающая среда. С точки зрения информатики разработка методов обработки данных и моделей функционирования природно-антропогенных систем такие расхождения не являются принципиальными, так как не влияют на содержательную часть формализованных конструкций информатики. Эти расхождения могут проявляться лишь на этапе интерпретации результатов обработки данных или моделирования (Yokozawa, 1998; Кондратьев и др., 2002).

Взаимосвязь информатики и биоценологии в основном лежит в таких областях знания, как математическое моделирование и мониторинг. Поскольку природа систем биоценологии определяется совокупностью абиотических и биотических факторов, то применение методов информатики в биоценологии требует более детальной классификации этих факторов (Тикунов, 1997). Одним из важных факторов является воздействие климата на особенности распределения растений. Для каждого типа растений существует запаздывание реакции на изменение температуры. Задача моделирования такой зависимости является предметом исследования многих работ. По существу здесь речь идёт о сукцессии растительного покрова как при изменении климата, так и при его антропогенном нарушении в результате пожаров и вырубки. Многообразие идей и методик исследования корреляций в биоцено-

логии порождается проблемой нестационарности климатических процессов. Поэтому привлечение стохастических механизмов для анализа иерархии циклов изменения климата является одним из направлений экоинформатики.

Экоинформатика для применения своих методов требует определённого уровня формализации. Например, в работе Walter и Breckle (1985) вводится зональная классификация типов земных покровов. Эта классификация привязывается к девяти типам климатических ситуаций, которые охарактеризованы в табл. 3.8. Такая классификация упрощает процедуру пространственной привязки биоценотических процессов при их моделировании или при формировании баз данных биоценологии. Безусловно приведённый пример является одним из многочисленных вариантов попыток многих исследователей формализовать структуру окружающей среды.

Таблица 3.8. Экологическая классификация типов земных покровов с привязкой к характерным климатическим зонам

Климатическая зона

Характерные особенности зоны

Тип почвы

Тип растительности

1. Экваториальная

Бурые глины

Вечнозелёные леса

2. Тропическая

Красные глины

Листопадные леса или саванна

3. Субтропическая

Серозёмы, каменистые, пустынные и солёные почвы

Пустынная растительность

4. Средиземноморская

Коричневые земли

Древесная растительность

5. Тёплый умеренный климат

Красные или жёлтые лесные почвы

Умеренные вечнозелёные леса

6. Холодный умеренный климат

Коричневые и серые лесные почвы

Широколиственные листопадные леса

7. Континентальная

Чернозём, бурые и серые почвы

Степи

8. Бореальная

Подзольные почвы

Тайга

9. Полярная

Тундра

Низкорослая растительность

Классификационный аспект биоценологии важен для применения количественных методов при формализованном описании динамики различных параметров наземных экосистем. Так, описанные в монографии Крапивина и Кондратьева (2002) модели круговоротов некоторых химических элементов биосферы были бы невозможны без разделения

почвенно-растительных формаций на однородные категории. Наиболее известной классификацией почвенно-растительных формаций является классификация Базилевич и Родина (1967), приведённая на рис. 3.2 и в табл. 3.5. Другие классификации можно найти в базе данных World Resources Institute, доступной через сеть интернет.

Уровень детальности описания наземной экосистемы определяется многими обстоятельствами. Специалисты конкретных областей биоценологии изучают различные стороны функционального поведения компонентов экосистем. Задача экоинформатики — объединить получаемые знания и дать новое знание, являющееся продуктом синтеза информационных потоков из различных научных направлений. Так, например, фитоценология изучает физиологию растений, процессы их конкуренции за свет, биогенные элементы и пространство. И вот именно здесь не обойтись без методов экоинформатики, дающих возможность на формальном уровне сформулировать поведение отдельного растения или их сообщества как целенаправленное, подчинённое определённой стратегии.

Теория живучести сложных систем позволяет сформулировать модель организации фитоценозов, ориентируясь на гипотезу о целенаправленности эколого-ценотических стратегий растительного сообщества. Пожалуй, впервые синэкологическое дополнение, введённое Ра- ботновым (1987), позволяет процесс выживания растений рассматривать не как взаимоприспособления конкретных видов, а более обобщённо, как сосуществование видов с разными адаптивными стратегиями. Каждое растение или их группа в конкурентной борьбе за существование может варьировать элементы своей стратегии: изменять распределение корней по почвенным горизонтам, перестраивать соотношение надземной и подземной частей растения, изменять требования к экологической нише. Поэтому привлечение методов теории живучести сложных систем способствовало бы более полному пониманию механизмов сукцессии в растительных сообществах.

Биоценологический аспект экоинформатики особенно проявляется в сферах антропогенного воздействия на окружающую природную среду. Речь идёт о ландшафтной экологии и сельскохозяйственных экосистемах. Методы экоинформатики позволяют формализовать схему взаимодействия факторов, формирующих ландшафт и приводящих к появлению потенциальной растительности на месте уничтоженной человеком. В ландшафтной экологии уже имеются формализации, использование которых может помочь при синтезе соответствующих моделей ландшафтной сукцессии. Например, существует четырёхуровневая иерархия единиц ладшафта: экотоп, микро-, мезо- и макрохора. Однако уже в предметной области существуют разногласия между различными авторами по типизации территориальных неоднородностей в растительных сообществах различного ранга, вызванных внутренними ландшафтными связями. Поэтому привлечение системных методов экоинформатики с её возможностями имитационного эксперимента

поможет стандартизировать понятия ландшафтной экологии с учётом вмешательства человека.

В области агроэкологии внедрение методов экоинформатики диктуется необходимостью создания таких технологий оценки энергетических потоков в управляемых экосистемах, которые бы обеспечивали необходимые уровни их энергетической поддержки. В самом деле, удельные энергозатраты в индустриальном сельском хозяйстве на порядок выше, чем в естественных экосистемах. Человек сознательно уменьшил видовое разнообразие в агроэкосистемах, чтобы увеличить урожайность полезных для него видов, взяв управление энергетическими потоками на себя. Поэтому в биогеохимических циклах необходимо введение соответствующих коррекций, например, путём внесения изменений в структуру пространственного распределения типов почвеннорастительных формаций. Ведь многобразие агроэкосистем, не учитываемое в глобальных биосферных моделях, существенно снижает их достоверность.

Системный подход в биоценологии

Практические задачи рационального использования и воспроизведения ресурсов биосферы требуют количественного исследования внутренней природы составляющих её сообществ организмов (биоценозов). Это, в частности, необходимо при исследовании продуктивности Мирового океана, структуры и функционирования населяющих его сообществ, а также при оценке состояния рекреационных зон. Использование одних биохимических методов для решения этих задач оказывается принципиально недостаточным. Необходимо привлечение биоценотических методов. Последние, в отличие от биохимических методов, не имеют под собой такой прочной количественной основы, которые дают физика и химия.

Количественной основой биоценологии служит кибернетика, точнее тот её раздел, который называют теорией сложных систем. Проявлением этой теории в биоценологии являются многочисленные модели конкретных биоценозов, которые нацелены на решение задач прогнозирования их динамики и на поиск технологий для управления этой динамикой. Достаточно популярными в этом направлении являются модели Лотки-Вольтерра и их многочисленные модификации, преследующие цель внести в модель фактор лимитирования отдельных функций биоценоза параметрами окружающей среды. К сожалению, все эти модели имеют только теоретический характер и служат предметом исследования упрощённой фазовой структуры идеализированного биоценоза. Попытки усложнения модели с целью учёта в ней реальных процессов приводят к сложным системам дифференциальных уравнений в частных производных, для определения численных значений коэффициентов которых требуются достаточно ёмкие полевые исследования (Братусь и др., 2001; Новожилов, 2002; Bratus et al., 2000). Такое

положение в биоценологии оказывается правилом, а не исключением. Попытка выразить экологические концепции в виде формул или других формализованных конструкций тесно связана с необходимостью натурных измерений. Следовательно, математическое моделирование в биоценологии служит обоснованием необходимости тех или других измерений, оставаясь в то же время самостоятельным научным направлением.

Биологические системы имеют иерархическую структуру. Низшим её уровнем являются одноклеточные организмы, высшим — биосфера. Биосистема А определяется своей структурой |Л| и поведением А. Не будет нарушением каких-либо экологических законов, если предположить о существовании у биосистемы некоторой цели А. Вряд ли можно сомневаться в том, что стратегической целью любой биосистемы является стремление выжить самой или способствовать выживанию биосистемы высшего иерархического уровня. Однако, тактические цели биосистемы, способствующие осуществлению стратегической цели, не очевидны.

Биосистемы являются открытыми системами. Это означает их взаимодействие со средой В, которая, вообще говоря, включает и другие биосистемы. Взаимодействие биосистемы со средой состоит в обмене между ними веществом, энергией и информацией. Набор требований биосистемы к среде называется её нишей. Биосистемы с одинаковыми нишами могут рассматриваться как одна и та же жизненная форма. Если описывать требования биосистемы к среде значениями некоторых параметров, заданных в определённых диапазонах, то ниша может быть определена некоторой областью в соответствующем многомерном параметрическом пространстве. Каждый элемент биосистемы также может быть описан некоторым набором параметров, а связи между элементами биосистемы в этом случае представляются как зависимость между соответствующими параметрами. Другими словами, биосистема А может быть описана N параметрами x(t) = ^x^(t), г = 1,... ,7V}, зависящими от времени t. Структура |A(t)| и поведение A(t) биосистемы являются функциями этих параметров. Поэтому A(t) = F(x(t)). Следовательно, траектории системы А во времени соответствует некоторая кривая в N — мерном евклидовом пространстве.

Моделью системы А будем называть абстрактное образование Ам№ = Fm(xm(t)), зависящее от М компонент вектора x(t){xM(t) Е Е x^t\M ^ 7V} и учитывающее, вообще говоря, не все имеющиеся между ними связи. Очевидно, что при М N рассогласование между траекториями самой системы и её модели должно уменьшаться. Мера рассогласования выбирается в форме любого естественного критерия, например, в виде максимума разности соответствующих координат траекторий или некоторой их функции.

Заметим, что моделирование биоценозов, имеющих пространственное распределение, является современным эквивалентом классических экспериментальных исследований. Основным принципиальным препят-

ствием на этом пути является многомерность фазового пространства, преодоление которого часто становится невозможным. Поэтому от математического моделирования не следует требовать большего, чем оно может дать. В развитом виде математические модели в основном выполняют объяснительную функцию, позволяя воспроизводить отдельные процессы в природе в ускоренном масштабе времени и давая возможность без вмешательства в реальные процессы оценивать влияние вариаций отдельных характеристик на динамику систем окружающей среды. Имеющие практическое значение модели биоценозов, как правило, близки по сложности к объектам моделирования и поэтому часто теряют объяснительный характер. Преодоление возникающих здесь проблем связано с использованием модели лишь как элемента более сложной конструкции, названной в работе Кондратьева и др. (2000) ГИМС-технологией (ГИС+Модель).

Пусть ниша биосистемы А^ описывается L параметрами ^Cj(t),L С 7V}, лежащими в пределах dj Cj(t) bj (j = 1,..., L). Тогда связь биосистемы с окружающей средой можно описать системой уравнений:

<Ъ(ЦД)}) = с^Д) 0 = V...,L).

Все системы, параметры которых удовлетворяют этим соотношениям, образуют класс 2.

Введём некоторый целевой функционал на траектории системы A(tV

V = fW

Пусть величина V достигает максимума при {^,о(^)} на траектории Лор1(£). Решением этой экстремальной задачи являются зависимости N параметров оптимальной системы от L её характеристик:

Жг,0 = НДа^, ...,CL(t)],

что позволяет снизить размерность модели. Формируя множество тактических целей системы S = {Ль ..., АТ,..., Ат^ и устанавливая экспериментально или на экспертном уровне корреляции Ar?opt(£) = = g^ATYAT Е S, приходим к ограниченному набору возможных оптимальных моделей, траектории которых можно сопоставлять с траекторией A(t) и по заданному критерию близости решать и обратную задачу:

Аг,0 = S (^-r,0,opt(^))-

Что касается определения множества тактических целей, то на уровне популяции таковыми являются хищничество, паразитизм, мимикрия и др. Сложнее обстоит дело с определением этих целей уже на уровне биоценозов. Здесь телеологическая проблема связана с пониманием категорий целенаправленности, целесообразности и разумности как проявлений эффективности биосистемы. Задача в какой-то степени облегчается, когда биоценоз является частью хозяйственной системы.

Модели в биоценологии

Математическая биогеоценология стала самостоятельным научным направлением благодаря работам многих авторов, соединивших в своих исследованиях потенциалы экологической науки и математического моделирования (Friend, 1998; Legendre and Legendre, 1998). В результате такого соединения произошла переориентация многих положений традиционной экологии, приведшая к созданию своеобразного информационного интерфейса между экологией и другими науками и к возрастанию роли комплексных междисциплинарных исследований. В сферу интересов нового направления вошли задачи комплексности и общности в развитии экологических закономерностей.

Созданные за последнее время модели охватывают такие задачи, как параметризация сукцессии растительных сообществ, описание продукционного процесса как функции факторов окружающей среды (Wirtz, 2000), моделирование конкуренции в растительном сообществе за общие ресурсы (Алексеев и др., 1992), моделирование природноантропогенных систем (Полищук, 1992; Угольницкий, 1999), моделирование пространственно-временной динамики экологических систем и многое другое (Roo-Zeilinska and Solon, 1997; Peritunen, 1998).

Задача моделирования сукцессии растительных сообществ решается многими авторами с учётом их представлений о сукцессионных процессах. Существуют два фундаментальных трактования этих процессов, основанных на концепциях эндоэкогенеза и экзоэкогенеза. Наиболее устоявшимся представлением о характере динамических явлений в фитоценозах является представление о едином процессе развития растительности под влиянием внешних и внутренних факторов. В этом случае процесс сукцессии охватывает такие факторы, как развитие почвы, ярусное расчленение растительного сообщества, изменение высоты растений и накопленной в них биомассы, формирование микроклимата, изменение видового разнообразия и относительной устойчивости сообщества. Классификация форм динамики растительного сообщества и влияющих на неё факторов важны для дальнейшего синтеза математической модели. Так, Василевич (1983) ввёл следующие категории сукцессий: эндогенные (автогенные), экзогенные (аллогенные), непрерывные, постдизруптивные (посткатастрофические). В случае эндогенной сукцессии источник изменений находится в самой растительности и через изменения среды действует на неё. В непрерывных сукцессиях нет стадий. В ходе постдизруптивной сукцессии изменения в сообществе идут от неустойчивых к устойчивым состояниям. Экзоэкогенезу характерно преобладание внешних факторов.

Новым развитием в моделировании сукцессии явилось применение популяционной динамики. Так, Hulst (1979) предложил три типа моделей сукцессии. Первый тип — модель сукцессии с реакцией, но без конкуренции, т. е. речь идёт об эффекте реакции растительного сооб-

щества на изменения условий внешней среды. Сукцессия описывается обыкновенным дифференциальным уравнением:

dN^dtdN^dtкг - Njкгкг - Njкг

dN^dt

dN^dt

кг - Njкг

кг - Njкг

где Nt — число индивидуумов г-го вида, Тг — скорость экспоненциального роста, kt — максимальная плотность популяции.

9 dNi 9Nj dt9 dNi 9Nj dtддdNj dtdNj dtВторой тип модели сукцессии основан на эффекте подавления одного вида другим за счёт вторжения. В этом случае применяется коэффициент конкуренции:

9 dNi 9Nj dt

9 dNi 9Nj dt

д

д

dNj dt

dNj dt

Мз —

а сама модель имеет вид:

^Ц - r-N-

dt 11

Третий тип модели сукцессии носит альтернативный характер. Если в первых двух моделях плотность популяции является функцией размеров предшествующих видов растительности, то здесь максимальная плотность популяции kt зависит от времени.

Продуцирование органического вещества растительным сообществом зависит от физиологических процессов в растительных организмах, ресурсов солнечной радиации, влаги, элементов минерального питания, температуры и многих других внутренних и внешних факторов. При моделировании продукционного процесса обычно выделяют фотосинтез, дыхание, передвижение веществ, транспирация, клеточное деление и т. п. Известны многочисленные корреляционные зависимости между этими факторами и продукцией растений. Наиболее часто применяются формулы Лита (Lieth, 1985). Так, для оценки годичной продукции растений Rp (г • см-2год-1) как функции среднегодовой температуры Т (°C) и среднегодового количества осадков г (мм) можно использовать оценку:

Rp = 3000 min {(1 + ехр( 1,315 - 0,119Т))" *, (1 - ехр(-0,000 664г))}.

В более общем случае плотность биомассы растительности Р на данной территории моделируется балансовым уравнением

dP

— = min{/9p, Rpp^ - Мр - ТР,

где рр — максимальный П/Б-коэффициент рассматриваемого типа растительности, Rpp — продуктивность растительности при меньших, чем рр, текущих значениях П/Б-коэффициента, Мр и Тр — величины отмирания и затрат на дыхание в единицу времени соответственно.

Применение параметрических описаний продуктивности в биогеоце- нотических моделях важно как дополнение к мониторингу растительных сообществ. К сожалению, существующие базы данных и знаний

не содержат синтезированных сведений об огромном количестве эмпирических корреляций, представляющих зависимости продуктивности и других функциональных компонентов растительных сообществ.

Особое место в математической биогеоценологии занимает проблема модельного описания конкуренции между отдельными растениями. В основном влияние растений друг на друга описывается так называемыми индексами конкуренции (Богатырёв, 1988). Под свободно растущим растением понимается растение, функционирование которого не зависит от ресурса и определяется только видовыми характеристиками и внешними параметрами. Взаимодействие между растениями наступает при их влиянии на один и тот же ресурс и при взаимном проникновении на занимаемые территории свободного роста. Цено- популяции, безусловно, связаны более сложными и многобразными взаимоотношениями, в результате которых они дифференцируют ниши и местообитания. Согласно Миркину (1986), который ввёл пять типов стратегий для растений при их функционировании в окружающей среде (К — виоленты, S — экотопические патиенты, S^ — фитоценотические патиенты, R — истинные эксплеренты и R^ — ложные или фитоценотические эксплеренты), возможен системный подход к модельному описанию конкуренции и выживания. Все эти стратегии в различной степени присущи отдельным видам, а поэтому синтез модели выживания определяется конкретной совокупностью требований растения к параметрам ниши. Под нишей растения обычно понимают совокупность пространства, которое оно занимает, ресурсов, которые использует, и дополнительных условий типа присутствия опылителей, фитофагов и т. д.

Каждое растение или некоторая их совокупность N взаимодействуют с окружающей средой Н (включая другие растения), обменивая некоторое количество ресурсов Vn на получаемый объём ресурсов Wn- Структура |7V| растений или их сообщества и поведение N находятся со структурой \Н\ и поведением Н окружающей среды в равновесном состоянии, описываемом минимаксным критерием:

WN,opt = max^jv^jv} шш^д^я} WN(yN, ^|,Х, \Н\,Н),

WH,opt = maxiiHijfiminiiJvi.AQWtVH, |7V|, TV, |Я|,Я).

Цели Ng и Hg соответственно растительного континуума N и окружающей среды Н могут быть противоположными, частично совпадающими или индифферентными. За счёт выработки оптимальной стратегии растения разных видов приспосабливаются к тем уровням (V, Ш)-обмена, которые возможны на данной территории.Таким образом, за счёт дифференциации ниш существуют многоярусные растительные сообщества, например, в лесу. Сам фактор дифференциации ниш многогранен. Он охватывает такие особенности растений разных видов, как расположение корней на различных глубинах, различные сроки цветения, различное отношение растений к изменениям климата,

разная потребность видов в элементах минерального питания и т.д. В общем случае ниша растения может изменяться во времени за счёт динамики как самого растения, так и в связи со смещением ниш соседей. Всё это многообразие возможных ситуаций порождает ряды моделей функционирования растительных сообществ.

Одним из характерных примеров моделей растительных сообществ является дискретная модель Галицкого (1985). Остановимся на ней более подробно. Уравнение, описывающее изменение биомассы В растения, имеет вид:

(aBk+(вД - аВк,at \ у

где k(t) = тт{Л/Лу(^), 1} — показатель обеспеченности растения территорией, А — мера имеющейся территории для роста растения, Af — мера территории, необходимой для свободного роста; В^ — биомасса свободно растущего растения; а — характеристика расходной статьи баланса (затрат на поддержание биомассы); у — индекс недостатка территории.

Суть функционирования модели Галицкого состоит в том, что биомасса каждого растения, расположенного в своей ячейке общей мозаики, изменяется независимо от других растений сообщества до тех пор, пока либо данное растение, либо какой-нибудь из его соседей не отомрёт из-за недостатка территории. В момент отмирания происходит собственно взаимодействие соседних растений по распределению освобождённого пространства и после смены значения А снова действует уравнение модели. В результате по мере отмирания отдельных растений исходная мозаика локально изменяется, постепенно захватывая всё большие участки. Критерий отмирания прост: растение считается отмершим, если его биомасса стала меньше некоторого порогового уровня Вотм (ВОтм(Ц = eBj^,0 <е < 1).

Моделирование лесных экосистем

Лесная экологическая система является важной составляющей глобального континуума почвенно-растительных формаций Земного шара. Поэтому создание моделей, которые бы описывали динамику леса, является принципиальным этапом синтеза глобальной модели. Конечно, значение моделей лесных экосистем является более широким, так как лесные ресурсы и их использование влияют на экономические потенциалы регионов (Угольницкий и др., 2000).

Моделирование роста дерева как элемента лесного биоценоза. Динамику общей биомассы отдельного растения многие авторы описывают в форме логистического уравнения:

^ = ЦВГ1т - В^В,

где В — биомасса, Вцт — предельная величина биомассы, к — коэффициент, отражающий влияние факторов окружающей среды и типа растения на его рост.

Для описания динамики роста дерева часто применяют простейшие функции, такие как уравнение Теразаки В = аехр (—b/t), функция Коллера В = axbc-ct, аппроксимация Корсуня и Бакмана В = = аехр (61nt + с In2t) и др. Впервые более сложная модель роста дерева, описываемая системой обыкновенных дифференциальных уравнений, была предложена Бихеле и др. (1980):

dBj = КФ — kpRj — Vj + Км, 4 4

где Кф = кр^а^Фр Км = M^fdij; Bj — биомасса отдельных г=1 г=1

органов растения (j = 1,2, 3,4), М — сухая биомасса целого растения; Ф^ — количество углекислого газа, поглощённое за сутки г-м органом растения (крФг — эквивалентная сухая биомасса, кр — коэффициент эквивалентности); R^ — количество углекислого газа, выделенное за сутки г-м органом растения (kpR^ — эквивалентная сухая биомасса, кр — коэффициент эквивалентности); Vt — сухая биомасса отпавшей в течение суток части г-го органа; а^ — доля созданных за сутки в г-м органе растения «свежих» ассимилятов, оттекаемая в течение тех же суток в j-й орган растения; P^j ~ обмен «старых» ассимилятов за сутки между г-м и j-m органами, отнесённый к одному грамму сухой биомассы целого растения; Кф — прирост биомассы за счёт фотосинтеза и перераспределения свежих ассимилятов; Км — прирост, связанный с перераспределением старых ассимилятов; kpRj — расходы биомассы на дыхание.

Коэффициенты приведённой выше модели безусловно являются функциями параметров окружающей среды. Учёт влияния факторов внешней среды на динамику роста дерева, как правило, реализуется в рамках принципа лимитирующих факторов Либиха. Среди факторов внешней среды выделяются ФАР, двуокись углерода, влажность, температура, минеральные соли в почве. По принципу лимитирующих факторов рост растения происходит до тех пор, пока «ресурсы» некоторого фактора не исчерпаны. Внедрение этого принципа связано со многими неопределённостями, а поэтому в конкретных ситуациях всегда необходимы его проверки с применением экспериментальных оценок.

Более развитые модели роста дерева вместо набора эмпирических параметров, неточности которых часто являются большим препятствием практического применения моделей, включают функциональные зависимости элементов роста дерева от факторов окружающей среды. Здесь важен принимаемый за основу принцип лимитирования роста дерева этими факторами. Среди наиболее распространённых и часто применяемых является критерий Либиха, говорящий о том, что рост растения ограничивается элементом, концентрация которого лежит

5 К.Я. Кондратьев, В.Ф. Крапивин

в минимуме. По этому критерию рост растения или его органов происходит до тех пор, пока ресурсы некоторого элемента, например, фотоак- тивной радиации, влаги, температуры, углекислого газа, питательных солей не исчерпаны. Существуют и другие критерии, которые говорят о взвешенном влиянии всех факторов окружающей среды, причём эти веса являются характерными показателями типа растения.

Процесс роста дерева можно представить как результат взаимодействия трёх ростовых процессов: изменение листовой (хвойной) массы, рост ствола и нарастание корней.

Обозначим биомассы листвы, ствола и корней дерева через жь ^2 и хз соответственно. Тогда балансовые уравнения модели дерева запишутся в виде:

xt(t + At) = xt(t) + Ег(^Нх - TX^M (г = 1,2,3),

где At — характерный шаг по времени, Rx — валовая продуктивность дерева за счёт фотосинтеза, Тх — расход биомассы на дыхание, е^ — доля новой биомассы, переходящая в биомассу г-го органа дерева.

Параметры е^ являются управляющими функциями времени и других параметров окружающей среды. Следуя упомянутому выше принципу максимальной выживаемости, можно предположить, что в действительности действует принцип максимальной первичной продуктивности:

K*(t + At) =

= max y{^(t) + ^(t)y[^(t),S(t, (p, A), C^, Да] At, E, Ca, Ta^

Моделирование водного режима растений. Одним из важных лимитирующих факторов роста дерева является вода, процесс движения которой в почве и теле дерева определяет динамику изменения биомассы дерева. Следуя работе Кириленко (1990), представим почву однородным пористым слоем [0, ^g], где zg — глубина грунтовых вод. Введём обозначения: W — относительная влажность почвы (кг Н2О/м3/[кг почвы/м3], р — плотность воды, ps — объёмная плотность почвы. Введём систему координат ^xppz\ где ось z направлена вертикально вниз от поверхности почвы (z = 0). Тогда движение воды по почве можно описать трёхмерным уравнением Дарси:

У =(3 Л)

Pg

где V(t,x,y, z) — скорость движения воды, K(t,x,y, z) — гидравлическая проводимость воды, g — ускорение свободного падения, Ф(1,х,у, z) — водный потенциал почвы.

Уравнение динамики влажности почвы имеет вид:

=(3.2)

где f(t,x,y,z) — функция стока.

Зависимости водного потенциала почвы и её гидравлической проводимости от влажности почвы представим в виде:

К = K*Wm, Ф5 = ФХ"П»

где

K:=KFMWp™, $: = SMGW^G, m = 2n+l,

Wfm — полная влагоёмкость почвы, Кем ~ соответствующая полной влагоёмкости проводимость почвы, тип — константы.

Система уравнений (3.1) и (3.2) с учётом принятых обозначений перепишется в виде:

^ =div^Vw + W1} +,

dt ps \WfmWfmA

V = KFM(^nVcc + iLCn),

где ш = тгФрмKp§Y г-единичный вектор, направленный вдоль оси z.

В случае однородности процессов в плоскости (ж,?/) задача упрощается:г

_ _Р_ Кем 9 г пдш/(t, г)

dt ps [Wfm9z^ dz 1 Wfm\ ’

V(t,z)=KFM \ dz /

Граничные и начальные условия зададим в форме:

Zg) = 1, V(t, 0) = P(t) — e(t), w(to> ^g) = ^^z\

где P(t) — интенсивность осадков, e(t) — интенсивность испарения с поверхности почвы, cj°(z) — начальная влажность почвы.

Функция / описывает интенсивность поглощения воды корневой системой дерева:

/М = ^0[Ф$Дг) -МС\^*

где <0 = бс^о — проводимость входа воды в корневую систему, ^ = = г^1 — удельная проводимость входа воды в корень, т^ — удельное сопротивление входа воды в корень, ао — общая площадь сосущих корней дерева, приходящаяся на единицу площади поверхности почвы (сто = [З^ть), тле — масса корней под единицей площади почвы, Д — эмпирическая константа, ^о — водный потенциал внутри корневой системы, s^ — функция распределения корневой системы по вертикали [s(0)=0, s(^o) = l].

Для завершения синтеза модели водного режима дерева параметризуем процессы передвижения воды по растению и транспирации. Будем считать, что из корневой системы вода движется через ствол к кроне (сучья, листья) и затем испаряется в атмосферу. Разобьём надземную часть дерева высоты Н на п одинаковой толщины слоёв: Н = n/\z. Через границы г-го слоя вода движется под воздействием разности

водных потенциалов ^ и ^г-ь преодолевая сопротивление сосудов ксилемы.

rU^ = ksU<kSTV

где ^s — удельная проводимость ксилемы, S^s — площадь сечения дерева на высоте z. В результате при предположении о постоянстве площади сечения дерева по высоте получаем следующую формулу для описания скорости потока воды в стволе через г-й слой:

Л-ХЛ = -S,ksS*ks^"V^i - Фг-\ PgM

Согласно Кириленко (1990), интенсивность транспирации с г-го слоя можно описать формулой:

где d? — дефицит насыщения абсолютной влажности воздуха в атмосфере, S^ — площадь листьев г-го слоя, ггь = тг81 + ra, rdt — устьичное сопротивление, та — сопротивление пограничного слоя воздуха.

Для завершения описания модели Кириленко (1990) рассмотрим древостой с плотностью рр. Уравнения модели запишутся в виде:

^^ = Пиффуфр), т?е[О, аф(3.3)

краевые условия

f^= -[G№s-y0) + ^] dtp „r fl /O.A

<, P = —F при n G a, 1 ;(3.4)

При ipo <0 система уравнений (3.3) и (3.4) принимает вид:

!

dtp/dp = —F,

Го = Гз

где введены обозначения: р = z/H, rW = 1 + Ф(рН)/ф*, ф* — водный потенциал листа, \ j Dy — минимальное устьичное сопротивление, U = = Нгк3Б^(Зтр/ф*, F = рдН/ф*, G = Нт^о, а = а/Н, (3 — листовой индекс, h = — z,

(Н, ф(Н)^ф\

а = th, ф(Н) = ф(Н) < -ф* < ффдф

[о, ффд^-ф*

Моделирование энергетических потоков в системе «атмосфера-растение-почва»

Энергетический обмен в системе «атмосфера-растение-почва» (АРП) играет важную роль в формировании климатических процессов в любых пространственных и временных масштабах, а поэтому его

учёт в моделях парникового эффекта необходим для повышения достоверности получаемых оценок. Многообразие возникающих здесь проблем включает такие важные задачи как разработка методик измерения энергетических потоков в приземном слое атмосферы и их моделирование. Особый аспект этих проблем касается создания технологии оперативной оценки энергетических потоков в системе АРП в глобальных масштабах для включения этих оценок в глобальные климатические системы. Имеется ряд хорошо развитых методов дистанционного измерения широкого набора климатических параметров (Яковлев, 1998; Крапивин, Кондратьев, 2002). Однако при дистанционном зондировании системы АРП возникает сложная задача оценки экранирующего и поглощающего влияния растительности для тех диапазонов волн, которые используются в системе мониторинга.

Начиная с 80-х годов, велись работы по построению модели фотосинтеза растительной почки. В работе Farquhar et al. (1980) было показано, каким образом биологическая модель усвоения СО2 листвой связана с ферментативной кинетикой и электронными свойствами хлоропласта, что позволило достаточно правдоподобно описать процесс фотосинтеза для растений класса С3. Далее Ball (1988) и Collatz et al. (1990, 1991, 1992), используя модельную технологию и экспериментальные наблюдения за процессом проводимости растительной почки при фотосинтезе, построили полуэмпирическую модель функционирования растительной почки с учётом изменений температуры окружающей среды, влажности, концентрации СО2 в атмосфере и интенсивности ассимиляции самого растительного вида.

Исследователями были также рассмотрены последствия распределения фотосинтетического потенциала листвы и кроны растений по отношению к освещённости и разработан критерий для определения общего потенциала, соответствующего максимальным фотосинтетическим возможностям растения при ассимиляции СО2.

Sellers (1985, 1987) разработал методы интегрирования по высоте лиственных крон, моделей рассеивания и поглощения света, фотосинтеза и проводимости растительной почки, известных ранее только для растительного листа. Проведённые исследования раскрыли взаимосвязь между спектральными характеристиками растительных видов (spectral vegetation index, SVI) и важными функциональными отношениями, регулирующими процессы фотосинтеза и испарения лиственных крон. Помимо этого, проведённый анализ раскрыл взаимосвязь между величиной, отражающей долю фотосинтетически активного излучения (FPAR), поглощаемого растительной кроной, с соответствующим характеристическим коэффициентом растительного вида (simple ratio vegetation index, SR). Здесь рассматривается SR и относительная разность (normalized difference vegetation index, NDVI) в качестве SVI. Спектральные характеристики растительных видов SR и NDVI базируются на дистанционных измерениях отражённого излучения в видимом

зом:зом:и ближнем инфракрасном диапазоне и определяются следующим обра

зом:

зом:

SR = —, NDVI = ——, ау ’on + ау ’

где on и ау — полусферические отражения или сияния в видимом и ближнем инфракрасном (NIR) диапазонах волн соответственно.

Величины on и ау измеряются непосредственно над лиственной кроной, поэтому эффекты поглощения и рассеивания излучения атмосферой здесь не рассматриваются. Для дистанционных спутниковых измерений была разработана методика коррекции экспериментальных данных, FASIR. Была установлена теоретическая зависимость (близкая к линейной) между FPAR и SR, подтверждённая впоследствии экспериментальными измерениями в районе Канзаса (Sellers et al., 1992, 1996а-с). Экспериментальным путём определяются минимум и максимум FPAR и окончательное соотношение имеет вид:

FPAR =FPAR =(3.5)(3.5)(SR^max — SR^min)(SR^max — SR^min)(SR — SR^min) (FPARmax — FPARmin)

FPAR =

FPAR =

(3.5)

(3.5)

(SR^max — SR^min)

(SR^max — SR^min)

где FPARmax = 0,950, FPARmin = 0,001, но вообще FPARmax и FPARmin зависят от типа растительности; SR^max и SR^min могут быть вычислены через NDVI на основании экспериментальных данных.

Sellers et al. (1996 b) используют параметр П, отражающий количество растительной клетчатки, участвующей в процессе фотосинтеза. Параметр П изменяется от 0 (отсутствие растительности) до «1,5 для кустистых, богатых фотической растительной клетчаткой видов и может быть приближённо оценен как:

п ~ FPARк ’

где к — усреднённый по времени коэффициент ослабления для PAR.

Помимо спектральных характеристик, Sellers et al. (1996 с) рассматривают фотическую характеристику (индекс площади зелёного листа Lg) и фотическую долю (зелёную часть, N) конкретного растительного вида. Фотическая характеристика Lg во многом зависит от плотности произрастания растительного вида. Многими авторами были построены зависимости Lg от FPAR для видов, растущих отдельно и группами. Итог этих исследований можно представить следующим выражением:

т _ /1 Г \ тl°g (1 FPAR) m Lg^,max FPAR

^’®’тах log (1 — FPARmax)FPARmax ’

где Fa — доля кустистой растительности, определена для каждого из растительных классов.

Фотическая доля N растительного вида может быть получена из следующих соображений. Крона растения состоит как из лиственного материала (Lg), участвующего в процессе фотосинтеза, а также из стволовой клетчатки LSLSLS (0,076 для лесов, 0,05 для лугов и паст-

бищ) и мёртвой фракции Ьд. Предполагается, что отмершая клетчатка присутствует в лиственной кроне ещё около месяца до её опадания или другого способа изъятия. Таким образом, определяем фотическую долю растительной клетчатки:

N = ^,

где Lt = Ls + Ьд + Lg; Ьд — мёртвая фракция растительной клетчатки =Lgn_{ — Lgn], Ьд > 0; Lg — фотическая фракция, определяется через FPAR; Ьт — общая площадная характеристика растительного вида; Ls — фракция стволовой клетчатки.

Модель фотосинтеза лиственной кроны. В модели биосферы (SiB2), разработанной Селлерсом и др. (Sellers et al., 1996 а), присутствуют уравнения для определения температур, влажности и испарения для растительной кроны и трёхслойного почвенного покрова. Помимо этого, синтезирована модель радиационного переноса (почва- лиственная крона-атмосфера) и модель фотосинтеза. Модель фотосинтеза лиственной кроны рассматривает однослойный растительный вид, поверхностные и корневые слои, а также зону подзарядки. Уравнения модели биосферы SiB2 базируются на потоковой концепции обмена в системе почва-лиственная крона-атмосфера). Для этого вводятся понятия и величины сопротивления т и проводимости д, обратно пропорциональные друг другу (г = Х/gY Поток, в этом случае, определяется по аналогии с электростатической формой:

пРазность потенциалов

Поток = -

Сопротивление

Sellers et al. (1996 b, с) рассматривают потоки собственного и скрытого теплового переноса через испарение водяных паров для растительной кроны ХЕС и поверхностного слоя почвы, а также поток СО2 (Ас и ^soil Для почвы). Связанные с потоками разности потенциалов представляются в виде разностей температур, давлений и парциального давления СО2 для теплового переноса, скрытого теплового переноса и СО2 соответственно.

В модели фотосинтеза нас прежде всего интересуют потоки СО2 (Ас и 1?soil) и поток скрытого теплового обмена ХЕС лиственной кроны, а точнее его дыхательная составляющая XEct.

Разработанная Collatz et al. (1990) модель фотосинтеза лиственной кроны для растительных видов класса С3 и С4 совместно с моделью почки (Ball, 1988), были использованы при создании биосферной модели SiB2. В этой модели фотосинтез и понятие проводимости неразрывно связаны (Sellers et al, 1996а-с; Маренкин, 2002).

Согласно Collatz et al. (1991), существуют три фактора, ограничивающие интенсивность фотосинтеза у растений. Это эффективность фотосинтетической ферментной системы шс (так называемое ограничение по Рубиско), количество PAR, поглощённое хролофиллом клет-

чатки ше, и способность растительного вида к усвоению и экспорту во внешнюю среду продуктов фотосинтеза ws. В результате величина интенсивности фотосинтеза А является минимумом трёх, изложенных выше, ограничений:

А < min(wc, we, ws),

где A-интенсивность фотосинтеза (моль • м-2с-1); шс — ограничение по Рубиско (ферментное) интенсивности фотосинтеза (моль • м-2с-1); ше — ограничение ассимиляции по освещённости (моль • м-2с-1); ws — ограничение по содержанию углерода для растительного вида (моль • м-2с -1).

Физиологическое ограничение ассимиляции шс является

— функцией ферментных запасов растения, можно сказать, что это способность клетчатки к проведению биохимических реакций. Ферментный резерв растения описывается в модели параметром Ртах, максимальным каталитическим запасом ферментов (Рубиско), участвующих в фотосинтезе. Величина шс зависит также от температуры лиственной кроны и влажности почвы. Collatz et al. (1990) предлагают следующее выражение шс для классов растительности Сз и С^.

W — VmW — VmCi — V*Wc = Vm ДЛЯ С4,Ci — V*Wc = Vm ДЛЯ С4,ДЛЯ С3,ДЛЯ С3,

W — Vm

W — Vm

Ci — V*

Wc = Vm ДЛЯ С4,

Ci — V*

Wc = Vm ДЛЯ С4,

ДЛЯ С3,

ДЛЯ С3,

где Vm — максимальный каталитический запас ферментов Рубиско, (моль • м-2с-1); Ct — парциальное давление СО2 внутри листа, (Па); О2 — парциальное давление О2 внутри листа, (Па); Г* = 0%/S — точка компенсации СО2, (Па); S — особенность Рубиско взаимодействия СО2 и О2; Кс — постоянная Michaelis-Menten для СО2, (Па); Ко — константа подавления О2.

Величина Vm выражается через Ртах, функцию зависимости от температуры и влажности почвы. Величины 8, Кс, Ко являются функциями от температуры.

Ограничение интенсивности ассимиляции ше записывается следующим образом:

we = (К -п) е3 (1 -шЛwe = (К -п) е3 (1 -шЛа-Гet + 2Г*а-Гet + 2Г*для С3,для С3,

we = (К -п) е3 (1 -шЛ

we = (К -п) е3 (1 -шЛ

а-Гet + 2Г*

а-Гet + 2Г*

для С3,

для С3,

We = Щ ■ п) £4 (1 - ДЛЯ С4,

где F^ — вектор PAR, (Вт-м-2); п — нормаль к поверхности листа;

Езд — собственная квантовая эффективность поглощения СО2, (моль); — дисперсионный коэффициент для PAR.

Третье ограничение ws имеет вид:

ws = ^ для Сз,

где р — атмосферное давление (Па).

Определение величины интенсивности фотосинтеза А как минимума функций wc, ше и ws является наиболее простым способом. Однако, наблюдения показывают, что переход от одного ограничения к другому не имеет такого скачкообразного характера. Поэтому Collatz et al. (1992) был предложен метод комбинирования вкладов всех трёх ограничений в виде двух квадратных уравнений, в качестве решений которых выбираются наименьшие по значению:

/3ceWy - Wp(wc + We) + WeWc = О,

PpSA2 - A(wp + ws) + wpws = 0,

где pce и Pps — коэффициенты связи; wp— «сглаженный» минимум между шс и we, (моль • м-2с -1).

Теоретически Зсе и 3ps могут принимать значения в диапазоне от 1 (отсутствие взаимосвязи между ограничениями) до 0. Реальные оценки колеблются от 0,8 до 0,99.

Чистая ассимиляция СО2 растением Ап равна Ап = А — Rd, где Rd — потери СО2 в результате дыхания, связанные с содержанием в клетчатке карбоксилаза: Rd = fdVm, где fd = 0,015 для С3, fd = 0,025 для Сд.

Связь модели фотосинтеза Коллатца с полуэмпирической моделью проводимости растительной почки Болла имеет следующий вид:

gs = hsp + b

где gs — проводимость растительной почки, (моль • м-2с-1); gs (м х хс-1) = 0,0224 ^ ^ gs, (моль • м-2с-1); т — эмпирический коэффициент (9 для растительности класса С3, 4 для С4, 6 для хвойных лесов); b — эмпирический коэффициент (моль«м-2с-1 или м-с-1; 0,01 для С3, 0,04 для С4); hs — относительная влажность поверхности листа; cs — парциальное давление СО2 внутри стебля, (Па); р — атмосферное давление, (Па); ро — нормальное атмосферное давление (1,013 х 105 Па); Тр — температура абсолютного нуля (273,16° К).

Существует взаимосвязь между парциальными давлениями СО2 (g,cs) и относительной влажностью Д5.Эта зависимость может быть получена путём анализа процессов, происходящих на границе растительной почки и атмосферы, соответствующих проводимостей g^ и gs, чистого потока СО2 и потока водяных Ей паров в результате процесса фотосинтеза. Эта взаимосвязь отражается уравнениями:

Ей = g^s - еа^ = g8^ - е8^, hs = [|] ,

л = (с» - щ) g = (щ - cP gs п р 1,4 р 1,6’

где еа, es и et — парциальные давления водяного пара на открытом воздухе, на поверхности и внутри стебля соответственно (Па); ср —

удельная теплоёмкость воздуха, (Дж - кг-1К-1); у — психометрическая константа (Па-К-1); g^ — проводимость для водяных паров с одной стороны листа (моль-м-2с-1 или м-с-1, = l/(2rZ); Ен — интенсивность дыхания (кг-м-2с-1); са и cs — парциальные давления углекислого газа снаружи и на поверхности стебля соответственно (Па); ег = еЧТс) (Па).

Уравнения модели фотосинтеза-проводимости описывают процессы, происходящие в отдельной растительной почке и следующим шагом является интегрирование построенных соотношений относительно лиственной кроны с целью получения уже суммарных значений Ас и gc. Эта работа была выполнена Sellers et al. (1996 а) при предположении о том, что распределение растительных ферментов в кроне (по высоте) связано со средним по времени распределением PAR:

V — V

v max — v max^ ,

L0

где ЦпахУтах — значения Утах при уровне LAI = L и на вершине кроны

L 0_

(LAI = 0), соответственно (моль • м-2с-1); к — усреднённое по времени значение коэффициента ослабления PAR.

Количество PAR, поглощённое лиственной кроной, будет равно:

F^ • н ~ Е^F^ • н ~ Е^2М2Мe~kLe~kL

F^ • н ~ Е^

F^ • н ~ Е^

2М

2М

e~kL

e~kL

где F^o — значение потока PAR, перехваченного лиственной кроной (Вт-м-2); G(p) — проекция ориентации листвы растительной кроны на направление приходящего радиационного потока (р). Sellers et al. (1996 а) установили, что использование средней по времени величины к вместо мгновенного значения к приводит лишь к незначительным неточностям при расчёте.

Поскольку теперь величины wc, ше и ws связаны с LAI по высоте лиственной кроны через экспоненту, то представляется возможным их использование для нахождения интегральной оценки Ас. Выше уже обсуждалось отличие кустистых и отдельно растущих видов (У < 1), а также понятие фотической доли (N < 1). Поэтому, учитывая, что в случае плотных зарослей интенсивность фотосинтеза понижается из- за нехватки «зелёного», богатого ферментами растительного материала и интегрирование ведётся уже от 0 до Lt/V , имеем:

Lt/V

Ас = АПо | VNe^ dL = ЩП,(3.6)

О

где АПо = Ап для листвы на вершине кроны (моль • м-2с-1);

VNП =VNП =! _ e-kLT/v! _ e-kLT/vккFPARкFPARк

VN

П =

VN

П =

! _ e-kLT/v

! _ e-kLT/v

к

к

FPARк

FPARк

Значение Ас используется для определения соответствующей проводимости лиственной кроны с помощью модифицированного выражения:

4

gc = т— hsp + bLT,cs

где hg и eg являются объёмными аналогами величин hs и cs относительно лиственной кроны.

’ (Тс) в а рср / . _ ттг i/gc^^b 71°’ (Тс) в а рср / . _ ттг i/gc^^b 71°Значение gc используется для определения интенсивности дыхания XEct:

’ (Тс) в а рср / . _ ттг i/gc^^b 71°

’ (Тс) в а рср / . _ ттг i/gc^^b 71°

ХЕ ct =

где е*(Тс) — давление насыщенного водяного пара при температуре Тс (Па); еа — давление водяного пара в открытой атмосфере вблизи лиственной кроны (Па); р и ср — плотность и удельная теплоёмкость воздуха соответственно (кг м-2, Дж «кг-1 К-1); 7 — психометрическая константа; Wc — доля смоченной площади лиственной кроны.

Для полноты описания набора уравнений модели фотосинтеза — проводимости приведём выражения, определяющие величину ферментного запаса растительной клетчатки Vm (Маренкин, 2002):

Vm = vmaxMTcgw№, Кс = 30ЩТЛ Ко = зоооо/т(тс),

МТс^тт-для С4иУт {1 + exp [si(Tc - s2)]} {1 + exp

МТс^тт-ул для RdnVm, ’{1+exp[s5(Tc - s6)]}

/T(Tc)=2,lQt для К,лИЛЭ = 1.2Qt для Ко;

fT(Tc) = 0,57Qt для S;

16’~ {1+ exp [0,02

где фс — критический потенциал воды (м); ф8 — значение потенциала насыщения содержания влаги в почве (м),В — эмпирический параметр; §i — параметры подавления высоких и низких температур; фт = = ^gW^6 — потенциал содержания влаги в корневом слое почвы (м).

Динамическая модель фотосинтеза-проводимости. Физиологические процессы, описываемые величинами Ас и gc, не обладают мгновенной реакцией на изменения управляющих переменных. Стабилизация процесса фотосинтеза, после изменения внешних условий, занимает около одной минуты, в то время как для проводимости вре-

менной шаг составляет несколько минут. Следовательно, для временных шагов больше одной минуты интенсивность фотосинтеза Ас может быть рассчитана при помощи соотношения (3.6), а задержку изменения проводимости достаточно правдоподобно можно задать уравнением:

= ~Mg,: - Suf)-О-7)

где kg — константа времени реакции растительной клетчатки (0,00113 с-1); gc.nf = gc при i оо; = т-^ hsp + b.

Решение (3.6) имеет вид:

gc = e"^gCo + (1 - e"k^ gCM, gco = gc при t = 0, а изменение значения gc за временной шаг At будет равно:

△ gc = gc - gco = (1 -(g^ - gj ■

Приведённые здесь корреляции позволяют рассчитать энергетические потоки в многослойной структуре системы атмосфера-растение- почва. В результате имеется возможность уточнить элементы климатических моделей и в режиме спутникового мониторинга оперативно оценивать влияние наземной растительности на синоптическую обстановку. Особенно это важно в засушливых и переувлажнённых зонах, где состояние растительного покрова сильно зависит от незначительных изменений температуры и других метеорологических параметров. Другой важный вывод из приведённых корреляций можно сделать в области изучения влияния растительного покрова на процессы поглощения углекислого газа из атмосферы. Ясно, что подобные модели значительно повышают адекватность глобальной модели круговорота углерода.

Моделирование продукционного процессав хвойном лесу

В данном параграфе продолжим рассмотрение важной для практических применений в климатических моделях параметризацию продукционного процесса в лесной экосистеме одновозрастного елового древостоя, предложенную и развитую Кириленко (1990). Модель отражает корреляции среднегодовых и сезонных процессов без учёта сукцессии растительных сообществ. Она описывает динамику углерода и воды в экосистеме, используя систему из пяти обыкновенных дифференциальных уравнений, одного уравнения в частных производных и большого количества алгебраических уравнений, отображающих биотические и абиотические процессы в хвойном лесу.

В модели выделяются следующие типы величин: фазовые переменные, входные (внешние) и выходные (внутренние) переменные, па-

раметры (константы, коэффициенты). Фазовые переменные включают (кг/м2 почвы):

углерод структурной массы хвои прироста текущего года (молодой) mi и старой m2, пр = т\ Л m2;

углерод одревесневших надземных частей деревьев (веток, сучьев, стволов) и ростовых корней m3;

углерод тонких корней т<;

фонд подвижных углеродных ассимилятов m3.

Входные переменные характеризуют состояние окружающей среды:

интенсивность приходящей солнечной радиации Е;

температура Т и влажность Н воздуха;

длина светового периода суток т;

суточная сумма осадков Р;

концентрация углекислого газа в атмосфере Cq.

Выходные переменные: фотосинтез, средние высота и диаметр деревьев, транспирация, дыхание, прирост органов дерева и другие рассчитываемые в модели характеристики экосистемы хвойного леса.

Биомасса фазовых переменных модели измеряется в углеродных единицах и соответствующая схема потоков углерода включает фотосинтез, дыхание и отмирание. Живое растение, состоящее из молодой и старой хвои, ветвей и ствола, тонких и крупных корней, осуществляет обмен углеродом с атмосферой в различные сезоны года с изменяющейся интенсивностью. Для записи динамических уравнений обозначим:

5з(тз) — площадь стволов деревьев, приходящаяся на 1 м2 почвы;

^% (Ев) — функция распределения ассимилятов, т. е. доля фонда ассимилятов, расходуемая на прирост г-го органа;

тв — биологическое время;

di — доля отмершей биомассы г-го органа (г = 1,...,4);

F — величина фотосинтеза;

ri — интенсивность дыхания роста г-го органа;

pi — интенсивность дыхания поддержания г-го органа.

.10.1. Фотосинтез. Для параметризации процесса фотосинтеза применим формулу Шартье:

F = ЛТьЖшз) Slt(c аЕ_ J(СгоЕ^ + 4 ЕСД

2(г — гс) 2\V)

где ct(Tl) — функция зависимости интенсивности фотосинтеза от температуры листа Tl; Sl = 0ть — площадь хвои; us — средневзвешенная влажность почвы; Q (шд) — функция влияния на фотосинтез переувлажнения корнеобитаемого слоя почвы; г = г^ + т^ + тс, г^ и г^ — диффузионные сопротивления для молекул СО2 в пограничном слое листа и в устьицах соответственно, тс — эффективное сопротивление карбоксилирования; т — длина светового периода суток; а —

начальный угол наклона световой кривой фотосинтеза;

^5=1 ws(z)ds(zXо

s^ — функция распределения корневой системы по вертикальному разрезу слоя почвы; До — максимальная мощность корнеобитаемого слоя почвы.

Для хвойных деревьев та « Tst и по высоте дерева величина фотосинтеза на единицу массы хвои изменяется незначительно, а поэтому будем рассматривать некоторую среднюю по высоте дерева точку, для которой интенсивность фотосинтетически активной радиации (ФАР) определим по закону Бэра-Ламберта:

ту! 1 KeHSb

Е = хЕЕе ехр - н ,

где Ее — интенсивность приходящей солнечной радиации над лесом, хЕ — доля ФАР в общей солнечной радиации, Ке — коэффициент экстинкции.

Т — Тх То-ТхТ — Тх То-ТхПолагая, что температура хвои совпадает с температурой атмосферы (Tl = Т), для функции ст(Т) используем следующую аппроксимаЦию:

Т — Тх То-Тх

Т — Тх То-Тх

сг(Т) = max I0, ^—^- exp I 1I Л) А

где параметр I = 1,8; Т\ — минимальная температура, при которой ещё наблюдается фотосинтез; То — оптимальная для фотосинтеза температура.

V us 6 [0, 1]. В общем случаеV us 6 [0, 1]. В общем случаеФункция Q характеризует зависимость фотосинтеза от влажности почвы. При кратковременном переувлажнении почвы фотосинтез не

V us 6 [0, 1]. В общем случае

V us 6 [0, 1]. В общем случае

уменьшается, а поэтому Cl(us) = 1 используем зависимость:

Ws) = <Ws) = <1,1 — Шд1 — UHB1,1 — Шд1 — UHBus 6 (0, uhbYus 6 (0, uhbY^S Е \инв, 1]^S Е \инв, 1]

Ws) = <

Ws) = <

1,

1 — Шд

1 — UHB

1,

1 — Шд

1 — UHB

us 6 (0, uhbY

us 6 (0, uhbY

^S Е \инв, 1]

^S Е \инв, 1]

.10.2. Распределение ассимилятов. Для описания стратегии раределения ассимилятов введём функцию ^^ (тв), где тв — биологическое время. Определим отношение суммы эффективных температур Т^ к среднемноголетней сумме эффективных температур Т^, накопленной за вегетационный период:

ms = £E

где g — номер дня.

Функцию Лг определим следующим выражением:

Эг = af exp[-bf(cf - тв)2] (г = 1,4) ,где коэффициент а^ равен максимальному значению ^, с^ — биологи-ческое время максимума потока ассимилятов в г-й орган, коэффициентопределяет крутизну функции

Поток ассимилятов в момент тв в г-й орган растения будет равен т5Лг(твУ

.10.3. Дыхание и отмирание. Будем считать, что дыхание роста г-го органа дерева пропорционально скорости его прироста и равно ridmi/dt, а дыхание поддержания листьев и сосущих корней пропорционально их массе и равно рртц (г = 1,2,4). Коэффициент р^ зависит от температуры:

№ = ^ехр[ЩТ-Т0],

где а^ — дыхание поддержания при температуре Тр.

Дыхание поддержания ствола и толстых корней пропорционально площади ствола sg и равно sgpgV^t, где pst — доля массы ствола в mg. Отмирание органов считается пропорциональным их массам с коэффициентами di (г = 1,...,4).

.10.4. Круговорот воды. Водный цикл в дереве опишем системой уравнений, параметризующей движение воды на территории (гл. 6), в почве, в дереве и его элементах. Вода является одним из лимитирующих факторов роста дерева, через величину устричного сопротивления влияющего на фотосинтетическую активность растений. Круговорот воды на территории леса слагается из двух базовых частей — абиотической и биотической, описывающих процесс движения воды в почве и процессы поглощения её корневой системой, движения по растению и транспирации. Существует множество моделей этих процессов. Различие между ними определяется уровнем предположений о характере структуры почвы и расположении корневой системы. Кириенко (1990) предложил описывать движение воды в почве уравнением, обобщающим классическую модель Дарси на случай, когда почва рассматривается как однородный пористый слой:

Эш _р_ Кнв Э (,„ ,пЭш ,, fC-t)

dt ps Фпв dz \ dz / Фпв

х\ dz /

с граничными условиями

Ф(^Д) = 1, У (ОД) = W(t) — L(t)

и начальным условием w(zg, to) = u°(z),

где обозначено: W(t) — интенсивность осадков, L(t) — интенсивность испарения с поверхности почвы, р — плотность воды, pg — объёмная плотность почвы, Ф — относительная влажность почвы, Фпв ~ полная влагоёмкость почвы, V — скорость движения влаги в почве, р = = ^ФпвКр§\ m = 1 + 2п, п — константа, g — ускорение свободного падения, ф^в = Фз^п, Фз — водный потенциал почвы, Кцв — проводимость, соответствующая влажности почвы Фпв, — вертикальная координата. Функция / описывает интенсивность поглощения воды корневой системой:

/Ц^) = [&<М-2Щ + Щ)] ^f.

где р^Д^ = pg(z,t) — ps(t) — отклонение безразмерного водного потенциала от среднего по корнеобитаемому слою почвы, £о = Ск^о — проводимость входа воды в корневую систему, ^ = 1/г^ — удельная проводимость входа воды в корень, т^ — удельное сопротивление входа воды в корень, сто — общая площадь сосущих корней дерева, приходящаяся на единицу площади почвы,

у о у ф

ps — средний безразмерный водный потенциал по корнеобитаемому СЛОЮ ПОЧВЫ, И = $,0^ф8 — ^о) — скорость поглощения влаги корнями из почвы.

Вода из корневой системы движется по стволу вверх, поступая через ветви в листья и испаряясь в атмосферу. Будем считать, что количество транспирируемой влаги равно количеству поглощённой корневой системой, а скорость движения равна и. Интегральный эффект влияния хвойного леса на круговорот воды на занятой им территории слагается из суммы эффектов от каждого дерева. Практическое применение развитой модели безусловно требует сведений о пространственных неоднородностях и распределениях характеристик древостоя. Перенесение модели на лиственные и смешанные лесные системы требует дополнительных блоков, которые описывали бы процессы преобразования водных потенциалов и цикла углерода в листве. Работы в этом направлении ведутся многими авторами (Peritunen, 1998; Peng 1999; Papakyriakou, McGaughey, 1991; Kolbe, 1999; Ferm, Hultberg, 1999; Esteve, 1998).

Моделирование переходных процессовв системе «тундра-тайга»

В связи с нарастанием антропогенных процессов на Земном шаре и их распространением в направлении северных широт возникает ряд проблем, связанных с прогнозированием положения северной границы

лесов. Вопрос о том, как наблюдаемые нарушения этой границы связаны с пожарами, выпасами северного оленя, антропогенными преобразованиями и изменением климата, интенсивно обсуждается в научной литературе. Высказываются различные гипотезы о корреляционных связях между природно-техногенными процессами в зоне указанной границы. Например, есть мнение, что лесные пожары могут оказывать положительное влияние на распространение берёзовых лесов на север. А это может приводить к значительным изменениям ареалов проживания коренного населения и распространения северного оленя. Уже в конце XX столетия начали наблюдаться определённые несоответствия между лесоводством и оленеводством. Так, в Финляндии области распространения северного оленя распространяются южнее границы лесов на 400-500 км, т. е. вплоть до бореальной зоны. Другими словами, изменение границы лесов сопровождается изменением почвенного слоя, а это за счёт сдвигов в биогеоценотических циклах может направить сукцессию северной границы лесов по непредсказуемому направлению. Более того, такой прогноз на основе предыстории развития этой границы в естественных условиях не может быть достоверным. Поэтому применение методов экоинформатики с её моделями и технологиями мониторинга является в настоящее время единственным адекватным методом прогнозных оценок динамики границы северных лесов. Здесь безусловно возникает множество экологических задач, среди которых в первую очередь необходимы следующие:

сочетание различных элементов лесных экосистем в зоне северной границы лесов (причины присутствия или отсутствия определённого типа деревьев);

роль различных заболеваний северных лесов и их чувствительность к изменениям климата и другим внешним факторам;

роль пожаров и их размещения и мощности в изменении структуры и конфигурации переходной границы между лесами и тундрой;

роль насекомых с учётом зависимости их распространения и биомассы от изменений климата в динамике границы северных лесов;

картины рассеяния семян различных растений в зоне северной границы лесов и их влияние на её динамику;

влияние динамики северной границы лесов на миграцию диких животных и ареалы их обитания.

В результате ожидаемого потепления климата может начаться смена одних растительных экосистем другими (экзогенная сукцессия). Особенно заметно это будет проявляться в высоких широтах, где имеется переход от тайги к тундре. Богатырёв (1988) предложил модель, которая параметризует переходные процессы в системе «тундра- тайга» и даёт возможность проследить ряд важных закономерностей. В качестве фазовых переменных назначены биомассы мха (Xi), растительности травяно-кустарникового яруса (Х2), хвойных деревьев (Хд), подстилки (Х<) и мёртвого органического вещества почвы (Х5). Фазовые переменные измеряются в тоннах углерода на единице площади

(т/га) и их пространственное распределение принимается равномерным. Потоковая схема углерода в системе дана на рис. 3.4.

Рис. 3.4. Схема круговорота углерода в системе «тундра-тайга», модель которой разработана Богатырёвым (1988)

Система балансовых уравнений модели переходных процессов на границе тайги и тундры согласно схеме рис. 3.4 имеет вид:

^ = ROi-R« С= 1,2,3),

^ = £ Ei4 - Д4о - #45 -R4, ^ = R13 ~ Л5о - Rs, 7=1

где функции Rij зависят от множества параметров и их определение является принципиальным этапом формулировки модели. Богатырёв (1988) предложил следующие формулы для этих функций:

Дог = WmW№№\Ru = № (z = 1,2),

Доз = Дз^з(Тм)^3(Хз)/з(Х5)Яз(^)х№),

Д] = 7724X4, R5 = ТП5Х5, R34 = &зХ3[1 + х(Тм - Тд)]-1,R40 = ак4Х4р)4У?м\ R50 = ^5^5^5(Дм),R45 = (1 - а>4Х4ф4УмУ

где коэффициенты Ft выражают зависимость прироста биомассы от её типа (характеристические индикаторы растительности), функции задают закономерности изменения прироста биомассы в зависимости от температуры атмосферы под пологом Гм и, наконец, функции Gt, fi и Ht описывают отклонения годичного прироста биомассы от максимального уровня при данной температуре Гм за счёт недостатка освещённости, количества минерального ресурса в почве и влаги соответственно. Для деревьев годичная продукция также зависит от их биомассы, и эта зависимость представлена функцией х- Для раститель-

ности травяно-кустарникового яруса и мха считается, что их годичный прирост не зависит от их биомассы.

Определим функции ^, Gt, fi, Яг и у следующим образом:

= 1 +А^-Ту) (г =1,2),

ЫТм) = 1 + ^Тм-Та),

G3№) = ехр(-а^з) С =1,2,3),

/1№) = 1, /г(Х5)=ехр (-^) (г = 2,3),

Hi(W) = exp Щ - ^ ~ Wf 1, (г =1,2,3),

Х(Хз) = (^) ;

где Ту и Тд - температура атмосферы в тундре и тайге соответственно, 5i (г = 1,2,3) — показатели изменчивости годичного прироста биомассы при возрастании температуры под пологом на 1 °C; с^, at, bi, и и 7 е (0, 1) — постоянные коэффициенты; Wa и Wy — влажность почвы в тайге и тундре соответственно; ki (г = 1,2,3) — коэффициенты пропорциональности; а Е (0, 1) — доля подстилки, переходящая в мёртвое органическое вещество почвы в результате разложения.

Для параметризации температуры атмосферы под пологом деревьев предположим, что она не может быть меньше температуры окружающей среды Т, возрастает при увеличении массы деревьев до некоторого уровня Хд = ОДД/А, а затем уменьшается:

7(М

гдегдеТаТ ’ТаТ ’№) > у;f(X3) < 1;№) > у;f(X3) < 1;/№) = 1-ДХз+М;/№) = 1-ДХз+М;

где

где

Та

Т ’

Та

Т ’

№) > у;

f(X3) < 1;

№) > у;

f(X3) < 1;

/№) = 1-ДХз+М;

/№) = 1-ДХз+М;

/31 и Д — положительные коэффициенты.

Описанная модель может использоваться как самостоятельный блок глобальной модели, обеспечивая трансформацию пространственной структуры, рис. 3.2, и уточняя локальные элементы описанной в монографии Крапивина и Кондратьева (2002) модели водного баланса территории. Для реального применения модели необходимы предварительные оценки её параметров с конкретной привязкой к географической широте.

Глобальная модель круговорота углеродас учётом пространственного распределениябиоценозов суши

Будем считать, что каждый участок суши размером 4° по широте и 5° по долготе принадлежит одному из перечисленных в табл. 3.5 типов почвенно-растительных формаций или не имеющим растительности. На г-м участке суши площадью St почвенно-растительная формация характеризуется количеством углерода на единице площади в биомассе живых растений Bi и в мёртвом органическом веществе почвы Di. Следуя работе Свирежева и др. (1985) запишем систему балансовых уравнений:

^=КА-ЕЛг,РгЖ^=КА-ЕЛг,РгЖ(3.8)(3.8)-Е^.Р^-Е^.Р^+ V,+ V,

^=КА-ЕЛг,РгЖ

^=КА-ЕЛг,РгЖ

(3.8)

(3.8)

-Е^.Р^

-Е^.Р^

+ V,

+ V,

где F(Ti,Pi) — годичная продукция растений на единице площади (см. табл. 3.6), E(Ti,Pi) — удельная скорость разложения мёртвого органического вещества почвы на единице площади, Ti и Pi — среднегодовая температура атмосферы и количество осадков за год над г-м участком суши соответственно, 5 — показатель увеличения годичной продукции в процентах при возрастании содержания СО2 в атмосфере на 10%, Ki — удельная интенсивность отмирания биомассы растений на г-м участке суши, С^ = Са^\ to — начальный момент времени (в глобальных моделях обычно принимается to = 1850 г.), V — антропогенное поступление углерода в атмосферу.

Предположим, что при отсутствии антропогенных воздействий (V = 0) количество углерода в системе АРП постоянно и в начале индустриального периода система находилась в положении равновесия. Тогда в момент to справедливы соотношения:

к = ест0 и = Пу)

В результате модель позволяет рассчитывать динамику углерода в трёх резервуарах с учётом их пространственного распределения. В зависимости от детализации типов растительных покровов расчёт концентрации углерода в растительном покрове, почве и атмосфере по формулам (3.8) требует знания функций F и Е, а также коэффициента 5.

Адаптивная информационная технологияв задачах микроволновой радиометрии земныхпокровов

Парниковый эффект и микроволновая радиометрия. Несмотря на прогресс в изучении процессов на земной поверхности за последние 20 лет взаимодействия в системе «атмосфера — растительность — почва» всё ещё остаются главным объектом исследования при оценке изменений глобального климата (Григорьев, Кондратьев, 2001; Кондратьев и др., 2003). Широкий диапазон пространственновременных шкал, необходимых для оценки изменчивости энергетического обмена в этой системе, и большое количество параметров, знание которых требуется для достоверной параметризации, знания функций отдельных компонентов климатической системы, делают задачу моделирования климата сложной и многогранной. В частности, для оценки парникового эффекта за счёт СО2 нужно иметь детальное пространственное распределение стоков и источников углекислого газа, что возможно лишь с применением эффективной информационной технологии.

В последнее время в связи с использованием радиометров микроволнового диапазона на спутниковых системах мониторинга появилась возможность получения более точных оценок содержания воды в почвах, растениях и атмосфере. Тем самым микроволновая радиометрия расширяет базу данных о характеристиках водного баланса на суше. Совместно с датчиками оптического и ближнего инфракрасного диапазонов микроволновые радиометры позволяют реализовать интерактивную процедуру для уточнения параметров растительного покрова. Эта процедура состоит в последовательном сочетании этапов расчёта продукции и фитомассы растительного покрова. На первом этапе по данным спутниковых измерений в оптическом и ближнем инфракрасном диапазонах определяются входные данные модели растительного покрова. Рассчитанная биомасса используется для оценки ослабления собственного излучения почвы в микроволновом диапазоне. С учётом этого ослабления осуществляется корректировка поля яркостных температур, получаемых с помощью радиометров микроволнового диапазона, и решением обратной задачи определяется влажность почвы. Уточнённые данные о влажности почвы используются в модели растительного покрова, что даёт новые оценки биомассы и продукции. Таким образом, в результате совместного использования спутниковых данных, получаемых с помощью датчиков оптического, ИК- и СВЧ- диапазонов, уточняются характеристики почвенно-растительной формации, а, следовательно, повышается точность оценок роли растительности в энергетическом обмене системы «атмосфера-суша» и в расчёте потоков СО2 на границе «атмосфера-растительность».

Запуск спутниковой обсерватории EOS-Aqua в марте 2002 г. на околоземную орбиту с высотой 705 км и временем обращения 98,8 мин с широким набором СВЧ-радимометров X- и С-диапазонов обеспечил получение оперативных данных о водных компонентах в приземной атмосфере и на поверхности земли с разделением на жидкую и парообразную фазы. Помимо этого измеряются профиль температуры до высоты 40 км, интенсивность солнечной радиации и определяются зоны возможных осадков, что важно для гидрологического блока глобальной модели. Дополнительно оцениваются характеристики облачного слоя и аэрозолей. Такая многопрофильность EOS-Aqua, совмещённая с набором алгоритмов и моделей, позволяет сформировать мощную информационную систему, способную значительно повысить эффективность текущих и прогнозных оценок состояния системы «природа-общество».

Планируемая к запуску в 2007 г. Европейским космическим агентством спутниковая система SMOS (Soil Moisture and Ocean Salinity) будет регистрировать яркостные температуры в L-диапазоне с пространственным разрешением менее 50 км и частотой измерения около 3 суток, что согласуется с имеющейся базой глобальных данных о растительных покровах и позволит полностью автоматизировать оценку парникового эффекта, обусловленного СО2.

Адаптивный режим геоинформационного мониторинга. Геоинформационная мониторинговая система обычно включает ряд блоков, функциональные назначения которых определяются набором решаемых задач (Kondratye et al.^Q^Y В случае мониторинга земных покровов этот ряд, в основном, ориентирован на оценку характеристик почвенно-растительных формаций и их использование в моделях климата. Имеющиеся реализации таких оценок не позволяют надёжно и достоверно рассчитать влияние растительности на тепловой и газовый обмены между атмосферой и сушей. Для повышения точности таких оценок предлагается применить процедуру обучения модели растительного покрова с возможностью коррекции режима измерений. Здесь под корректировкой режима измерений понимается как выбор диапазона частот, так и изменение временного интервала накопления данных. Корректировка модели подразумевает смену типов моделей и изменение их параметров.

Модель растительного покрова, как элемент мониторинга, зависит от процедуры вычленения типов почвенно-растительных формаций и их привязки к пространственным координатам. Для этого покроем земную поверхность однородной географической сеткой с шагами А^ по широте и АД по долготе и сформируем идентификационную матрицу А = \\atjW , где

' 0, если точка с координатами (у), А) принадлежит водной _ поверхности;

^^ I S, если в пикселе Q^- поверхности суши находится расти- < тельность или голая почва;

где Q^- = {(99, А): ^_iA7~i < А < Aj}. Символ 2 идентифи

цирует тип почвенно-растительной формации. Пример такой идентификации дан на рис. 3.2 и в табл. 3.5.

В общем случае каждый пиксель Q^- земной поверхности может содержать различные типы растительности в сочетании с водными системами и участками голой почвы. Для отображения этой конфигурации пикселя Q^- символ 2 следует рассматривать как вектор 2 = = U^Y где / = ШЛь-'-Л^, fs(s = 1,... ,7V) - доля пикселя Пу под s-м типом почвенно-растительной формации, /о — доля пикселя / N\

Slij ПОД ВОДНОЙ поверхностью I ^ fs = 1 ) , р = ^Ро, Р\, ... , Pn^ — Vs=O/

идентификатор типа земной поверхности.

Яркостная температура смешанного пикселя рассчитывается с учётом вклада каждого типа поверхности, входящей в Q^- с отличными от нуля весовыми коэффициентами:

N

Ть^ = £ $STMY(3.9)

8=0

Полуэмпирические радиационные модели земных покровов. Опыт многих исследований показал эффективность использования L-диапазона для оценки влажности почвы (Шутко, 1987). Для этого применяются как решение обратных задач микроволновой радиометрии, так и различные корреляционные полуэмпирические модели (Чухланцев, Шутко, 1988;. Chukhlantsev et al., 2003). Выбор метода восстановления влажности почвы зависит от типа растительного покрова и наличия априорной информации, полученной наземными средствами или дистанционными измерениями в других диапазонах длин волн. Знание влажности почвы, являющейся одним из лимитирующих факторов развития растительности, даёт возможность применить биоценотические модели и тем самым снизить требования к исходной информационной базе.

Традиционный подход к моделированию поля яркостных температур, регистрируемых над растительным покровом, основан на его представлении в виде многослойной структуры с выделением характерных для данного типа /i-слоёв. Наиболее сложная конфигурация формируется для леса, где выделяются крона, стволы и корни. Далее многообразие моделей определяется формами представления листьев, хвои, сучьев, стволов и корней в виде дисков и цилиндров с определённой закономерностью распределения и ориентацией в пространстве. Такие схемы описываются соответствующими балансовыми уравнениями с учётом электромагнитных характеристик выделенных элементов растительного покрова. Недостаток моделей такого типа состоит в наличии широкого произвола в выборе образов растительного покрова и в необходимости иметь большое количество данных.

Более эффективными, а потому и широко используемыми, являются полуэмпирические модели, значительно уменьшающие требования к информационной базе. Исходными предпосылками к построению таких моделей служат упрощённые представления яркостных температур как функций электрофизических и биометрических характеристик земных покровов. Яркостная температура Тьр, измеренная на поляризации типа р (V — вертикальная, Н — горизонтальная), обычно составляется из трёх компонентов, характеризующих вклады собственного, отражённого и рассеянного излучения атмосферы, растительного покрова и почвы. Каждый компонент является функцией физических и биометрических параметров системы «атмосфера-растительность-почва». Одним из важных параметров является диэлектрическая проницаемость растительности типа р:

Еу — Ет EbwCbw EfwUfw’

где ^bw^£bw) и Djw(ejw) — объёмные доли (диэлектрические постоянные) связанной и свободной воды в растениях типа р, е^ — диэлектрическая проницаемость сухой биомассы растений типа р.

Кегг и Wigneron (1995) предложили простую модель для параметризации диэлектрической проницаемости Еу растительности типа р как функции площади, толщины и плотности листа. Как частный случай, эффективная диэлектрическая проницаемость полога леса может быть оценена по формуле:

где рр — плотность заполнения единицы объёма растительностью, /3 — свободный параметр модели (выбирается при калибровке модели). Коэффициент рр оценивается как отношение биомассы зелёных элементов полога к высоте стволов деревьев.

Расчёт диэлектрической проницаемости почвы es как функции длины волны у и влажности почвы ms можно произвести по формуле е8 = e's- ге", где

e's = cv + (c2ms + exp (с4 - ,

= (dims + d^m2) exp ^3 — ,

Ct и dj — эмпирические константы, которые, например, для данных Engman и Chauhan (1995) имеют оценки: щ = 2,35; С2 = 52,4; сз = 31,1; с4 = 0,057; с5 = 1,22; d{ = 7,1; d2 = 46,9; d^ = 0,0097; d4 = 1,84.

Другой важной электрофизической характеристикой растительного покрова является показатель ослабления тс собственного излучения почвы, оценка которого необходима для корректировки регистриру-

емых на высоте спутника яркостных температур в микроволновом диапазоне, особенно в L-диапазоне:

р = 6(77, р^тЧ с cos'd

где т^ — содержание воды в растительности, Ь(р,р) — коэффициент, зависящий от частоты г/ излучения и типа растительности р (для г/ = = 1,4 ГГц b = 0,12 ±0,03), ^ — угол наблюдения. Согласно Njoku et al. (2003), параметр Ь практически не зависит от времени, а его вариации в пространстве следует оценивать как шум в микроволновой модели влажности почвы.

Вводя коэффициент прохождения электромагнитной волной слоя растительности tp, = ехр(—т^) в уравнение (3.10), можно оценить компоненты правой части по формуле:

Т^5)=ТД1-у(1-^)(3.11)

где Тр — термодинамическая температура в слое растительности типа р, а^ — альбедо полога растительности типа р.

Величина тф может быть оценена по соотношению:

т^ =4тпА(3 12)

VpPp 1ш(у^)

где QM — удельное количество фитомассы на единицу площади, Vp — удельная плотность сырой биомассы растительности.

Использование формул (3.10) или (3.11) зависит от наличия оценок входящих в них параметров. Расчёт параметра т^ можно произвести по данным измерений 36-канального сканирующего спектрорадиометра MODIS (Moderate Resolution Imaging Spectroradiometer) в видимом и ближнем ИК-диапазонах волн с использованием индекса эвапотранс- пирации:

Е = ^Д^еЛфАЛ^Ер, + (1 - dp.)es(ip, X,t)Es)/q (3.13) где Е — испарение системы «растительность-почва», dp — интегральная доля растительного покрова в пикселе, Ер и Es — вклады в испарение растительностью и почвой соответственно, ер и es — поток солнечной радиации на уровнях поверхности растительности и почвы, соответственно, q = е — G, е — поступающая радиация, G — поглощённая слоем почвы энергия.

в формуле (3.13):dв формуле (3.13):dNishida et al. (2003) предложили аппроксимацию для оценки dp

в формуле (3.13):

d

в формуле (3.13):

d

_ NDVI - NOVI™м “ NDVImax — NDVImin ’

где нормированный вегетационный индекс NDVI рассчитывается по данным регистрации спектральных яркостей в видимом диапазоне а^

и ближнем ИК-диапазоне ап:

NDVI =- .

G-n av

Знание NDVI позволяет непосредственно рассчитать параметр т^ (кг/м2) в формуле (3.10):

м = Г 1,9134(NDVI)2 - 0,3215(NDVI), NDVI < 0,5;

“ f 4,2857(NDVI)2 - 1,5429, NDVI > 0,5;

Температура T^ (°K) в (3.11), согласно Kelley et al. (2003), может быть оценена по формуле:

Т^ = 58,08-0,39Т^у (19 ГГц) +

+ \,2\Tbv(22 ГГц) - 0,37Тьн(37 ГГц) + 0,36Тьу(85 ГГц),

где индексы V и Н означают вертикальную и горизонтальную поляризации сигнала соответственно.

Содержание влаги в почве можно рассчитать, решая обратную задачу микроволновой радиометрии или прибегая к косвенным оценкам, опираясь, например, на региональную модель водного баланса, а также с помощью модели L-MEB (L-band Microwave Emission of Biosphere) Pellarin et al. (2003).

Динамика растительного покрова в каждом пикселе Q^- с учётом распределения его площади по типам почвенно-растительных формаций рассчитываается на основе уравнения баланса массы:

^P = R^-M^-T^(3.14)

где Кц — продукция фотосинтеза, М^ — отмирание живой фитомассы, Т^ — потери фитомассы на энергетический обмен с окружающей средой. Зависимость компонентов правой части уравнения (3.14) от параметров окружающей среды детально описана в работе Кондратьева и др. (2003).

Алгоритм решения обратной задачи микроволновой радиометрии. Применение только полуэмпирических моделей для расчёта характеристик растительных покровов может привести к неустранимым погрешностям, существенно искажающим реальные данные. В этом случае необходимо подключение альтернативной процедуры расчёта этих характеристик. Одной из таких процедур является формальное использование набора яркостных температур, получаемых по возможности на различных частотах микроволнового диапазона.

Пусть в момент tt на выходе каждого измерительного устройства (радиометра) фиксируются величины Z^ (^ = 1,...,М; j = 1,...,п) такие, что Ztj = Tj + ^. Здесь Tj — реальное значение j-ro параметра

(радиояркостная температура на длине волны уД ^j — шумовая составляющая. Поиск корреляции сводится к определению зависимости

Д = Л(П(3.15)

где Х= (хц..., хт^ — параметры растительного покрова.

Существует множество приёмов поиска функции /. Как правило, в качестве критерия согласия используется среднеквадратическое отклонение. Однако, такой критерий не может отражать дисперсионные характеристики шумовой составляющей в измерениях. Поэтому рассмотрим поставленную задачу именно с этой позиции. Пусть функция (3.15) является линейной и тогда имеем систему п^тп уравнений:

\\Ау\\Х = Т + Е.(3.16)

Требуется найти решение (3.16), такое чтобы его дисперсия была минимальна. Предполагается, что S = {£i,...,£n} имеет нулевое среднее и дисперсию {erf,..., а^. Такое решение ^х^,...,х^ назовём а-реше- нием.

Умножим г-е уравнение системы (3.16) последовательно на величины c\t,cmi (г = X,... и потребуем

^2 с^Ац = ajt,(3.17)

г=1

=(3.18)

При выполнении условий (3.17) и (3.18) находим

(3.19) г= 1

Аналогичные соотношения записываются для Xj (j = 2,..., т). Заменяя Т на Z в (3.19), т. е. переходя к системе (3.16), получим:

XX =£си(Тг + ег)(3.20)

г=1

Из (3.20) вычисляем дисперсию:

^[^1] = 22 di^(3.21)

г=1

Так как средние значения х\ и х^ совпадают по определению, то для решения поставленной задачи необходимо найти минимум (3.21) при

соблюдении условий (3.18). Применим метод неопределённых множителей Лагранжа. Составим вспомогательное выражение:

у(сц,...,С1к) = Е« + ЩЕС1^1 - 1) + Е ^j^cnAij. г=1\г=1/j=2г=1

(3.22)

Приравнивая первые производные функции (3.22) к нулю получим:

201^(7^ + ^ Mp^kj = 0 (k = 1,., п).(3.23)

Соотношения (3.23) и условия (3.18) составляют систему (т + п) уравнений, решение которых позволяет определить искомые оптимальные величины сГ. Анализ показывает, что D\xj\ = — Pj/2. Величины pj находим из системы уравнений:

тпт п А-А-,

Е^Е^ = "2; Е^Е^ = О; 1 = 2,

3 = Хг=Хj=x г=Х

Численные оценки показывают, что а — решение является предпочтительнее решения, полученного по критерию минимума среднего квадратического отклонения.

Алгоритм преодоления функциональной неопределённости. Расчёт динамических характеристик растительности в соответствии с моделью (3.14) может из-за неточностей оценок параметров функций Н^ Тц и Мц привести к значительным отклонениям Q^ от измеренных значений, а поэтому реализация процедуры коррекции модели может не дать удовлетворительного уровня этих отклонений (невязки). В качестве альтернативы модели (3.14) может быть использована двухшаговая схема расчёта характеристик растительного покрова, основанная на динамической реконструкции поля яркостных температур и последующего решения обратной задачи микроволновой радиометрии.

Предположим, что в режиме мониторинга одновременно измеряются яркостные температуры xt по N каналам в моменты времени ts (s = = 1,..., М). Так как растительный покров изменяется, то формальную зависимость между xt(t) представим в виде системы дифференциальных уравнений с неизвестными коэффициентами Ул^ьЬ^У

N

-Л- = Е Vaijk$jWxk№ + bijXj^Y(3.24)

k,j=Y

Задавая начальные условия xt (П), задачу восстановления значений xt(t) в любой момент времени на интервале наблюдения [О, Т] сводим к обычной задаче Коши для системы обыкновенных дифференциальных уравнений. Единственным препятствием к её решению является неопределённость коэффициентов а^к и bij. В этом случае

поступим традиционным путём, т. е. введём меру расхождения между рассчитанными значениями Xi(ts) и измеренными оценками ^(ts):

М 1 N 1

(3.25)

s = l г=1

где 0 < ti <

< tM С Т.

Тогда множество коэффициентов {а^к,Ь^ может быть определено как решение следующей оптимизационной задачи:

Eq = min Е. {^ij к Агд }

Для поиска минимума функции Е предположим, что коэффициенты ^aijbbtj^ являются функциями времени. Обозначим:

^) =

Ж1(£)

«ш (t)

<innn4)bu(t)

^NN^)

He нарушая общности, можно считать, что а^^ = atkj- Тогда, дополняя систему (3.24), вместо задачи Коши получим:

^ = С(У),

(3.26)

где функция G имеет компоненты:

СЩ) =0 для г = N + X,, Nc,

N

Gi(Y) = ^ \аукхдЗ)жкЧ)+ьчжзЧ^ Для i=l,...,N; k,j = \

причём aijk(0) = а^к, bid(0) = b^, Nc = N Y N2 Y N2(N + l)/2.

Введём последовательность функций Y^(t),... ,Y^(t) таких, что Y^(t) является первым приближением к решению (3.26). Тогда п-е приближение найдётся как решение следующей линейной системы:

^2^ = Giiy^"0^)] + Е ^ЕЙ^2_2(1)1 [уу) _ уу-*)] (3.27)

3 =

Решение (3.27) в общем виде записывается в следующей форме:

Nc

yW(t) = F(t) + СкН^у,

k=\

где P(t) — частное решение системы (3.27), H^(t) — векторное решение однородной системы. Для определения P(t) решим (3.27) при начальных условиях 1^(0) = 0 (г = 1,...,Nc). Функции H^k\t) находим как решения задачи Коши:

■ЛЛ■ЛЛdvRy = ^ едДУД)! гу(») _ y(n-i)dtdY L з з

■ЛЛ

■ЛЛ

3 = ^

где Н^к\0) — единичный вектор-столбец. Константы С^ определим таким образом, чтобы получить решение х^п\ которое лучше всего в смысле метода наименьших квадратов согласуется с результатами наблюдений:

М Ns = l г=1М Ns = l г=1’ Nc ( \I2’ Nc ( \I2= min .{СД}= min .{СД}

М N

s = l г=1

М N

s = l г=1

’ Nc ( \I2

’ Nc ( \I2

= min .{СД}

= min .{СД}

Потребуем, чтобы

ЕЕ = 0 для к = 1,... Лс-

Отсюда следует, что

Nc

АктСк +Вт=0,т= \,...Лс,(3.28)

k=l

где обозначеном N

Акт = ^ЕнГмнГЧл,

s = lг=1

М N( .

s = lг=1

Таким образом, на каждой итерации (3.27) необходимо решать систему (3.28). Скорость сходимости этой процедуры будет зависеть от удачного выбора начальных условий.

Заключение. Проблема глобальных изменений климата в последние годы обсуждается в научной литературе в связи с возрастающей концентрацией парниковых газов в атмосфере. Отмечается важная роль микроволновой радиометрии в изучении этих изменений. Исследование СВЧ-излучения системы почва-растительность, а также возможностей определения параметров почвы и растительности по данным дистанционного СВЧ радиометрического зондирования с борта самолётов и спутников активно ведётся на протяжении последних

тридцати лет многочисленными научными группами и организациями различных стран. Библиография работ по указанной проблеме насчитывает сотни наименований. Возможности применения СВЧ-радиомет- рического метода для определения влажности почвы и биометрических показателей растительности выявлены в работах многих авторов около четверти века назад. Несмотря на то, что принципиальные вопросы и физические основы СВЧ-радиометрии почвенно-растительных покровов в целом достаточно полно изучены, интерес к проведению исследований в данной области не только не ослаб, но и существенно вырос в последнее десятилетие. Данный факт объясняется, во-первых, важностью самого объекта исследований в общей системе дистанционного экологического мониторинга поверхности суши и, во-вторых, возросшими техническими возможностями СВЧ-радиометрических средств дистанционного зондирования с космических носителей. Действительно, влажность почвы и растительный покров играют ключевую роль в гидрологическом цикле, в процессах переноса влаги и энергии на границе поверхности суши и атмосферы вследствие испарения, инфильтрации и транспирации. В связи с дискуссией в научной литературе о достоверности имеющихся многочисленных оценок парникового эффекта по причине антропогенных выбросов СО2 знание динамических характеристик почвенно-растительных формаций становится также актуальным.

Экономически оправданное применение СВЧ-радиометрических средств с космических носителей требует разработки систем с высоким пространственным разрешением для получения радиоизображений земной поверхности. В современных и проектируемых космических системах это достигается с помощью многолучевых антенн, электрического сканирования с использованием больших антенн, синтезирования апертуры. Крупные международные проекты, включающие глобальный мониторинг влажности почвы и гидрологического состояния поверхности суши, как осуществлённые («Природа», EOS Aqua), так и планируемые (SMOS), показывают, что вопрос о применении СВЧ радиометрических методов дистанционного зондирования системы почва — растительность всё больше переходит из области теоретических изысканий в плоскость практического применения.

Глава 4

КРУГОВОРОТ УГЛЕРОДА В ОКЕАНАХ

Мировой океан как сложная иерархическаяаквагеосистема

Для повышения достоверности оценки роли Мирового океана в глобальном круговороте углерода необходимо более детальное описание продукционных процессов в океанских экосистемах. Ведь наряду с физическими и химическими процессами преобразования и движения углерода в океанской среде вожную роль играют биологические процессы. В частности, фитопланктон, наряду с биогенными элементами, поглощает из морской воды растворённый СО2. В результате создаётся органическое вещество, которое частично поступает в пищевые цепи трофической пирамиды данной акватории Мирового океана, а частично опускается в донные отложения. Совокупность всех процессов движения углерода в океанской среде создаёт градиент концентрации СО2 между поверхностными и глубокими водами. Поэтому исследование структуры и функционирования океанских экосистем становится одним из важнейших и быстро развивающихся направлений морской биологии. Его различные аспекты разрабатываются в рамках Международной биологической программы во многих странах. В частности, межнациональная программа JGOFS (U.S. Joint Global Ocean Flux Study) посвящена исследованию биохимических процессов в океане с целью углубления знаний о реакциях океанской среды на внешние воздействия. Одной из задач исследований является получение возможности прогнозирования поведения системы в результате изменения тех или иных её параметров. Однако в силу уникальности и большой пространственной протяжённости экосистем Мирового океана трудно провести необходимые определения количественных характеристик всех элементов системы в разные моменты её развития и в различных районах океана и тем более оценить влияние их изменения на функционирование всей системы в целом. С этой целью регулярно проводятся экспедиционные исследования, создаются базы данных спутникового мониторинга акваторий Мирового океана и развиваются методики использования для этих целей модельного подхода.

Океан, занимающий 71% поверхности нашей планеты, даёт 1% общего количества потребляемых человечеством пищевых продуктов, остальные 99% получают с возделываемой суши. В то же время общее количество органического вещества, продуцируемого в океане, примерно равно количеству органического вещества, продуцируемого растениями суши. По грубым оценкам общая биомасса нектона составляет 5,3 млрд т. При этом добыча промысловых объектов из Мирового океана оценивается в 70 млн т/год, что составляет 20% животных белков, потребляемых человечеством. Вылов традиционных промысловых объектов близок к предельному (^з90 -У 100 млн т/год). Однако это не является предельным для промысловой возможности океанских экосистем вообще, так как запасы криля и других биологических объектов используются слабо.

Отмеченное несоответствие между ролью наземных и океанских экосистем в производстве пищи объясняется прежде всего тем, что на суше ведётся интенсивное культурное хозяйство, которое в морях и океанах развито слабо. Поэтому возможные пути повышения биопродуктивности океана ещё не использованы. Во-первых, человечество использует в основном конечные трофические звенья естественных сообществ Мирового океана — рыб и китов. На каждый последующий трофический уровень попадает примерно лишь 0,1 доля энергии, накопленной на предыдущем уровне. На суше используются организмы двух уровней (растения, травоядные животные), в океане и морях — до пяти уровней. Непосредственное использование нерыбных объектов промысла позволит резко увеличить количество получаемых из океана белковых продуктов.

Во-вторых, неизбежно возникает вопрос о переходе от свободного промысла к культурным методам хозяйствования в Мировом океане, т. е. вопрос искусственного повышения продуктивности биологических сообществ океана. Для этого, прежде всего, необходимо изучить методы управления выходом конечного продукта в биологических системах Мирового океана. Чтобы определить рациональные пути воздействия на океанические сообщества, необходимо изучить их структуру и функционирование, иметь чёткое представление о продукционных процессах, трансформации вещества и потока энергии на различных трофических уровнях экосистем океана. Необходимо разработать теорию управления в биологических системах прибрежных вод и открытого океана, которые различаются как по естественным гидрофизическим и биогеохимическим параметрам, так и по степени антропогенного воздействия.

Морские сообщества — сложные биологические системы, складывающиеся из популяций отдельных видов, в результате взаимодействия которых сообщество находится в динамическом развитии. При этом их пространственная структура в значительной мере определяется композицией многочисленных биотических и абиотических факторов, которые зависят от совокупности океанических полей. Последние определя-

6 К.Я. Кондратьев, В.Ф. Крапивин

ются законами общей циркуляции вод океана, слагаемой из приливов и отливов, зон конвергенции и дивергенции, ветровых и термохалинных течений и т. д.

В конце XX столетия остро встала задача прогнозирования динамики океанических систем в условиях нарастающего антропогенного воздействия (химическое отравление, механическое уничтожение живых организмов, изменение окружающей среды) и оценки их роли в динамике всей биосферы. Так, в недавних исследованиях по воздействию парниковых газов на климат было показано, что роль Мирового океана в этом процессе недооценивается. В частности, в работе Кондратьева и Йоханнессена (1993) приведены данные о роли арктических акваторий Мирового океана в формировании глобального круговорота углекислого газа, откуда следует, что ранее эта роль оценивалась неправильно. Это связано с тем, что учёт биологических и гравитационных процессов, совместно играющих роль насоса, который перекачивает углекислый газ из атмосферы в глубокие слои океана, в ранее созданных моделях глобального биогеохимического круговорота углерода не адекватен реальности. Поэтому уточнение моделей режима работы этого насоса с учётом климатических зон может значительно повлиять на прогнозные оценки парникового эффекта (Горшков, 1990; Крапивин, 2000; Тагко, 2001, 2002).

Влияние океанских экосистем на интенсивность биогеохимических круговоротов проявляется через границу атмосфера-вода и обычно параметризуется на основе данных наблюдений. Однако существенным обстоятельством в этом влиянии является вертикальная структура происходящих в океанской среде процессов. Характер этих процессов значительно зависит от внешних обстоятельств. Так, согласно исследованиям Legendre (1998) в арктических зонах Мирового океана пятнистая структура весеннего цветения фитопланктона существенно определяется зимними условиями льдообразования и последующим процессом таяния. В других зонах к таким внешним обстоятельствам относятся факторы загрязнения атмосферы и поверхности океана, изменения условий существования фитопланктона и функционирования карбонатной системы.

Фитопланктон находится на одной из первичных ступеней трофической иерархии океанской экосистемы. Как показали экспедиционные исследования, Мировой океан имеет пятнистую структуру, формируемую сочетанием неоднородных пространственных распределений освещённости, температуры, солёности, концентрации биогенных элементов, гидродинамических характеристик и т. д. Вертикальная структура распределения фитопланктона менее многобразна и обладает универсальными свойствами. Эти свойства проявляются в наличии от одного до четырёх максимумов биомассы фитопланктона по глубине, имеющих определённую форму и привязку к конкретной глубине.

Вариабельность топологии пятнистости и вертикальной структуры связана с сезонными циклами и достаточно полно экспериментально

изучена во многих климатических зонах Мирового океана. Найдены типовые качественные и количественные показатели этой вариабельности. Изучены совместные распределения абиотических, гидрологических и биотических компонентов океанских экосистем.

Сложность и взаимообусловленность всех процессов в толще океана значительно затрудняет поиск закономерностей формирования пятен планктона и установление корреляционных связей между различными факторами регулирования интенсивности трофических отношений в экосистемах океанов. Например, во многих исследованиях было установлено наличие тесной связи между величинами первичной продукции и количеством фитопланктона. В то же время эта связь нарушается в зависимости от сочетания синоптической обстановки и освещённости. При этом оказывается, что степень нарушения значительно зависит от сочетания групп фитопланктона (Legendre, 1998).

Анализ накопленного экспериментального материала по оценке продукции морей и океанов и попытка многих авторов выявить свойственные различным акваториям закономерности формирования продукции привели к многочисленным частным закономерностям о локальных соотношениях между продуктивностью и параметрами окружающей среды.

Эффективным методом изучения вертикальной структуры океанских экосистем является их математическое моделирование. Создание модели требует знания структуры трофических отношений в экосистеме, особенностей гидрологических условий и сведений о других характеристиках окружающей среды. Опыт такого моделирования показал наличие возможности эффективно прогнозировать динамику сообществ Мирового океана. Примером таких моделей могут служить трёхмерная модель экосистемы Перуанского течения (Krapivin, 1996), Охотского моря (Aota et al., 1993) и др. Во всех этих моделях центральным звеном является блок параметризации вертикальной структуры экосистемы.

Обменные процессы на границе«атмосфера-океан»

В оценке парникового свойства СО2 важное место занимает знание обменных процессов между атмосферой и океаном. Большинство известных моделей глобального круговорота СО2 связь между парциальным давлением растворённого в воде СО2 (рс) и общей концентрацией Си неорганического углерода в поверхностных водах рассчитывают на основе буферного коэффициента

Л = (рс - Рс,о)Сц,оРс,о(Си — Си,о) ’

где индекс «о» относится к доиндустриальному периоду. Однако многочисленные наблюдения показывают, что использование только этого

коэффициента при расчёте потоков Н^ и Н^ приводит к грубым оценкам, не учитывающим влияния многих факторов. Одна из первых попыток учесть пространственную неоднородность Мирового океана и отразить влияние температурных градиентов на обмен СО2 верхнего слоя океана с атмосферой сделана в работе Bjorkstrom (1979). Идея разделения акватории Мирового океана на две части, соответствующие тёплым и холодным водам, была затем развита многими авторами (Нефёдова и Тарко, 1993; Перванюк, Тарко, 2001). Перванюк (2001) развил эту схему, расчленив поверхность Мирового океана на 211 однородных акваторий. Такая дискретизация осуществлена на базе комбинации акваторий размером 4° по широте и 5° по долготе. Соседние ячейки такой сетки с одинаковыми направлениями вертикальных составляющих скоростей течения воды объединены в одну акваторию. При этом рассматривалось среднегодовое поле скоростей течения воды на глубине 75 м. Для размеров акваторий введены ограничения, определяемые зависимостью потоков СО2 от климатических факторов. Для максимального размера акватории по широте принята величина 8°. Выше 80° северной широты Мировой океан представлен одним участком. Наиболее полное исследование физических механизмов переноса СО2 при различных состояниях поверхности раздела вода-воздух были выполнены в работах Алексеева и др. (1992). Здесь впервые детально измерены потоки СО2 и проанализированы их зависимости от параметров состояния границы раздела в системе атмосфера-океан с учётом ветроволнового перемешивания, возникновения на водной поверхности пенных образований, обрушения волн и загрязнения. При этом по каждому эпизоду состояния границы раздела вода-воздух предложены параметрические описания процесса газового обмена океана с атмосферой. Например, показано, что с увеличением волнения и с нарастанием пенного слоя скорость газообмена значительно возрастает. Так, при толщине слоя пены в 5 см скорость газообмена в 2,4 раза превышает газообмен через свободную поверхность. Этот факт важен для характеристики газообмена в прибойных зонах и областях сильных штормов, где полосы пены достигают толщины в несколько сантиметров. Интересен также результат, связанный с наличием поверхностных активных веществ (ПАВ) в верхнем слое океана. При концентрации ПАВ около 7,8 • 10-4% (объёмных) при прочих равных условиях скорость газообмена сокращается до 60%. Однако в зонах образования пены этот эффект значительно уменьшается.

В целом по акваториям Мирового океана имеются оценки потока СО2 между атмосферой и верхним слоем океана, которые изменяются от 16 до 1250 моль • м-2-год-1. Высокая изменчивость потоков СО2 на границе атмосфера-океан как в пространстве, так и во времени затрудняет получение более точной интегральной оценки глобального потока СО2 между океанами и атмосферой. Согласно Takahashi et al.(2001), проведённые измерения парциального давление СО2 в поверхностных водах северо-западной части Атлантического океана показали, что оно

может изменяться в диапазоне 470%. А это означает, что глобальная модель биогеохимического круговорота СО2 должна детально учитывать пространственную неоднородность акваторий всего Мирового океана.

В стационарном состоянии гидросфера и атмосфера находятся в определённом равновесии в отношении обмена СО2, нарушаемого при флуктуациях температуры, уровня поверхности океана, режима вертикальной циркуляции и т. д. Абсорбция и выделение СО2 между океаном и атмосферой составляет 55,6 млрд т С/год. При этом водоросли потребляют из атмосферы 16,7 млрд т С/год. Эти величины распределены неравномерно по водной поверхности и сильно варьируют со временем. Характерное место в обмене СО2 занимает Северный Ледовитый океан, низкие температуры вод которого обуславливают высокое абсолютное содержание растворённого СО2 в поверхностном слое в любой сезон года. В этом районе, в среднем в летний период, преобладает поглощение СО2 и выделение О2 в атмосферу, зимой — наоборот, арктические воды выделяют СО2 и поглощают О2. Такая ярко выраженная сезонная бинарность сглаживается в акваториях Североатлантических морей, где уменьшение ледового покрытия, увеличение периода фотосинтетической активности и наличие осенне-зимней вертикальной конвекции приводит к интенсификации газового обмена с атмосферой в сторону преобладания потока Н^. Количественно это выражается поглощением СО2 из атмосферы около 0,18 млрд т С/год. По сравнению с суммарным газовым поглощением СО2 Мировым океаном, оцениваемым величиной 5,2-6,6 млрд т С/год, вклад арктических акваторий в удаление избыточной углекислоты из атмосферы невелик (табл. 4.1). Однако, эта оценка безусловно сильно занижена. Об этом можно говорить уверенно, если принять во внимание результаты Kelley (1987). Средние оценки показывают, что превышение парциального давления СО2 в атмосфере над его значением в арктических морях достигает величины НО ррт. Дефицит СО2 в морской среде возникает в основном в период весеннего цветения и оценивается величиной £з450 гС/м2, а это означает, что поток СО2 из атмосферы в морскую среду может принимать значения от 1,5 до 4,0 гСм-2сут-1. Эта оценка значительно изменяется в зависимости от долготы. Например, Норвежское море имеет дефицит парциального давления СО2 между величинами 20 и 50 ppm, для Берингова моря Арсо2 — 70 ppm. При этом между содержанием СО2 в морской воде и её температурой наблюдается чёткая линейная корреляция с коэффициентом пропорциональности 10 ppm СО2 на °C.

Сказанное позволяет утверждать, что арктические воды играют роль насоса, откачивающего углекислый газ из атмосферы. Поэтому изучение этого процесса в деталях необходимо для уточнения глобальной модели углерода и повышения точности оценки парникового эффекта из-за выбросов антропогенного СО2.

Таблица 4.1. Годовой бюджет обмена СО2 с атмосферой для акваторий арктического бассейна и северных морей (млн тС/год)

Район океана

Лето

Зима

Весь год

По

глощение

Выделение

Баланс

По

глощение

Выделение

Баланс

Арктический бассейн

4,4

0,0

+4,4

—

—

—

+4,4

Арктические моря

Восточно-Сибирское

1,0

2,1

-1,1

0,0

0,7

-0,7

-1,8

Карское

11,4

2,4

+9,0

0,0

0,2

-0,2

+8,8

Лаптевых

2,4

3,6

-1,2

0,0

2,9

-2,9

-4,1

Чукотское

11,2

0,0

+ 11,2

0,0

0,6

-0,6

+ 10,6

Сумма

26,0

8,1

+ 17,9

0,0

4,4

-4,4

+ 13,5

Североатлантические моря

Баренцево

71,9

0,0

+71,9

0,0

0,0

0,0

+71,9

Гренландское

19,1

0,0

+ 19,1

8,7

0,0

+8,7

+27,8

Норвежское

64,8

0,0

+64,8

0,0

6,0

+6,0

+5,8

Сумма

155,8

0,0

+ 155,8

8,7

6,0

+2,7

+ 158,5

Северный Ледовитый океан в целом

186,2

8,1

+ 178,1

8,7

10,4

-1,7

+ 176,4

В целом при синтезе глобальной модели биогеохимического круговорота СО2 блок, описывающий океанскую часть этого круговорота, должен в обязательном порядке описывать функционирование карбонатной системы океана. Алексеев и др. (1992), анализируя систему СО2-НСО3-СО3- и распределение значений pH океанской воды, получили весьма важную оценку того, что более 80% растворённого углекислого газа находится в форме гидрокарбонатного иона НСО3. А это значит, что при синтезе модели карбонатной системы океана с большой уверенностью в её точности можно учитывать только первую ступень диссоциации угольной кислоты. Как результат, поток Н^ растворённого в верхнем слое океана СО2 можно рассчитывать по формуле

ттс _ <tl)Vp;

31 + 0,56+ ’

где ф(Ть) — функция влияния температуры на растворимость СО2, Cs — солёность воды. Вид функции ф изучен недостаточно полно.

Имеются лишь некоторые экспериментальные оценки (Алексеев и др., 1992). Конечно, и здесь преобладает множество упрощённых подходов к оценке направленности потоков СО2 на границе атмосферы с океаном. В простейшем случае потоки Н^ и Н^ можно рассматривать как взаимоисключающие, т. е. можно считать, что на границе системы атмосфера-океан действует клапан. Его переключение определяется величиной pH. Критический уровень pH примерно равен 8,11. При pH <8,11 океан поглощает СО2, а при pH >8,11 океан выделяет СО2.

В глобальных масштабах в районах Мирового океана с холодной водой (северные широты, зоны апвелингов) преобладает поток Н^ , а в тёплых водах — поток Н^. Динамичность этого режима поддерживается происходящими в гидросфере реакциями взаимодействия СО2 с водой, в результате которых образуется угольная кислота:

НСО3 + Н2О о Н2СО3 + ОН”,СОУ + 2Н2О о Н2СО3 + 2ОН~.

В морской воде присутствуют растворённый углекислый газ, недис- социированные молекулы Н2СО3, анионы НСО3 и СОд”. Все они находятся в состоянии равновесия:

со2 + н2о Н2СО3 НСО^ + Н+ <ф coy + 2Н+.

Равновесие между угольной кислотой, ионами бикарбоната и ионами карбоната устанавливается очень быстро. Растворение же СО2 и образование Н2СО3 идут значительно медленнее. Однако, поскольку многими авторами наличие Н2СО3 оспаривается, то следует рассмотреть суммарную концентрацию СО2 и Н2СО3, обозначив её через [СО2]. Введём также обозначение для характеристики суммарной концентрации промежуточных компонентов:

£ С = [СО2] + [Н2СО3] + [НСО3-] + [COf-]. (4.1)

Следующими характеристиками гидросферы являются её щёлочность:

Л = [НСО3“] + 2[СОУ] + [Н2СО3] + [ОН"] - [Н+], (4.2) концентрации ионов кальция и водорода [Са2+] и [Н+], концентрации бикарбонатного и карбонатного ионов: [НСО^] и [СО3”].

С учётом этих обозначений сформулируем условия равновесия:

К0Рс = [СО2],

(4.3)

[нсо3-]=^И,

(4.4)

[СО2"] = к,,

1 3 J2,

(4.5)

[Ся2+1 = L ^+]

[J ^(К1^2[СО2])’

(4.6)

где Kq — показатель растворимости углекислого газа (равен 250 ммоль • л-1 атм-1 при 30 °C и 640 ммоль • л-1атм-1 при 0 °C), Lp — показатель растворимости СаСОз, К\ и К2 — первый и второй кажущиеся коэффициенты диссоциации угольной кислоты (зависят от температуры и давления).

Из (4.1)-(4.6) получаем:

Ес = |соз1(1 + ^ + ^).

Erikson (1963), используя оператор дифференцирования 5, вычислил относительные изменения [СО2], [Са2+], рс и А. Обозначив через U любой из этих компонентов и положив KU = 6U/U, находим:

Крс = А[СО2] - А^о,(4.7)

Д[Са2+] = ALP + 2Д[Н+] - АКХ - АК2 - Д[СО2],(4.8)

ДЕС = Д[СО2] +1,(4.9)

гого

А А = Д[СО2] + АКХ + ^ЛМ1 - ^ДВЛ,(4 ю)

где

Fq = 1 + сц 4" ct2, F\ = сц 4" ct2, F2 = сц 4" 2<z2, F3 = сц 4" 4<z2,

Опираясь на соотношения (4.7)-(4.10) и учитывая экспериментальные данные, Eriksson (1963) показал, что при возрастании температуры верхнего слоя морской среды на 1 °C возможно увеличение парциального давления СО2 в атмосфере на 4,2-5,8 %, а при уменьшении объёма воды на 1 % парциальное давление СО2 в атмосфере увеличивается на 3% и 0,1 % СО2 из водной среды выпадает в осадок в виде СаСОз. При вариациях равновесного состояния в глубоких слоях гидросферы выход 1 % СО2 в виде газа сопровождается 1 % осаждением СО2 в форме СаСОз. Более того, вариация в парциальном давлении СО2 коррелирует с изменением концентрации фосфора Р, так что уменьшение Р в глубоких слоях на 1 % приводит к увеличению рс на 5.6%.

Eriksson (1963) установил, что возрастание щёлочности на 1% вызывает уменьшение парциального давления СО2 в атмосфере на 2,26% и сокращение полного запаса СО2 в гидросфере на 0,98%. При этом в условиях отсутствия внешних поступлений Са в гидросферу возрастание щёлочности на 1 % вызывает увеличение скорости осаждения СаСОз, т- е- полная щёлочность уменьшается на 0,92%. Таким образом,

% увеличение щёлочности водной среды эквивалентно возрастанию pH на 0,5.

Равновесие между различными компонентами карбонатной системы гидросферы зависит от температуры и давления, комбинация которых коррелирует с pH так, что при заданных температуре и давлении равновесие является функцией только pH = — lg[H+]. Влияние температуры на pH в первом приближении можно описать законом Меррея (Иванов, 1978): АрН = —0,01 НАГ, хорошо работающего при pH е е [7,5; 8,4], Т е [1 -У 30] °C и солёности от 10 до 40 %о. Зависимость pH от давления рс подчинена эмпирическому закону Буха-Гриппенберга: pH = d/\pc, где в среднем d = —0,0254.

Связь равновесного состояния по обмену СО2 на границе атмосфера-океан с pH такова, что при давлении СО2 в атмосфере 330 х х 10-6 атм. равновесие имеет место при 20 °C для pH = 8,16 и при 0 °C для pH = 8,11. При более низком значении pH океан будет поглощать СО2, а при более высоком — выделять СО2. Из сказанного ясно, что потоки Н^ и Н^ на границе атмосфера-океан для своего функционального описания требуют глубокого проникновения в структуру карбонатной системы океана. Упрощённое описание этих потоков обычно основывается на сопоставлении парциальных давлений СО2 в атмосфере и океане. Согласно данным Алексеева и др. (1992), потоки Н^ и Н^ хорошо аппроксимируются функцией Н^ = к^(ра — Рс)1/2, где Ра и Рс парциальные давления СО2 в атмосфере и океане соответственно. При этом парциальное давление СО2 в атмосфере на уровне океана можно вычислять по формуле:

ра = 0,421 542 ■ 10-18Мс(273,15 + Т\

где Мс — масса СО2 в атмосфере в тоннах, Т — температура воздуха в °C.

Согласно Bjorkstrom (1979) функциональная зависимость рс от параметров карбонатной системы океана может быть представлена в виде рс = [ССУ/Аф. Из условия химического равновесия согласно (4.4) и (4.5) следует:

[СО2] = [Н+]£|,

где а = [Н+]2 + [Я+]Аф + К\К^, ^С = Cu/Wy, Wu — объём элементарного резервуара.

Обозначим

^ = [н+][он-], кв = И^2Щ,

Вт = [В(ОН)3] + [В(ОН)ф]

Тогда из (4.2) получаем:

А = ^Щ]-1 + КвВтТв + [Н+])"1 + Си^Кха^КхКг - [Н+]

или

-4 = №1 (|^ +-4 = №1 (|^ +2ОИ +[Н+]2 )2ОИ +[Н+]2 )ВтВт1 + [Н+]/Кв[Н+]1 + [Н+]/Кв[Н+](4.П)(4.П)

-4 = №1 (|^ +

-4 = №1 (|^ +

2ОИ +[Н+]2 )

2ОИ +[Н+]2 )

Вт

Вт

1 + [Н+]/Кв[Н+]

1 + [Н+]/Кв[Н+]

(4.П)

(4.П)

Решение этого уравнения относительно [Я+] позволяет определить рс как фунуцию Су- По оценкам Bjorkstrom (1979) Кв = 2 • 10-9, Kw = = 10"14.

Правая часть уравнений (4.2) и (4.11) подразумевает учёт всех слабых кислот в морской воде. Ионы других соединений принимаются в расчёт через зависимость констант равновесия от солёности или хлорности. Характерным параметром равновесия карбонатной системы является переменная

(АлЯЖ[я+](АлЯЖ[я+]УсоуХ\с.К\УсоуХ\с.К\

(АлЯЖ[я+]

(АлЯЖ[я+]

УсоуХ\с.К\

УсоуХ\с.К\

В терминах этого параметра имеем:

£С = (1 +КХ + Х2)[СО2]£С = (1 +КХ + Х2)[СО2](4.12)(4.12)

£С = (1 +КХ + Х2)[СО2]

£С = (1 +КХ + Х2)[СО2]

(4.12)

(4.12)

А = (КХ+2Х2)[СО2] + ЩХ)(4.13)

где К = ДЖ

Исключим [СО2] из (4.12) и (4.13):

(2С - Л')Х2 - К (А' - С^Х - А' = 0,(4.14)

где А' = А - W(X\

Поскольку ТУ(Х) -С А, то для решения уравнения (4.14) можно использовать следующую итеративную процедуру, начинающуюся с оценки X = Xi(=l):

А' = А- W^\А' = А- W^\-Ъ Г Qo1 - 4acV/tZ2а-Ъ Г Qo1 - 4acV/tZ2а(0 2),(0 2),

А' = А- W^\

А' = А- W^\

-Ъ Г Qo1 - 4acV/tZ

2а

-Ъ Г Qo1 - 4acV/tZ

2а

(0 2),

(0 2),

где а = 2С — А'_„ b = К(А'_, - С).

Обменные процессы на границе атмосфера-океан подробно изучены экспериментально в работах Киселёвой (1990), Зайцева (1988) и др., где показано, что в области высоких скоростей ветра происходит резкое возрастание скорости газообмена. Это связано с механизмом образования пены на гребнях волн и интенсивным захватом пузырьков воздуха и их проникновением под поверность воды. Зависимость потока количества брызг Q от высоты над уровнем водной поверхности хорошо

аппроксимируется линейной функцией. Например, для скорости ветра V = 11,1 м/с такая аппроксимация имеет вид (Киселёва, 1990):

!

Qf exp {—14,5^ + 0,684} при отсутствии обрушений волн,

Qf exp {-7,48^ + 0,842} при обрушении волн,

где Q' [1/ (см2 с)] — размерный множитель.

Экспериментальные оценки суммарного газопереноса капельным механизмом показали, что поток СО2 между водой и воздухом может колебаться от 1,44 мгСО2 • м-2час-1 при отсутствии обрушений волн до 26,6 мгСО2- м-2час-1. Также на скорость газового обмена на границе атмосфера-океан заметное влияние оказывает процесс образования на поверхности слоя пены. В этом случае скорость газообмена может возрастать до 28%. Всё это позволяет сделать вывод о необходимости тщательного моделирования указанных механизмов переноса СО2 между атмосферой и водной средой. Спутниковые средства мониторинга Мирового океана позволяют фиксировать зоны образования пены, а следовательно, наряду с моделированием процессов пенообразования можно использовать непосредственные измерения площадей акваторий со слоем пены.

Сам механизм поведения газовых пузырьков в верхнем слое океана изучен плохо. Имеющиеся теоретические результаты, как правило, опираются на ряд предположений, которые во многих случаях могут оказывать принципиальное искажение представлений о реальных процессах газового обмена между атмосферой и океаном. Среди этих предположений наиболее часто встречаются следующие:

пузырьки воздуха в верхнем слое океана практически мгновенно приобретают температуру окружающей среды, поскольку молекулярный коэффициент теплопроводности на 2-3 порядка выше молекулярного коэффициента диффузии газов;

нахождение пузырьков воздуха в воде не влияет на её динамику;

в водной среде не происходит слияния пузырьков воздуха.

Размеры пузырьков воздуха в воде непрерывно изменяются по причине их постепенного растворения. При этом поток газа через поверхность пузырька описывается законом:

Q = ^RD\MS-Nip

где |Др| — разность парциальных давлений газа в воде и атмосфере, R — радиус пузырька,

Ч + 0,5Ре + 0,5Ре21п(2Ре)Ч + 0,5Ре + 0,5Ре21п(2Ре)длядляR < 20 мкм,R < 20 мкм,

Ч + 0,5Ре + 0,5Ре21п(2Ре)

Ч + 0,5Ре + 0,5Ре21п(2Ре)

для

для

R < 20 мкм,

R < 20 мкм,

Nu = <Nu = <уД/З^Ре1/30,45Pe1/3Re‘/3уД/З^Ре1/30,45Pe1/3Re‘/3для 20 мкм < R < 200 мкм,

Nu = <

Nu = <

уД/З^Ре1/30,45Pe1/3Re‘/3

уД/З^Ре1/30,45Pe1/3Re‘/3

для 200 мкм < R < 400 мкм,

Re — число Рейнольдса (Re = ‘ZoRfDY Ре — число Пекле (Ре = = vR/v), v — вязкость воды, и — скорость движения пузырька, D — коэффициент молекулярной диффузии газа.

Ясно, что состояние поверхности океана существенно влияет на его газовый обмен с атмосферой. Размеры акваторий с пеной или барашками зависят напрямую от сочетания таких параметров, как скорость ветра, температура воды и наличие течения. Анализ статистических характеристик пятнистости поверхности океанов, проведённый многими авторами, позволяет описать процентное распределение площадей, покрытых пеной (Sy) и барашками (Si), следующими бинарными функциями скорости ветра V (на высоте 10 м):

для V < 5 м/с, для У > 5 м/с, для V < 5 м/с, для У > 5 м/с.для V < 5 м/с, для У > 5 м/с, для V < 5 м/с, для У > 5 м/с.,о

для V < 5 м/с, для У > 5 м/с, для V < 5 м/с, для У > 5 м/с.

для V < 5 м/с, для У > 5 м/с, для V < 5 м/с, для У > 5 м/с.

10,65 {1 + 4,76 • 10-2(V-52)}

. _ /о

4 ~ ^0,015 {1 + 2,2- 10-2(У-53)}

Согласно Киселёвой (1990), соотношение площадей акваторий с пеной и барашками при У > 5 м/с удовлетворяет следующему правилу:

^ = 50 - 3,4(У - 5)

Из сказанного ясно, что строение границы атмосфера-океан может влиять на газовый обмен в широких диапазонах изменения потоков Н^ и Н^. К сожалению, уровень имеющихся знаний о закономерностях изменения площади границы атмосфера-океан в зависимости от синоптических ситуаций не позволяет дать чёткую оценку пределов детализации процессов на этой границе, чтобы вычисляемые значения потоков Н^ и Н^ были максимально близки к реальным. Это значит, что в этом месте синтеза глобальной модели круговорота СО2 ещё присутствует некоторая неопределённость.

Зональная модель глобального круговоротауглерода в системе «атмосфера-океан»

Рассмотрим один из вариантов параметризации глобальной динамики углекислого газа в системе атмосфера-океан, предложенный и изученный Нефёдовой (1994). Пространственная неоднородность Мирового океана аппроксимируется по зональной схеме в соответствии с широтной зависимостью климатических процессов, а также процессов перемешивания атмосферы и океанов. Выделяются 14 широтных зон размерами 10°. По вертикали в Мировом океане выделяются три слоя: верхний квазиоднородный слой (ВКС) с зависящей от времени толщиной, термоклин и глубокий океан. В результате Мировой океан делится на 42 объёмных части. При этом считается, что между 40° с.ш. и 40° ю.ш. имеет место апвелинг, а в высоких широтах — даунвелинг.

В ВКС вода движется от экватора к полюсам, в глубоких слоях вода движется в противоположном направлении. Над каждой акваторией атмосфера описывается точечной моделью. Обмен углеродом между зонами атмосферы происходит за счёт адвекции Щ и турбулентной диффузии Hf:

Нг = Щ + Н^ (г =1,14);

Н“ = 2тгЯо/гйЦ(Ца - Ц°+1) cos^,

Hf =" С<^ cos^’

где СР = Мф [V*1 — концентрация углерода в г-й зоне атмосферы, М^ — масса углерода в г-й зоне атмосферы, V^ — объём г-й зоны атмосферы, Rq — радиус Земли, ф^ — широта южной границы г-й зоны, ha — высота атмосферы (10 км), V* — средняя скорость меридионального переноса воздушных масс в атмосфере (0,2-1,0 м/сек), Ан — коэффициент (105 м2/сек) .

Обмен СО2 через границу атмосфера-океан описывается традиционной закономерностью:

Нр = Ци^Р? - РП

ГД6.,

= kaM?RT?S-lfrl,

Циф) — коэффициент пропорциональности, зависящий от скорости ветра, Рф и Рф — парциальные давления СО2 в г-й зоне атмосферы и океана соответственно, ка — доля массы 100-метрового столба воздуха в массе столба высотой 10 км (^з0,01602), R — универсальная газовая постоянная (8,31451 Дж/(моль-К), Тф — температура воздуха на уровне океана в г-й зоне (Tf = Тф8 + М?^ , Тф8 — сезонная температурная компонента, ATf — среднегодовое изменение температуры воздуха, вызванное повышением содержания СО2 в атмосфере.

Предполагается, что изменение температуры поверхности океана происходит синхронно с изменением температуры атмосферы на ту же величину:

Тф = Тф8 + ATf.

Парциальное давление растворённого в поверхностных водах СО2 прямо пропорционально его концентрации в воде и обратно пропорционально его растворимости. Эта зависимость устанавливается через решение системы уравнений (4.12) и (4.13), описывающей функционирование карбанатной системы океана. Для численного решения этой системы можно использовать, например, метод секущих. В результате находим [СО2] и Рф. На основе данных о зависимости констант равновесия соответствующих химических реакций от температуры находим:

Р“ = Р“(С-,Т“) O = TJ4).

Турбулентные потоки углерода на нижней границе ВКС (Ниpl) и верхней границе термоклина (Нр) опишем функциями:

НТ =НТ =(С^ - ф (к + ^) при dhi/dt + Vi^O,Опри ^ +> о

НТ =

НТ =

где Сщ и Сщ — концентрации неорганического углерода в ВКС и термоклине соответственно, hi — глубина ВКС г-й зоны океана (зависит от времени года), V^ — скорость подъёма (в апвелинге) или опускания (в даунвелинге) воды (0,001-0,1 см/сек).

Турбулентные потоки углерода на границе термоклин-глубокий океан считаем пропорциональными с коэффициентом кр разности концентраций углерода в соприкасающихся слоях:

НТр = кТф-ф (г =1,14),

где С^ — концентрация неорганического углерода в глубоком океане г-й зоны.

Производство и циркуляция органического углерода в океане подробно изучена и параметризована многими авторами (Krapivin, 1996; Nitu et al., 2000 a, b; Kondratyev, Krapivin, 2002). В модели Нефёдовой и Тарко (1993) приняты следующие аппроксимации:

Bi - Bi + §. + ! sin (wt 2) }

при у € [60°7V, 90°7V] U [60°S,90°S] (г = 1, 14);

при ф е [10°TV, 60°7V]u[10°5,60°5] (i = 2 ^ 6, 9 4- 13);

при ф е [0°, 10°TV] U [0°, 10°5] (г = 7,8); где В® — среднегодовая продукция фитопланктона (150-550 млрд т/год), 5^ — отношение максимального и минимального значений скорости производства органического вещества.

Произведённое в ВКС органическое вещество разлагается и опускается в более глубокие слои. Обозначим через B^d, B?d и B^d скорости разложения органического вещества в ВКС, термоклине и глубоком океане соответственно; у — отношение среднего годового количества разлагающегося в ВКС органического вещества к средней за год продукции фитопланктона, т — время запаздывания разложения органи-

ческого вещества, D — средняя глубина всего океана (3653-3795 м), Н — глубина залегания нижней границы термоклина (30-200 м). Тогда

By = ^(t-T) (i=vRyвУ = у-^^-увЛ;в^л1-у%^увЛ-

Здесь угловые скобки () означают вычисление среднего значения за годовой цикл.

Итак, сезонная модель глобального круговорота углерода, развитая в работах Нефёдовой, Тарко (1993) и Нефёдовой (1994), описывается системой 56 обыкновенных дифференциальных уравнений с периодическими коэффициентами (г = 1,, 14):

4 Л К - № + к) Л = НГ - HUPL + L\ - BP + ву,

4 сун -нЦ^ vA с^ = нТ + HTF + ву;

Л суп -нн кЛ = Ц- нТр + вЛ

ПГ = Л + кунг - нгИ - 0,0Х28гнГ;

где 7“ — антропогенные выбросы углерода в г-й зоне атмосферы.

Пространственная модель круговорота углеродав мировом океане

Наряду с уже отмеченными физико-химическими процессами превращения углеродистых соединений в гидросфере, важное место в их пространственном переносе занимает общая циркуляция Мирового океана. Согласно имеющимся оценкам, около 8% (~1,7 Гт) органического вещества, образующегося в процессе фотосинтеза, опускается в глубинные слои и окисляется до СО2. Этот процесс уравновешивается медленным подъёмом воды вверх и тем самым создаётся ситуация устойчивости по обмену СО2. Однако в локальных ситуациях имеют место довольно сильные отклонения от устойчивого состояния, описать которые можно лишь схемой пространственно-временной структуры движения океанских вод. Блок-схема этой структуры ориентирована на выделение поверхностных, промежуточных, глубинных и придонных вод, а также указание на всех этих горизонтах топографии течений. В литературе описаны модели циркуляции Мирового океана различной точности, поэтому создание этой части блока глобальной модели не представляет каких-либо затруднений.

Следуя работе Nitu et al. (2000b), по глубине z океан разделим на четыре основных слоя: фотический до хорошо прогреваемых глубин

(Q[/ = [7[^, ^+1], ^о = О; % = 0, 1,..., т — 1); промежуточный (Qp = = U\zp ^+i], % = т,..., т + п — 1); глубокий (Qp = [7[^, ^+1], г = т-V- + п,... ,т + п + I — 1) и придонный Qp. По гидрофизикоэкологическим характеристикам слой Qp в зависимости от широты ур долготы А и времени года t может быть отнесён к тёплым или холодным водам, слой Qp является фотическим, но всегда с низкой температурой воды, в слое Qp отсутствует продуцирование фитопланктоном. Наконец, слой Qp играет роль пограничного слоя.

В среднем слой Qp имеет площадь 360 • 1012 м2 и глубину zm = 75 м, причём к тёплым водам можно отнести площадь 240 х х 1012 м2. Слой Qp расположен на глубинах от zm до zm+n — 200 м. В конкретных реализациях модели, приведённых в книге Крапивина, Кондратьева (2002), полагалось т = 10, п = 2, I = 8.

Вертикальный перенос СО2 в океане определяется адвективными потоками Н^ - и гравитационным осаждением мёртвого органического вещества (поток Н^-). Адвективный перенос из г-го в j-й резервуар океана считается пропорциональным концентрации углерода в соответствующих резервуарах: H^9ij = X2,tjCaii (а = U,P,L), где Х2,у = = Vij/Vp Vij — объём воды, переносимой в единицу времени из г-го резервуара в j-й; Vi — объём г-го резервуара.

Широко используется следующий алгоритм параметризации процесса осаждения углерода. Предполагают, что поток под единицей площади океана уменьшается экспоненциально с глубиной. Обозначая приток органического вещества в г-й резервуар через g- и полный отток органического вещества от поверхности воды через ТДощ, получим:

-^20,1 = ^20,74

Н20Л =gi-l^exP ’ (» = 2-'---т + п + 0,

где at — площадь г-го резервуара, Ds — характерное время осаждения частиц органического вещества до их разложения. Скорость разложения в каждом резервуаре равна

Rd л = Н§)У - ^207+1 = L Rd,F = ^20,m+n+Z — ^16-

Однако, если время перехода частиц органического вещества из одного слоя в другой мало по сравнению с Ds, то целесообразнее положить H^q i = Х\Сау, H\Qi = Х^Сру. Дополнительно к этим потокам нужно учесть потоки разложения детрита, растворения донных отложений и потребления углерода в процессе фотосинтеза:

Н^л = const, H\%i = X3DLii, Нр». = XaDu.i,

Оценки параметров моделей частных океанических процессов круговорота углерода имеют большой разброс. Например, по данным различных авторов потребление углерода из гидросферы в процессе

фотосинтеза оценивается величинами от 10 до 155 ГтС/год. Наиболее распространена оценка 127,8 ГтС/год. Однако из-за большой дисперсии этих оценок расчёт коэффициента С^\ содержит большую неопределённость и поэтому требует для своего уточнения проведения имитационных экспериментов с использованием других, более точных данных.

Наконец положим, что поверхностные слои океана пополняются углеродом за счёт стока с суши: Н^л = C7Wsio, Н^ = C%WHiO, где Wsio и Whw — речной и подземный сток в Мировой океан соответственно.

С учётом обозначений табл. 2.3 балансовые уравнения для описания глобального круговорота углерода запишутся в виде:

9СА ттС эса эса I

i=7i=7(^> А) Е(^,А) е Q\QO;(^> А) Е(^,А) е Q\QO;

i=7

i=7

(^> А) Е

(^,А) е Q\QO;

(^> А) Е

(^,А) е Q\QO;

^Csx ттС ттС ттС ттС ттС.

“ Н7 -— ^14 — ^15’

4

dtdtTjC ттС ттС ттС ттС.

dt

dt

г=1

РД 4. Ц 9Си J- 1;и 9Си = dt » д^ +их 9х

= Qu + Ду + ^25 — и — Н3 + Нд + Н^ди — H^p

ЭСрdtЭСрdt+ v+ vрЭСр , рЭСр _* ду + "А ЭХ “

ЭСрdt

ЭСрdt

+ v

+ v

ттС ттС I ттС ттС ттС I ттС I ттС.

— П19,Р - и + ^20,и - ^20,Р “ п2\,Р + ^22 + ^25’

дСр ! ^L^Cl ! ^L^Cl _ ЫС । ттС ттС । ттС ттС .

”дГ ++—+Р + ^20,Р ~

дСр рЭСр рЭСр _ттС I ттС ттС I ттС

Поток Qu формируется из Н^ и Н^. Будем считать Qu = 0 для пелагических областей Пор Мирового океана. Формирование Qu на шельфе опишем простым алгоритмом при предположении об однородном распределении стока с К -го региона в М -ю акваторию:

Г 0,(р, А) Е Clop,

Qu = Рнс+нс^, UPH^oWp,

где аор и а и — площади акваторий Пор и П^ соответственно.

Моделирование круговорота органическогоуглерода в океане

Общие принципы построения моделей океанских экосистем. Каждый элемент океанской экосистемы А может быть описан некоторым числом параметров, а связь между элементами может быть перенесена на связь между соответствующими параметрами. Тогда в целом экосистема А может быть описана N параметрами x*(t) = = ^Xj(t),j = 1,..., 7VJ, зависящими от времени. Структура |A(t)| и поведение A(t) экосистемы А, которые мы можем с большей или меньшей подробностью наблюдать, являются функциями этих параметров. Поэтому сама экосистема A(t) = {|Л(^)|, Л(^)} как совокупность структуры и поведения является функцией этих параметров

A(t) = F(x4t)).(4.15)

Следовательно, согласно (4.15), с изменением времени t экосистема А будет характеризоваться траекторией в (N + 1)-мерном евклидовом пространстве. Моделью экосистемы A(t) будем называть абстрактное образование

AmW = FM(x*'M),(4.16)

зависящее от М < N компонентов вектора x*(t) ({x*,M(t)} Е {x*(t)}) и учитывающее, вообще говоря, не все имеющиеся между ними связи.

Чем ближе М к N и чем полнее учитываются связи между компонентами вектора x*,M(t\ тем меньше рассогласование траекторий экосистемы A(t) и её модели Ам^\ Последнее можно измерять любой естественной мерой, например, максимумом абсолютной разности соответствующих координат траекторий или величиной интеграла от абсолютной разности всех соответствующих координат за конечный промежуток времени. Другими словами, введём некоторый целевой функционал

V = QM(4-17)

на траектории экосистемы A(t\ Вид функции Q определяется характером требований, предъявляемых системой А к окружающей среде. Считается, что естественный эволюционный процесс приводит к оптимальной системе, а поэтому систему AopwW’ обеспечивающую экстремум функционала (4.17), будем называть оптимальной моделью экосистемы А.

На величину рассогласования между траекториями экосистемы А и оптимальной моделью Aopt)M(t) влияет степень соответствия выбранного соотношением (4.17) целевого функционала V действительной цели А экосистемы А. Множество G = {Л1,..., АТ,..., Ат} возможных правдоподобных целей {Аг} экосистемы А может быть построено на основе накопленного океанологами опыта. Тогда, определяя

^opt,M,r = gr(AT),AT Е G,

мы приходим к ограниченному набору возможных оптимальных систем А0^,м,г (у = L---, ^), траектории которых вместе с траекторией экосистемы А находятся в простанстве возможных траекторий. Находя А0^,ммь траектория которой имеет минимальное рассогласование с A(t), мы можем, исходя из этого, найти наиболее правдоподобную цель экосистемы

АТ0 = (§А (^opt,M,ro(^))«

Построение математической модели океанской экосистемы А (рис. 4.1) требует, согласно выше изложенным принципам, либо

Рис. 4.1. Схема трофических нагрузок между элементами экосистемы апве- линга. На стрелках указаны значения коэффициентов Сц. Обозначения: р — фитопланктон, п — биогенные элементы, d — детрит, b — бактериопланктон, Z\ — простейшие, Z^ — микрозоопланктон, Z3 — мелкие фильтраторы, Z4 — крупные фильтраторы, Z5 — мелкие хищники-циклопоиды, Z^ — хищники- каляноиды и Z? — крупные хищники хетогнаты и полихеты

составление детального описания всего множества её состояний, либо создания достаточно полного комплекта математических моделей совокупности происходящих в А процессов энергообмена между трофическими уровнями и взаимосвязей биотических, абиотических

и гидрофизических факторов. Конечно, при этом предполагается наличие определённого набора допущений о характере балансовых соотношений в экосистеме А.

++В качестве основного предположения принимается, что в экосистеме А единственным первоисточником энергии и вещества для всех форм жизни служит энергия солнечной радиации ^Е\ Согласно многочисленным теоретическим и экспериментальным исследованиям, проникновение солнечного света в глубокие слои океана подчинено экспоненциальному закону:

+

+

Е = uEq expЕ = uEq expJ{<5p(y?, А, ж, t) + 3d(yp, А, ж, t) + vZ(p, А, ж, ty^dx — azо■

Е = uEq exp

Е = uEq exp

+ (1 - n)Eoexp (-(z),(4.18)

где Eq = Е(р, А, 0, t) — освещённость на поверхности океана, а — коэффициент поглощения света фильтрованной морской водой; 5, /3 и ^-коэффициенты погашения света за счёт затенения фитопланктоном (р), детритом (d) и зоопланктоном (Z) соответственно; и и ( — параметры, подбираемые в конкретной ситуации с целью наилучшего приближения Е(р, A, z,t) к реальной картине изменения освещённости с глубиной. Заметим, что здесь влияние биомассы других трофических уровней на прозрачность воды считается пренебрежимо малым.

Освещённость влияет на скорость фотосинтеза Rp. Известно, что Rp как функция Е имеет максимум при некотором оптимальном значении Етах, убывая при увеличении и уменьшении освещённости от этого критического значения. Максимум Rp на различных широтах р располагается на глубинах, изменяющихся в зависимости от сезона года (т. е. от высоты солнца). Так, в тропических зонах эта изменчивость положения максимума фотосинтеза с глубиной наиболее заметна. Среднее положение максимума фотосинтеза находится на глубинах 10-30 м, а в открытых акваториях он может наблюдаться на глубинах ниже 30 м. Здесь Етах = 65-85 кал.-см-2сут-1. Начиная с глубин, где Е = 20-25 кал.-см-2сут-1, фотосинтез уменьшается пропорционально Е. Явное угнетение фитопланктона светом наблюдается при Е > 100 кал.-см-2сут-1. Эти оценки оказываются другими в северных широтах, где максимум фотосинтеза, как правило, располагается на поверхности.

Скорость фотосинтеза на глубине z зависит от температуры воды Tw, концентрации биогенных элементов п и биомассы фитопланктона р, а также от других факторов, которые здесь не учитываются. Для выражения этой зависимости привлекаются различные уравнения, которые в той или иной форме отражают лимитирующую роль элементов Е, п и р. Учитывая, что dp/pdz —> 0 при п 0 и dp/pdz —> const с ростом п, примем за основу следующую функцию для описания

интенсивности фотосинтеза на глубине z:

ШМ) = HTwWHMH(4-19)

где

KT = Afx(E), л = ^^, /,(£) = Еexp(4.20)

-L^maxL X £/max / J

Ыр) = [1 - exp{-7ip}], /3(n) = [1 - ехр{-72п}Ц

k — коэффициент пропорциональности; ko(Tw) — функция, характеризующая зависимость скорости фотосинтеза от температуры воды Tw; ^max ~ ассимиляционное число в области максимального фотосинтеза (прирост на единицу веса фитопланктонных организмов); 71, 72, и т — константы, выбор которых может определять видовые характеристики элементов фитопланктона. Для Лтах справедлива оценка: Алах = 5,94 Етах в области максимального фотосинтеза и 2,69Етах для других областей. Согласно этой оценке, ассимиляционное число тропического фитопланктона в области максимального фотосинтеза в среднем составляет около 11-12 мгС/час. Так, для Перуанского апвелинга Лтах = 6,25 мгС/час. При этом световое насыщение фотосинтеза в экваториальных районах достигается при 9 кал.-см-2сут-1.

Относительно зависимости ko(Tw) известно, что удельная интенсивность фотосинтеза фитопланктона с изменением температуры от низкой к более высокой сначала возрастает, достигая в некотором диапазоне оптимальных для р температур наивысшего значения, а затем с дальнейшим повышением температуры начинает падать. В окрестности максимума часто используется следующая аппроксимация:

ko(Tw) = exp^Tw - Tw^ In А}, 0 < A < 2.

Зависимость скорости фотосинтеза от концентрации биогенных элементов n(pA,z,t) (фосфора, кремния, азота и др. солей), выраженная в формуле (4.19) экспоненциальным членом, безусловно является более сложной. Биогенные элементы являются одним из важнейших звеньев экосистемы, так как именно они регулируют поток энергии в ней. Запасы биогенных элементов расходуются в процессе фотосинтеза со скоростью Rn, обычно аппроксимируемой выражением Rn = 5RP, где 5 — коэффициент пропорциональности. Пополнение запасов биогенных элементов происходит за счёт их выноса при подъёме глубинных вод, где их запасы формируются в результате химических процессов разложения мёртвого органического вещества. Процесс разложения мёртвого органического вещества контролируется гаммой абиотических условий, характерных для различных климатических зон Мирового океана. Вертикальный поток биогенных элементов определяется условиями перемешивания вод. В тропических зонах, где вертикальная структура вод имеет ярко выраженную трёхслойную конфигурацию с наличием слоя с резким скачком температуры (слой термоклина), вертикальное движение биогенных элементов ограничено этим слоем. В тех акваториях,

где термоклин распространяется на глубинах 40-100 м, верхний слой обычно обеднён биогенными элементами, и их поступление в этот слой происходит лишь в зонах апвелингов. В этом случае средняя скорость вертикального подъёма воды под термоклином колеблется в диапазоне от 10-3 до 10-2 см/с, а в зонах апвелинга (прорыва термоклина) она может достигать величины 0,1 см/с.

Уравнения динамики экосистем Мирового океана. Вся толща океанской воды рассматривается как единый биоценоз, в котором основным связующим фактором является поток органического вещества, продуцируемого в поверхностных слоях и затем проникающего до максимальных глубин океана. При этом предполагается, что все параметры модели могут изменяться в зависимости от места и времени, а их параметрическое описание осуществляется по средним характеристикам, т. е. детерминированными моделями.

Будем считать, что пищевые связи между трофическими уровнями описываются моделью Ивлева, т. е. потребление различных видов пищи г-м трофическим уровнем пропорционально их эффективным биомассам. С учётом принятой в работе Кондратьева и др. (2003 в) диаграммы пищевых связей и структуры трофической пирамиды типовой океанской экосистемы рассмотрим каждый трофический уровень более детально.

Большую роль в трофических цепях океана играет бактериопланктон Ь. По имеющимся оценкам не менее 30% массы бактериопланктона находится в естественных агрегатах размером более 3-5 мк, из-за чего эта биомасса становится доступной для удовлетворения пищевых потребностей фильтраторов. Это обстоятельство важно учитывать при разработке модели экосистемы, так как во многих районах Мирового океана продукция бактерий сравнима с продукцией фитопланктона. Бактерии, занимая особое место в трофической пирамиде, отличаются изменчивым обменом, сильно понижающимся при недостатке пищи, что сопровождается соответствующим снижением скорости их роста. Пищей для бактерий в основном служат детрит d и растворённое органическое вещество g, выделяемое фитопланктоном. В результате для рациона бактерий можно записать формулу Ивлева:

Rb = kbb\i - exp^-k^d - k\,gg\(4.21)

где кь, к\д и k^g — экспериментально определяемые коэффициенты.

Уравнение, описывающее динамику биомассы бактериопланктона, запишется в форме:

8b v 8b 8b ЭЬ

X8X+Vz8"Z

= Rb-Tb-Mb- £ CbsRs + k2^ + fc2,A^ + k2,^. (4.22) str W эх2 dz2

где Ть и Мь — потери биомассы бактериопланктона за счёт энергообмена с окружающей средой и отмирания, Г^ — множество трофической подчинённости бактериопланктона (в типовом случае Г^ состоит из одного элемента Z, Сь,8 — доля бактериопланктона в пищевом рационе s-ro элемента экосистемы. Величины Ть и Мь опишем соотношениями

Ть = Ш(4.23)

Mb = max{0, p,b(b - Вb^},(4.24)

где tb — удельная трата на обмен со средой; рь ~ скорость отмирания бактерий; Вь и £ — константы, определяющие зависимость интенсивности отмирания бактерий от их концентрации. Коэффициент к^ = = (к2,фЛ2,хЛ2,г) определяет процесс турбулентного перемешивания океанской среды.

Динамическое уравнение для биомассы фитопланктона имеет вид: др . v др др др ^ + У^ + УлдА+У^ =

м2м2

= RP-TP-MP- £ CpsRs ++ k2Я + k2(4.25)

где Гр — множество трофической подчинённости фитопланктона, Cps — доля биомассы фитопланктона в пищевом рационе элементов s-ro трофического уровня экосистемы, Тр — траты на энергетический обмен со средой, Мр — отмирание клеток фитопланктона. Последние величины определим соотношениями:

Мр = тах{0, рр(р — р)^}(4.26)

Тр = tpP(4.27)

где tp — удельные траты на дыхание клеток фитопланктона, рр — коэффициент отмирания фитопланктона, р и д — коэффициенты, характеризующие зависимость скорости отмирания клеток фитопланктона от их концентрации.

Важным трофическим звеном океанской экосистемы является зоопланктон, который представим интегральным уровнем Z, под которым понимается наличие большого числа подуровней с пересекающимися трофическими связями. Зоопланктон потребляет фито- и бактериопланктон. Сам он служит пищей нектону г и детритофагам D.

Величину рациона зоопланктона опишем формулой Ивлева:

Rz = kz (1 - exp [—^S]),(4.28)

где В — биомасса доступной пищи (В = max {О, В — Bmin}), kz — максимальная величина рациона при избытке пищи, и — коэффициент, характеризующий уровень голодания. Максимальный рацион принимается равным пищевым потребностям, которые, в свою очередь,

определяются интенсивностью обмена Тх и максимально возможным при данной интенсивности обмена приростом Рх. Обе последние величины связаны между собой коэффициентом q^ = Рх/(Рх + Т1), так что получаем:

^Z = TxU^l — ^2,шах)?

где 1/u — усвояемость пищи, ^2,max = max (72-

Формула (4.28) означает, что при малом количестве пищи рацион зоопланктона растёт пропорционально количеству пищи, затем, по мере приближения рациона к максимальной величине kz, он всё в меньшей мере зависит от В. Так как в реальности не происходит полного выедания одного трофического уровня другим, то в (4.28) фактически имеет место ограничение, устанавливающее Rz = 0 при В ^ Bmin, где Bmin — минимальная непотребляемая биомасса пищи. В (4.26) величина р играет ту же роль, но в процессе отмирания клеток фитопланктона.

Таким образом, изменение биомассы зоопланктона подчинено закономерности, описываемой решением следующего дифференциального уравнения:

dz dz dz dz _

= Rz -Tz - Mz - Hz ^ CzsRS + ^2, sErz д^ ЭХ dz

(4.29) где Tz — множество трофической подчинённости зоопланктона, Czs ~ доля биомассы зоопланктона в пищевом рационе s-ro трофического уровня, Hz, Tz и Mz — величины потерь биомассы зоопланктона за счёт неусвоенной пищи, трат на дыхание и отмирание соответственно. Последние три величины опишем соотношениями:

(4.30)(4.30)Hz = hzRz, Tz = tzZ, Mz = (pz + Pz,xZ)Z,

(4.30)

(4.30)

где коэффициенты hzHz^Pz и ргд определяются эмпирически для конкретного вида зоопланктона.

Как видно из (4.29), зоопланктон рассматривается как пассивный элемент экосистемы, подверженный физическим процессам перемещения в пространстве с движением водных масс. Однако известно, что зоопланктон обладает миграционными функциями в основном вертикального направления. В данной модели применим простой механизм имитации процесса вертикальной миграции зоопланктона. Для этого разобьём всю толщу воды на два слоя: 0 < z < zq и zq < z < Н. Будем предполагать, что миграции зоопланктона между этими слоями носят пищевой характер, т. е. часть зоопланктона из слоя [^о,^] может удовлетворять свои пищевые потребности в слое [0, zq]. Так что при учёте Bmin рассматривается весь вертикальный профиль В(р, A, z,t).

-ties.-ties.Коэффициенты Cas (а = р, Z) в формулах (4.25) и (4.29) определим из предположения о том, что потребление различных видов пищи s-м трофическим уровнем пропорционально их эффективным биомассам:

-ties.

-ties.

(4.31)

где Ва — эффективная биомасса а-й пищи, Ss — множество трофического подчинения s-ro компонента, ksa — коэффициент пропорциональности, определяющий значимость s-й составляющей в пищевом рационе а-го элемента.

Уравнения для описания динамики биомассы нектона (г), детри- тофагов (D), детрита (d), растворённого органического вещества (g) и биогенных элементов (п) примут вид:

= Rr — Нг — Тг — Мг — У CTSRS,(4.32)

ot“

sery

^ = RD-HD-TD-MD- £ CDsRs, (4.33) 9tS^D

^ + Ц^ + v^ + VZP = Mb + MD + Mr + Mp + Mz + Hz + at Y op oX oz

+ Hr + HD - ^dd - CaoRn + fc2,v|^ + ^.У + k2S, (4.34) op oX oz

8t *8ф dX 8z1 Эф 8X 8z

(4.35)

■^ + Ц p + V\ p + Vzp = Tp + Ть + Tr + Td + Tz — CgbRb + 8t v Эф ЭХ 8z ps

+ fc2,vf<+ £2,х|У(4.36)

Эр2 ЭХ2dz2

Здесь Ha = (1 — ha)Ra — неусвоенная пища а-го элемента (а = r,D), Та = taa — траты на энергообмен, Ма = (ра + ^д^), & — отмирание, Pg — показатель скорости пополнения запасов биогенных элементов за счёт разложения растворённого органического вещества, 5 — коэффициент потребления биогенных элементов в процессе фотосинтеза.

Как следует из уравнений (4.32) и (4.33), в модели принимается предположение, что элементы нектона и детритофаги не перемещаются в пространстве с движением водных масс. Считается, что эти элементы мигрируют в пространстве независимо от гидрофизических условий в окружающей их среде. Рассмотрим два возможных варианта моде-

лирования процесса миграции. Первый вариант связан с добавлением в правые части уравнений (4.32) и (4.33) членов, описывающих турбулентное перемешивание с коэффициентами к^ > к^. Другими словами, процесс миграции отождествляется с процессом усиленного турбулентного перемешивания, т. е. является случайным. Однако, процесс миграции рыб сопровождается проявлением целесообразности в выборе направления их движения. Согласно биологическому принципу адаптации, миграция рыб подчинена принципу комплексной максимизации эффективного пищевого рациона при сохранении параметров окружающей среды в пределах условий их обитания. Следовательно, перемещение рыб в пространстве с характерными скоростями обеспечивает их нахождение в тех участках, где в данное время имеются наиболее благоприятные пищевые и другие (температура, солёность, растворённый кислород, концентрации химических элементов) абиотические условия. А это значит, что миграция рыб происходит в направлении максимального градиента эффективной пищи при выполнении ограничений на параметры окружающей среды.

Анализ вертикальной структуры экосистемы океана. Для проведения качественных оценок роли экосистем Мирового океана в глобальном круговороте углерода полезно рассмотреть некоторые аспекты закономерностей формирования вертикальных распределений органического вещества. Из уравнения (4.25) следует, что число s максимумов его решения р(р, A, z,t) при фиксированном времени в любой точке (р, А) определяется числом I перемен знака производной dp/dz, причём s ^ 0,5(1 + Z). Знание положения максимумов биомассы фитопланктона как функции глубины важно для понимания всей гаммы биогеоценотических процессов в океанской экосистеме. Безусловно, что количество и расположение максимумов функции р определяется многими характеристиками водной среды, одной из важных среди которых является гидрологическая неоднородность между различными слоями водного пространства. Многочисленные экспериментальные экспедиционные исследования показывают, что число максимумов фитопланктона может достигать до четырёх, а по глубинам эти максимумы могут располагаться от поверхности до 500 м. Конечно, в большинстве случаев имеет место 1-2 максимума с глубиной погружения до горизонта 50-100 м.

Теоретический анализ уравнения (4.25) возможен при его упрощении:

= F(z> - vN(z^ - w(zY (4.37) az

где F, N и w — скорость фотосинтеза, плотность зоопланктона и скорость оседания соответственно на глубине z. Предполагается, что концентрация биогенных элементов п(^) учтена в форме записи функции F(z\

Уравнение (4.37) линейно относительно р, а потому оно не изменится, если его слева и справа умножить на величину

exp/- [F(O - vNO

О

Имеем

exp/- j[F(£) - ^(^)]|{ф/^ - [F(z) - vN^p] =0/ zx

= w(z) exp< - j[F(£) - vN^ >. (4.38)

о

Замечаем, что/ zЗамечаем, что/ zоо- \F(z) - ^(z)]p| == ^ pexp(-j[F(O -- \F(z) - ^(z)]p| == ^ pexp(-j[F(O -(4.39)(4.39)оо

Замечаем, что

/ z

Замечаем, что

/ z

о

о

- \F(z) - ^(z)]p| == ^ pexp(-j[F(O -

- \F(z) - ^(z)]p| == ^ pexp(-j[F(O -

(4.39)

(4.39)

о

о

/ Zp(z)expj - j[F(O - i0Z/ Zp(z)expj - j[F(O - i0ZПодставляя (4.39) в (4.38) и интегрируя обе части по z, после упрощений получаем:

/ Zp(z)expj - j[F(O - i0Z

/ Zp(z)expj - j[F(O - i0Z

г г)

ооw(?/)<exp - |[F(x) - vN(x)^ dx >ф + С. (4.40)

о

о

Подставляя z = 0 в (4.40), имеем: С = р(0\ Окончательно из (4.40) получаем формулу для вертикального распределения биомассы фитопланктона:

р(О =р(О =ехрехр[F(x) - vN(x)"\ dx dy > x[F(x) - vN(x)"\ dx dy > x

р(О =

р(О =

ехр

ехр

[F(x) - vN(x)"\ dx dy > x

[F(x) - vN(x)"\ dx dy > x

(4.41)

о

На основании зависимости (4.41) изучим характер распределения р^ с точки зрения количества максимумов и их расположения. Это важно для уточнения роли различных глубин в функционировании карбонатной системы океана. Обозначим:

hh

g(h) = | N^ dz, ф(Н) = | F(z) dz,оо

тогда выражение (4.41) перепишется в виде: ,hх

PW = ЦО) - | w(y) exp [zvg(y) - ч/Щ] dy I exp VHh) - vg^Y (4.42)

Таким образом, p(h) является функционалом от g(h) и ^(h). Функция g имеет простую интерпретацию: если ^ > ^ь тогда разность g(^) — — g(h\) представляет биомассу зоопланктона, находящегося в слое h\ < z < ^2- Функции g(h) и ^(^) — монотонно неубывающие, так как T(h) и F(h) — не отрицательные.

Прежде, чем перейти к качественному анализу функции p(h\ получим несколько вспомогательных результатов. Введём в рассмотрение следующие множества:

Я+ = {Д > 0 : F(h)/N(h) = vlF\h^N\K^ > z/},

Н" => 0 : F(h)/N(h) = iv/F'W/N^h) < z/},

и функцию

Лемма 4.1. Функция Ц7г) является неубывающей при

W G Q+ U Q+,

ГДе Q+ = {Л > 0 : Л e \O,hp/ht = inf^+,F(0)^(0) <

Q+ = {/i > 0 : h G \h~, hp/h" G H",g G Я+, (h", hp ПН~ = 0}.

Лемма 4.2. Функция p(h) является невозрастающей при

Vh е Qf и Q^, где

Qf = {h > 0 : h E [Q,hY]/hY = infH~ F(0)/N(0) < z/},

Q” = {h > 0 : h E [h+,hj]/h+ E H^,hJ E= ^}-

Справедливость лемм 4.1 и 4.2 следует из элементарных свойств функции р(Н\ В частности, имеем: (/;(0) = 0, ^z(0) = uN(0) — F(0),...

= ioN^-x4h)-F^-x4h).

Замечание 1. Утверждение леммы 4.1 остаётся справедливым и при F (0)/7V (0) = iv, если только

(Es)[F<s\0)/^(0) < V, ЕУЧ0Л^иЧ^ = У- 3 = 0, l,...,sl].

Замечание 2. Утверждение леммы 4.2 остаётся справедливым и при F (0)/N (0) = и, если только

(Es)[F<s\0)/^(0) > V, ЕУЧ0Л^иЧ^ = У- 3 = 0, l,...,sl].

Согласно (4.42), функция p(h) является функцией от p(h);

,hX

PW = S PW ~ | ЦУ) exp [y(y)] dy I exp [-^(/i)].(4.43)

о

Из (4.43) на основании результатов леммы 4.1 и леммы 4.2 легко сформулировать свойства монотонности функции p(h). Так как p(h) не убывает на множестве Q+ = Q+ U Q^, to функция exp[—p(hy\ будет невозрастающей при УН Е Q+. При w(h) 0 функция р(0) - — / w(p) ехр[р(р)] dy является невозрастающей при любых значениях h ^ 0. Поэтому р(Н) является невозрастающей функцией V h Е Q+.

На множестве Q- = Qf U Е1^р(Н) представляет собой произведение неубывающей и невозрастающей функций. Следовательно, на Е1-р(Н) является либо неубывающей, либо невозрастающей, либо имеет максимум. Так как для УН Е Q F (Н) / N (Н) > и, то р(Н) будет невозрастающей функцией при У Н Е Но = ^Н : Н HqY где

р(0) = | w(y) exp [<Цу)] dyо

Обозначим через Н\ множество значений Д > 0, для которых выполняется условие:

p^-^N^ ехр^(^1 + | w(y) ехРИу)1 dd > P(°)-

Тогда p(h) будет невозрастающей функцией при V h Е Н\ П Q-. Полученные результаты сформулируем в виде следующей теоремы.

Теорема. Функция р(Н) является невозрастающей при Vh Е Е Н^ U (Яо П Я) U (Я1 П Я) и неубывающей при УН Е Н П П (Я\Я0) П (Е\Я1), где Е = {Д : Н > 0}.

В более общем случае dp/dz можно представить в виде суммы:

др =4-4- (^Е\ 4-м 44)

dz \дг)вв \dzJo \dz)T xdz/M \9z) z \дг)т’ '

где каждое из слагаемых справа отражает изменение биомассы фитопланктона за счёт изменения освещённости и концентрации биогенных элементов (ЕВ), оседания (О), температурных изменений (т), отмирания (М), выедания зоопланктоном (Z) и турбулентного перемешивания (Т). Согласно (4.43), можно считать

(®SS ” Fkt'P'^ = А™^ - Ю’П

При др <^ 1 получаем

Как известно, с увеличением глубины при прочих стационарных условиях температура воды монотонно убывает, резко падая в слое скачка, т. е. (dp/dz)T < 0. Аналогичное слагаемое (dp/dz)M имеет вид кусочно-непрерывной неположительной функции. Однако, за счёт физических процессов перемешивания может возникнуть ситуация, когда эта монотонность нарушится.

Значения составляющей (dp/dz)z зависят от распределения N(z\ Слагаемое (др/ЭЕ)т полностью определяется гидрологическими условиями по всей толще воды, и его поведение может изменяться самым произвольным образом. Очевидно, что в слое, расположенном выше термоклина, (dp/dz)o 0.

Исследование всех составляющих в совокупности позволит определить число перемен знака производной (dp/dz), которое однозначно определяет число максимумов фитопланктона. В частности, если dp/dz семь раз изменяет знак в изучаемом слое, а (dp/dz)z=o > 0 и (Эр/9z^^oq < 0, то функция p(z) имеет четыре максимума.

Наконец, считая, что зоопланктон равномерно выедает фитопланктон по всей глубине рассматриваемого слоя и, пренебрегая в (4.43) всеми составляющими, кроме первой, на основании (4.41) получаем следующее выражение для удельной скорости изменения биомассы фитопланктона:

~ b - ар,(4.45)

ГДСЬ/т1

a=ZLE.xoJ, b = k^E-lOJ, m=^^-10y,

J 771 f 1—, У СкЯтах

Уравнение (4.45) имеет решение:

гдегдеp(t, h) = [^ + exp ^—tk^E • 10s}] ,

где

где

5=^.Ю=, с = аНтах(\-1ЕУ

\ bmax /

Так как при h сю E 0, to

p(t,h) « [^p(t,h) « [^

p(t,h) « [^

p(t,h) « [^

гдегде

где

где

К = exp{-10-m}.

Круговорот органического углерода в экосистеме Перуанского течения. Каждый район Мирового океана имеет собственные характерные гидрофизические и экологические особенности. Поэтому уточнение моделей круговорота органического углерода в локальных акваториях общей модели круговорота углерода в Мировом океане с учётом этих особенностей будет повышать достоверность модельных оценок роли океанических систем в поглощении избыточного СО2 из атмосферы. С этой целью рассмотрим район Перуанского течения, который характеризуется высокой концентрацией биогенных элементов (мкг-ат/л): нитритов (0,6-0,8); нитратов (5,5-14,9); фосфатов (0,6-1,31); кремнекислоты (3-45) и большими величинами первичной продукции (кал • м-2сут-1): 17,9-69,3 для фитопланктона; 3,26 — у бактерий; 0,12-0,73 у зоопланктона и 0,7-3,0 для нектона (в основ-

Моделирование круговорота органического углерода в океане 191 ном анчоус). У берегов Перу происходит самый мощный на земном шаре подъём глубинных вод, питающий фотический слой прилегающего района океана биогенными элементами. Основным предметом промыслового лова здесь является анчоус, средняя продукция которого оценивается в 100 млн ц./год. По имеющимся данным анчоусы составляют свыше 95% улова, и поэтому построение модели функционирования перуанской экосистемы важно также и для экономики прилегающих государств, чьи интересы безусловно затрагиваются Протоколом Киото. Несомненно истинные пределы взаимодействия природно-антропогенной системы конкретного государства Южной Америки с глобальной окружающей средой невозможно оценить без учёта роли экосистемы Перуанского течения. Это ещё раз доказывает несостоятельность рекомендаций Протокола Киото, например, относительно сокращения выбросов углекислого газа Мексикой или Бразилией.

Перуанское течение относится к тем областям Мирового океана, где на сравнительно небольшой площади происходят сложные взаимосвязанные и взаимообусловленные физические, биологические и химические процессы. У побережий Перу и Чили продукция органического вещества настолько велика, что на окисление его не хватает кислорода, в результате этого на глубинах 100-800 м создаётся слой кислородного дефицита. Это сопровождается заморами фауны.

В иерархической структуре трофических отношений сообщества Перуанского течения можно выделить следующие компоненты: В\ — бактериопланктон, £>2 — фитопланктон, Вд — фитофаги, Вд — хищный зоопланктон, В5 — промысловый анчоус, Вд — личинки анчоуса, В7 — хищные рыбы, Вд — молодь анчоуса, В\д — детрит, В\д — растворённое органическое вещество (кал/м3); Вд — птицы (шт/м2); Ву2 — биогенные элементы (мг/м3); В14 — растворённый кислород (мл/л); Вп — объём промысла анчоуса (т/км2). Характерной особенностью трофического графа системы является наличие связей между компонентами океанского биоценоза (В5, В7, Вд) и наземного (Вд). Введение этой связи при построении модели оказалось существенным моментом, так как морские птицы (бакланы, пеликаны, олуши и др.) в районе Перуанского течения оказывают заметное влияние на динамику всей системы. По имеющимся оценкам анчоус составляет от 80 до 96% пищевого спектра птиц. Поэтому характерной особенностью развиваемой модели является учёт в ней элемента взаимодействия наземного и океанского биоценозов, выраженного введением трофических связей между птицами и анчоусом. Трофическое давление на анчоус со стороны других рыб выражено единственной связью с компонентом В7, под которым в основном подразумевается чилийская пеламида (Sarda chiliensis), хотя анчоус входит в пищевые спектры и других животных.

В блок-схеме модели экосистемы Перуанского течения (МЭПТ) отражены элементы взаимодействия атмосферы и океана, сведённые к взаимному обмену кислородом с заданными скоростями инвазии и эвазии.

На вход всей системы поступает энергия солнечной радиации Е, интенсивность которой оценивается по формуле (4.18) при а = 0,013, 5 = /3 = и = 5 • 10-5. Изменение биомассы г-го компонента (г = 1 4- 7,9) описывается балансовым уравнением, аналогичным (4.29):

, , 82Bi , , 82Bi , , ^Bi8В, , „„,. .с,

+ ^2,у2 + ^2,А2 + ^2,z~“j,^"яV Qi — Hi, (4.46)

opалozо^

где Qt — характеристика возрастных переходов между стадиями развития анчоуса (г = 5,6,9), Qi = 0 для г = 1 4- 4, 7; Ri — продукция, Ti — затраты на энергетический обмен; Mi — величина отмершей биомассы; Hi — неусвоенная пища (кал • м-3сут-1);

kijBi ,

- V к В ’

mES3

Гa — множество трофической подчинённости г-го компонента; Sj — пищевой спектр j-ro компонента; каь — показатель степени удовлетворения пищевых потребностей а-го компонента за счёт биомассы Ь-го компонента; Bi = max{0, Bi — BijYn[n}, BiiYn-m — минимальная потребляемая другими трофическими уровнями биомасса г-го компонента; ^2 = (^2,^, ^2,а, ^2,г) — составляющие коэффициента турбулентной диффузии (при предположении изотропности вихревой диффузии в горизонтальной плоскости k2i(p = к2,х = ^н); Vi — скорость гравитационного осаждения неактивных элементов.

Скорость фотосинтеза как функция освещённости биогенных элементов, температуры и загрязнений ^ моделируется соотношением:

R2 = min{p2^2, ^22},

где

Я22 = 0,07В2 [1 - e-fc2-‘2B12] -ЕеЦ1 Е^д е-10’™(1 + 0,02At°).

Ri Ri,maxRi Ri,max(1 +0,02А^°)^(1 +0,02А^°)^Продукция Ri на остальных трофических уровнях вычисляется по формуле

Ri Ri,max

Ri Ri,max

(1 +0,02А^°)^

(1 +0,02А^°)^

1 - expl - ^2 NjBjV jes.

Функция Ti (г = 2 -у 9) постулируется в виде зависимости Ti = TiB^, где u)i = 0,7 4-0,95. Коэффициенты Ti являются функциями температу-

ры и концентрации кислорода:

Ti4O,BV4) =Ti4O,BV4) =t*(t°) при В,4 > В^р

Ti4O,BV4) =

Ti4O,BV4) =

ЧЧ°^ при 0<В14<В^;

^i (%) —^i (%) —Т*при t°

^i (%) —

^i (%) —

т,Щгехр(-М°)]я при t° ф [Д^Ц^^

где s = (t° — t^°)/mi, t^ и t^ — нижняя и верхняя границы температурной зоны адаптации гидробионтов г-го трофического уровня; t°° = 0,5 (^ + ^г)’ a^ bi и mi — постоянные величины, выбираемые из условия аппроксимации данных измерений.

В отличие от других гидробионтов бактерии характеризуются чувствительной зависимостью газообмена от концентрации пищи. Поэтому для описания Тх примем следующее соотношение:

Тх = txB^ [1 - exp (-tfxВхо - №)],

где tx — величина затрат бактерий на энергетический обмен на единицу биомассы; шх — показатель зависимости трат на энергетический обмен от величины биомассы бактериопланктона; t\ и t" — показатели зависимости трат на энергетический обмен от эффективных концентраций детрита и растворённого органического вещества соответственно.

Для фитопланктона потери на дыхание характеризуются снижением усвоения углерода при фотосинтезе. Для Перуанского течения эти потери в среднем достигают 74.6% от ассимилированного углерода, что составляет 1,45 гСм-2сут-1. Динамический показатель смертности Mi определим, исходя из принятых выше положений в форме зависимости Mi = (pi + p^B^Bi, где pi = 0,01 -У 0,02; р^ = 0,1^. Расчёт величины Hi произведём исходя из формулы Hi = hiRi.

Среди живых компонентов особое место в модели занимает анчоус, для описания которого выделены три возрастные стадии: личинки, молодь и промысловый анчоус. Принято, что скорость перехода из г-й стадии в j-ю постоянна и определяется тем, что анчоус все три стадии проходит за один год.

Косные компоненты в модели описываются следующими уравнениями:

^ + (V . V) В10 = £+ ЯД - pV0B10 - vvo^ -

S=1

75 f ^x XoRx । ^3,10-Дз । ^4,10-^4\ i / 7 D . - B10 —pb —p "Ip ) + №V JB10,

\ ЦЛM /

^^ + (V * V) Bx2 = M^IO + Pl ^Tg + ^ T^ ~ 5x2R2 +

+ (^2V2)Bx2 + 312^^;

7 К.Я. Кондратьев, В.Ф. Крапивин

' V) В13 = fcis.o^ -(4.47)

+ И ВИ = 514^2 - Е № - €9^9 + (fc2V2)B14 -8=1

— ^ю^ю^ю + max < 0,—— > мц.

Уравнение для описания изменения численности птиц запишем в форме.га р

°’ щ+е} ks’W " ехРЬЕ).°’ щ+е} ks’W " ехРЬЕ).где

°’ щ+е} ks’W " ехРЬЕ).

°’ щ+е} ks’W " ехРЬЕ).

R^ = max

7__

Vs = 52 KsBs + ^8,9^9 + 78’ Mb = р8В8 , s=5

7g — доля нерыбной пищи в рационе птиц.

Функция Qt возрастных переходов представляется только для элементов анчоуса и записывается в форме линейной аппроксимации:

9б = A55S5 - Лб9^б; Qb = А95В9; Q9 = Лб9^6 - А95В9.

Круговорот органического углерода в экосистеме апве- линга. Известно, что высокой органической продуктивностью в Мировом океане характеризуются зоны подъёма глубинных вод, называемые апвелингами. Апвелинг возникает в результате ветрового сгона поверхностных вод от берега, из-за расходящихся течений или при оттоке воды от суши по различным другим причинам. Скорости подъёма воды и устойчивость апвелинга определяются совокупностью синоптических параметров. Наиболее характерной величиной вертикальной скорости подъёма воды в зоне апвелинга является 0,77 • 10-3 см/с. Глубины, с которых начинается подъём воды, варьируются в широких диапазонах, но преобладающими являются глубины около 200 м.

Рассмотрим экосистему океана в зоне влияния апвелинга, исходя из концепции о сукцесионном развитии сообщества от момента его формирования в районе подъёма глубинных вод до климаксного состояния в олиготрофном районе конвергенции и синтезируем модель экосистемы апвелинга (МЭА). Между этими моментами система развивается во времени и соответственно перемещается вместе с потоком воды в пространстве. При этом изменяется как общий запас энергии в сообществе, так и его структура (пространственная, трофическая, видовая). Основные моменты этих изменений в общих чертах изучены в многочисленных экспедиционных исследованиях. Поэтому соответствие модельных расчётов этим представлениям может служить одним из критериев адекватности модели.

Будем считать, что экосистема от зоны апвелинга развивается однородно по горизонтали, так что изменения наблюдаются по глубине z с шагом Az = 10 м и во времени с шагом At = 1 сутки. Предполагается, что горизонтальная скорость движения воды от зоны апвелинга постоянна и равна V = Vp = V\, так что удаление единичного объёма воды от зоны апвелинга равно Аг = (Ас/?2 + АД2) = V • At.

Состояние экосистемы на каждом горизонте z = const определяется освещённостью E(z,tY концентрацией биогенных элементов n(z,t) и детрита d(z,tY биомассой фитопланктона p(z,tY бактерий b(z,tY простейших Zi(z,t), микрозоопланктона Z2(z, t), мелких фильтраторов Zs(z,tY крупных фильтраторов Z<(z,t), мелких хищников-циклопо- ид Zs(z,tY хищников-каляноид Z^z,tY крупных хищников хетогнат и полихет Zt^z^Y Простейшие включают в себя инфузорий и радиолярий, к микрозоопланктону отнесены науплиусы всех веслоногих рачков. На основании исследований питания тропических планктонных животных к мелким фильтраторам (размером до 1 мм) отнесены такие планктонные животные, как Oikopleura, копеподы Clausocalanus, Paracalanus, Acartia, Lucicutia, мелкие остракоды Conchoecia. Крупные фильтраторы включают в себя ракообразных крупнее 1 мм, таких, как Undinula, Pleuromamma, Centropages, Temora, Scolecythrix и др., молодь эуфазид, птеропод и т. д. В трофической пирамиде влияние элементов нектона считается пренебрежимо малым. Пищевые связи между указанными элементами описаны в работе Крапивина (1978).

Принято, что 30% массы бактерий находится в естественных агрегатах размером более 3-5 мкм, которые могут поедаться и усваиваться фильтраторами ^Z^ZYY науплии (ZsY простейшие (Zi) и мелкие фильтраторы (Z3) могут поедать и неагрегированный бактериопланктон.

Трофические связи между элементами описываются на основе энергетического принципа. Биомасса, скорости продуцирования и обмена, рационы выражаются в энергетических единицах (кал/м3 или кал/м2).

Так же как и в общей модели экосистемы океана, первоисточником энергии и вещества в сообществе служит первичная продукция фитопланктона ^RpY Извне поступает энергия солнечной радиации (Е) и биогенные элементы (п). Вертикальная структура водной среды описывается трёхслойной моделью: слой над термоклином, слой наиболее резких градиентов и слой более низких градиентов, лежащий под термоклином. Положения верхней (^) и нижней (^) границ слоя наибольших градиентов приняты следующими (в метрах глубины):

^Ъ = •

Г 10 + 2,2t

X 120 + 0.6Ц — 50)

для

для

0 ^ t < 50

суток, суток,

t

> 50

[30 + 2,4t

для

0 <

t < 50

суток,

21 = <

X 150 + 1.4Ц —

50)

для

t

> 50

суток.

Так что термоклин в начальный момент времени t = 0 расположен в слое 10-30 м, заглубляясь постепенно до 120-150 м на 50-е сутки и до 150-190 м на 100-е сутки.

Пополнение запаса биогенных элементов в слое 0-200 м происходит за счёт лизиса детрита и выделения неусвоенной пищи живыми элементами сообщества и за счёт поступления из глубинных слоёв (^ > 200 м) за счёт турбулентного перемешивания (коэффициент А^) и вертикальной адвекции (скорость Уг\ Содержание биогенов в органическом веществе неизменно и составляет 10%.

С учётом принятых предположений уравнение (4.35) принимает вид:

Rp = kT[l - Ю-°’25^«][1 - Ю"0’1"]0-6,

где функция 7(A) характеризует зависимость отношения продукция/биомасса (Р/В — коэффициент) для фитопланктона от времени. Принимается, что максимальное значение P/В для фитопланктона в точке апвелинга (t = 0) равно 5, далее Р/Т>-коэффициент убывает и на 15-е сутки достигает величины 1, а затем не изменяется. Отсюда уравнение (4.25) переписывается в форме:

^ = Rp - tpp - црр - ^ CpjRj + k^ —^ + (14 - wp) ^|,ЗЕш0\рZ

где коэффициент шр (см/сут) описывает процесс гравитационного оседания и оценивается величиной:

{

50 при 0 < z < Zb, 10 При Zb < z < Zi, 30 при z zx

Пищей для бактерий служит детрит и растворённое органическое вещество (РОВ), выделяемое фитопланктоном. Аллохтонное РОВ не учитывается. В уравнении (4.36) рассматривается аппроксимация:

Тр + Ть + Tz + Тт + Tq = 0/3Rp.

Также полагается, что рь = 0,01, tb = 0,75[1 - 10^], Rp = ЗЬ[1 - 10^], g = -0,2d - 0/3RP-

Устанавливается ограничение, состоящее в том, что за сутки бактериопланктон может потребить не более 10% всего детрита, находящегося в том же слое воды.

С учётом сделанных замечаний уравнение (4.22) записывается в следующем виде:

4 = -0,1Лр + 0,Ы + 0,05 £ № + кД + У^,

где = {р, b, Zj(J = 1 -у 7)}, Вг — биомасса г-го элемента.

Коэффициенты образом:Коэффициенты образом:&2 (см2/сут) И&2 (см2/сут) ИУг (см/сут)Уг (см/сут)задаются следующимзадаются следующим'5= 0,1. 1'5= 0,1. 1при при припри при приОО'200к2 =50. 150'200к2 =50. 150при 0 < z < Zb,при 0 < z < Zb,припри

Коэффициенты образом:

Коэффициенты образом:

&2 (см2/сут) И

&2 (см2/сут) И

Уг (см/сут)

Уг (см/сут)

задаются следующим

задаются следующим

'5

= 0,1. 1

'5

= 0,1. 1

при при при

при при при

О

О

'200

к2 =50

. 150

'200

к2 =50

. 150

при 0 < z < Zb,

при 0 < z < Zb,

при

при

Формула (4.18) для рассматриваемого случая упрощается:

E(zn,t) = Eo.XO-a^,

где zn — глубина n-го слоя (м);

а = 0,01 +0,001 52k=0а = 0,01 +0,001 52k=0^- \рУкД + d(zk,t)].^- \рУкД + d(zk,t)].

а = 0,01 +0,001 52

k=0

а = 0,01 +0,001 52

k=0

^- \рУкД + d(zk,t)].

^- \рУкД + d(zk,t)].

Заметное угнетение фитопланктона наблюдается при Е > > 100 кал • см-2сут-1. Следовательно формула (4.20) перепишется в виде:Е

КТ = 0,041S ■ Ю0,2ч‘"5^1,

где Етах £з 70 кал • см-2сут-1.

Для рассматриваемого случая формулу (4.19) преобразуем к виду:

^ = Rb-^b-tbb- 52 CbjRj + kS + ^-Wp)^.аеш0\(р,ь)z

Скорость изменения биомассы каждого элемента зоопланктона dZ^dt (г = 1 4- 7), так же как и в уравнении (4.29), определяется уровнем потребления (рационом) Rzy, усвоением пищи X/uzy тратами на энергетический обмен Tzy = ^zyZi, скоростью отмирания pzy = 0, OlZ^, выеданием г-го элемента со стороны j-ro с коэффициентом С^ и возрастным переходом науплиусов в копепод фильтраторов и хищников. Таким образом,

^ = Пт,г + (1 - 1г2рН2,г - 4z,i + lizM ~ HC4Rz.j С = Г 7),

где hzy = 1 — Muzy, ^ту характеризует возрастной переход науплиусов в другую категорию зоопланктона. Переход науплиусов Z2 в копепод фильтраторов ^3^4) происходит с интенсивностью

^тД = ^2^з{15(Дз +^4+^5+^б)}\

^тД = ^2^4{20(Zg +Z4+Z5+^б)}\

а для хищных копепод (Z5,Zg) с интенсивностью

^тд = Z2Z5^XS(Z3 +Z4+Z5+Ze)}\

^т,б = ^2^б{20(Дз +Z4+Z3+Ze)}.

Для расчёта рационов элементов зоопланктона по формуле (4.28) коэффициент v определяется из условия v = O,Ol/Bmjn. При вычислении коэффициентов С^ предполагается, что пищевые потребности относятся к разным кормовым объектам пропорционально биомассам последних с учётом избирательности питания. Коэффициенты С^- для всех элементов экосистемы приведены на рис. 4.1.

Суточные миграции зоопланктона имитируются посредством добавления к суточному рациону элементов Zj (J = 4 4- 7), находящихся в слое 0-50 м, определённой доли (kz) суммарных пищевых потребностей тех же элементов сообщества, но находящихся в слое 50-200 м. Коэффициент kz считается зависящим от времени:

(0,02 + 0,0016t при t < 50 суток,

3[0,1 при t > 50 суток.

Здесь возможны различные сценарии миграции и питания элементов зоопланктона. Достоверно лишь известно, что некоторая доля элементов зоопланктона из глубоких слоёв часть своих пищевых потребностей удовлетворяет в верхних слоях океана.

Уравнение (4.34) в данном случае имеет вид:

|^ = 52 ^гл + MZii) ~ 52 CdjRj +_- w)||,

^е^озЕшо\рг

где коэффициент скорости гравитационного оседания детрита задаётся в форме (см/сут):

(25 при гь иу = <

50 при z < Zb, z > zi.

Круговорот органического углерода в условиях замерзания моря. Формирование продуктивности фитопланктона в северных морях, покрываемых на значительное время льдом, связано с композицией сложных синоптических, гидродинамических, геохимических, экологических и энергетических вариаций параметров морской среды. Сложность этой проблемы была отмечена в работе Legendre, Krapivin (1992), и задача формализованного описания кинетических процессов формирования вертикальных распределений биомассы фитопланктона впервые была сформирована в работе Legendre (1998), где построен стационарный океанографический критерий для оценки новой продукции фитопланктона.

Важную роль в формировании биологической продуктивности северных морей играет эргоклин лёд-вода, а также сообщество водорослей, попадающих в снежную и ледовую среду. Поэтому при построении модели формирования вертикальной структуры морского экологического сообщества необходимо учитывать механизмы образования снежного покрова, роста льда и трансформации гидродинамических процессов. Другими словами, динамическая формализация морской экосистемы в северных широтах при охвате сезона с формированием ледового по-

крытия должна иметь системный характер и учитывать изменчивость синоптических параметров. Последние, по-видимому, служат причиной изменчивости остальных параметров системы.

Здесь предлагается комплексная модель динамики морской экосистемы в условиях северного климата. Модель учитывает сезонные вариации температуры и осадков, задаваемые или определяемые с помощью соответствующих моделей. Параметризация климатических ситуаций в рассматриваемом регионе осуществлена на основе временных рядов температуры и осадков. Рост толщины льда описывается задачей Стефана. Формирование экологической обстановки в морской среде описывается соотношениями, позволяющими рассчитывать интенсивность света на любой глубине и определять динамические характеристики вертикального потока биогенных элементов.

Для формирования всей модели и получения прогноза важно определить временные и пространственные масштабы изучаемых процессов, а также выделить характерные и специфические особенности функционирования экосистемы в условиях климата северных широт. Наиболее точные исследования устойчивости и характерных масштабов проведены при изучении атмосферы. Теоретически доказано, что время предсказуемости актуальных погодных условий (температуры, скорости ветра, облачности, осадков) ограничено 1-3 сутками с быстрым уменьшением точности прогноза при увеличении его заблаговременности. В то же время эксперименты показывают увеличение предсказуемости тех же, но усреднённых по времени и пространству параметров, и на этом основании возможен прогноз погоды на средние сроки до 10-15 суток. Более длительные, сезонные и годовые прогнозы фактически оперируют с данными осреднёнными за декаду или месяц, т. е. отношение времени предсказания ко времени усреднения можно оценить как <10. Пространственные масштабы тесно связаны с временными и характеризуют различные явления: движения фронтов, циклонов и антициклонов, низкочастотные сезонные колебания и т. д. Например, суточное разрешение по времени позволяет явно описывать движение циклонов и имеет характерный пространственный масштаб ^1000 км.

Характерные временные и пространственные масштабы океанических и морских движений также достаточно изучены, чтобы дать им простую оценку. Горизонтальные масштабы изменяются от 100 км для синоптических образований и до 1000 км для крупномасштабных течений. Океанологи выявили значительную связь первичных синоптических гидрофизических процессов и элементарных циркуляционных механизмов в атмосфере, имеющих среднюю продолжительность 5 суток. Хорошо оценены также сезонные гидрофизические циклы, описываемые главным образом смещением изолиний в меридиональном направлении. В межгодовой изменчивости гидрофизических полей заметную роль играет взаимодействие течений, апвелингов и круп-

номасштабных атмосферных процессов. Здесь характерные временные масштабы составляют несколько месяцев.

Ледовая компонента рассматриваемой системы под воздействием атмосферного и водного притока тепла, а также выпадения снега изменяется в периоды формирования и таяния с характерным временным шагом от 1 до 15 суток, а в остальное время изменяется более медленно.

Прогноз концентрации фитопланктона реально проводить с учётом характерной скорости роста и отмирания, составляющих от нескольких часов до суток. А это значит, что разрешение во времени для модели роста фитопланктона в условиях возможного замерзания должно составлять не более суток в периоды образования или таяния льда и около декады в промежутке между этими событиями. Характерные пространственные масштабы должны выбираться на основе компарт- ментного принципа деления водного тела с учётом структуры течений.

На рис. 4.2 представлена концептуальная схема энергетических потоков в экосистеме. Энергетическим входом служат потоки солнечной

Рис. 4.2. Концептуальная структура модели круговорота органического вещества в акваториях моря, покрытых льдом

радиации и биогенных элементов из глубоких слоёв моря, где их запасы предполагаются неограниченными. Формирование биогенного фона на глубине % осуществляется за счёт разложения мёртвого органического вещества d и скорости вертикальной адвекции и. Биогенные элементы поглощаются фитопланктоном со скоростями, свойственными данному типу водорослей при определённых температуре и осве-

щённости. Образование биомассы фитопланктона подчинено воздействию интенсивности солнечной радиации, концентрации биогенных элементов, отмирания и затрат на энергетический обмен со средой. В принципе для замыкания трофических отношений необходимо было бы рассмотреть воздействие на фитопланктон процесса его выедания зоопланктоном и другими трофическими уровнями. В данном случае, когда рассматриваются временные интервалы с низкими температурами, этим эффектом можно пренебречь. Поэтому окончательная реализация всех динамических уравнений, описывающих взаимодействие экологических факторов в морской среде приводит к набору блоков модели, представленных на рис. 4.2.

Временной и пространственный шаги определяют и способы параметризации учитываемых процессов. Атмосферная часть модели, таким образом, имеет статистический характер, и в ней осуществляется суточная имитация и инерционный прогноз следующих метеопараметров: среднесуточной температуры Та, дефицита влажности в приземном слое D, коротковолновой солнечной радиации Е и суточной суммы осадков х.

Рассмотрим применение такого подхода для моделирования случайного вектора У = £Ta,E,DY Пусть У^ = Yt + уь (а = 1,2,3); где У — климатическая норма, у — отклонение от климатической нормы, вызванное внешними случайными воздействиями. Тогда

= АцУз + Ft-

где Ft — случайная сила воздействия, А^ — коэффициенты релаксации.

Заменим операцию дифференцирования разностным оператором по простейшей схеме

М = УМ№) - Уг^Аdtт ’

где т = ^+i — tk = const, k — номер узла сетки дискретизации времени. С учётом этой схемы и умножая указанное выше линейное уравнение на yi после статистического осреднения получаем:

ШЧ+Су^О) - (уДЩг^/г)) = тАХМЧУшЧкУ)-

Угловые скобки означают статистическое осреднение по ансамблю возможных погодных сценариев. Отсюда видим, что если матрица ковариаций (^(^)^/(^)) невырождена, то коэффициенты А^ легко вычисляются:

а.. =

Далее вычисляется ковариация случайных сил:

№ =

= ЧшЧк-ц) - УгЧО - TAiiyi(tk'))(,yj(tk+i') - УзЧО - TAjmym4kW-

Обычно считается, что суммы осадков подчинены Гамма-распределе-

= Wrw’

где и и /Зо — эмпирические параметры формы и масштаба распределения. Затем полученные суточные суммы осадков расставляются по датам наибольшей вероятности в соответствии с колебаниями других метеоэлементов и значением коэффициента правдоподобия:

\+ 7V2J

= 7Ж

где TVi и N% — число дней с осадками и без них, У1 и У2 — векторы средних значений метеопараметров для дней с осадками и без них соответственно, С^ — корреляционная матрица метеопараметров.

Входные данные в модель могут быть получены непосредственно из метеоданных по рассматриваемой территории или рассчитаны с использованием традиционных алгоритмов. Например, при отсутствии измерений коротковолновой радиации можно использовать одну из эмпирических связей с облачностью:

Формула Камбелла*.

Е = Е^\ -QJXno\

по — средний балл облачности, Еу — солнечное излучение при ясном небе.

Формула Будыко*.

Е = Еу(Х — 0,68по).

Формула Берлянда*.

Е = Еу(Х — [то + 0,38по]по),

то — корректировочный коэффициент для учёта широты.

Формула Матауаке*.

Е = ЯЩ -0,052[no]L3).

Наибольшие расхождения результатов расчётов по этим формулам имеют место при сплошной облачности. В среднем погрешность расчёта определяется вариацией величины Е/Еу, которая составляет 0,25-0,35 для сплошной облачности при слоистых и слоисто-кучевых облаках и 0,65-0,85 для слоистых и перистослоистых облаков.

Толщина снежного покрова zs(t) может быть описана статистическими данными с указанием дисперсионных характеристик: ^s(t) = = G(t) + g^tY где функция G(t) характеризует среднюю толщину снежного покрова за выбранный промежуток времени, а функция g(t) определяет его среднюю вариацию за это же время. Имеется

множество моделей описания процесса формирования и таяния снежного покрова. В рамках глобальной модели целесообразно использовать одну из простейших параметризаций, таких как модель Селлерса: SF = ^(27,5-0, 1Та), Та е [265,275] К; SA = SM + Qo, Qo = = раСаиа\тЛТЛ ~ Га], Sm = 0,045(Т„ - 273,16); где SF — доля выпавшего снега при близких к нулю температурах приземного воздуха, SA — абляция снега (испарение + таяние), Sm ~ количество растаявшего снега за сутки (водный эквивалент в см), г* — насыщающая удельная влажность, т — удельная влажность, Са — коэффициент сопротивления, Ua — скорость приповерхностного ветра, ра — плотность воздуха.

В результате толщина снежного покрова рассчитывается по формуле:

zs(t + At) = ^s(t) + [Sp - SaW-

Процесс образования льда на водной поверхности опишем моделью Стефана. Пусть толщина льда описывается функцией R(t) = zi — zs, причём, часть R\(t) оказывается ниже уровня ^ = 0. Обозначим через рс, рн и pw плотности снега, льда и воды соответственно. Тогда Rx = (zspG + Rpn)/pw- Процесс образования льда будет подчинён закономерности, вытекающей из задачи поиска решения системы уравнений вида:

9t а W dz2 ’9t а W dz2 ’А^|OZ \z=RiА^|OZ \z=Ri_ dR , , дТа I -qPR^+X2 —1^

9t а W dz2 ’

9t а W dz2 ’

А^|

OZ \z=Ri

А^|

OZ \z=Ri

с граничными и начальными условиями: Ta(Rx — R) = /(t) ^ 0 °C, Ta(Rx,t) = 0 °C, Ta^t) = P(t), Д(0) = 0, Та^ = <z\ где Ai и А2 — коэффициенты теплопроводности льда и воды соответственно, q — удельная теплота таяния льда, / — заданная в виде сценария или рассчитанная по климатической модели функция изменчивости температуры приземного воздуха при отсутствии снега или температура снега, Р — заданная температура глубоких слоёв воды, а?^ — коэффициент теплопроводности среды:

. I a?(z) при Rx — R^z^Rx,а М = 2/ А о

I а^) при z > Rx

Теперь перейдём к описанию экологической части модели. Формирование биогенного фона в рассматриваемом случае имеет по сравнению с безледными условиями определённую специфику, проявляющуюся в характерном процессе их подъёма из глубоких слоёв воды. Выделим три типа биогенных элементов: tian^P) — азот, пар^Л^ — фосфор и TiAst(^P) — кремний. Символы А = (s — снег, г — лёд, ш — водное пространство) и X = }N, Р, Si} используются для сокращения формульных записей. Динамические уравнения для описания кинетики

биогенных элементов будут иметь вид:

дадх у дадх , у 9 идх , хл с тэ

= kv"эГ ++ Qax - 5Ra^’

где k\ и k^ — коэффициенты адвекции и турбулентной диффузии соответственно, Rap — скорость фотосинтеза в среде A, Qax — приток биогенных элементов в среду А за счёт других источников, 5 — потребление биогенных элементов единицей биомассы чистой продукции фитопланктона в единицу времени. В простейшем случае поток Qax отождествляется с поступлением биогенных элементов при разложении мёртвого органического вещества и дыхании фитопланктона тх*. Qax = 5xRd Г Хр тх, где коэффициент 5х характеризует содержание биогенного элемента X в детрите d, Хр — показатель скорости пополнения запасов биогенных элементов за счёт дыхания клеток фитопланктона.

Для расчёта уровня освещённости E(z,t) применим экспоненциальный закон, отражающий влияние оптических свойств среды А:

' Eqпри z = 0,

I=-Ebexp-j-aiz} при

’| E2(z, t) = £^i(zs,t)exp{-a2-z} при ze(zs,zj],

, Es(z,t) = £2(21, t) exp {—oyz} при z > zj

Скорость фотосинтеза в среде А аппроксимируем соотношением:

= крРдЕехр ( 1 - ^ ) (1 +аД7д)[1 - exp(-6min{nsx, niX,пюЩ], у -C/opt у

где кр — максимальная продуктивность фитопланктона при контрольной температуре Тс, ХТа = Та — Тс, Еод — оптимальная для фотосинтеза освещённость, а — показатель изменения скорости фотосинтеза при отклонении температуры среды от контрольной, Ъ — степень лимитирования фотосинтеза биогенным элементом по принципу Либиха.

Динамические уравнения для элементов морской экосистемы в условиях замерзания записываются аналогично уравнениям баланса, приведённым в предыдущих параграфах данной главы.

Круговорот органического углерода в Охотском море. Наиболее характерным объектом северных широт является Охотское море. Внимание к Охотскому морю, как уникальной экосистеме, обращено во многих исследованиях (Vasiliev, 1991; Терзиев и др., 1993). Оно связано со стремлением понять происходящие здесь климатические и экологические процессы и установить их взаимосвязь с глобальными процессами, особенно в Арктическом бассейне. Для России и Японии это важно также и по экономическим причинам. Поэтому синтез модели экосистемы Охотского моря (МЭОМ), позволяющей

давать прогнозную оценку состояния экосистемы в зависимости от глобальных и региональных изменений в окружающей среде, безусловно является актуальной задачей.

Структура МЭОМ и схема энергетических потоков в экосистеме Охотского моря представлены на рис. 4.3 и 4.4 соответственно. Уравнения трофического графа записываются аналогично уравнениям (4.21)-(4.36). Изменение кислородного режима аппроксимируем

Рис. 4.3. Структура МЭОМ

Рис. 4.4. Энергетические потоки в МЭОМ

решением уравнения:

90 . V 90 + V 90 + V 90

= ^pRp - ^zTz - ЕтТт - EdTd - EdRd + О a,

где О a — функция, описывающая кислородный обмен на границе атмосфера-море, Ер — показатель продукции кислорода при фотосинтезе, Ei (^ = Z, г, D) — коэффициент расходования кислорода при дыхании гидробионта г, Ed ~ показатель расходования кислорода при разложении детрита.

Пространственную и сезонную динамику солёности опишем балансовым соотношением:

нс. N

= Е ^jWjSj + ^(Sj - 5г)] + (1 - РгХгЗг + Л (* = 1, N\ 3 = 1 №

где N — число сегментов объёма Vi = А(/?ААА^, возникающих при разбиении водного тела Охотского моря в процессе дискретизации широты (р, долготы А и глубины z; pij — объёмный коэффициент диффузии, равный 5ijaij/Li (Li — средняя протяжённость смежной границы г-го сегмента; — площадь соприкосновения сегментов г и j; 5ij — коэффициент турбулентной диффузии); fi — функция источника, описывающая внешнее поступление солей в г-й сегмент (с осадками F, речным стоком R, из Тихого океана /3, из донных отложений с подъ-

ёмом воды); Wj — суммарный поток воды из j-ro сегмента; а^ — его доля, направленная в г-й сегмент (а^ = 0 для несмежных сегментов); Pt — доля потока Wi, направленная во внешнюю среду.

Температурный режим вод Охотского моря будем представлять уравнением теплового баланса:

Рс^-^ = 52 ^j,A + 52 ^j,D — W^g + Q^i + Q^2> з з

где Ti — средняя температура воды в г-м сегменте (°К); W^a — поступление тепла с потоком воды из j-ro сегмента в г-й; W^d ~ обмен теплом между г-м и j-м сегментами в результате турбулентного движения водных масс; W^g — суммарный вынос тепла из j-ro сегмента; Q^i — поступление тепла с водными потоками через внешнюю границу; Q^2 — обмен теплом через внешние границы, не связанный с водными потоками; р — плотность морской воды (г/см3); с — теплоёмкость (кал • г-1 град-1).

Схема расчёта температурного режима фактически является имитационной. Такой полуэмпирический подход приемлем для климатической зоны Охотского моря и не требует проведения сложных вычислений. Обменные процессы водными массами между сегментами Vi (г = = 1,..., N) имитируются с учётом заложенных в базу данных сведений о направлениях и скоростях течений.

Функционирование экосистемы Охотского моря в значительной мере определяется суровыми климатическими условиями. Море в течение 6-7 месяцев в году по большей части своей акватории покрыто льдом 80-100 см толщиной. Поэтому в МЭОМ вертикальная структура Охотского моря представляется в виде многослойной структуры, изменяющейся между сезонами года. С учётом этой схемы в зонах замерзания моря энергетические потоки (рис. 4.4) усложняются за счёт расчленения компонента фитопланктон по трём возможным средам. Схематически это отражено на рис. 4.2.

Глава 5

МОДЕЛИРОВАНИЕ СОВМЕСТНОГОГЛОБАЛЬНОГО КРУГОВОРОТА УГЛЕРОДА

И ДРУГИХ ХИМИЧЕСКИХ ЭЛЕМЕНТОВ

Введение

Обсуждение проблемы парникового эффекта не может быть конструктивным без комплексного рассмотрения обратных связей круговорота углекислого газа с биогеохимическими процессами с участием других элементов, таких как азот, сера, фосфор, метан, озон и т. д. Ведь на процессы поглощения СО2 из атмосферы воздействует многообразие природных и антропогенных факторов, заметное проявление которых может реализовываться через длинную цепочку причинноследственных связей. Например, кислотные дожди влияют на состояние растительного покрова, а последний воздействует на обменные процессы углекислым газом на границе атмосфера-суша. Применение азотных и фосфорных удобрений в сельском хозяйстве изменяет роль культурных растений в поглощении атмосферного СО2 и воздействует на скорости разложения органического вещества почвы. В совокупности многие химические элементы, особенно парниковые газы, попадая в окружающую среду из антропогенных источников, становятся объектом не только биогеохимического анализа, но и экономических рассмотрений. Такой многоплановый анализ был проведён в связи с СН4 на второй международной конференции в Новосибирске в 2000 г. (Bazhin, 2000; Byakola, 2000). Подобные связи должны быть тщательно систематизированы и параметризованы. Без этого невозможно говорить о какой-либо достоверности оценок роли биосферы в поглощении избыточного СО2 из атмосферы. Комплексные исследования в этом направлении ведутся, например, в ряде лабораторий США. Измерения пространственных и временных распределений газов, причастных к глобальному круговороту СО2, осуществляются в зонах действующих обсерваторий с помощью летающих лабораторий и специализированных стационарных платформ. Накопление таких сведений безусловно позволит выявить необходимые для глобальной модели зависимости.

Сказанное подтверждает очевидную истину, что фрагментарные исследования глобального круговорота углерода, не основанные на постоянно усложняющейся глобальной модели, типа описанной в работе Крапивина и Кондратьева (2002), всегда будут иметь сомнительный характер. Для глобальных выводов типа рекомендаций Протокола Ки-

ото такая сомнительность становится опасной с непредсказуемыми глобальными последствиями. Но тем не менее необходимость подобных выводов и оценок является необходимой. К сожалению, большинство международных программ по затрагиваемой теме не нацелены на развитие технологии глобального моделирования и не концентрируют усилия специалистов на синтезе единой имитационной модели системы природа-общество.

Существующие глобальные модели ещё достаточно просты и слабо обеспечены базами данных. Можно отметить три направления в глобальном моделировании, изложенные в работах Kondratyev et al. (2002), Sellers et al. (1996a-c) , Boysen (2000). В каждом из них отсутствует одна или несколько компонентов, но в целом концептуально они взаимно дополняют друг друга. Это вселяет надежду на их объединение и, следовательно, синтез глобальной модели, максимально учитывающей наиболее важные процессы в системе природа-общество.

Одной из слабо изученных и практически не учитывающейся в глобальных моделях является фотохимическая система атмосферы. Необходимо знание закономерностей изменения интенсивности приходящей солнечной радиации в связи с эффектами её поглощения газами и аэрозолями. И, в первую очередь, здесь важна роль молекулярного азота, озона, водяного пара, окиси азота, двуокиси серы, двуокиси азота, СО2 и других газов. Поэтому в данной главе предлагаются некоторые модели, позволяющие параметризовать часть из указанных элементов.

Общая характеристика глобальныхбиогеохимических круговоротов

Взаимодействие абиотических факторов окружающей среды и живых организмов биосферы сопровождается непрерывным круговоротом вещества в природе. Различные виды живых организмов поглощают вещества, необходимые для их роста и поддержания жизни, выбрасывая в окружающую среду продукты метаболизма и другие сложные минеральные и органические соединения химических элементов в виде неусвоенной пищи или отмерших биомасс. В результате эволюции биосферы сложилась устойчивая цепь глобальных биогеохимических круговоротов, нарушение которых во второй половине XX столетия поставило перед человечеством многие принципиальные вопросы, такие как непредсказуемое изменение климата из-за возможного парникового эффекта, уменьшение биоразнообразия, прогрессирующее опустынивание и многое другое. В самом деле, вопросы о том, что же происходит с климатом Земли и каковы перспективы уменьшения озонового слоя, остаются не решёнными несмотря на огромные экономические затраты на их изучение. Сейчас ясно, что ответы на эти и другие природоохранные вопросы нужно искать по пути создания эффективной глобальной системы мониторинга, базирующейся на глобальной модели

системы природа-общество, одним из базовых блоков которой является блок имитации биогеохимических круговоротов основных химических элементов биосферы. Именно такой подход позволит оптимизировать антропогенные потоки загрязняющих веществ и установить допустимые выбросы углерода, хлора, фтора, метана и других химических элементов в окружающую среду.

Одним из находящихся под пристальным вниманием учёных вопросов является глобальный биогеохимический круговорот СО2, который в основном и описывается в данной книге. Специалисты многих стран пытаются ответить на такие вопросы, как: 1) каких концентраций СО2 можно ожидать в будущем при существующих или прогнозируемых темпах сжигания органического топлива?; 2) какие климатические изменения могут произойти в результате возросшей концентрации СО2?; 3) каковы будут последствия таких климатических изменений для биосферы? и 4) что может предпринять человеческое общество для ослабления негативных последствий изменения климата или не допустить их?

Ясно, что уже сейчас, согласно грубым модельным оценкам, промышленная цивилизация должна искать новые источники энергии, уменьшающие темпы сжигания органического топлива и, следовательно, снижающие внешние воздействия на природные биогеохимические циклы. Однако современные промышленность и сельское хозяйство выбрасывают в атмосферу весь спектр парниковых газов, к которому относятся такие наиболее значимые газы, как пары воды (ЩО), двуокись углерода (ССЩ, озон (Оз), метан (СН4), окись азота (ЩО), хлорофторуглероды CFC-11 (CCI3F) и CFC-12 (CCI2F2) и др. Потенциалы глобального потепления (ПГП) за счёт роста концентрации этих газов значительно выше, чем потенциал СО2. Если для СО2 ПГП = 1, то, например, для СЩ, и ЩО ПГП равен 21 и 310 соответственно. А для отдельных гидрофторуглеродов (HFC) ПГП изменяется от 140 до 11700.

Атмосферная концентрация указанных выше парниковых газов нарастает. За индустриальный период концентрация СЩ увеличилась от 700 ppb до 1721 ppb, N2O — от 275 ppb до 312 ppb. Хлорфторуглероды до 1950 г. в атмосфере не обнаруживались, но уже в 1990 г. был зарегистрирован их выброс в развитых странах на уровне 0,223 ГтС. Суммарный выброс не-СО2 парниковых газов в 1990 г. составил 3,573 ГтС. Ожидается, что эта цифра к 2010 г. превысит 4 ГтС/год. Изменить наметившиеся тенденции нарастания не-СО2 парниковых газов невозможно без кардинального пересмотра экономической стратегии системы Н и перестройки структуры глобального энергобаланса. Ведь, например, выбросы СН4 происходят при сжигании топлива (70-120 млн т. СЩ/год), при выращивании риса, в животноводстве, при сжигании биомассы и на свалках (200-350 млн т. СЩ/год). Что касается выбросов ЩО, то здесь также невозможно резко изменить наметившиеся тенденции, так как основные источники окислов азота связаны

с сельскохозяйственным производством и промышленным производством различных кислот. Нарастание в атмосфере хлорфторуглеродов или их заменителей связано с развитием холодильной и косметической промышленностей.

Важным индикатором значимости парникового газа является его время жизни в атмосфере. Достоверная оценка этого показателя значительно облегчает процесс моделирования биогеохимического круговорота конкретного НГ. Имеющиеся оценки живучести НГ составляют 10 лет для СН4, 100 лет для N2O и 102 года для CFC-11 и CFC-12. Оценка живучести СО2 исчисляется от десятков до сотен лет в зависимости от рассматриваемого резервуара углерода.

В последнее десятилетие сочетание слов «парниковый эффект» сопровождает многочисленные публикации по проблемам глобальных изменений климата на Земле и, несмотря на сказанное выше, в большей мере связывается с СО2. Под этим термином подразумевается совокупность описаний эффектов, вызываемых в климатической системе и связанных с рядом естественных и антропогенных процессов. В целом понятие парникового эффекта относится к объяснению изменений в тепловом режиме атмосферы, возникающих за счёт воздействия некоторых газов на процесс поглощения солнечной радиации. Многие газы характеризуются высокой устойчивостью и длительным пребыванием в атмосфере. Углекислый газ является одним из них.

Многочисленные длительные наблюдения в различных широтных поясах показывают высокий уровень корреляции между температурой и содержанием СО2. Наибольший вклад в эту зависимость принадлежит взаимодействию атмосферы и океана. Хотя атмосфера и океан находятся в определённом равновесии по отношению обмена СО2, всё же это равновесие регулярно нарушается. Наиболее вескими причинами этого нарушения являются: 1) изменение температуры поверхности океана; 2) изменение объёма океана; 3) изменение режима вертикальной циркуляции океана. Обобщённо можно охарактеризовать эти причины по их эффективности следующим соотношением силы воздействия на концентрацию СО2 в атмосфере. Первая причина вносит около 65% в изменение парциального давления СО2 в атмосфере (ра). Остальные 35% принадлежат второй и третьей причинам. В количественном выражении это соотношение характеризуется возрастанием парциального давления СО2 в атмосфере на 6% на каждый градус Цельсия повышения температуры верхнего слоя океана. Также оценено, что уменьшение объёма океана на 1 % увеличивает ра на 3%.

Оценка парникового эффекта требует комплексного рассмотрения взаимосвязи всех процессов преобразования энергии на Земле. Однако, в разнообразии процессов (от астрономических до биологических), которые действуют на климатическую систему в самых различных временных масштабах, безусловно можно установить определённую иерархию их значимости. Но эта иерархия не может быть постоянной, так как роль отдельных процессов может варьироваться в широком

диапазоне значимости для климатических вариаций. Рассмотрение же одного фактора отдельно упрощает анализ его влияния на климат. В самом деле, уровень парникового эффекта определяется превышением поверхностной температуры Tl над эффективной Те. Температура поверхности Земли Tl зависит от излучательной способности х. Эффективная же температура Те является функцией излучательной способности а системы атмосфера-суша-океан. В общем случае величины х и а зависят от многих факторов и в том числе от концентрации СО2 в атмосфере. Имеется огромное количество простых и сложных математических моделей, в которых делаются попытки параметрического описания этих зависимостей. К сожалению, пока нельзя назвать ни одной модели, которая бы удовлетворяла требованиям адекватности и достоверно описывала бы предысторию климатических трендов на Земле. Тем не менее, можно уверенно утверждать, что парниковый эффект существенно нелинейно зависит от разности Tl — — Те, т. е. от непрозрачности атмосферы, особенно в длинноволновой области. Эта непрозрачность тем сильнее, чем больше СО2 в атмосфере. Наиболее сильное влияние СО2 на непрозрачность атмосферы проявляется в длинноволновой области 12-18 мкм длин волн. Более слабым это влияние оказывается в интервалах длин волн 7 -у 8; 9 -У 10; 2,0; 2,7 и 4,3 мкм. Ясно, что с увеличением парциального давления СО2 в атмосфере роль различных полос СО2 будет увеличиваться, а это значит, что с усилением полос поглощения СО2 восходящий поток длинноволновой радиации будет уменьшаться. В то же время на поверхности Земли нисходящий длинноволновой поток будет возрастать. По имеющимся оценкам сокращение восходящего и возрастание нисходящего потоков характеризуется величинами 2,5 и 1,3 Вт/м2 соответственно.

Таким образом, чтобы оценить уровень парникового эффекта за счёт влияния СО2 и других газов необходимо уметь предсказывать их концентрацию в атмосфере с учётом всех обратных связей в их глобальном биогеохимическом цикле (Watson et al., 2000). Эта проблема затрагивает различные области знания — биогеохимию, геохимию, почвоведение, экологию, агрохимию, геологию, океанологию, физиологию и радиохимию. Современные методы глобальной экоинформатики позволяют осуществить объединение знаний, накопленных в этих областях (Kondratyev, Krapivin, 2002).

Безусловно, изучение глобального круговорота химических элементов важно не только для оценки климатических последствий антропогенной активности, но и для понимания перспектив развития окружающей среды с позиций её качества и возможностей существования жизни. В самом деле, поскольку круговорот химических элементов в природе тесно связан с деятельностью живого вещества, то в целом можно выделить геологический, биогенный и биологический циклы этого круговорота. При этом биогенный цикл включает такие подциклы, как биогеохимический, биогеоценотический и геохимический.

Модель глобального круговорота серы

Совершенствование глобальной модели биосферы связано с расширением учитываемых в ней биогеохимических циклов. Необходимость включения в неё блока, описывающего потоки серы в природных системах, диктуется зависимостью биотических процессов от содержания серы в компартментах биосферы. Имеющиеся данные о запасах и потоках соединений серы в атмосфере, почвах, растительном покрове и гидросфере позволяют сформулировать математические соотношения для описания глобального круговорота серы (блок MGSC).

В целом по земному шару круговорот серы слагается из мозаичной структуры локальных потоков её соединений с другими элементами, создаваемыми за счёт миграции вод и атмосферных процессов. Концептуальные схемы глобальных и региональных круговоротов серы подробно описаны многими авторами (Nitu et al., 20006; Xu, Carmichael, 1999; Stein, Lamb, 2000; Howarth et al., 1992). Однако имеющиеся модели рассчитаны на автономное функционирование и использование, что не позволяет их подключить к глобальной модели без существенных изменений их параметрических пространств. Предлагаемая здесь реализация модели глобального круговорота серы построена в виде блока, имеющего входы и выходы, что позволяет совмещать его с другими блоками глобальной модели через их входы и выходы.

В отличие от углерода, соединения серы нельзя отнести к долго живущим элементам биосферы. Поэтому в блоке серы пространственная дискретизация её природных и антропогенных резервуаров должна быть рассчитана на отражение локальных распределений серы в окрестностях её источников, а также должна позволять оценивать интенсивности межрегиональных потоков соединений серы. Предлагаемая здесь версия блока серы, в отличие от известных гидродинамических моделей дальнего переноса, учитывает потоки соединений серы между гидросферой, атмосферой, почвой и биотой. Модель не учитывает вертикальную стратификацию атмосферы. Рассчитываются усреднённые по высоте характеристики потоков серы над сушей и океанами. Пространственная дискретизация биосферы и Мирового океана соответствует заложенному в глобальную модель критерию. Составляющие блок-схемы модели биогеохимического круговорота серы описаны в табл. 5.1. Такая схема реализуется в каждой ячейке Q^- земной поверхности и в каждом компартменте ^L^k Мирового океана. Взаимодействие между ячейками и компартментами организуется климатическим блоком глобальной модели. Поэтому в уравнениях блока серы отсутствуют члены, отражающие динамическую картину пространственной трансформации резервуаров серы. С учётом принятых в табл. 5.1 и 5.2 обозначений уравнения для описания балансовых соотношений между

Таблица 5.1. Характеристика наземных и гидросферных потоков серы.

Численные оценки потоков (мг • м-2сут-1) получены усреднением по соответствующим территориям (Крапивин, Назарян, 1997)

Поток серы

Суша

Гидросфера

Идентификатор

Оценка

Идентификатор

Оценка

Вулканические инвазии

H2S

С1

0,018

Нз

0,0068

so2

с5

0,036

Нз

0,0073

sot

с20

0,035

н.

0,0074

Техногенные выбросы

H2S

сг

0,072

Hi

0,00076

so2

с6

0,92

н6

0,038

sot

Сю

0,47

Окисление H2S до SO2

с.

1,13

н2

0,3

Окисление SO2 до SO2-

с9

1,35

Нз

0,16

Сухое осаждение SO2-

Сю

0,37

Ни

0,11

Выпадение SO2- с дождём

Си

1,26

Ню

0,38

Биологическое разложение и выделение H^S в атмосферу

Сз

1,03

И

0,31

Усвоение SO2- биотой

С15

0,41

н13

1,09

Биологическое разложение и образование SO2-

Сю

1,13

Hi7

0,43

Нгз

0,12

Осаждение и отложения

С18

0,22

Ню

0,98

С19

0,11

Hie

0,55

Ню

0,0076

Ню

0,036

Возвращение в атмосферу за счёт воздействия ветра

Cis

0,25

Н\2

0,33

Пополнение запасов серы за счёт отмирания биомассы

Си

0,86

ЯИ

1,1

Поглощение атмосферного SO2

с7

0,46

н7

0,18

Вымывание SO2 из атмосферы

Сз

0,27

я24

0,061

Речной сток SO2- в океан

Си

1,17

Переход газообразной фазы H2SO4 в Н25

C2i

0,018

Н26

0,0076

Поглощение вымываемой части атмосферного SO2 биотой

с22

0,036

я27

0,015

Окисление H^S до SO2 в водной среде

я18

0,045

Я22

0,19

Адвекция SO2

Я2о

0,38

Адвекция H^S

Н2г

0,37

Таблица 5.2. Некоторые оценки резервуаров серы, которые могут использоваться в качестве начальных данных

Резервуар

Идентификатор в уравнениях (5.1)—(5.18)

Количественная оценка резервуара серы, мг/м2

Атмосфера над океанами

H2S

AH2S0

10

so2

AS020

5,3

soy

AS040

2

Атмосфера над сушей

H2S

AH2SL

36,9

so2

AS02L

17,9

soy

AS04L

12,9

Суша

so2-

S04L

11,2

биомасса

FIX

600

почва

S

5000

Фотический слой Мирового океана H2S

H2S0U

1,9

502-

S040U

19- 107

биомасса

FI

66.5

МОВ

DU

730

Глубокие слои Мирового океана

H2S

H2S0D

2-Ю6

50|"

S040D

3.4-109

мов

DD

13120

резервуарами соединений серы запишутся в следующей форме:

dAHdtSL =+ С2 + С3 - С4 + С21,(5.1)

^^2L = С4 + С5 + С6 - С7 - С8 - С9,(5.2)

dASO4Lо\

— = Од + Од + 020 - Оц - 012,Р о)

"Си- С16 - С19,(5.4)

'^ЗА = С10 + С] ] + Ci2 + Cie - С3 - С1з - См, (5.5)

dFIX

^^17 + ^22,

(5.6)

dH2SO4L с с с с dt=Cis 021^22,

(57)

dAH2SO

(5.8)

dASO2O гт гт _|_ гт и и и — 112 +1124,

(5.9)

dASO4O

(5.10)

9SO4OU , 9SO4OU , , 92SO4OU

я,+я+ «гп 2=

dt9zQz

= Hi + H\q A H\\ A H20 + H22 + H27 + Си — H12 — H\s,

(5.П)

9H2SOU , 9H2SOU , , 92H2SOU „ , „„„

+~ Fkz=Я21+Я2з я4 Я22,

dtdzdz

(5.12)

dH2SOD ,dH2SOD , 7 d2H2SOD tt

9t9z + kz дг=Hn Hto H2b

(5.13)

9SO4OD , 9SO4OD , , 92SO4OD „„„

9t +yz 9zдг=Я18 Я1Э Я20,

(5.14)

9DU , 9DU , , 92DU „„„

Р= Яи - Я15 - Я23,

dtdz

(5.15)

dDD , dDD , 7 d2DD tttttt

1I„ 2 — Я15 Я15 Я17,

dtdzdz

(5.16)

9FI , 9FI , , 92FI _ „„

dtdzdz

(5.17)

ЭБОТ

9t = Щб + Я19’

(5.18)

где Dz — скорость вертикального движения воды в океане, м/сут; kz — коэффициент турбулентного перемешивания, м2/сут.

Уравнения (5.1)—(5.18) в каждой ячейке пространственного деления поверхности океана дополняются начальными условиями (табл. 5.2). Граничные условия для уравнений (5.11)-(5.18) задаются нулевыми. Вычислительная процедура расчёта концентрации серы выполняется в два этапа. В каждый момент времени tt сначала для всех ячеек Q^- по методу квазилинеаризации решаются уравнения (5.1)-(5.18) и находятся оценки всех резервуаров серы для t*+i = t* + At, где шаг по времени At выбирается из условия сходимости вычислительной процедуры. Затем в момент t^+i с помощью климатического блока глобальной модели осуществляется уточнение этих оценок с учётом атмосферного переноса и океанских течений за время At.

Запасы серы в резервуарах измеряются в мгЗ/м3, потоки серы имеют размерность мгЗ • м-3сут-1. Расчёт запасов серы в водной среде

осуществляется с учётом объёмов компартментов Slyjk- Для оценки запасов серы в атмосфере принимается, что эффективная толщина атмосферы h является входным параметром, получаемым моделью от пользователя или по умолчанию в виде константы из табл. 5.2, или поступающим из климатического блока глобальной модели. Количественные оценки потоков в правых частях уравнений (5.1)-(5.18) рассчитываются различными блоками глобальной модели. Техногенные потоки серы Н\, H^, С2, С^ и Сю имитируются в блоке сценариев. Потоки Н3, Н$, Н^, Ci, С5 и С20 задаются либо климатическим блоком, либо формируются в блоке сценариев.

Потоки в уравнениях (5.1)-(5.18) имеют различные функциональные представления, точность которых соответствует точности аналогичных потоков биогеохимических круговоротов углерода, фосфора и азота. Скорость выделения в атмосферу H2S при разложении гумуса описывается линейной функцией С3 = ц\ (pH) • SO4L • Ть, где рц — коэффициент пропорциональности, зависящий от кислотности почвы, сут-1К-1; Tl — температура почвы, ° К. Начальное значение SO4L в уравнении (5.5) оценивается по величине запасов гумуса с учётом того, что содержание серы в гумусе задаётся параметром ag, %. Согласно имеющимся наблюдениям за процессом поступления H2S в атмосферу из океана, поток Щ существенно изменяется от малых величин до значительных при переходе от стоячих вод к зонам апве- лингов. Предполагается, что поток Нд является функцией соотношения скоростей окисления H^S в фотическом слое со скоростью вертикального подъёма воды. Поэтому для описания потока Нд используем параметр tH2SU^ отражающий время жизни H^S в водной среде: Нд = = Н28Шн28и- Значение tH2SU определим в виде функции скорости вертикальной адвекции щ и концентрации кислорода 02 в верхнем слое толщиной Zh2S- tmsu = H2S0U • 1)2^2 + 02)/[02(^i + гДе константы i?i и $2 определяются эмпирически, величина 02 рассчитывается кислородным блоком глобальной модели или задаётся из базы глобальных данных.

Реакция окисления H2S до SO2 в атмосфере над сушей и водной поверхностью характеризуется достаточно быстрым процессом соединения сероводорода с атомарным и молекулярным кислородом. В то же время реакция H2S с О3 в газовой фазе проходит медленно. Описать в рамках глобальной модели всё разнообразие возникающих здесь ситуаций не представляется возможным, однако включение в блок серы потоков Н2 и С4 позволило учесть корреляцию между круговоротами серы и кислорода. Эти потоки параметризуются с использованием показателя tn2SA времени жизни H2S в атмосфере: Сд = AH2SL/tH2SA, Н2 = AH2S0/tH2SA- Механизм выведения SO2 из атмосферы описан потоками Н/, Н3, Н27, С7, Cg и С9. Схематически этот механизм состоит из набора взаимосвязанных реакций SO2 с атомарным кислородом при влиянии различных катализаторов. Изучение последовательности реакций позволяет оценить время жизни SO2 при окислении над сушей

tso2L и водной поверхностью tso2AX- Это даёт возможность принять следующие параметризации потоков Н3 и С^; Н^ = ASO2O/tso2A\, С9 = ASO2L/tSO2L.

SO2 из атмосферы поглощается горными породами, растительностью и другими земными покровами. Над водной поверхностью такое поглощение связано с интенсивностью турбулентных газовых потоков и взволнованностью поверхности. Сухое осаждение SO2 над растительностью опишем моделью: Су = q2RX, где q2 = ^2 ’ ASO2L/(rti + rs\ rti — атмосферное сопротивление переноса SO2 над растительностью типа I, сут/м; rs — сопротивление поверхности типа s переносу SO2, сут/м; RX — продукция растительности типа X, мг- м-2сут-1 (рассчитывается биогеоценотическим блоком глобальной модели); ^2 — коэффициент пропорциональности. Параметры rti и ^s являются функциями типов почвенно-растительных формаций и оцениваются соответственно величинами 0,05 и 4,5 для лесов, 0,9 и 3,0 для травяных покровов, 0,5 и 0,35 для кустарников, 0,8 и 1,0 для почвы без растительности, 1,9 и 0 для водной поверхности, 2 и 10 для снежного покрова.

Процесс вымывания SO2 из атмосферы с изменением фазы до H2SO4 и последующей нейтрализацией на поверхности типа I опишем согласно функции С3 = qnW • ASO2L с коэффициентом Лангмюра qxi и интенсивностью осадков W(yp, X,t). Взаимодействие кислотного дождя с элементами земной поверхности отражено в схеме рис. 5.1 потоками Cig, С21 и С22 для суши и Н25, Н26 и ^27 Для водной по-

Речной сток,

осадки

Бактерии ^Взвешенный и

растворенный органический азот

Продукты метаболизма

Осадки

Рис. 5.1. Схема потоков азота в морской среде

верхности. Чтобы параметризовать эти потоки примем гипотезу о том, что резервуары H2SO4L и H2SO4O расходуются пропорционально выходящим из них потокам, а коэффициенты этой пропорциональности являются управляющими параметрами вычислительного эксперимента: С18 = Их • H2SO4L, С22 = h2-RX • H2SO4L, С2х = h3Ta • H2SO4L,

Я25 = ^6 * H2SO4O, Н^ = h4Ta • H2SO4O, Я27 = ^ * RFI • H2SO4O, Ну + ^2 • RX + Н3Та = 1, Н4Та + ^5 • RFI + ^5 = 1, где Та(ур, А,£) — температура приземного слоя атмосферы.

Потоки Н7 и Я24 параметризуем соотношениями: Н7 = = ASO2O/tSO2A2, Н24 = QuW • ASO2O, где tso2A2 — время жизни SO2 над водной поверхностью при поглощении, сут.

Одним из наиболее важных элементов в глобальном круговороте серы являются сульфаты, вступающие во взаимодействие с экосистемами и устанавливающие взаимосвязь цикла серы с другими биогеохимическими процессами. Всю сложную гамму возможных превращений сульфатов в окружающей среде опишем совокупностью потоков Я7, Я§, Яю, Яп, Яю, С9, Си, Ci2, Cig для атмосферного резервуара и потоков Я13, Яю, Я19, Я20, Я22, С3, С14, С15, С16 для суши и Мирового океана.

Физические механизмы переноса сульфатов из атмосферы в почву и водную среду связаны с сухим и влажным осаждением. Эффективная модель влажного выведения частиц и газов из атмосферы была предложена Langmann (2000), замена в которой механизма захвата аэрозолей и газов упрощённой бинарной моделью позволяет согласовать её с другими блоками глобальной модели: Яю = pW • ASO4O, Нп = рио • ASO4O, Си = b3W • ASO4L, Су2 = dvua • ASO4L, где ио и va — скорости сухого осаждения аэрозолей над водной поверхностью и сушей соответственно, м/с; р, Ь3, р и dy — константы.

Возвращение сульфатов из почвы и водной среды в атмосферу связано с выветриванием горных пород и брызгами над взволнованной водной поверхностью: Сю = d2 • RATE • SO4L, Ну2 = • RATE х х SO4U, где RATE(yp, A, t) — скорость ветра над поверхностью, м/с; d2 и — эмпирические коэффициенты.

Поток Си связывает наземные и водные резервуары серы. Пусть а есть доля площади речной сети на суше и d3 — коэффициент пропорциональности, тогда Сю = d3W • SO4L + (Си + Су^а.

Наземная часть цикла серы связана с функционированием системы атмосфера-растительность-почва. Растения адсорбируют серу из атмосферы в виде SO2 (потоки С7 и С22) и усваивают серу из почвы в виде SO|~ (поток Сю). В иерархии почвенных процессов выделим два уровня, определив резервуары серы «мёртвая органика» и «SO^- в почве». Переходы между ними описываются потоком Сю = b2STg, где коэффициент b2 = Ь2дЬ2)2 отражает скорость Ь2д перехода серы, содержащейся в отмершей органике, в усвояемую растениями форму. Коэффициент Ь22 указывает на содержание серы в отмерших растениях.

Потоки серы в водной среде, согласно исследованиям Bodenbender et al. (1999), зависят от биологических процессов в водоёмах и составляют изолированную часть глобального круговорота серы, имеющую лишь связывающие её потоки с атмосферным и наземным циклами.

Грубые оценки показывают, что скорости круговорота серы в водной толще морей и океанов не играют существенной роли для остальных частей её глобального цикла. И хотя эта особенность, по-видимому, имеет место, всё же в предлагаемой модели для чистоты вычислительного эксперимента внутренние гидросферные потоки соединений серы расчленены по пространству и параметризуются на том же уровне детальности, как и другие потоки серы в атмосфере и на суше. Такая избыточность важна для других блоков глобальной модели. В частности, это важно для параметризации фотосинтеза, скорость RFI которого влияет на замыкание других биогеохимических циклов. Окончательно принимаем:

Яю = 7 • RFL НХ4 = Ь- MFL Я15 = / • DU, НХ6 = р • DD,Hi7 = q- DD, Hvs = Д^22 Я19 = м ■ SOW, Я20 = avvD • SOW,tH2SOD

H2i = bivD ■ H2SOD, H22 = H2SOU^ H^=g.DU^tH2SOU

где MFI — масса отмершего фитопланктона, tnzsou и Ihzsod ~ время полного окисления HsS в морской воде в фотическом и глубоком слоях соответственно; y,b, f ,р, q,u, a\,b\ ng — константы.

Антропогенный вход в блок серы реализуется через задание потоков С^, С^, Сю, Я1 и Яб в виде функций пространственных координат и времени.

Модель глобального круговорота фосфора

В отличие от азота, основным резервуаром фосфора в биосфере служит не атмосфера, а горные породы и другие отложения, образовавшиеся в прошлые геологические эпохи, которые, подвергаясь эрозии, высвобождают фосфаты. Кроме этого существуют и другие механизмы возвращения фосфора в биосферный круговорот, но они, как правило, недостаточно эффективны. Среди них можно указать на вылов рыбы, дающий возврат на сушу из гидросферы около 60 тыс.т Р/год, а также извлечение фосфорсодержащих пород, оцениваемое величиной 1-2 млн т P/год. Современный круговорот фосфора замыкается его потоками в донные отложения в Мировом океане, куда он поступает со сточными водами, береговым и речным стоками.

, ттр , Г ^Гб’ VpA) € -Гл19 \н7р - нр, (у, А) е п/по;9Ри ттР I TjP I tjP tjP tjP ., ттр , Г ^Гб’ VpA) € -Гл19 \н7р - нр, (у, А) е п/по;9Ри ттР I TjP I tjP tjP tjP .Элементы потоковой диаграммы модели глобального круговорота фосфора (MGPC) представлены в табл. 5.3, согласно которой балансовая система уравнений будет иметь вид:

, ттр , Г ^Гб’ VpA) € -Гл

19 \н7р - нр, (у, А) е п/по;

9Ри ттР I TjP I tjP tjP tjP .

, ттр , Г ^Гб’ VpA) € -Гл

19 \н7р - нр, (у, А) е п/по;

9Ри ттР I TjP I tjP tjP tjP .

ЭРА ЭРА ЭРд

ЭРи , ЭРи , ЭРиdt + ^ Эр + "Л ЭХ

Таблица 5.3. Характеристика потоков (млнт/год) и резервуаров (млнт) фосфора в биосфере (Крапивин, 2000 б)

Резервуары и потоки фосфора

Идентификатор блока MGPC

Оценка

млн т

Запасы фосфора

в атмосфере

Ра

3

на суше

Ps

1546

в фотическом слое Мирового океана

Ри

2 • 104

в глубоких слоях Мирового океана

Pl

12- 104

млн т/год

Вулканические выбросы

нГ

0-2

Внесение удобрений

НР

19

Усвоение растительностью

45,34

Поступление с отмершей растительностью

нГ

39,34

Поступление за счёт жизнедеятельности организ-

мов

на суше

нГ

5

в Мировом океане

н2Г

81,5

Переход в неусвояемую форму

н6р

2,9

Выветривание

н7р

5

Выпадение с осадками

на сушу

н[

1,8

на океаны

нГ

2

Вынос с выловом рыбы

нГ

0,06

Вынос птицами

нГ

0,04

Вымывание и сток в Мировой океан

нГ

4-14

Поступление за счёт лизиса детрита в океанах

фотический слой

нГ

550

глубокие слои

нГ

159

Обмен между фотическими и глубокими слоями

океана

подъём

нГ

96,1

опускание

нГ

22

Выпадение в осадки

нГ

13-83,9

Выветривание горных пород

нГ

1

Фотосинтез

нГ

630-1300

дРо .ЭРь . ЭРь . ЭPl _ ттР . ттР ттР ттР

^ = Н2 + Нр + Нр + Нр - Нр - Нр - Нр ;

где Рр = Рр\ + Рич + Риз» Ps = Psi Р Ps2- При такой детализации имеем:

9Рц\ , 9РШ 9РШ ЭРШ _ р _ р _ р _ рdt + * Эр + Л ЭХ + z Эк Нп Hy Я‘° Я20’

^^2 । дРш , 9Ри2 ЭРш _ ттР чр.

дРрз , 9РШ , 9РШ , 9РШ _ чр , чр ир .

9PsX ттР ттРттР.

^ = Нр + Нр + Нр + Нр - Нр - Нр - Нр;

Функциональные и динамические характеристики потоков фосфора (табл. 5.3) определим на основе анализа существующих представлений об их характере. Атмосферный круговорот определяется процессами выветривания горных пород, извержения вулканов и вымывания фосфора осадками. По имеющимся оценкам содержание фосфора в литосфере составляет 0,093%, а процессы выветривания поставляют в атмосферу от 0,67 до 5,06 мг Р«см-Згод-1. Извержение вулканов вносит в атмосферу ежегодно в среднем около 0,2 млн т фосфора. Так как эти процессы носят довольно сложный стохастический характер и не существует их моделей, то в первом приближении будем считать потоки Hf и Н^ постоянными.

Континентальный цикл фосфора определяется десятью потоками, замкнутыми единым компонентом Pg, указывающим на запасы фосфора на суше в почвенно-растительных формациях и животных. Пополнение запасов фосфора в почве происходит за счёт потоков Н^ (I = 2,4, 5, 8,9, 10). Потери фосфора из почвы определяются потоками H^j = 3,6, 7, 11). При более сложной детализации наземных резервуаров фосфора и учёте более тонких эффектов во взаимодействии этих резервуаров классификация наземных потоков фосфора несомненно усложнится. В рамках принятой здесь детализации наземных резервуаров фосфора можно принять к рассмотрению следующие функциональные представления потоков {Н?}:

Нр =PxGMGpMp; Hp=pvRv; Нр = p4ML; Нр = р^Нр;ргР Рв2 . ргР т. ргР Л^Т Рв2 .

г 82,0г 82,0

ни = Р2^- [1 - exp(-fcs„wso)];

^82,0

где ру — содержание фосфора в живой биомассе растений, р/х и р^ — содержание фосфора в органическом веществе растительного и животного происхождения соответственно, I — количество изымаемой из океана продукции, G — население, М — минеральные ресурсы, Ry — продукция фотосинтеза растительности, Ну — биомасса неусвоенной пищи животных, Му = pyL, ру — скорость отмирания растительности, L-биомасса растительности, ^ — температурный коэффициент скорости разложения мёртвого органического вещества на суше, АТ — вариация температуры приземного слоя атмосферы по отношению к контрольному значению, Wso — объём речного стока в океаны, р^ (г = 1,...,7) — константы. Индекс «О» в Go, Mq и Pg^p означает принадлежность этих величин некоторому контрольному моменту времени to, когда все параметры MGPC известны.

Гидрохимический цикл фосфора опишем совокупностью потоков Н£ (к = 9-18,20):

Нр = PuRdLi Н^з = Pg— , Н^ = рд — , Н^з = Pig— , ^ир

Hf6=pi2Rwo^, Ну=рхзНф, H^8=pyRDU, Н^=рхоМф, г АД

где Rd — скорость разложения мёртвого органического вещества, Rwo — осадки над океаном, Рф — продукция фитопланктона и других живых организмов в океане, Мф — скорость отмирания живой биомассы, рг (г = 8-16) — константы пропорциональности.

Модель глобального круговорота азота

Учёт в структуре глобальной биосферной модели блока MGNC, имитирующего потоки азота в окружающей среде, необходим по ряду бесспорных причин: соединения азота способны влиять на условия окружающей среды, изменять качество пищи, воздействовать на климат и трансформировать параметры гидросферы. Избыточное употребление нитратов приводит к загрязнению вод и ухудшению качества продуктов питания. Общепризнано, что эксплуатация земель методом интенсификации без прогнозной оценки последствий злоупотребления азотными удобрениями вызывает нарушения стабильности агроэкосистем и здоровья людей. Помимо этого, закись азота (N2O), двуокись азота (NO2) и окись азота (NO), относясь к малым газовым составляющим атмосферы, оказывают существенное влияние на формирование процессов поглощения в атмосфере оптического излучения. Незначительные отклонения в их концентрациях могут вызвать ощутимые климатические вариации у поверхности Земли (Кондратьев, 1999; Горшков, Макарьева, 1999; Sellers et al., 1995; Stockwell et al., 1999).

Круговорот азота тесно связан с потоками углерода, серы и других химических элементов (Smith et al., 1998; Dimitroulopoulou, Marsh, 1997).

Концептуальные схемы круговорота азота в природе. В целом по земному шару круговорот азота, как одного их биогенных элементов, слагается из мозаичной структуры локальных потоков его соединений, создаваемых за счёт миграции вод и атмосферных процессов. Современный круговорот азота в значительной мере подвержен антропогенному влиянию, проявляющемуся через вмешательство как непосредственно в цикл азота, так и через влияние на сопряжённые с ним процессы. Поэтому создание удовлетворительной модели круговорота азота в современной природе должно опираться на описание всего комплекса естественных и инициированных человеком процессов.

Природные источники окислов азота связаны с жизнедеятельностью бактерий, вулканическими извержениями, некоторыми атмосферными явлениями (например, разряды молний). Биогеохимический цикл азота включает такие процессы, как фиксация, минерализация, нитрификация, ассимиляция и диссимиляция. Структурные схемы этих процессов были достаточно детально описаны многими авторами. Их сложность определяется целью исследования, наличием данных о скоростях преобразования азотсодержащих соединений и об их запасах, доступностью уровня детализации и т. д.

Азот в биосфере движется по сложной разветвлённой структуре потоков, составляющих иерархию циклов на различных уровнях организации жизни. В основном азот из атмосферы поступает в клетки микроорганизмов, откуда попадает в почву, а затем в высшие растения, животных и человека. Последние, отмирая, возвращают азот в почву, откуда он либо опять попадает в растения и живые организмы, либо выделяется в атмосферу. Примерно такая же схема круговорота азота присуща и гидросфере. Характерной особенностью этих циклов является их незамкнутость, связанная с наличием процессов удаления азота из баланса биосферы в осадочные породы, откуда он возвращается значительно более медленными темпами. Такое представление о характере азотного цикла в биосфере и её резервуарной структуре позволяет сформировать глобальную схему потоков азота.

Блок-схема модели глобального круговорота азота в биосфере. Сравнительный анализ предложенных различными авторами модельных схем потоковых диаграмм соединений азота в природе позволяет синтезировать табл.5.4, где перечислены резервуары и потоки азота. Здесь в качестве резервуаров азота рассматриваются атмосфера, почва, литосфера и гидросфера. Первые три резервуара описываются двумерными моделями, гидросфера — трёхмерной многослойной моделью. Уравнения модели имеют вид:

!

8NA । т т QNa у 0Na tjN i nN nN / о

+ + =Я‘ +Я2°

ну + н^-н^ -H^ + HN-HN-h”, (^,A)efi/no

(5.19)

Таблица 5.4. Характеристика резервуаров и потоков азота в биосфере

Резервуары (Г т) и потоки (млн т/год)

Идентификатор

Оценка

Запасы азота

Гт

атмосфера

Na

39 • 105

почва

Ng

280

фотический и промежуточный слои океана

Nu + Np

2800

глубокий и придонный слои океана

Nl + Nf

36400 млн т/год

Естественные источники геосферы Техногенная аккумуляция

H^

0,392

при сжигании топлива

H”

22,8

при производстве удобрений

Поступление за счёт отмирания организмов

H9N

41,8

на суше

h3n

42,2

в верхних слоях Мирового океана

nN HXB

5

в глубоких слоях Мирового океана Поступление за счёт жизнедеятельности организмов

uN

HX2

7,8

на суше

H5N

0,1

в Мировом океане Биологическая фиксация

Hf

0,3

на суше

H6N

20,3

в Мировом океане

Hn

10

из атмосферы Денитрификация

ttN

40

на суше

Hf

52

в Мировом океане Атмосферная фиксация

nN

-"20

49,8

над сушей

4

над Мировым океаном

nN "l6

3,6

Сток с суши в Мировой океан

Hu

38,6

Выпадение в осадки

Вертикальные обменные потоки в океанах

mN

-"13

0,5

опускание

rjA^

-"14

0,2

подъём

mN

-"15

7,5

Антропогенные выбросы в атмосферу

rjA^

-"19

15

Уход азота из круговорота в результате отложений

rjA^ -"21

0,2

Поступление азота в атмосферу в процессе выветри

0,217

вания горных пород

Поступление азота в водную среду при растворении

mN

0,091

осадочных образований

-"23

8 К.Я. Кондратьев, В.Ф. Крапивин

= Н^ + Нг - Я3я(5.20)

=Н^+ Н^+ Н^+ Н^-Н^-H7N-Н^-Н^(5.21)

8Nu , 8Nu8Nu , 8NuЭНцЭХЭНцЭХ

8Nu , 8Nu

8Nu , 8Nu

ЭНцЭХ

ЭНцЭХ

nN I ttN I ttN I ttN — H16 + H^u + Н18 Ц + Hn nN I ttN I ttN I ttN — H16 + H^u + Н18 Ц + HnnN nN nNnN-20 - n\4,UPnpUPnN nN nNnN-20 - n\4,UPnpUP(5.22)(5.22)

nN I ttN I ttN I ttN — H16 + H^u + Н18 Ц + Hn

nN I ttN I ttN I ttN — H16 + H^u + Н18 Ц + Hn

nN nN nNnN

-20 - n\4,UPnpUP

nN nN nNnN

-20 - n\4,UPnpUP

(5.22)

(5.22)

dNP , 8NPdt +^ dpdNP , 8NPdt +^ dp8NPЭХ8NPЭХ

dNP , 8NPdt +^ dp

dNP , 8NPdt +^ dp

8NPЭХ

8NPЭХ

(5.23)(5.23) nN । nN । nN । nNnN nNnN

(5.23)

(5.23)

— n18,P + n4,P + n\4,UP +15,PL nW,P 14,PL - n15,UP

^ = Ql + <L + Н^рь + H^LF - H^ LF - H^ PL(5.24)

^ = Qf + H»F + H^ + H^,LF — H^ — H^LF(5.25)

где У(У^, Ид) — скорость ветра, р(рф, v\) ~ скорость течения в океане, Ql и Qf — функции, описывающие перемешивание вод глубокого океана.

Для упрощения расчётной схемы в уравнениях (5.19)-(5.25) адвективные процессы можно описать суперпозицией потоков Н^ и Н^. Компьютерная реализация уравнений блока MGNC вносит в уравнения (5.19)-(5.25) поправки на согласование размерностей переменных в соответствии с пространственной дискретизацией Q. Поэтому приводимые ниже оценки потоков Н-4 для их учёта в MGNC должны быть скорректированы по этому критерию.

Атмосферные компоненты круговорота азота. Атмосферная часть круговорота азота является примером сложного механизма трансформации газообразных веществ, характеризующегося запутанной гаммой потоков на границах разделов основных резервуаров азота. Тем не менее исследования многих авторов позволяют сформировать чёткие представления о потоковой диаграмме азотных соединений в атмосфере.

В атмосфере азот находится в свободном состоянии (N2) и в форме соединений — аммиака (NH3), закиси азота, окиси азота, двуокиси азота и других окислов азота (NO3, N2O3, N2O4, N2O5), которые играют промежуточную роль в химических реакциях. По имеющимся оценкам активная часть азота атмосферы составляет 3,92- 1012 т, т. е. Na = = 0,77 • 104 т/км2. Детализация атмосферных реакций азота оказывается неполной из-за недостаточной изученности источников и поведения различных форм аммиака. Известно, что наиболее важными реакциями в атмосфере являются следующие:

NO2 NO + О, фКа = 0-25 ч-1;

Оз + NO NO2 + О2, Кх = 1320 (часть на Ю^-'ч-1

Фотохимическое равновесие описывается соотношением:

(NO)(Оз) _ Ка

(NO2)

Время релаксации в этом случае составляет 16 с и поэтому равновесие между NO, NO2 и О3 в атмосфере можно считать устойчивым. Однако равновесие N2 + О2 2NO в антропогенных условиях сопряжено с превращением NO в NO2 в течение нескольких часов. Поэтому и здесь с позиции глобального моделирования нецелесообразно отдельное рассмотрение компонентов NO и NO2. Другими словами, будем рассматривать азот атмосферы как обобщённую компоненту глобальной модели.

Атмосферная фиксация. В результате различных физико-химических процессов, происходящих в атмосфере, свободный азот может переходить из атмосферы в почву и водоёмы. Фиксация атмосферного азота за счёт электрических зарядов и фотохимических процессов составляет в год не более 0,035 т/км2 (по более точным оценкам эта величина может принимать значения 0,027 т/км2 для суши и 0,01 т/км2 для океанов). Поскольку потоки азота за счёт атмосферной фиксации существенно определяются метеоусловиями, то естественно их рассматривать независимо для каждого региона суши и каждой акватории Мирового океана в виде функций температуры и осадков.

Поток Н^ фиксируемого в атмосфере азота над любой океанской акваторией опишем соотношением:

где АТ — вариация температуры атмосферы, ^ — показатель температурной зависимости скорости атмосферной фиксации азота, Rw — осадки, Ai и А2 — коэффициенты.

Уравнение атмосферной фиксации над участком суши Q^' запишем аналогично Н^:

= [^з(^1)ЛТ + ^RwyjWA,

где A3 и А4 — коэффициенты.

Для оценки коэффициентов А^ (г = 1,...,4) в первом приближении можно использовать средние данные о потоках азота и осадках. Если принять Н^ = 9,96 • 10-3 т/(км2год), Н^ = 0,027 т/(км2год), осадки местного происхождения над океаном и сушей оценить значениями 1,01 м/год и 0,24 м/год соответственно, а конвективные осадки над океаном и сушей приравнять 0,19 м/год и 0,116 м/год соответственно, то имеем Ai = 0,00498, А2 = 0,00458, A3 = 0,0135 и А4 = 0,0285. Эти оценки легко уточняются с учётом местных данных в фиксированный момент времени по более мелким регионам и акваториям.

Поступление азота в атмосферу из геосферных источников. Поток азота Н^ определяется геотермальной активностью Земли. Имеющиеся его оценки говорят о необходимости учёта в глобальной модели этой составляющей. В частности, например, в азотных фу-

маролах Везувия содержание азота по весу составляет 98%, в газах лав гавайских вулканов содержится всего лишь 5,7% азота, а в среднем по планете поступление ювенильного азота оценивается потоком 0,4 млн т/год. Представим Н^ как детерминированную функцию времени, аппроксимирующую статистический ряд наблюдений. Более строгий учёт этого потока азота в модели может быть реализован за счёт использования алгоритмов параметризации случайных процессов, например, с помощью эволюционного моделирования. Однако в рамках глобальной модели, ориентированной на описание процессов с временным шагом в десятки лет, вполне достаточно использовать ступенчатую аппроксимацию со среднегодовыми пошаговыми дискретизациями.

Поток Н^ в какой-то мере можно интерпретировать как компенсацию потоков Н^ и Н^.

Наземная часть круговорота азота в биосфере. Запасы азота на суше слагаются из усвояемого азота в почве Ng^ ~ 0,19 • 104 т/км2, азота в растениях (12 млрд т) и живых организмах (0,2 млрд т). Многообразие потоков азота здесь формируется из процессов нитрификации, денитрификации, аммонификации, фиксации и речного стока. Интенсивности этих потоков зависят от климатических условий, температурного режима, увлажнения, химических и физических свойств почвы. В литературе описаны многие качественные и количественные характеристики этих зависимостей. Рассмотрим основные из них.

Нитрификация. Одним из стабилизирующих природных процессов является возвращение в круговорот азота за счёт жизнедеятельности микроорганизмов. Упрощая весь процесс превращения амонийных солей в нитраты, представим деятельность гетеротрофных микроорганизмов и сапрофагов как обобщённый процесс разложения органического вещества. Темп разложения органического вещества и нитрификация возрастают с повышением температуры, достигая своего оптимума при Та = 34,5 °C. Поэтому для потока Н^ можно принять описание Н^ = = XnxMx, где Мх — скорость отмирания компонента х, Xnx ~ содержание азота в компоненте х.

Денитрификация. Процессы денитрификации на суше Н^ являются существенными каналами поступления азота в атмосферу. Интенсивность этих процессов зависит от температуры, влажности, загрязнённости почвы ядохимикатами и pH. Количественные и функциональные характеристики таких зависимостей достаточно хорошо изучены. В рамках глобальной модели представляется возможным учесть только факторы температуры и влажности:

где Wg — почвенная влага, $<2 — температурный коэффициент, Х^ и к\ — эмпирические параметры. Если принять Н^ = 0,318 т«км-2год-1, то Аб = 0,496, кх = 0,556.

Биологическая фиксация. В биологическом круговороте азота важную роль играют процессы его фиксации микроорганизмами и растениями, интенсивность которых оценивается в 148 млн т/год. При этом скорость фиксации в зависимости от характера среды может изменяться, достигая величины 3 млрд т/год в высокопродуктивных областях. Поток азота Н^ зависит от распределения растительного покрова и может быть описан уравнением: Н^ = a^X^R^f с^р где Ок ~ площадь под растительностью типа к на территории Q^- площадью а гр Rk — продуктивность растений типа к, Хк — коэффициент.

Фиксация азота растениями непосредственно из почвы через корневые системы (поток Н^ занимает принципиальное место в круговороте азота, особенно на территориях с культурной растительностью. Например, повышение доли бобовых растений в сельском хозяйстве может довести Н^ до величины 35 т«км-2год-1. Поэтому учёт этого потока в модели необходим и может быть реализован в следующей Ф°РМе- N _ (TkRkPk /г

где рк — константа.

Известно, что скорость усвоения азота корнями растений существенно зависит от температурного режима почвы, уменьшаясь незначительно при снижении температуры до 8-10 °C и падая резко при температурах, меньших 5-6 °C. При этом перемещения азота от корней к верхним частям растений также снижается. Формула (5.26) отражает эту закономерность через соответствующие реакции продуктивности растений без учёта запаздывания.

На суше растения ежегодно потребляют около 30 млн т азота из атмосферы и более 5,3 млн т азота непосредственно из почвы. Ориентировочные оценки продуктивности различных типов растительности при усреднении дают Rk = 710-3243 т«км-2год-1. Отсюда, согласно (5.26), имеем рк = 0,134 • 10"5 ^0,506 • КН

Потери азота путём вымывания из почвы. В глобальных масштабах пути миграции азота включают перенос его соединений между регионами суши, а также между сушей и океанами за счёт стока воды. Ежегодное поступление азота с суши в Мировой океан оценивается величиной 38,6 млн т. Если при этом суммарный сток в океан с суши описывается функцией Wgo, тогда поток азота Н^ можно аппроксимировать выражением:

Ни = Ajv7VS2[l -exp(-fcwWSo)],

где Xn и kN — коэффициенты. Эта функциональная форма предусматривает равенство нулю потока азота с суши в океан при отсутствии стока и его стабилизацию на уровне Xn при значительном возрастании объёма стока. Для оценки параметров Xn и kN необходимо учитывать пространственную неоднородность типов почвеннорастительных формаций, рельефа и других геофизических параметров.

В частности, содержание азотистых соединений в воде оказывается различным в зависимости от территории стока. Так, в речных водах лесных областей умеренного климата содержится нитратов 0,4 мг/л, для аридного климата эта величина равна 1,45 мг/л. Концентрация нитратов резко возрастает в дренажных водах оросительных систем (5,5 мг/л), в речных водах густонаселённых районов (25 мг/л) и наиболее высокой является для почвенных растворов засоленных орошаемых почв (200 мг/л). Грунтовые воды содержат от 10 до 100 мг/л нитратов. Если при этом учесть, что общий сток воды в Мировой океан равен 50 тыс. км3, из которых 30% относится к подземному стоку, то суммарный поток азота на единицу площади океана составит 0,107 т/год. Полагая Wso = 0,337 м и принимая, что уровень насыщения стока в 95% достигается при пятикратном возрастании Wso, получим kN = = 1,367, Aw = 0,708.

Наземная часть круговорота азота содержит постоянный процесс удаления азота из биосферы в осадочные породы, в частности, в результате накопления на поверхности Земли селитры, через эрозию и выщелачивание. По имеющимся оценкам Н^ ~ 3,9- 10-4 т«км-2год-1, причём Н^х < Я^, но Н^х + Н^ = + Я22 + Я23. Это соотношение следует из того факта, что за геологическое время потери азота уравновешивались его поступлением. Конечно, в современной биосфере с изменением интенсивности большинства перечисленных в табл. 5.4 потоков это положение начало нарушаться за счёт наращивания потоков Н^ и Я^.

Гидросферная составляющая глобального круговорота азота. В морской воде азот присутствует в виде растворённого газа, ионов аммония NH^, нитрита NO/, нитрата NO/ и в форме различных органических соединений. Неорганические соединения азота потребляются растениями и фитопланктоном и таким образом переходят в органические формы, которые служат пищей живым организмам. Расход запасов азота неорганического происхождения компенсируется за счёт атмосферных осадков, речного стока и минерализации органических остатков в процессе жизнедеятельности живых организмов и отмирания. Согласно Иванову (1978), потоки азота в морской воде могут быть представлены схемой рис. 5.1. Ясно, что здесь учтены не все имеющиеся в природе потоки азота. Многообразие путей трансформации азота в водной среде ещё не полностью изучено, хотя для целей глобальной модели имеющейся информации достаточно. Такие процессы, как пополнение запасов азота в водной среде за счёт лизиса детрита и жизнедеятельности живых организмов, обмен азотом между фотическими и глубинными слоями в океане, фиксация азота при фотосинтезе и денитрификация, детально исследованы и описаны в литературе. Имеются также грубые оценки запасов азота в океанской среде, согласно которым в среднем можно принять Np = Np = 0,77 х х 104 т/км2 и Np = Np = 105 т/км2. Более детальные пространствен-

ные распределения запасов азота в гидросфере могут быть рассчитаны по данным о биомассе, растворённом органическом веществе и концентрации растворённого кислорода. Объёмные соотношения растворённого азота связаны с объёмом кислорода соотношением мл Ы2/л = 1,06 + + 1,63 млО2/л (Иванов, 1978).

Восстановление запасов азота в водоёмах происходит путём бактериального разложения органических осадков и растворённых органических веществ. Рассмотрим компонент D, отражающий содержание мёртвого органического вещества в водной среде. На его основе можно записать следующее соотношение: Н^ = ХпН^А,гД\ где Xd — показатель содержания азота и скорости лизиса детрита. Пополнение запасов свободного азота в водной среде происходит также в процессе жизнедеятельности различных организмов. Если учитывать фитопланктон Ф и нектон г, то имеем:

tjN Ы^ 1 nN. nN a m . nN a m — £1T + Мф , £1T —Пф — Аф1ф,

где Tr и Тф — характеристики метаболических процессов соответственно у нектона и фитопланктона, Хг и Аф — коэффициенты. Для определения средних значений этих коэффициентов положим Тт = = 0,194 т-км-2год-1, Тф = 0,125 т-км-2год-1, Н^ = Нф = 0,83 х х 10-3 т-км-2год-1. Тогда Хт = 0,00428, Аф = 0,00664.

Процесс денитрификации в водной среде даёт значительную добавку азота в атмосферу: Н^ = X^QA)^7NuA, ^^ где А5 и ^ф - константы. Биологическая фиксация азота в водной среде составляет около 10 млн т-год-1, достигая в фотической зоне океана 20,7 млн тх х год-1, а в небольших озёрах — (36-1800) • 104 т-км3год-1. Для Мирового океана в среднем Н^ = 0,0277 т-км2год-1. Полагая Н^ = = ХрНф, где Нф — продукция фитопланктона, равная в среднем 168,8 т-км2год-1, получаем Ад = 0,164- 10-3

Характерной особенностью круговорота азота в водной среде является перенос азота в результате гравитационного оседания, вертикальной конвекции, турбулентной диффузии и конвергенции. Процессы переноса азота мигрирующими животными незначительны по интенсивности и в рамках глобальной модели могут не учитываться. Простейшая форма описания вертикальных потоков азота сводится к модели Я^ = Xx^Nx, Я^ = Xp^Np, где и = (Я, Я, L\ р = (Я, L, Я).

Антропогенные факторы круговорота азота в биосфере.

Современный вклад человеческой активности в общий биосферный круговорот азота достиг уровня, когда последствия от вносимых изменений становятся непредсказуемыми и возможно весьма катастрофическими. Эпидемиологические исследования свидетельствуют о росте острых респираторных заболеваний на территориях с повышенной концентрацией окислов азота, серы и фотохимических окислителей. Известно, что вредные воздействия окислов азота на живые организмы начинают заметно ощущаться при превышении уровня 940 мкг/м3. В общем азотное загрязнение биосферы проявляется в более сложной

гамме последствий. Так, например, техногенная аккомуляция азота из атмосферы при производстве удобрений, с одной стороны, играет положительную роль в повышении продуктивности наземных и водных экосистем, а с другой, вызывает нежелательное явление эвтрофикации водоёмов. Изъятие азота из атмосферы для промышленных и сельскохозяйственных нужд компенсируется техногенным поступлением азота в атмосферу при сжигании твёрдого и жидкого топлива, характеризуемым десятками тонн в год. Значительная доля в этом принадлежит транспортным выбросам окислов азота, достигшим, например, в США уровня 11,7 млн т/год. Однако даже соблюдение такого физического равновесия не может заменить химико-биологического баланса. Поэтому в этой многофункциональной иерархической гамме глобальных потоков азота необходимо выделить наиболее уязвимые узлы и связи, что возможно лишь в рамках хорошо спланированного вычислительного эксперимента.

Количественная оценка основных этапов круговорота азота с учётом антропогенных факторов позволяет увидеть интегральный эффект нарушений глобального баланса азота. В табл. 5.4 и 5.5 указаны размеры этого дисбаланса. Но по имеющимся данным о распределении по Земному шару нарушений потоков азота невозможно достоверно оценить вклад промышленного синтеза азотных соединений и их рассеивания по поверхности Земли в его биогеохимический круговорот. За последние годы 20-го столетия промышленность на 50% увеличила общее количество циркулирующего в биосфере азота. В результате природное равновесие между процессами нитрификации и денитрификации оказалось нарушенным с избытком нитратов в 9 млн т.

Таблица 5.5. Оценки некоторых параметров глобального биогеохимического круговорота азота в биосфере

Параметр

Оценка

Содержание азота в атмосфере, % по объёму по весу

Содержание азота в некоторых компонентах биосферы, % гумус почв речная вода фекалии опад растительности морские организмы

Содержание растворённого азота в морской воде, мл/л вблизи экватора высокие широты

Среднее содержание азота в морской воде, г/м3

78,084 75

6

1,5- 10“3

2,5

1

5

14,1

8,2 0,3

Параметр

Оценка

Содержание нитратов в речных водах, т/км3 аридные районы густонаселённые районы лесные области умеренного климата

Концентрация нитратов, т/км3

дренажные воды оросительных систем почвенные растворы засоленных орошаемых земель грунтовые воды

Выпадение фиксированного азота на сушу, млн т/год с осадками аэрозоли

Потребление азота растениями суши, млн т/год из атмосферы из почвы

Приток азота в океанскую систему за счёт лизиса детрита, млн т/год

Интенсивность выноса азота из фотических слоёв океанов в глубокие слои с опускающейся водой, оседающими водорослями и трупами животных, млн т/год

Мировое производство азотных удобрений,млн т/год

Вынос азота из почвы с урожаем, млн т/год

Выбросы окислов азота в некоторых странах, млн т/год США

Япония

Великобритания

Нидерланды

Концентрация NO2 в стратосфере вблизи высот, млрд-1

10 км

30 км

Фоновое значение концентрации N2O в слое атмосферы до высоты 16 км, ppm

Наблюдаемые вариации фоновой концентрации N2O в слое атмосферы до высоты 16 км, ppm

Концентрация NO у земной поверхности, млрд-1 над океанами над индустриальными районами

Фоновое содержание NO в атмосфере, млрд-1 в слое до высоты 7 км на высотах 35-45 км

Концентрация NO2 в приземном слое атмосферы, млрд-1 над океанами над континентами

1,45 25 0,4

5,5 200 10-100

25 15

30

5,3

5

0,2

31,6-90,1 90-200

22,8 2,4

2,43 0,32

0,2-0,5 4-12

325

0,08-0,35

0,004 1

0,03-0,06 5-20

0,1-2,6 0,8-16

Предварительные оценки нарастания антропогенного давления на потоки азота между элементами биосферы позволяют высказать гипотезу о наличии сильной корреляции между производством удобрений Н^ и плотностью населения G, техногенной аккомуляцией азота при сжигании топлива Н^ и расходованием минеральных ресурсов Rmg, антропогенным поступлением азота в атмосферу Н^ и интенсивностью выброса общих загрязнений Zvg- Количественные характеристики факторов этих зависимостей можно оценить из известных тенденций. Так, по некоторым оценкам, количество выбрасываемых в атмосферу окислов азота пропорционально весу используемого топлива с тенденцией к ежегодному возрастанию на 4%. Масштабы промышленной фиксации азота за последние 40 лет возросли в 5 раз, достигнув величины, которую могли бы зафиксировать все экосистемы земли до введения современной агротехники. В 1968 г. мировая промышленность дала около 30 млн т. фиксированного азота, а в 2000 г. эта цифра достигла 1 млрд т.

Формализуем эти корреляции в виде следующих моделей:

= тш{п(К)С(К,Д(5.27)

Н^ = XagR-mg, = XgaZvg,

где К — номер экономического региона, G — средняя плотность населения в К-регионе, ак — площадь К-региона. Коэффициенты UXag и Xga определяются на основе анализа имеющейся информации о процессах в (5.27). Если принять оценки Н^ = 0,154 т/(км2год), Н^ = 0,102 т/(км2год) и Н^ = 0,283 т/(км2год), то при G = = 24,4 чел/км2, Rmg = 30,5 усл. ед./(км2год) и Zvg = 3,39 т/(км2год) получаем U = 0,283, Xag = 0,504 • 10-2 и Xga = 0,03.

Таблица 5.6. Основные реакции глобального биогеохимического круговорота азота и их энергетические характеристики (Делвич, 1972)

Реакция

Формула реакции

Выход энергии, ккал

Аммонификация

CH2NH2COOH + | О2 — 2СО2 + н2о + мн3

176

Нитрифи

мн3 До,- нмо2 + н2о

66

кация

2

KNO2 + | О2 KNO3

17,5

Фиксация

N2 2N

-160

2N + ЗН2 2NH3

12,8

С6Н]2О6 4" 6О2 —> 6СО2 4" 6Н2О

686

Дыхание

С6Н12О6 + 6KNO3 6СО2 + ЗН2О + 6КОН + 3N2O

545

Денитрификация

5С6Н12О6 + 24KNO3 ЗОСО2 + 18Н2О + 24КОН + 12N2

570

5S + 6KNO3 + 2СаСО3 3K2SO4 + 2CaSO4 + 2СО2 + 3N2

132

Антропогенное вмешательство в круговорот азота может иметь также и медико-биологические последствия, выражающиеся, например, в возрастании смертности с увеличением NO2 в атмосфере. Анализ встречающихся в медицинской литературе данных позволяет получить оценку допустимого уровня NO2 в 190-320 мкг/м3, воздействующего на живой организм в течение одного часа не более одного раза в месяц. По данным Всемирной организации здравоохранения естественная фоновая концентрация NO2 над континентами составляет 0,4-9,4 мкг/м3.

Наконец, воздействие человека на круговорот азота может повлиять на структуру и интенсивность энергетического обмена в биосфере. Как видно из табл. 5.6 в этом направлении существуют возможности значительных сдвигов в зависимости от интенсификации той или иной реакции.

Биосферный баланс кислорода и озона

Круговорот кислорода в природе слагается из характерных биогеохимических переходов между резервуарами основных элементов, циркулирующих в биосфере. Поэтому блок-схема модели кислородного обмена идентична блок-схемам моделей серы, азота, углерода и фосфора (рис. 5.2). Однако кислород относится к наиболее распространённым

Рис. 5.2. Потоки кислорода в биосфере

на Земле элементам, что ставит его в ряд существенных компонентов биогеохимических круговоротов. Его количество в земной коре, включая гидросферу, достигает 49% по массе. Литосфера (без океана и атмосферы) содержит 47,2% кислорода, вода — 88,89%. В океани-

236 Гл. 5. Моделирование совместного глобального круговорота углерода ческой воде кислород составляет 85,82%, живое вещество заключает в себе около 65% по массе. Эти оценки говорят о значимости кислорода в жизни биосферы, само возникновение и существование которой обусловлено наличием кислорода. В биосфере сейчас циркулирует около 39- 1014 тО2.

Кислород присутствует в биосфере в форме молекулярного кислорода (О2), озона (Од), атомарного кислорода (О) и в качестве составляющей различных окислов. С одной стороны, кислород поддерживает жизнь на Земле за счёт процесса дыхания и формирования озонного слоя, с другой — он сам продукт жизнедеятельности организмов. Это обстоятельство делает описание его круговорота достаточно сложной задачей, так как требует синтеза описаний различных процессов. Здесь сделана попытка построения такого описания и синтеза модели глобальных потоков кислорода (MGOC).

Как отмечено многими авторами, устойчивости глобального биогеохимического круговорота кислорода в ближайшем будущем ничто не угрожает. Такое утверждение нельзя сделать для озона, концентрация и пространственное распределение которого в последние десятилетия подвергались серьёзным изменениям. Согласно Kondratyev, Varostos (2000), имеющиеся наблюдения за вертикальным профилем атмосферного озона иллюстрируют очень сложную картину его пространственной и временной изменчивости в зависимости от многих характеристик системы природа-общество. Блок MGOC в части параметризации потоков озона следует идеологии цифровой модели Алояна и Арутюняна (Kondratyev, Varostos, 2000) с учётом необходимой коррекции. Это коррекция связана с заменой некоторых функциональных зависимостей сценариями, отражающими динамику изменения концентрации тех химических элементов, которые не описываются в глобальной модели круговорота углерода.

Источники кислорода. Теперь и в геологическом прошлом нашей планеты существовали два источника кислорода — эндогенный и фотосинтетический. Не углубляясь в анализ научных споров на этот счёт и не перечисляя всех существующих концепций, попытаемся описать источники кислорода в современной биосфере, следуя многим исследованиям в этой области.

Базовым источником атомарного кислорода служит фотосинтез растений, уравнение которого имеет вид:

Свет

I t I

2Н2О + со2 => сон + Н2О+О2

Хлорофилл

Фотосинтез ежегодно вырабатывает более 50 млрд т кислорода, т. е. порядка 3,3 • 10-4 % от его запасов в атмосфере. Отсюда видно,

что только за счёт фотосинтеза полное обновление запасов кислорода в атмосфере может произойти примерно за 300 тыс. лет. При этом около 80% общего количества продуцируемого фотосинтетическим путём кислорода образуется в результате жизнедеятельности фитопланктона и только 20% продуцируется наземными растительными сообществами. Если обозначить соответственно через Rф(ф, X,t) и Rx((p,X,t) продукцию фитопланктона Ф и наземной растительности типа х в точке земной поверхности ((/;, А) в момент времени t, то потоки кислорода в гидросферу и с суши в атмосферу можно описать соотношениями: Н^ = афКф, Н® = axRx, Н^ = asRф, где коэффициенты аф, ах и as- зависят от вида фитопланктона и типа растительности. Для их средней оценки используем данные о потоках: Н^ = 140 т О2/(км2год), Н^ = = 70 тО2/(км2год), Н^ = 600 тО2/(км2год), Rф = 401,3 т/(км2год), Rx = 102,4 т/(км2год). Тогда аф = 0,35, ах = 0,68, ад = 1,49. Понятно, что эти оценки имеют значительный пространственно-временной разброс. В частности, используя данные о продуктивности отдельных океанов, получаем значения коэффициента аф: Атлантический — 0,53; Индийский — 0,27; Северный Ледовитый — 11,1; Тихий — 0,64.

Кроме фотосинтеза, источником кислорода в атмосфере может быть фотолиз, т. е. разложение паров воды под действием ультрафиолетового излучения в верхних слоях атмосферы. Однако интенсивность этого источника в современных условиях незначительна. Тем не менее обозначим этот поток через Н^ = ан^А, где Wa — содержание паров воды в атмосфере, ан — эмпирический коэффициент. Если предположить, что в верхних слоях атмосферы может находиться постоянная доля от Wa, то при Н^ = 0,0039 тО2/(км2год) и Wa = 0,025 м имеем ан = 1,56 • 10-7 год-1.

Вернадский (1944) рассматривал в качестве возможных источников кислорода метаморфизм пород, базальтоидный вулканизм и подземные радиоактивные воды. Однако каких-либо достоверных оценок этих потоков не существует и поэтому нет возможности их параметризовать.

Процессы поглощения кислорода. Основным потребителем кислорода на Земле является окислительный процесс, протекающий как на суше, так и в водной среде. Способность кислорода соединяться со многими элементами земной коры формирует потоки его ухода из резервуаров биосферы. Сбалансированность приходнорасходного бюджета кислорода обеспечена эволюцией биосферы.

Кислород расходуется на дыхание растений, животных, человека и на разложение мёртвого органического вещества в гидросфере и на суше. Для параметризации расходных статей баланса кислорода используем следующие модели: Н9 = а\Тх, Н^ = а2Тр, Н^ = а^Тс, Я^ = а^Тн, Н^ = aQRD, H^q = a^Rg, где Tm — энергетические затраты на дыхание (m = х, F,G, R), Rq — скорость разложения мёртвого органического вещества (£ = Q,D,S\

Озон. Атмосферный озон составляет 0,64 • 10-6 массы атмосферы и относится к оптически активным газам. Он поглощает ультрафиолетовое излучение Солнца в диапазоне 200-300 нм, чем существенно влияет на термический режим стратосферы. Кроме того, озон имеет ряд колебательно-вращательных полос поглощения в инфракрасной части спектра (9,57 мкм) и частично поглощает видимое излучение в полосе Шаппюи (0,6 мкм). Образование и разрушение озона достаточно подробно описано в книгах Kondratyev, Varostos (2000) и Kondratyev (1999 а).

Озон образуется в верхней стратосфере из молекулярного кислорода под воздействием УФ-радиации Солнца. В нижней стратосфере и тропосфере источником озона служит распад двуокиси азота под действием УФ- и видимой радиации. Формирование вертикального профиля концентрации озона связано с его меридиональным и вертикальным переносом. Общей характеристикой этого профиля является интегральное количество озона, измеряемое толщиной его слоя в единицах Добсона (1 Д.Е. = 0,001 см).

Разрушение озона — сложная гамма фотохимических реакций с участием соединений водорода, азота и хлора. По имеющимся оценкам разрушение озона производится на 50-70% соединениями азота, 20-30% кислородом О, 10-20 % водосодержащими частицами НОХ и менее чем на 1 % соединениями хлора. Преимущественная роль соединений азата в разрушении озона подтверждена Wauben et al. (1997) на всех широтах. Уравнение фотохимического равновесия между концентрациями озона и окислов азота имеет вид: [NO] • [Og]/[NO2] = = р, где константа р равновесия зависит от интенсивности солнечной радиации и может изменяться в диапазоне от 0 до 0,02.

Существуют различные подходы к параметризации процесса образования и распада слоя озона. Сложность построения динамических моделей цикла озона в атмосфере связана с его участием более чем в 75 химических реакциях, качественное и количественное описание которых невозможно без построения детальных моделей для большого числа малых газовых компонентов атмосферы. Тем не менее для озонового цикла имеются эмпирические модели, которые позволяют в современной климатической обстановке получить адекватные пространственные распределения озона. Например, в работе Бекорюкова и Фёдорова (1987) описана простая эмпирическая модель общего содержания озона, апробированная для данных южного полушария:

О3^, V = 52 52 Рп(^ lan,m cos (mA) + ап_т sin (mA)], (5.28) n n^m

где P™ — ненормированные сферические функции степени п порядка т, аП1т и ап_т — эмпирические коэффициенты, значения которых даются в работах Бекорюкова, Фёдорова (1987) и Крапивина, Кондратьева (2002).

Существуют статические модели и для описания вертикального профиля распределения плотности озона. Одной из таких моделей является формула Крюгера:

С*з(Ю = 51,4ехр [-^-^] (мкг/м3)-

Обзор других моделей озона дан в книге Kondratyev, Varostos (2000).

Динамическая модель озонового слоя в простейшем случае может быть представлена в виде балансового уравнения, отражающего его приходно-расходные компоненты. Пополнение запасов озона происходит за счёт воздействия УФ-радиации на кислород (Яц = взОд) и двуокись азота (Н^ = в2Нд). Разрушение озонового слоя происходит со скоростью Я^ = О3/Т3, где Т3 — время жизни молекул озона, зависящее от загрязнённости атмосферы: Т3 = Т^ — в\В. Время жизни Т^ молекул озона в идеальной атмосфере в среднем оценивается величиной 50-60 суток. В величину В значительный вклад дают окислы азота, участвующие в противоположном Я^ цикле разрушения озона.

Антропогенное воздействие на круговорот кислорода. Исследования по истории развития биосферы устанавливают тесную корреляцию между интенсивностью продуцирования кислорода и развитием жизни на Земле. И хотя ожидаемые относительные колебания концентрации кислорода в ближайшем будущем не превышают 10%, всё же учитываемые воздействия на биосферу не охватывают всех потенциальных антропогенных тенденций, а потому такая оценка не может нас успокаивать. Поэтому проанализируем составляющие возможных механизмов нарушения природного баланса кислорода. Естественно, нас должно беспокоить как возрастание, так и уменьшение содержания кислорода в атмосфере.

Круговорот кислорода усложнён его способностью вступать в многочисленные химические реакции, образуя множество его эпициклов. Такое обстоятельство делает круговорот кислорода достаточно устойчивым, но затрудняет оценку этой устойчивости.

Антропогенное воздействие на множество указанных эпициклов кислорода проявляется как непосредственным его вовлечением в другие круговороты вещества при сжигании топлив и производстве различных материалов, так и косвенным путём через загрязнение окружающей среды и разрушение биосферы. Поэтому параметризация антропогенного влияния на кислородный баланс реализуется в рамках других блоков глобальной модели. Явно учитываемый в схеме рис. 5.2 поток Я^ интегрально охватывает непосредственное потребление кислорода в промышленности и сельском хозяйстве. Будем считать, что Я^ = р\Вмс> где Rmg — скорость расходования природных ресурсов, у\ — коэффициент (£з0,084).

Существенному антропогенному воздействию подвержены потоки Я^ и Н^. Их вариации вызваны сбросом промышленностью сточных вод с повышенной температурой и содержащих значительные

количества окисляющихся веществ, а также нефтяным загрязнением водоёмов. Количественные характеристики изменения содержания растворённого в воде кислорода в зависимости от температуры хорошо изучены. Эмпирическая формула, позволяющая рассчитать концентрацию растворённого в морской воде кислорода, имеет вид (Рамад, 1981): [О2 растворённый] = 80/(0,2То — 7,1), где [О2] выражается в мг/л, То — в градусах Цельсия. Оценки растворимости кислорода в воде хорошо известны (Крапивин, Кондратьев, 2002).

Потоки Н^ и Н^, уравновешивающие в природных условиях потоки поступления кислорода в водную среду, при антропогенном воздействии, как правило, возрастают за счёт активизации аэробных бактерий и повышения метаболических потребностей животных. Например, повышение температуры воды на 10 °C увеличивает потребление кислорода на дыхание водных животных в 2,2 раза.

Одним из негативных проявлений антропогенного воздействия на цикл кислорода является нарушение озонового слоя, особенно заметное в полярных областях. Существуют различные гипотезы относительно причин резких вариаций в концентрациях озона, идут споры о так называемой «озоновой дыре» над Антарктидой. Основная причина всех этих нарушений связана с прогрессирующей хозяйственной деятельностью человека, сопровождаемой увеличением объёмов выбросов в атмосферу долгоживущих компонентов (например, фреонов). Последствия этих нарушений не имеют границ и оценить реальные масштабы опасности для жизни на Земле возможно лишь с помощью глобальной модели системы Природа-Общество.

Многообразие антропогенного воздействия на глобальный биогеохимический цикл кислорода определяется прямыми и косвенными причинами нарушения природного баланса кислорода. Согласно уравнению фотосинтеза, грамм-молекулярные количества поглощённого СО2 и выделенного О2 равны. Также равны грамм-молекулярные количества поглощённого О2 и выделенного СО2 при разложении мёртвого органического вещества и сгорании топлива. Следовательно, на отрезках времени в десятки и сотни лет изменение количества СО2 в атмосфере сопровождается таким же изменением О2, но в противоположном направлении. Например, удвоение количества СО2 в атмосфере приводит к соответствующему уменьшению количества О2. Но, поскольку объёмная концентрация СО2 в атмосфере в современную эпоху оценивается величиной 0,0319%, а концентрация О2— 20,946%, то уменьшение количества О2 в этом случае составит лишь 0,15% от общего содержания (% в атмосфере.

Представим следующую ситуацию. Пусть сожжены вся фитомасса биосферы (^9,6- 1011 тС), всё органическое вещество почвы (^з14 х х 1011 тС) и всё ископаемое химическое топливо, разведанные запасы которого составляют 128 • 1011 т условного топлива (64 • 1011 тС). Тогда количество СО2 в атмосфере возрастает в 12,5 раза, а количество О2 соответственно уменьшится, но всего лишь на 1,75%. Следовательно,

количество кислорода на отрезках времени порядка сотен лет практически постоянно.

Однако следует учитывать, что область избыточного антропогенного выделения СО2 и, следовательно, поглощения О2 сосредоточена на малой площади городов и лесных пожаров. Из-за того, что выравнивание концентраций в атмосфере происходит не мгновенно, вокруг этих участков может создаваться градиент концентраций О2, при котором уровень кислородного обеспечения будет неблагоприятным для животных и человека. Поэтому модель глобального круговорота кислорода (блок MGOC), отражающая пространственные неоднородности в распределении концентраций О2, позволяет выявлять такие опасные территории.

Взаимосвязь между круговоротами кислорода, азота, серы, фосфора и углерода проявляется через процессы окисления и разложения. Уровень детальности блоков глобальной модели не позволяет отразить всё известное многообразие этих процессов. Поэтому в самом простейшем случае, когда учитываются только усреднённые характеристики элементов цикла кислорода, схему рис. 5.2 глобальных потоков О2 можно представить в виде схемы рис. 5.3. Отмеченная устойчивость

Рис. 5.3. Упрощённая схема биогеохимического круговорота кислорода в биосфере

концентрации О2 в атмосфере позволяет упростить описание блока MGOC, используя единственное балансовое уравнение

эо эо эо ^i + v^N+ Хах

= k^Rp + kpRp - ирТр - bcG - ирТр - vgTg - I^qRq,

где ко и kp — показатели скорости выделения O^ за счёт фотосинтеза в океане и на суше соответственно, vs — показатель роли дыхания наземной растительности (s = Up животных (s = F) и человека (s = G)

в изъятии кислорода из атмосферы, pq — скорость потребления О2 при разложении мёртвого органического вещества почвы.

Блок-схема модели кислородного баланса биосферы. Полагая принятую на рис. 5.2 схему потоков кислорода в природе сбалансированной, запишем уравнения модели в следующей традиционной форме балансовых соотношений (табл. 5.7):

90 АдОд дОд

-W + V^ + Vx^\ =

8

ттО | ттО | ттО | ттО | ттОттО ттО ттО.

9Оз , ТЛ ЭОз9t др9Оз , ТЛ ЭОз9t др9Оз ттО ттО иО. — нп + нХ2 - II и,

9Оз , ТЛ ЭОз

9t др

9Оз , ТЛ ЭОз

9t др

90 g ттО ттО ттО ттО ттО.

— ^21- ^16- ^17- ^19,S- ^20’

дОи . дОи . дОи

ттО I цО I цО цО ттОттО ттО .

—+ ^13,PU + ^17 -- ^10,PU - ^15 - ^19,U’

дОр . ТЛ ЭОр . т/ ЭОр

гтО I гтО I ГтОTjO TjOтрОтрО .

— п\;Р +PU + ^13,PLPL ~ n\^PU ~ п\^Р^

90 L хл | ттО| ттОтрОтрОтрО .

— 4L + PL + LF ~LFPL^

90 F хл | ттОттОттО

— 4F Г J^\Q,LF -- ^13,LF-

Здесь через Ql и Qf обозначены потоки кислорода, формирующиеся в результате перемешивания глубокого и придонного слоёв океана. Обмен кислородом между гидросферой и атмосферой (потоки Н^ и 77(g) зависит от его парциальных давлений на границе раздела вода- воздух. Направленность потоков Н^ и Н^ зависит от соотношения температур Та, Ту и Tg. При этом из-за высокой концентрации кислорода в атмосфере вариации парциального давления незначительны, а потому приближённо можно считать потоки Н^ и Н^ зависящими только от колебаний концентраций Оу и Og *. Н^ = кои (Ту — - Та)Оу; Н^ = kos (Tg - Ta^Og. Если принять Оу = 5,5 мл/л и Og = = 2,1 мл/л, то при Ту - Та = Tg — Та = 2 °C и Я^ = 18 т/(км2год), Я^ = 140 т/(км2год) получаем оценки кои = 0, 5 • 10-4 км/(°С год) и kos = 0,1 • 10 2 м/(°С год).

Обмен кислородом между слоями океана определяется циркуляционными процессами, в результате которых в зависимости от широты, долготы и сезона интенсивность потоков Н?о и Н» может резко из-

Таблица 5.7. Оценки резервуаров и потоков кислорода и озона в блоке MGOC, используемые при его отладке (Kondratyev, Varostos, 2000)

Резервуары (т/км2), потоки (т-км2год)

Идентификатор

Оценка

Кислород верхнего фотического слоя Мирового океана

Ои

0,8 • 108

Кислород переходного слоя океана

Ор

0,7 • 109

Кислород глубокого океана

OL

3- 104

Кислород придонного слоя океана

Ор

9- 103

Кислород атмосферы

Оа

0,24 • 107

Кислород наземной части гидросферы

Os

0,6 • 108

Озон

Оз

0,23

Фотосинтез в океане

яр

108-388

Фотосинтез на суше

яр

70-100

Фотораспад воды в атмосфере

я?

0,008

Окислительные процессы в атмосфере

я4°

0,009

Дыхание растений

Яр

0,07-0,1

Дыхание животных

яр

50-60

Дыхание людей

Яр

70-80

Окислительно-восстановительные процессы в почве

Я8°

1

Окислительные процессы в Мировом океане

Яр

164

Опускание насыщенных кислородом вод

Яро

190

Распад и разрушение О2 в атмосфере

Яр

Образование Оз из NO)

Яр2

0,23-22,2

Подъём растворённого кислорода в апвелинговых зонах

Ярз

36

Распад и разрушение озона в атмосфере

Н?4

1,48-1,66

Обмен на границе атмосферы и океана

Н?5

18-140

Обмен на границе атмосферы и внутренних водоёмов

Н?6

18-140

Перенос кислорода в океан речным стоком

Яр

50

Антропогенное потребление кислорода

яр

60-90

Затраты О2 на метаболизм у водных животных

яр

0,2

Окислительные процессы в континентальных водоёмах

Яр

90-200

Фотосинтез в континентальных водоёмах

Яр

100-400

меняться. Во всяком случае, эта интенсивность в основном зависит от скоростей пд вертикального подъёма воды и dh её опускания. В зонах апвелингов преобладающим является поток Н^, наоборот, поток Н^ превалирует в зонах конвергенции. Диапазон скоростей da и dh определяется интервалом от 0 до 0,1 м/с. Наиболее характерные значения этих скоростей лежат в области 10-2-10-4 м/с. Например, вблизи Калифорнии dа ~ 0,77 • 10-5 м/с, а для района Бенгальского поднятия наблюдаются величины da = 0,25 м/с. Таким образом, для потоков Н^ и Н^ примем следующие описания: Н^ = АМ7(ОМ — О7);

Яр3 = ^х^О^ — Ох\ где Хх^ и рь^х — коэффициенты локального перемешивания, (х = U, Р, L; у = Р, L, F\

В шельфовой зоне океана на формирование кислородного баланса значительное воздействие оказывают стоки с континентов. Несмотря на сложность этого процесса в рамках строгости данного рассмотрения вполне приемлемой оказывается следующая простая его параметризация:

Нп = ^SU^Og - OuY

Оценка роли авиации в изменениях озоносферы

Проблема мониторинга и прогнозирования динамики озонового слоя в атмосфере занимает в научной литературе в настоящее время не меньшую роль, чем проблема парникового эффекта атмосферы (Ва- ротсос, Кондратьев, 1998; Поповичева и др., 2000). В обоих случаях существуют противоречивые оценки причин возникновения экологической опасности при наблюдаемых уровнях концентрации озона, озоноразрушающих или парниковых газов. Несмотря на наличие подобных противоречивых оценок, часто приобретающих даже политический оттенок (Зуев, 2000), эти проблемы привлекают всё большее внимание специалистов в области точных наук, пытающихся создать такие информационные технологии, которые обеспечивали бы высокий уровень объективности и достоверности получаемых оценок последствий антропогенного вмешательства в глобальные биохимические круговороты озона, углекислого газа, метана, водяного пара и других малых газовых компонентов (МГК). В данном исследовании рассматривается достаточно узкий, но важный вопрос об изменении озонового слоя над ограниченной территорией из-за полётов над ней транспортной авиации. Этот вопрос привлекает в последние годы всё большее внимание. Влияние полётов дозвуковой (высоты 9-13 км) и сверхзвуковой (высоты 16-20 км) авиации на озоносферу по многим оценкам становится ощутимым, по крайней мере, на региональном уровне. Тем более что объёмы глобальных перевозок воздушным транспортом возрастают почти на 5% в год, а количество выбрасываемых при этом окислов азота, соединений серы и других МГК увеличивается примерно на 4% в год. Согласно средней глобальной оценке, выбросы NO^ (NO + NO2) в настоящее время составляют около 500 ktN/год при прогнозируемом росте к 2015 г. до 1100 ktN/год.

Совокупность выбрасываемых авиационными двигателями в атмосферу веществ включает такие компоненты, как H2SO4, HNO3, HNO2, HNO, Cl, NO3, СЮ2, СО, СО2, СН4, N2O, Н2О, SO2, SO3, N2O5, СН3С1, Cl2, CH3NO2, CH3NO3, BrONO2, HNO4, CIONO2, многие из которых вызывают образование полярных стратосферных облаков, заметно влияют на изменение аэрозольного состава атмосферы и усиливают парниковый эффект.

Анализ распределения указанных компонентов в атмосфере требует понимания многих факторов из областей фотохимии и атмосферной динамики. К сожалению, имеющиеся представления о скоростях реакций с участием перечисленных веществ, а также о коэффициентах микро-макротурбулентности, о локальных синоптических характеристиках ограничены усреднёнными по времени и пространству данными. В связи с этим многие авторы применяют всевозможные упрощения, позволяющие преодолевать неопределённости в информации.

Атмосферная химия озона изучена достаточно хорошо (Kondratyev, Varotsos, 2000). Тем не менее, этих знаний оказывается недостаточно для создания модели биогеохимического круговорота озона, адекватность которой не вызывала бы сомнений. Основная причина состоит в нестационарности процессов в окружающей среде. Использование как простых, так и сложных моделей климата, в деталях учитывающих элементы атмосферной химии озона, к сожалению, не дают приемлемых результатов. Поэтому одним из возможных подходов к повышению надёжности оценок состояния озонового слоя над заданной территорией является применение технологии, которая адаптивно чередует этапы измерения и моделирования и учитывает экспертные оценки. В этом случае для решения задачи оценки вертикального профиля озона может быть использована вся совокупность сведений о процессах его образования и разрушения, а дополнительная опорная информация об антропогенных и природных процессах описывается установившимися корреляционными зависимостями или сценариями.

Одной из трудностей синтеза модели динамики озона и данных наблюдений является, в частности, необходимость адекватного описания положения тропопаузы. Неопределённость положения трассы полёта самолёта дозвуковой авиации относительно тропопаузы возникает именно из-за неточного определения высоты тропопаузы. Это очень важно, так как в зависимости от того, проходит ли трасса полёта в тропосфере или же в стратосфере, изменяется совокупность фотохимических реакций с участием озона. В случае сверхзвуковой авиации этот вопрос решается однозначно: все трассы принадлежат нижней стратосфере. Поэтому, чтобы исключить из модели элементы неустойчивости, принимается гипотеза о сезонном изменении высоты тропопаузы, например, по бинарному закону: весной и летом Zi, а осенью и зимой Z2.

Такой подход исключает неустойчивость получаемых оценок. Хотя, конечно, известны многие удачные результаты моделирования фотохимии озона. Среди них хорошо зарекомендовали себя ряд моделей лагранжевого типа, в которых учитывается до 75 химических элементов и соединений. Также достаточно эффективной оказалась трёхмерная модель MOZART (Model for Ozone and Related chemical Tracers) (Kondratyev, Varotsos, 2000).

В данном параграфе задача динамической оценки вертикального профиля концентрации озона в атмосфере над ограниченной территори-

ей рассматривается в достаточно узком аспекте, затрагивающем лишь один антропогенный источник влияния на озоносферу — авиацию. Поскольку набор выбрасываемых авиационными двигателями веществ достаточно широк, то последствия пролёта самолёта над данным участком земной поверхности охватывают большой диапазон изменений как газового, так и аэрозольного состава атмосферы. Конечно, масштабность этих изменений определяется интенсивностью полётов авиации и густотой лётных коридоров. Здесь предлагается метод интеграции совокупности этих причин и развивается информационная система экспертного уровня, которая может быть использована в системах регионального и национального мониторинга. Кроме того, вводится ограничение на представление входной информации и на спектр химических реакций. Оператору предоставляется возможность уточнения перечня веществ, содержащихся в выхлопных газах.

Блоки имитационной системы для контроля региональной озоносферы (ИСКРО) перечислены в табл. 5.8. Контролируемая территория Q покрывается географической сеткой с шагами А^ и АЛ по широте и долготе соответственно. Над каждой ячейкой Q^' = {(^)А: Г % Г Гн- ь \ А < Aj+1; % = 1,..., N; j = 1,..., М} определяется возможное положение (высота и время) авиационного коридора. Для этого в базе данных ИСКРО формируется индикатор авиационной нагрузки на Q (тип двигателя, используемое горючее, скорость и высота полёта). Считается, что фоновая концентрация озона и метеообстановка известны по данным региональной, национальной и глобальной систем мониторинга окружающей среды.

Концентрация озона как функция пространственных координат и времени рассчитывается по формуле

dOMX.z, t) = Q + s + u_p_R, (5.29)

где z — высота, а функционалы, стоящие в правой части уравнения (5.29) описывают следующие процессы образования озона: Q — изменение концентрации озона за счёт движения атмосферы и гравитационного осаждения, Р и U — фотохимическое разрушение и образование озона вне авиационного коридора соответственно, R и S — фотохимическое разрушение и образование озона внутри авиационного коридора.

Решение уравнения (5.29) с начальными данными на момент времени t = to осуществляется с учётом мозаики авиационных коридоров. Функционалы R и S рассчитываются в Ю-цл = {((/;, А, ^): (^, А) е Q^-; z^ ^ ^ ^к+1} момент времени t только при наличии самолёта. При этом рассматриваются три зоны взаимодействия продуктов сгорания топлива в струе работающего авиационного двигателя: 1) непосредственно позади всех двигателей (продолжительность по времени АП), 2) на этапе перемешивания выброшенной струи газов с ближайшей атмосферой (А^) и 3) на путях проникновения образовавшейся смеси

Таблица 5.8. Характеристика блоков ИСКРО

Блок

Функции блока

ААБД

Алгоритмическая адаптация базы данных к структуре контролируемой территории. Создаётся матричная структура с элементами, которые однозначно идентифицируют привязку элементов окружающей среды к географическим координатам, конфигурации территории района, размещения на ней объектов типа аэродромов, а также делению территории на сушу и водную поверхность.

ИОБД

Информационное обновление базы данных. Обеспечивается возможность оперативного изменения конфигурации и описываемого в ААБД образа территории региона.

УИП

Управление информационными потоками между блоками ИСКРО. Согласуются размерности параметров моделей, а также размерности входных данных приводятся в соответствие с принятыми в ИСКРО шкалами. Например, реализуется формула Ippmv = = 10-3[М/(ЛДр)] мкг • м-3, где Mi — молекулярный вес г-го химического элемента. Также реализуются формулы пересчёта типа 1мкгОз/м2 => 0,467 • 10-7атм — см.

КФБС

Контроль функций блоков системы. В зависимости от наличия в базе знаний необходимой информации о корреляционных связях между различными процессами из альтернативных вариантов выбирается не противоречащий базе данных вариант.

ПСМБ

Параметрическое согласование моделей и базы данных. Сигналы пользовательского интерфейса анализируются с целью эффективного изъятия из базы данных коэффициентов моделей или в случае возникающих несоответствий модель заменяется сценарием.

МХР

Моделирование фотохимических реакций в коридоре полёта самолёта с выделением трёх стадий: 1) в ближайшей зоне после выброса продуктов сгорания топлива из сопла авиационного двигателя; 2) стадия рассеивания струи продуктов сгорания и 3) этап полного перемешивания с окружающей атмосферой.

МВКО

Модель процессов распространения и преобразования озона при взаимодействии коридора полёта самолёта (вихревого следа) с окружающей атмосферой.

МОРО

Модель образования и разрушения озона с учётом всей совокупности авиационных коридоров над контролируемой территорией.

РПАБ

Расчёт поправок в атмосферный баланс озона за счёт учёта эффектов воздействия наземных покровов и морской поверхности.

ФФУО

Формирование фонового уровня озона по данным региональной и глобальной системы мониторинга или с помощью соответствующей модели.

ФС

Формирование сценариев дислокации авиационных коридоров и расписаний их нагрузки.

УИПИ

Управление информационным пользовательским интерфейсом. Обеспечение компьютерных экспериментов.

в крупномасштабные резервуары (Atg). Следовательно, после пролёта самолёта авиационный коридор существует время At = Ati + At2 + + Atg, после чего R((pt, Xj, z,k,t) = S(y^i, Xj, z,k,t) = 0 и в уравнении (5.29) начинают работать функционалы Q, U и Р.

За период времени At в авиационном коридоре происходит огромное количество различных процессов трансформации выброшенных двигателями веществ. Существует понятие индекса преобразований в струе, которое предоставляет интегральную оценку для концентраций этих веществ как функции времени. Пусть выброс произошёл в момент to (момент пролёта самолёта над данной точкой земной поверхности). Тогда индекс преобразования химических элементов в струе после пролёта самолёта можно представить трёхступенчатой функцией:

JnW =JnW =JnxJn2JnsJnxJn2Jnsпри to < t < to + Ati;

JnW =

JnW =

Jnx

Jn2

Jns

Jnx

Jn2

Jns

при to + Ati < t < to + Ati + At2;

при to T Ati T At2 t < to T Ati T At2 T Atg;

(5.30)

Величины JNt(i = 1,2,3) зависят от времени суток, сезона года и от многих других параметров (температуры, высоты, географических координат). Эмпирические оценки Луц вносятся в базу данных системы и используются при расчёте Jn^\ При дальнейшем развитии ИСКРО будет целесообразно включить блок, который бы рассчитывал Jni

теоретически.

Поскольку самолёт движется со скоростью Уа по трассе x(cp,X,z), то в момент to он находится в некоторой точке xq, и все его двигатели выбрасывают Vm(to) вещества типа М. С учётом (5.30) получаем:

при Ь2 При Lg ПрИгдеL\ = VM(to) -при Ь2 При Lg ПрИгдеL\ = VM(to) -t0 < t < t0 + Ati;

при Ь2 При Lg ПрИ

где

L\ = VM(to) -

при Ь2 При Lg ПрИ

где

L\ = VM(to) -

to 4- Ati t < to 4- Ati 4~ At2;

to 4“ Ati 4“ At2 t < to 4~ At;

t л. + ° WM(to) - JnxVm^o)^

U = №^ ++ MtoX^i -

L3 = №to ++- W

Считается, что через время At явное воздействие авиационного фактора прекращается, и все процессы преобразования и разрушения озона в коридоре пролетевшего самолёта приобретают естественный характер. Зона вихревого следа за пролетающим самолётом имеет круговое сечение диаметром г, и в течение времени т = Ati + At2 её взаимодействие с окружающей атмосферой можно считать пренебрежимо малым. На третьей стадии это взаимодействие начинается с незначительных контактов двух сред. Во всяком случае, сценарий взаимодействия авиационного коридора с окружающей атмосферой требует уточнения и развития, в частности, за счёт формирования набора сценариев.

Наиболее важным компонентом в выхлопных газах авиационных двигателей является NO^. За время существования струи от пролетевшего самолёта происходит, например, окисление NO^ гидрооксилом ОН, присутствующем в вихревом следе, до HNO3 и HO2NO2. Как показали исследования в лабораторных условиях, на процессы образования и разрушения озона заметное воздействие также оказывают гетерогенные механизмы влияния на химический состав атмосферы. Это влияние проявляется как в коридоре полёта самолёта, так и в свободной атмосфере. В частности, реакция N2O5 + H2O2HNO3 на сульфатных аэрозолях, в основном образующихся в результате пролёта самолёта, снижает скорость разрушения озона за счёт цикла NO^, но повышает отрицательную роль С1Ж и НОЖ, при разрушении О3.

Вторым важным компонентом выхлопных газов является SO2, эмиссия которого из авиационных двигателей в два раза повышает площадь сульфатных частиц в атмосфере полётного коридора, что приводит к возрастанию потерь О3. Известно, что в ряде натурных экспериментов (Kraabol, Stordal, 2000) на истребителе F-16 и в лабораторных экспериментах на двигателе F-ЮОс использованием нескольких типов авиационного топлива с высоким (^з1150 ppmm S), средним (£з 170-300 ppmm S) и низким (^з10 ppmm S) содержанием серы, эмиссия SO2 изменилась от 2,49 г 5О2/кг для топлива с высоким содержанием серы и до 0,01 г 5О2/кг для топлива с низким содержанием серы. Для указанных экспериментов было установлено соотношение:

0,02 <0,02 <[SO3][SO2] + [SO3][SO3][SO2] + [SO3]<0,14.<0,14.

0,02 <

0,02 <

[SO3]

[SO2] + [SO3]

[SO3]

[SO2] + [SO3]

<0,14.

<0,14.

Результаты исследований, выполненных в работе Weisenstein et al. (1998), показали, что механизмы эволюции состава выхлопных газов авиационных двигателей при их взаимодействии с атмосферным воздухом изучены ещё слабо, а потому дальнейшее развитие кинетических моделей для описания роли авиационных полётов в изменении атмосферы является важным.

Функционал Q в (5.10) записывается по традиционной схеме:

_ ао3 ао3 ао3

;,'Л^ Ух эх Vz dz

\ др J ЭХ \ Х ЭХ J dz V z dz ) ’

где ^(H^Va,^) — скорость ветра, D^D^, D\, Dz) — коэффициент турбулентной диффузии.

Блоки РПАБ, МОРО и МВКО расчленяют функционал Q с учётом выходной информации из блока ААБД. В результате перемешивание воздушных масс реализуется в два этапа: 1) перемешивание атмосферного компартмента зоны полёта самолёта с окружающей средой и 2) смешивание выделенных блоком ААБД ячеек {Q^j^}. На первом

этапе рассчитываются объёмы и расположение зоны воздействия самолёта:

ш = {(у, X, Л - Уо < У W Ао А Ац^о О Щ где yi = </?о + VavZXt/kv; А] = Ао + VaxM(kx; Az = zj - zq — диаметр зоны влияния самолёта (Az = г), (ро и До — широта и долгота положения самолёта в момент времени to, k^ и k\ — количество км в одном градусе широты и долготы соответственно, zi и zo — нижняя и верхняя границы коридора.

Полученное пространство ш согласуется с прилегающим к нему множеством атмосферных блоков {Q^-^}. Затем осуществляется усреднение содержания озона в ш и прилегающих компартментах {Q^aJ с учётом их объёмов.

Второй этап реализует двухступенчатую процедуру пересчёта концентрации озона по всему пространству S = {((/;, A, z): (^, А) 6 Q; 0 < < z < zhY гДе zh высота пограничного слоя атмосферы (zh ~ 70 км), учёт которого важен в задаче оценки состояния региональной озоносферы. Эти две ступени соответствуют вертикальной и горизонтальной составляющим движения атмосферы. Такое разбиение делается для удобства, чтобы пользователь экспертной системы имел возможность выбора синоптического сценария. Согласно имеющимся оценкам (Кароль, 2000; Kraabol et al., 2000; Meijer, Velthoven, 1997), в динамике концентрации озона преобладают процессы вертикального перемешивания. Именно здесь из-за неопределённости оценок Вг возникают большие ошибки в модельных расчётах. Поэтому блоки РПАБ, МОРО и МВКО предоставляют пользователю принципиальную возможность выбора различных аппроксимаций вертикального профиля коэффициента турбулентной диффузии (Вг\ В базу данных ИСКРО заложены варианты оценок Вг (м2/с), уже использовавшиеся многими авторами в моделях динамики озона (« 3 м2/с; «0,5(У^ + Уд); «10 м2/с для 0 < < z < 10 км; «10 + 2,57(10 - z) для 10 < z < 13 км; «70-1,22(70 - z) для 13 < z ^ 70 км).

В связи с тем, что модельное восстановление фоновой обстановки над данной территорией имеет многочисленные варианты, требующие сведений о региональных и глобальных процессах, в ИСКРО предусмотрена возможность подключения различных моделей динамики озона. Но базовым является сценарий, формируемый оператором по данным региональной или мировой озонометрической сети. Оператору предоставляется возможность задания дискретной функции Оз^^ = = Qb^, Xj, Zk,ts\ априори считая величину Озу^з средней оценкой функции Q3^, Xj, Zk,ts) в пространстве Q^ за промежуток времени ts_\ < t < ts.

Предусматриваются возможности выбора различных вариантов аппроксимации функции Од над всей территорией рядом широтных или меридиональных распределений. При этом возможен вариант задания только отношения смеси озон/воздух. По этому отношению произво-

дится реконструкция функции Оз, если в базе данных ИСКРО имеются данные о вертикальном профиле плотности воздуха в любой точке (ур, А) Е Q. Соответствующая компьютерная диалоговая процедура автоматизирует такой выбор.

Одним из важных элементов функционирования ИСКРО является наполнение базы данных в период её адаптации к условиям данного региона. В базу данных закладываются сведения о расписаниях движения самолётов над регионом и другие характеристики о двигателях, высотах и скоростях полётов, дислокации аэродромов, расположении трасс движения и т. п.

Вся опорная информация сосредоточена в виде матричных структур, таких как F = Уу\\, D = \\<1у\\, С = ||су||, В = ||bv||, где /у есть вектор, компоненты которого содержат всю необходимую информацию для г-го прилетающего рейса (/ц — время приземления, /^ — направление прилёта, /^з — тип двигателя, /^4 — скорость полёта, /^5 — высота полёта, /^6 и Л? — широта и долгота аэропорта прибытия и возможно другие характеристики); вектор dij содержит аналогичную информацию для отлетающих самолётов, вектор ctj описывает сведения о трассах и самолётах транзитного направления, и, наконец, вектор by; расшифровывает компоненту /^з, указывая объём сжигаемого топлива, его тип и состав выхлопных газов. При этом транзитные полёты с промежуточной посадкой в аэропортах региона учитываются идентификаторами F и D раздельно до их посадки и после отлёта.

Модельные и экспериментальные оценки воздействия транспортной авиации на атмосферу и климат, которые могут быть получены с помощью ИСКРО, позволят при наличии качественной входной синоптической информации решать задачу оптимизации транспортных авиационных коридоров и расписания полётов. Рассматривая различные сценарии авиационной нагрузки на озоносферу региона с помощью ИСКРО, можно искать такие ситуации дислокации транспортных авиационных коридоров, которые будут при прочих одинаковых условиях снижать последствия этой нагрузки. А также создаётся возможность значительного уточнения элементов других биогеохимических процессов с участием парниковых газов.

Роль осадков в глобальном круговоротеуглекислого газа

Одним из моментов уточнения глобальной модели круговорота СО2 в биосфере является учёт роли процесса его вымывания из атмосферы осадками. Этот процесс является однонаправленным, хотя и недостаточно изученным. Тем не менее, имеются прямые экспериментальные подтверждения о поглощении углекислого газа каплями дождя (Egan et al., 1991). В частности, одним из подтверждений того, что осадки вымывают СО2 из атмосферы, является наличие в дождевой воде

значительного количества (до 15 мг/л) гидрокарбонатного иона НСО^. Совместный анализ количества осадков и колебаний концентрации СО2 в атмосфере над одной и той же территорией, проведённый по данным глобальной сети наблюдений, позволил обнаружить устойчивую корреляционную связь между этими процессами. На рис. 5.4 приведены кривые изменения среднемесячных количеств осадков и концентрации атмосферного СО2. Видно, что зависимость между изменениями

Рис. 5.4. Изменения количества осадков (сплошная кривая) и концентрации углекислого газа в атмосфере (пунктирная кривая), оцененные по интегрированным данным обсерваторных наблюдений в рамках международной программы CCS (Carbon Cycle Scientific Program)

атмосферного CO2 и осадками является достаточно устойчивой. Детальный анализ такой зависимости по широтным поясам или по другим конфигурациям ограниченных территорий выявляет аналогичные картины независимо от географических координат. Здесь следует сразу отметить наличие высокой чувствительности такой корреляционной связи к продолжительности и типу осадков. Например, во время ливня концентрация НСО^ в осадках может изменяться почти в два раза в зависимости от наличия или отсутствия грозы. Более того, это отношение сильно зависит от продолжительности периода осадков. Наблюдения показали, что с увеличением длительности дождя концентрация ионов НСО^ уменьшается. Другими словами, взаимосвязь между концентрацией углекислого газа и содержанием влаги в атмосфере является важной компонентой глобального круговорота углерода.

Формализация роли дождя в глобальном круговороте СО2 требует разработки модели поглощения углекислого газа каплями воды, падающими с некоторой скоростью и (Wang et al., 1997; Wacker, 1995; Chate, Kamra, 1997). Наиболее распространённой версией такой модели является уравнение газового баланса на границе капли дождя и атмосферы:

= ^ fl +0,3VR^^) ^Ca-C*Vиг V/

где А — коэффициент диффузии углекислого газа в воздухе, т — радиус капли, С* — равновесная концентрация СО2 в капле, Сд —

концентрация СО2 в атмосфере, z — высота, Sc = ?//Д — число Шмидта, v — кинематическая вязкость, Re = ^rujv — число Рейнольдса.

Многообразие форм осадков по всему Земному шару усложняет задачу учёта их роли в глобальном круговороте СО2. Здесь возможны два пути решения этой задачи. Первый путь лежит в области формального математического описания совокупности процессов формирования осадков. Второй путь связан с применением современных средств глобального наблюдения за осадками. И в том и другом вариантах необходима чёткая классификация форм дождей как функций метеорологических ситуаций. Диапазон интенсивности дождя может колебаться в широком спектре от 1 мм/час до 8 мм/час и даже более. При этом существует определённая корреляционная зависимость между интенсивностью осадков и размерами капель дождя. При дожде низкой интенсивности г Е [0,1; 0,5] ливень может характеризоваться образованием капель до г ~ 6 мм.

Таким образом, задача оценки роли осадков в выведении СО2 из атмосферы безусловно актуальна и для её решения необходимо в глобальной модели учитывать изменение гидрологических циклов отдельно над Мировым океаном и сушей, так как эти регионы планеты различаются характером взаимодействия с атмосферой.

Моделирование глобального круговорота воды. Вода относится к самым распространённым в природе веществам. Она присутствует в различных формах практически во всех уголках планеты и играет важную роль в энерго- и массообменах между континентами, океанами, атмосферой и другими более мелкими территориями и акваториями. Эта роль в последние годы всё острее проявляется в сложной системе взаимодействия человек-общество-окружающая среда, вызывая необходимость создания научных основ рационального управления водными ресурсами. Так что задача оценки роли воды в глобальном круговороте углерода является лишь небольшой частью общей глобальной проблемы взаимодействия природы и общества.

Океаны, полярные шапки льдов, ледники, озёра, реки, почвы и атмосфера содержат 1,4-1,5 млрд км3 воды. Эта масса находится в постоянном динамическом взаимодействии с другими компонентами биосферы и тем самым определяет факторы изменчивости окружающей среды. Оценить роль этих факторов в современных условиях и показать значимость водного баланса в стабилизации многих климатических и биогеоценотических процессов призваны развиваемые методы вычислительного эксперимента. Здесь сделана попытка путём систематизации сведений о водном балансе планеты создать вариант модели водного баланса биосферы (MBWB), способной в рамках общего подхода к моделированию баланса углерода учесть роль водных потоков.

Важным моментом функционирования MBWB является её сопряжение с методами определения различных параметров влагооборота. Такие методы основаны на наземных, спутниковых и самолётных спо-

собах измерений. Этот блок в рамках глобальной модели облегчает понимание роли океанов и суши в гидрологическом цикле, позволяет выделить главные факторы, которые его контролируют, а также проследить динамику его взаимодействия с растительностью, почвой и топографическими характеристиками земной поверхности. Он базируется на учёте взаимосвязи между элементами круговорота воды, природными и антропогенными факторами, учитываемыми через информационные интерфейсы с другими блоками глобальной модели (Крапивин, Кондратьев, 2002).

Рассмотрим блок-схему модели глобального водообмена и запишем соответствующие уравнения. Основополагающей закономерностью глобального водообмена является неизменность запасов воды на Земном шаре в пределах сотен лет, т. е. с большой достоверностью можно записать балансовое уравнение We = Wg + Wo, где We, Wg и Wo — соответственно запасы воды на Земном шаре, на суше и в океанах. При этом участок атмосферы относится к соответствующему региону или акватории. Справедливо соотношение

dWE = dWg dWo =0dt dt dt

или dWg/dt = —dWo/dt. Следовательно, тенденция в изменении запаса воды на суше противоположна аналогичной тенденции в океане.

Если выделить запас воды в атмосфере Wa = Wao + Was» тогда We = Wa + Wg\ + Wol где Wao и Was — запасы воды в атмосфере над океанами и сушей соответственно; Wsi = Ws — Was, Wq\ = Wo — — Wao- Уравнение баланса примет вид:

dWE = dWA + dWSx + dWpx = Qdt dt dt dt

Отсюда видно, что структура тенденций в соотношении водозапасов усложняется, и для её анализа необходимы дополнительные рассмотрения. Это усложнение становится значительным с дальнейшим дроблением пространства биосферы.

В рамках MBWB учёт поправок на обмен земной поверхности водой с космическим пространством из-за их малости не осуществляется. Поэтому в качестве основы модели глобального круговорота воды может быть положен метод описания гидрологии сравнительно крупных территорий. В данном случае базовой единицей такой территории является участок Q^- поверхности Земли с размерами Nyc^ по широте и АА^ по долготе.

Состояние водной компоненты компартмента Q^' с координатами (^,А^) охарактеризуем величиной эквивалентного столба воды в жидкой фазе над единицей площади. Возможные потоки воды через границу Q^' представлены на рис. 5.5 и 5.6. Интенсивности этих потоков зависят от фазового состояния воды, температуры, скорости ветра и других геофизических и экологических факторов. Учесть все мелкие детали этих потоков в рамках глобальной модели сложно из-за недо-

Рис. 5.5. Потоки воды через границу ограниченной территории суши

Течения w^q

Рис. 5.6. Потоки воды через границу ограниченной территории, занятой водным объектом

статочной изученности взаимосвязей между ними. Поэтому выбранная здесь степень детализации ориентирована на учёт наиболее главных компонентов их состояний. Вода рассматривается в жидкой, твёрдой и газообразной фазах. Внутри Q^' имеет место лишь одно состояние, хотя в будущем при наличии необходимой информации можно ввести векторный параметр, которым определяется доля осадков над Q^' в виде снега, снежной крупы, снежных зёрен, ледяной крупы, ледяного дождя, града, дождя, мороси, мокрого снега и т. д.

Мировой водный баланс слагается из мозаичной структуры локальных балансов на уровне Q^-. При этом предлагаемая здесь структура описания потоков воды позволяет проследить их сбалансированность

на любых уровнях пространственной дискретизации — регион, акватория, континент, океан, полушарие, биосфера. Ясно, что общий баланс испарения и осадков на уровне биосферы уравновешивают друг друга. В остальных случаях, в среднем, с уменьшением пространственных размеров выделяемой единицы биосферы следует ожидать увеличение расхождения между количеством осадков и испарением. Уравновешивающим потоком в этом случае выступает перенос воды через атмосферу, с речным стоком и течениями. Хотя количественные оценки всех этих величин хорошо изучены, всё же динамизм влагооборота описать можно лишь с помощью модели. В первом приближении для целей оценки роли осадков в глобальном круговороте СО2 можно использовать только компоненты Wao и Was- Однако при учёте пространственной неоднородности распределения СО2 необходима дискретизация биосферы.

С учётом принятых на рис. 5.5 и 5.6 обозначений, балансовые уравнения влагооборота на уровне Q^- имеют вид:

dWs(t,iJ) =

dt

= was + wGs + wSs + wHs - wSo - wSg - wSt - wSa - wSh,

dWH^iJ).

щ= wSh + wOh - who - whg - whs, dt

^o^m) =[»1о(МЩ»яоМ,п)] +

+ wao + wq - wqa - wqg — wqr - w,

dWA^t г 7)(wy для водной поверхности;

НГ^— = WOAA - WAOO + WSA + <

dt^WgT для суши.

Детализация правых частей этих уравнений с указанием функциональных представлений потоков в условиях изменения параметров окружающей среды будет определять уровень качественной и количественной достоверности модели. В частности, можно упростить модель путём аппроксимации среднего значения Wq:

Wo =Wo =2500 + 350Vtпри 0 < t < 70,

Wo =

Wo =

6400 — 3200ехр (—£/62,8) при t > 70,

где средняя глубина Мирового океана измеряется в метрах, возраст океана t исчисляется в млн лет. Также можно аппроксимировать вариацию объёма океана формулой: АУ = AWqAq + 59,5(AWq)2, где Ао = 361,06- 106 км2.

Моделирование влагооборота на границе атмосфера- суша. Обменные процессы между сушей и атмосферой включают испарение почвенной влаги, с поверхности листьев, стеблей и стволов

растений, транспирацию, осадки и испарение с зеркала неустойчивых скоплений воды в понижениях местности. Наименее изученным звеном в этой цепи является поток воды из почвы через растение. О важности процесса транспирации в глобальном влагообороте можно судить по существующим оценкам, согласно которым на транспирацию уходит больше воды, чем на фотосинтез. Так, по средним оценкам для создания 20 т урожая (сырая масса) из почвы растениями извлекается около 2000 т воды, причём всего лишь 3 т использованной воды приходится на водородные атомы, связанные при фотосинтезе с атомами углерода.

Модельное описание процесса транспирации требует понимания роли физических и физиологических факторов в нём. Упрощённое представление об этой роли сводится к следующему. Если корни растения находятся в достаточно влажной почве, то скорость транспирации является функцией температуры, влажности, скорости ветра и скорости поступления световой энергии. За пределами определённого порога влажности почвы, когда запас воды в почве близится к концу, роль указанных физических факторов резко снижается, уступая роли физиологических факторов — тип растения, строение корня, фаза развития, тип почвы и толщина почвенного слоя. Размер упомянутого порога может колебаться от 5 до 50 см «осадочного эквивалента». Во всяком случае, если для данного типа растительности вода не является лимитирующим фактором (т. е. вода не ограничена), то в первом приближении можно считать суммарный рост растений пропорциональным суммарной потенциальной транспирации за весь период роста. Последняя пропорциональна количеству поступающего солнечного излучения.

Известно, что в настоящее время около 12% суммарного испарения с земной поверхности осуществляется растениями в процессе фотосинтеза. В этом процессе ежегодно участвует около 2250 км3 воды с коэффициентом возврата 0,75. Поэтому самое простое описание транспирации выполняется уравнением: wgT^kP j) = PtjWg(t,i, j\ где Ptj зависит от продуктивности растительности. Оценки Р^з равны для леса 0,67, луговой степи — 0,44, сельскохозяйственных посевов — 0,25. Однако, Wg выступает в реальных ситуациях в качестве лимитирующего фактора в более сложной зависимости воздействия на скорость транспирации через скорость фотосинтеза Rp. Другими словами, wgT = kpRp, где kp — коэффициент транспирации растительности типа р. В качестве первого приближения можно использовать аппроксимацию Rp = ертр, где ер — доля солнечной энергии, усвояемой р-м типом растительности при фотосинтезе. Величина ер зависит от наличия доступной для растений воды:

£Р = £р,о[1 -exp(-ep,iWs(#,z,j))],где £р?о — значение ер при достаточном количестве воды; ерд —коэффициент, отражающий падение усвояемости энергии солнечнойрадиации растениями при уменьшении количества доступной воды.В среднем £р^ достигается при Wg = 10 мм. Принимая ер/ер$ = 0,9,

9 К.Я. Кондратьев, В.Ф. Крапивин

имеем оценку ерд = 0,23. В этом случае тр = 9,6 кг/(км2сут-1) сухого вещества (или 37 кг сырой фитомассы). Коэффициент кр оценивается для каждого типа растительности. Коэффициент кр равен для кукурузы 368, сахарной свёклы — 397, пшеницы — 435, картофеля — 636, хлопка — 462 кг Н2О/КГ чистого вещества.

В качестве одной из моделей процесса транспирации может быть wgT = Xs (24а + Ь\ где Yg — удельная водоотдача, а — скорость подъёма уровня грунтовых вод (см/час), b — среднесуточное изменение уровня грунтовых вод (см).

В рамках блока MBWB для описания процесса взаимодействия атмосферы и суши используются потоки wgA, wg? и was» параметрические описания которых составляют основу этого блока. Сведения об осадках was обычно входят в информационные бюллетени гидрометеослужбы. Так что предыстория распределения осадков в виде набора матриц Was($) = IIwas(^, Г j)\V рДе (м) Е Ф, ^ — дискретные моменты времени регистрации осадков гидрометеослужбой, используется для построения функционала was^M^ = F^Was^xY ••• • • -^Was^nY^Y Это выполняется методами экстраполяции, методом группового учёта аргументов и эволюционного моделирования. Такой подход требует наличия базы данных об осадках по дискретной географической сетке /\(р х АЛ. Однако, возможно моделирование и этой базы данных путём имитации глобального поля облачности, обеспечивающего выпадение осадков. Простейший способ параметризации облачности состоит в задании порога Жцшах, за пределами которого избыток атмосферной влаги превращается в воду и сбрасывается в форме осадков. Чтобы уменьшить неизбежные при этом ошибки (в основном в сторону завышения нормы осадков), целесообразно ввести матрицу порогов Wmax = ||Wa,тах(^ j)||, (М) е Ф. Тогда

, _ С 0 при WA(gi,jWWA_max, шдз ,г,з ЩЛтах _ при WA(t,г,g >WA,max-

Если величина Ж4,тах(Ж‘) соответствует действительному критическому значению содержания влаги в атмосфере над Q^-, то оценка was будет завышена. В самом деле, здесь априори предполагается, что при WA(t,i,j) > Ж4)П1ах облако заполняет всю ячейку Q^-, что не всегда может соответствовать действительности. Более того, здесь не учитывается, что значительная доля влаги даже при превышении указанного критического уровня может оставаться в облаке и испаряться. Поэтому для учёта этих особенностей следует вводить адаптационный коэффициент aw < Е

Разделим осадки на два основных вида — твёрдые и жидкие. Это разделение возможно по термическому принципу и по сезонности. Первое более предпочтительно из-за гибкости при резких изменениях климата и возможного смещения шкалы сезонности. Синоптическое разграничение периодов с разными осадками обосновывается в раз-

личных регионах Земного шара. Средняя суточная температура начала периода с твёрдыми осадками лежит ниже нуля в области от —4 °C до —7 °C. При этом на границе такого разграничения наблюдаются осадки смешанного типа. Их соотношение оценивается формулой: хт = а, — ЪТ, где хт — доля твёрдых осадков, Т — температура, а и b — эмпирические коэффициенты. Так, для условий атлантической климатической зоны а = 50, b = 5.

Для описания процесса испарения с суши используются многочисленные формулы. Здесь принята простая зависимость:

где 5ij — максимально возможная скорость испарения в регионе, р^у — суммарное количество влаги, попадающей в почву в единицу времени.

Выбор конкретной модели процесса испарения определяется характером используемой базы данных. Испарение с поверхности почвы существенно зависит от типа растительного покрова. Достаточно сказать, что различия испарения в лесу и в поле составляют 30-40%. Это связано с неоднородностью влияния на формирование водного режима в пределах различных растительных покровов таких факторов, как промерзание почвы, интенсивность снеготаяния, структура почвы, радиационный баланс и т. д. Чтобы учесть зависимость скорости испарения с суши от температуры Т^р характера растительного покрова и свойств почвы, используем следующую формулу:

wsaXm) = 5*wsaXm) = 5*1 — А ехр1 — А ехрд . •д . •1 — А2 ехр1 — А2 ехр^Xij^Xij

wsaXm) = 5*

wsaXm) = 5*

1 — А ехр

1 — А ехр

д . •

д . •

1 — А2 ехр

1 — А2 ехр

^Xij

^Xij

где Tij — средняя за рассматриваемый период температура приземного слоя атмосферы в регионе Q^-; А^ и Х^ — средние мощность слоя почвы и плотность растительного покрова соответственно; 5*, A, Ai, А2, A3 — эмпирические коэффициенты.

Подробный анализ возможных моделей испарения с поверхности суши с учётом различных типов растительного покрова и изменений климатических параметров приведён в работах Bras (1990), Chock, Winkler (2000), Karley et al. (1993). В частности, здесь имеются формулы для расчётов величины испарения в зависимости от высоты и плотности растительного покрова, скорости ветра и температуры. Например, для скорости полного испарения предлагается зависимость

ZXQn + myLjА + (1+™)7 + Д1~С)^Qn + yLjА + 7ZXQn + myLjА + (1+™)7 + Д1~С)^Qn + yLjА + 7при Т<0°С,при Г > 0 °C,при Т<0°С,при Г > 0 °C,

ZXQn + myLjА + (1+™)7 + Д1~С)^Qn + yLjА + 7

ZXQn + myLjА + (1+™)7 + Д1~С)^Qn + yLjА + 7

при Т<0°С,

при Г > 0 °C,

при Т<0°С,

при Г > 0 °C,

где А — скорость изменения давления насыщенного пара в зависимости от температуры, Qn — величина энергии, достигающая испаряющей поверхности, 7 — психометрический коэффициент (£з0,66 mb К-1),

А + 7.А + (1 + п^у’А + 7.А + (1 + п^у’n~Vs 250n~Vs 2501-часть полного испарения за счёт перехваченных кроной осадков, С — компенсационный коэффициент за счёт транспирации. Коэффициенты т,п и С являются функциями высоты h и типа rs растительности:

А + 7.

А + (1 + п^у’

А + 7.

А + (1 + п^у’

n~Vs 250

n~Vs 250

m = 53Zn2 f^+2,5); С = \ h /

Показатель типа растительности rs (м/с) для некоторых видов оценивается величинами: подсолнечник и люцерна — 40, ячмень и картофель — 70, цитрусовые — 250, хлопок — 130, кукуруза и рис — 80, сахарная свёкла — 50, пшеница — 60, тундра — 400, субтропические луга — 200, луга умеренных широт — 100, тропические леса — 100 -у 300, хвойные леса — 200 4- 300, лиственные леса средних широт — 100 ч- 150. Типичные значения параметров п,т и I таковы: для травяных экосистем — п ^ 2,5, т £з 3,5, I £з 0,2г; для лесистой местности — п £з 30, т 5, I 0,3г (умеренные широты) и/% 0,15г (тропики); г — осадки.

Важным параметром для расчёта энергии солнечной радиации, участвующей в процессе испарения, является альбедо. Соотношение между высотой растительности и альбедо в первом приближении описывается линейной зависимостью. С ростом высоты растительности до ~20 м альбедо изменяется от 0,25 до 0,1. Известны значения альбедо для некоторых типов земных покровов: вереск — 0,14; папоротник — 0,24; естественные пастбища — 0,25; поросшая кустарником местность — 0,21; саванна — 0,17; лиственные леса средних широт — 0,1; хвойные леса и апельсиновые сады — 0,16; эвкалиптовые леса — 0.19; сырые тропические леса — 0,13; заболоченные леса — 0,12. Альбедо сельскохозяйственных полей изменяется в пределах от 0,15 (сахарный тростник и плодовые деревья) до 0,26 (сахарная свёкла, ячмень, огурцы).

Наземная часть влагооборота между сушей и атмосферой связана с расчленением фазового пространства, по крайней мере, на два уровня — почвенные и грунтовые воды. При этом почвенный уровень оказывается в роли буферного резервуара между осадками и грунтовыми водами. Простейшая параметризация потоков между этими уровнями сводится к принятию линейных зависимостей: wsH^rj) = = X^Ws(t, г, j), WHs(t,M) = PijWH(t,i, j\ Однако, более строгое описание почвенного уровня диктуется естественной неоднородностью структуры Q^-, где могут быть мелкие водоёмы, водоводы и участки суши с определённым рельефом. Согласно ландшафтно-гидрологическому принципу для имитации Q^' необходимо выделение фаций и участков водной поверхности, что связано с типизацией флористического фона, конкретный вид которого обусловливается микрорельефом, типом и свойствами почвы, поверхностным увлажнением, глубиной залегания грунтовых вод и другими факторами. Так что возможно выделение т^ фаций и тг^ акваторий. В этом случае формирование почвенной влаги происходит не только за счёт указанных на рис. 5.5

Роль осадков в глобальном круговороте углекислого газа 261 и 5.6 потоков, а и за счёт утечки и фильтрации воды из расположенных в Q^- водоёмов и водоводов.

Важным фактором наземной части водного баланса является инфильтрация осадков в почву как во время выпадения дождя, так и при стоке. Скорость впитывания воды в почву w$h опишем формулой: ^sh = kgl, где kg — коэффициент фильтрации, I — гидравлический уклон. Если через х обозначить объёмную массу почвы, которая в среднем колеблется в пределах 1,4 д- 1,5 г/см3, то для kg удобно использовать формулу Азизова: kg = 256,32х-7,28 — 1,27х1,14 (см/сут). Значение параметра I находится из формулы I = (до + Щ + ^)/^о, где ^о — глубина колонны вымывания, zi — капиллярный напор и 22 — высота слоя воды на поверхности почвы. При доД1 ^2 справедливо приближение wgH = kg + t~^2 (0,5kg z\D^/2, где D — дефицит влажности почвы, t — время. Известны и другие аппроксимации функции wSH, такие как эмпирическая формула Horton:

wsh = V'WSH^to.i.g ~ ks^exp(-pt) + ks,

формула Попова:

WSH = Г exp (-^) + ks,

формула Костикова:

WSH = ks + аГп,

где а, п и / - калибровочные параметры, т — интенсивность дождя.

Взаимодействие между регионами принятой сетки деления поверхности биосферы {Qij} осуществляется через потоки шодд, waoo, ^ss, ^so, ^он и who-

Моделирование влагооборота на границе атмосфера- водная поверхность. Процессы переноса на границе атмосфера-вод- ная поверхность достаточно хорошо изучены. Перенос влаги с поверхности водоёма в атмосферу является одним из фрагментов сложных физических процессов массо- и энергообмена через границу раздела вода-воздух. Эти процессы являются функциями многих климатических параметров и, в значительной степени, регулируются турбулентными движениями в приводном слое атмосферы, определяемыми полем ветра.

Возможность оценки влагопереноса с водной поверхности в атмосферу слагается из оценки водности нижней части приводного слоя атмосферы, которая формируется из брызг и паров воды. Турбулентный поток влаги через единичную поверхность можно описать соотношением:X

Wv = -pKw ^J = -(pwYq' « -p{w'q'},где Wy — вертикальный турбулентный поток водяного пара (г ххсм-2сек-1), Kw — коэффициент турбулентного переноса водяногопара (см2/сек) (табл. 5.9), q — удельная влажность воздуха (г/г),

р — плотность воздуха (г/см3), z — вертикальная координата, ш — вертикальная составляющая скорости ветра (см/с), w' и / - пульсации величин ш и q соответственно. Обозначая через р атмосферное давление, выразим q через среднюю упругость водяного пара е; q = = 0,621е/р.

Таблица 5.9. Коэффициент Kw (см2/с) диффузии водяного пара в воздухе при давлении 1000 мб как функция температуры Т (Ролль, 1968)

Г, °C

-20

-10

0

10

20

30

40

Kw

0,197

0,211

0,226

0,241

0,257

0,273

0,289

Испарение с поверхности водоёма зависит от температуры окружающей среды и может быть описано функцией wsa = w*T^, где ш* и w — эмпирические параметры. Если измеряются скорость ветра ^ (м/с), упругость насыщенного водяного пара при температуре испаряющей поверхности Е\ и атмосферное давление р (ммрт. ст.), то для оценки скорости испарения применимы закон Дальтона: ^sa = А(Е\ — е)/р и формула Шулейкина up а = СР^Еу — е), где А и С — параметры, связанные соотношением А = С^/р (С = = 0,45 • 10-6 г«см-3мб-1). Достаточно эффективными оказываются приведённые выше модели Хортона и Роуэра.

Имитация потоков воды в атмосфере. В глобальном круговороте воды важную роль играют атмосферные процессы переноса влаги, непосредственно связанные с временными вариациями метеорологических элементов. Моделирование планетарной циркуляции атмосферы описывается моделью Монина (Монин, Красицкий, 1985):

^ + V.dvAz + К^1 /f + Кд Я"1 sin"1 6^ = otобал

= R~1 (Кд)2 ctg 5 + 2<Ж cos 5 + (Rpp ^ + fs, 9cx । тл 9c x। 9t)x। . — i x 9t)x

= -R-vV5Vx ctg 5 - 2QVs cos 5 - (Rpsin 5)“1|^ + fx,

где Q — угловая скорость вращения Земли, б = тг/2— р — дополнение широты, А — долгота, ЛАЛА и Уд - компоненты скорости движения атмосферы; R — радиус Земли, f§ и fx — компоненты ускорения силы трения, выражающиеся через тензор напряжений трения usf.

р 9115z I • с\— 1 / 911559115Х \7~>—1 j_ с

Ph = -^ + (^Sind)+^АА Ctg 5,

г 911Xz । / г> •/ 911X5 । 911ХХ \ тэ— 11 с

^ ^ — Az^। у — ^ ^А5 Ctg 5.

Уравнения для поля скорости замыкаются заданием нулевых краевых условий на поверхности Земли, определяемой уравнением рельефа в виде заданной функции z = Ц5, А) и дополнением уравнения состояния влажного воздуха р = рТ\гд + q^ry — тд\ где тд = 0,287 Дж х х г-1К-1 и ту = 0,461 Дж • г-1К-1 — газовые постоянные сухого и водяного пара, д~Зч-4% — удельная влажность. Распределение температуры Т(5, А) и функции q(5, А) можно описать соответствующими уравнениями эволюции, а также можно использовать данные глобального архива и заменить их табулированными величинами.

Достаточно полное описание моделей общей циркуляции атмосферы дано в работе Nicolis et al. (1995). Упрощённое описание атмосферной части гидрологического цикла возможно с помощью уравнения ^ + + VQ = Е — Р, где Wa — вертикально проинтегрированная удельная влажность атмосферы в столбе над единицей площади, Q — вертикально проинтегрированная горизонтальная составляющая потока удельной влажности в этом столбе, Е и Р — эвапотранспирация и осадки на уровне земли соответственно.

Дальнейшее упрощение модели гидрологического цикла связано с выделением следующих трёх типов преобладающих направлений: западного, восточного и меридионального. Для такой аппроксимации используются сведения об амплитуде колебаний скорости ветра и числе дней сезонной направленности переноса влаги в атмосфере. Если масса водяного пара в столбе атмосферы над площадью а^ равна а = Wa<Pp то, например, при восточной ориентации атмосферной циркуляции поток воды между соседними ячейками сетки дискретизации земной поверхности будет равен wao = 2aid/dij, где — скорость ветра, dtj — диаметр Q^-. По такой схеме легко осуществлять пересчёт запасов влаги на каждом шаге дискретизации времени, так как не требуется решать вопросы численного интегрирования уравнений в частных производных. При этом исходная информация относительно Wa, сг^, и d^ находится в базе данных, куда поступает независимо из различных источников. Функция Wa рассчитывается по уравнению баланса или может задаваться на основе других сведений. В частности, если изменяются температура Т и парциальное давление водяного пара е, то Wa можно оценить исходя из соотношения: Wa = meh(X + qT)-1, где h — высота эффективного слоя атмосферы, m и а — коэффициенты пропорциональности (т = 0,8; а = 1/273 при измерении Wa в г/м2 и Г в °C).

Имитация потоков воды в Мировом океане. Первое место среди всех резервуаров воды на Земном шаре принадлежит Мировому океану, современный объём которого в 50 раз превышает объём воды в ледниках, занимающих второе место. Такое сопоставление важно для понимания соотношения ступеней иерархии водных бассейнов и определения их структуры в модели. В самом деле, в рамках априорных сценариев антропогенной активности и возможных изменений

в биосфере не так уж безразлично соотношение между этими ступенями. Например, в Антарктиде аккумулировано 1,6% от запасов всех вод на Земле. Сравнивая эти запасы с объёмом Северного Ледовитого океана, в котором воды на 20% меньше, чем в Антарктическом ледниковом покрове, очевидно, напрашивается вывод о неадекватности глобальной модели гидрологического цикла, не учитывающей роль Антарктиды.

Гидрология и течения Южного океана с учётом влияния ледникового покрова описаны в многочисленных монографиях и для их имитации созданы различной сложности и детальности циркуляционные модели. Такие модели в целом для Мирового океана основаны на учёте конфигураций непротекаемых границ и топологии проливов. Многочисленные вычислительные эксперименты на такого рода моделях позволили выявить принципиальную структуру глобальной океанической циркуляции, состоящей из иерархии замкнутых кольцевых циркуляций с центрами подъёма и опускания вод и ядрами вод и включающей геометрию бассейнов с проливами между ними. Так, для описания циркуляции вод в Южном бассейне важным оказался учёт пролива Дрейка. Приемлемая для имитации схема циркуляции гидрологических полей в Мировом океане предложена Сеидовым (1987) и Chahine (1992). Модель формируется в виде системы уравнений и граничных условий, учитывающих конфигурацию берегов, рельеф дна, образование и таяние льда. Однако, для глобальных целей необходима упрощённая схема имитации океанической циркуляции, отражающая в основном роль только проливов. Такая схема представлена на рис. 5.7. Количественные характеристики составляющих этой схемы приводятся в табл. 5.10. Окончательно блок, ответственный за моделирование циркуляции Мирового океана, принимает следующий вид:

^of—= Hqf + Rf + Ilf + Slf - Sfl - Hpo - Api + at

+ Mif + Dpp + (waof — Efa)(7of + Ap,

° о 1^21 = Api + Cpi + Npi + Ki + Ri + at

+ (^aoi - Eia)cfoi - Aip - Mif,

°ор^Р = Aip + Rp + (w^op - ЕРа)сгОр +

+ Ip — Epp — Dpp — Cpi — Npi, cpol^^ = Rl + Epp + (w^ol - ElaVol + Sfl - Ilf - Slf,

°"= №pa ~ ^aop^op + (Efa ~ ^aof^of +

+ (Eia - waoi^oi + (ELa - waol^ol-

Рис. 5.7. Элементы глобального водного баланса с учётом роли океанов. Обозначения: waol, waof, waoi, waop — осадки; Hfo, Hqf — Гибралтарский пролив; Rf,Ri, Rl — реки; Efa, Eja, Ера, Ela — испарение; Afi, Aip — Антарктическое течение; Mif — течение мыса Игольный; С pi — ВосточноАвстралийское течение; Ppl — Берингов пролив; Ilf — льды Арктики; Dpf — пролив Дрейка; 1р — льды Антарктиды; Npi — Индонезийские моря; Slf, Sfl — проливыРис. 5.7. Элементы глобального водного баланса с учётом роли океанов. Обозначения: waol, waof, waoi, waop — осадки; Hfo, Hqf — Гибралтарский пролив; Rf,Ri, Rl — реки; Efa, Eja, Ера, Ela — испарение; Afi, Aip — Антарктическое течение; Mif — течение мыса Игольный; С pi — ВосточноАвстралийское течение; Ppl — Берингов пролив; Ilf — льды Арктики; Dpf — пролив Дрейка; 1р — льды Антарктиды; Npi — Индонезийские моря; Slf, Sfl — проливы

Рис. 5.7. Элементы глобального водного баланса с учётом роли океанов. Обозначения: waol, waof, waoi, waop — осадки; Hfo, Hqf — Гибралтарский пролив; Rf,Ri, Rl — реки; Efa, Eja, Ера, Ela — испарение; Afi, Aip — Антарктическое течение; Mif — течение мыса Игольный; С pi — ВосточноАвстралийское течение; Ppl — Берингов пролив; Ilf — льды Арктики; Dpf — пролив Дрейка; 1р — льды Антарктиды; Npi — Индонезийские моря; Slf, Sfl — проливы

Рис. 5.7. Элементы глобального водного баланса с учётом роли океанов. Обозначения: waol, waof, waoi, waop — осадки; Hfo, Hqf — Гибралтарский пролив; Rf,Ri, Rl — реки; Efa, Eja, Ера, Ela — испарение; Afi, Aip — Антарктическое течение; Mif — течение мыса Игольный; С pi — ВосточноАвстралийское течение; Ppl — Берингов пролив; Ilf — льды Арктики; Dpf — пролив Дрейка; 1р — льды Антарктиды; Npi — Индонезийские моря; Slf, Sfl — проливы

В рамках такого крупномасштабного подхода к формированию океанического блока MBWB остаются неопределёнными зависимости потоков воды в различных её фазовых состояниях от параметров окружающей среды. Очевидно, массообмен между резервуарами s и I можно описать простейшей линейной схемой:

ws/ =ws/ =\Wos<ros — Wolctol\Th\Wos<ros — Wolctol\Th

ws/ =

ws/ =

\Wos<ros — Wolctol\Th

\Wos<ros — Wolctol\Th

где T^ — время выравнивания уровней Wqs и Wql, ^os и ^ol — площади акваторий s и I. Для схемы рис. 5.7 имеем:

Api = maxApi = maxVqf — VqiTfiVqf — VqiTfi,0,0Mpi = maxMpi = maxVqi — VqfTifVqi — VqfTif,0,0

Api = max

Api = max

Vqf — VqiTfi

Vqf — VqiTfi

,0

,0

Mpi = max

Mpi = max

Vqi — Vqf

Tif

Vqi — Vqf

Tif

,0

,0

Таблица 5.10. Количественные оценки потоков воды в схеме рис. 5.7 (тыс. км3/год)

Поток

Оценка

Поток

Оценка

WAOL

3,6

Ilf

0,57

Slf

436

Sfl

400

Rl

5,14

Af

0,3

Hof

23,97

Rf

19,33

waof

72,5

Epa

96,6

Afi

6780,24

Mip

952

Dpp

5771,09

Cpi

437

Npi

66,86

OI

0,765

Aip

6338,74

Ei a

115,4

FC AOI

84

Ri

5,386

Ki

0,005

Rp

13,12

Epa

200,4

WAOP

206,7

Ip

0,975

Ela

1,7

0

80,5

лС Voi — Vop мГ Vop — Voi

Aip = max |, NPI = max |, f Vop — Voif Vop — Vop

Cpi = max —, 0 , DPP = max -, 0 ,

J- PIJI I PF )

qVol — Vop I c^of — Vol 1

Slf = max 0,-, SFL = max 0,-,

I Ilf JI Ifl )

0pl = max 10, VoP VoL |,I IPL J

где Vos = Wos^os, (S = F, I, P, L\

Для оценки потока Ki учтём сведения о балансе влаги в регионе Красного моря. Согласно имеющимся оценкам, поступлением воды в Красное море через Суэцкий канал и за счёт осадков можно пренебречь. В Красное море не впадает ни одна река. Основная компонента потока Ki через Баб-Эль-Мандебский пролив довольно устойчива. Так что можно принять Ki = max{0, wak^kmp — Ekma^kmY где war и сгкмр — уровень и площадь материкового стока в Красное море соответственно, Екма — испарение с площади сгкм Красного моря. Расход воды через Гибралтарский пролив HPq (Hof) определяется соотношением уровней Wqf и Средиземного моря. Чтобы не усложнять структуру модели, считаем, что уровень воды в Средиземном море определяется его водосбором и разностью осадков и испарения. Поскольку внутригодовое распределение притока воды в Атлантический океан колеблется в пределах десятка процентов, то с большой точностью можно положить WPo = — Wqf = const.

Модель гидрологического режима территории. Рассмотрим схему рис. 5.8 как основу для моделирования гидрологического режима ограниченной территории И/,, занимаемой исследуемой ак-

Рис. 5.8. Блок-схема типовой модели водного баланса ограниченной территории

вагеосистемой. Каждая территория характеризуется наличием части речной сети, водоёмов и участков суши. Согласно ландшафтно-гидрологическому принципу для построения имитационной модели в зоне функционирования гидрологической системы необходимо выделение фаций, что связано с типизацией флористического фона, конкретный вид которого обусловливается микрорельефом, типом и свойствами почвы, поверхностным увлажнением, глубиной залегания грунтовых вод и другими факторами. Так что в общем случае территория

характеризуется наличием т фаций, а водоводная сеть имеет п однородных участков. С учётом этого, согласно схеме рис. 5.8, замкнутая система балансовых уравнений имеет вид:

сту 'Ур3 = Еу - Ну + У (И - BkSk) + Dy + ^(Li+Ti- Wiai)k=iz=i

(5.31)

= Yk - Vk + BkSk - Hk + Jk + ^Klk - Fki - Vki - Mki) -

i Q I Gk — 1Ис — 1CkVk \ zr

- 1 k + ЬИ —TT— , \b.o2)

у ZXk-xу

= T + vkl + ma + у V^z -k=\k=\

. dGjj ij dt. dGjj ij dt-Lt-Tt-Pt-^ + Nt+Wtay (5.33)

. dGjj ij dt

. dGjj ij dt

(5.34)(5.34)= ly - Zy - Dy + ^(Hk- JO + У № - M k=\l=\

(5.34)

(5.34)

В формулах (5.31)-(5.34) обозначено: c^p <R и Sk — площади территории Q^-, Z-й фации и fc-го компартмента речной сети в кт2 соответственно; А^ — линейный размер к-ro компартмента речной сети, км; Waap Gk и Ф/ — соответственно уровни воды в атмосфере, к-м компартменте речной сети и Z-й фации на территории Q^-; -д^ — уровень грунтовых вод, м; ^ — доля стока /с-й фации, попадающая на территорию Z-й фации; остальные обозначения приведены на схеме рис. 5.8.

В представленном виде привязка модели к другим регионам осуществляется через переменные Е, R, У^ Г^, I, Z. Кроме того, при анализе конкретной ситуации могут быть дополнительно учтены конфигурация водовода и уровень водоёма. Необходимые уравнения записываются аналогично представленным выше, исходя из условия баланса объёма воды. Функциональные представления для всех потоков схемы рис. 5.8 могут быть записаны на основе законов гидродинамики и с учётом имеющейся экспериментальной информации. Приток Е^ и отток Rtj влаги можно определить по данным дистанционного мониторинга. В промежутках между измерениями используется информация о скорости ветра Ур, а функции Е^ и R^j вычисляются по формулам: Е^ = = Енуу Rij = WaojI*/(I* + k\V\ где Z* = "Z^ojH, Ен — атмосферная влага на наветренной границе региона, кх — постоянный коэффициент, отражающий вклад ветра в циркуляцию осадков.

Сведения об осадках и стоке входят в информационные каталоги гидрометеослужб. На основе этих данных могут быть построены

соответствующие блоки модели. Считая, что распределение осадков пропорционально площадям, получим:

Bk = WA,ij^; W^Wa.h — .

Модель формирования стока должна учитывать топографию водосбора и пространственное распределение его почвенных характеристик и особенностей растительных покровов. Положим:

^i = Pi + Ki ехр[-агХг - CiA^m,

где Х[ и Ai — соответственно плотность растительности (т/км2) и мощность слоя почвы (м) на площади ар ^ — коэффициент рельефного стока в Z-й фации; к[ — коэффициент проникновения воды через растительный и почвенный покровы на площади ар ср и С/ — коэффициенты задержания осадков растительным и почвенным покровами в Z-й фации соответственно. Определение параметров этой зависимости можно осуществить на основе экспериментальных измерений, устанавливающих для данного типа почвы и растительности связь между интенсивностью осадков, скоростью впитывания воды в почву и водопрочностью её структуры. Так, для такыров, например, сток равен осадкам. Это довольно грубое приближение может быть значительно уточнено, так как радиометрические методы позволяют классифицировать почвенную влагу, по крайней мере, на три типа: прочносвязанную, рыхлосвязанную и свободную воду. Связанная вода представляет собой плёночную влагу, адсорбированную поверхностью частиц грунта толщиной плёнки в 6-8 молекулярных слоёв. Содержание связанной воды в песчаных почвах 2-3%, глинистых и лёссовых почвах — 30-40%. Связанная вода недоступна усвоению растениями, не растворяет соли. В рассматриваемых здесь моделях эти особенности учтены при определении соответствующих коэффициентов испарения и транспирации.

Сток ^/ распределяется между фациями и в виде возвратной воды Kik попадает в реку. В общем виде это отражено в формуле (5.33) через /т+2\

коэффициенты распределения стока ^ I ^ ^ = 1 ), где ^m+i — доля \ 8=1/

стока с Z-й фации за пределы региона, ^+2 — доля стока с Z-й фации в реку. Коэффициенты ^^ I ^ ^^ = 1 ) характеризуют распределение стока с Z-й фации по компартментам реки и определяются рельефом местности и пространственным размещением фации и компартментов водовода. Таким образом, К^ = uik^lm^2^b

Для описания испарения с поверхности почвы известны формулы Хичкока, Хортона, Вейсмана и др.(Bras, 1990). Так, формула Пристли и Тейлора для скрытой теплоты испарения qe имеет вид:

Qe =

где qt — почвенный поток тепла, Вт/м2; q* — поток остаточной радиации, Вт/м2; 7 = 0,066 • 103 Па-К-1 — психометрическая постоянная; S — наклон кривой зависимости давления насыщенной влаги от температуры (Па-К-1);

{

1,06 для влажной почвы, 1,04 для сухой почвы,

>1 26 ПРИ адвекции теплого воздуха над влажной ’ поверхностью.

Формула Хортона даёт:

V = 0,36[(2 - exp{-0,44^})Zy - 1а"\ (мм/сут);

где — скорость ветра (м/с); 1у — давление пара у водной поверхности, 1а — упругость водяного пара.

Формула Роуэра имеет вид:

V = 0,771(1,465 - 0,007р)(0,44 + 0,26^)(lv - Q (мм/сут),

где р — атмосферное давление (мм рт. ст.).

Многообразие форм параметризации зависимости скорости испарения с поверхности почвы от параметров окружающей среды позволяет гибко адаптировать модель водного баланса к информационной базе.

Поток Т на рис. 5.8 отражает влияние растительного покрова на гидрологический режим территории. Одной из простых моделей транспирации является зависимость:

Т = 7(24сг* + /3*) (см/сут);

где у — удельная водоотдача почвы; а* — скорость подъёма уровня грунтовых вод (см/час); /3* — изменение уровня грунтовых вод за сутки (см).

Определим составляющие блок-схемы рис. 5.8, характеризующие процессы утечки и фильтрации воды из реки. Утечка и фильтрация зависят от качества русла и уровня воды. Положим:

Pi^iSi При 0 Ci C^?min,

^гСутin приС г > G,min,

F-1 г,maxF-1 г,max' ош (G - G,min) Si < Цг (C^max C^min' ош (G - G,min) Si < Цг (C^max C^minгде pt — коэффициент проникновения воды через ложе реки. Фильтрация Fi возрастает с увеличением Ci между двумя критическими значениями С^щш, когда фильтрация отсутствует, и С^тах, когда она достигает наибольшего значения:

F

-1 г,max

F

-1 г,max

' о

ш (G - G,min) Si < Цг (C^max C^min

' о

ш (G - G,min) Si < Цг (C^max C^min

При 0 Ci Qmin, При Сдтт < Ci < Силзах» при Ci Cymax,

Распределение фильтрующейся из реки воды между фациями зависит от расстояния Tij между г-м компартментом и j-й фацией, а также от

структуры почвы и рельефа местности. В частности, такая зависимость может быть описана функцией F^ = Fi^xX^ij), где x(Ttj) ~ убывающая функция, удовлетворяющая условию

т

У хУ?) = L

Испарение с поверхности реки зависит от температуры окружающей среды и может быть описано функцией Vi = У*ТШ или соотношением Vi = р(Э)(ру — p^Y где р^ — функция, отражающая влияние ветра; pv — упругость водяного пара при температуре испаряющей поверхности, мб; р^ — абсолютная влажность воздуха на высоте 2 м, мб.

Объём перелива определяется бинарным режимом функционирования водовода в границах максимально возможного уровня воды С^тах, так что*

f о при 0<G<Qmax,

^ — С^тах При Сг > С^тах

Распределение U* между фациями зависит от рельефа местности, характеризующегося матрицей рельефного стока Ф = ЦФ^'Ц, такой что

т

В результате Uij = Ф^^*-

Забор воды для полива из г-го компартмента водовода является антропогенным управляющим фактором, и его следует рассматривать в виде свободного параметра М* = ^ М^-. Для учёта возможной 7=1

неоднородности распределения М* между фациями зададим матрицу т

коэффициентов распределения полива и = \V)ij\\ (vij ^ 0, ^ v^ = 1, 7=1

г = 1,..., п; j = 1,..., т), так что Mij = VijM*.

Взаимосвязь между поверхностными потоками воды и грунтовыми водами существенно зависит от потока просачиваемой через почвенный слой воды вниз. Этот поток, называемый инфильтрацией, в общем виде с учётом только вертикальной неоднородности почвы можно описать

уравнением:уравнением:ЭР91ЭР91Э Г ЭР1Э Г ЭР1

уравнением:

уравнением:

ЭР

91

ЭР

91

Э Г ЭР1

Э Г ЭР1

(5.35)(5.35)Bras (1990) приводит различные варианты решения этого уравнения. Для практического использования можно рекомендовать решение:

(5.35)

(5.35)

/ = Л + (/о - /с) exp(-FZ2t),

где / = (Pt — Po)P/(7vt) \ /с — асимптотическое значение скорости фильтрации, /о — начальная величина скорости фильтрации.

Процессы инфильтрации и испарения грунтовых вод существенно зависят от вертикального профиля почвенного слоя. Можно выделить следующие слои почвы: насыщенный и ненасыщенный. Насыщенный слой обычно охватывает глубины более \т. Верхний ненасыщенный слой включает почвенную влагу в зоне действия корней растений, промежуточный уровень и уровень капиллярной воды. Прохождение воды через эти слои можно описать законом Дарси, а гравитационный член Кг(Р) в уравнении (5.35) вычисляется из уравнения:

K^P) = 256,32577,28 - 1.275}14 (см/сут),

где 5S — объёмная масса почвы (г/см3).

Таким образом, система уравнений (5.31)-(5.34) с указанными функциональными описаниями потоков воды в исследуемом регионе при заданных на момент to начальных значениях W(to\ GQtoY C^toY Ф7-(^о) позволяет рассчитать для t ^ to характеристики водного режима всего региона. Начальные значения обеспечиваются разовой съёмкой этих данных системой мониторинга. Регулярность таких съёмок зависит от требуемой точности прогноза и может решаться по методике планирования режима мониторинга. На основе синтеза модели и системы дистанционного зондирования может быть организован мониторинг практически любой орошаемой агроэкосистемы. При этом неизбежно возникают задачи идентификации полученных измерений на борту летательного аппарата со значениями геофизических, экологических и гидрологических параметров. Примером успешного решения таких задач является определение в работе Виноградова (1983) зависимости для коэффициента спектральной яркости тj = тг + (то — тг)ехр( — —aWc) + dWn, где tq — коэффициент яркости сухой почвы, тг — коэффициент яркости почвы с влажностью, близкой к наименьшей полевой влагоёмкости (когда в почве отсутствуют свободная влага); коэффициенты а, с, d и тг определяют тип почвы (a,d, тг < 1; с > 1; для ахроматических суглинистых почв имеем: тг = 0,09; то = 0,28; а = = 0,01; с = 2,3; тг = 0,9; d = 0,0001), W — коэффициент влажности почвы. Получение таких оценок является важной самостоятельной задачей в области дистанционных методов зондирования окружающей среды.

В заключение заметим, что описанный здесь детерминистический подход к моделированию влагооборота в зоне И/, нельзя рассматривать как единственно возможный. Такой подход даёт лишь средние тенденции в изменении компонентов влагооборота. Получение же их распределений и осуществление вероятностного прогноза может быть обеспечено только на основе динамико-стохастических моделей водного баланса. Для целей моделирования глобального круговорота углерода такой подход даёт возможность учесть сток атмосферного СО2 над регионом за счёт процесса вымывания.

Метан и круговорот углерода

Метан, как и углекислый газ, относится к классу парниковых газов. Спектр его источников природного и антропогенного характера достаточно широк, а его парниковый эффект в 20 раз превосходит парниковый эффект от СО2, хотя его концентрация (~.6ррт) в атмосфере примерно в 200 раз меньше концентрации СО2 (Dementjeva et al., 2000). До вмешательства человека природный круговорот метана был сбалансированным по отношению к климату. Начав добычу природных горючих газов, на 90-98% состоящих из метана, человечество внесло в этот круговорот факторы неустойчивости и неопределённости. Большинство авторов сходятся на оценке уровня глобальной эмиссии метана в атмосферу в 535 млн т СН4/ГОД, из которых 375 млн т СН4/ГОД имеют антропогенное происхождение (из них 50 млн т СН4/ГОД с рисовых полей). Ожидается, что поступление метана из источников, связанных с деятельностью человека, будет возрастать в ближайшие 20-30 лет, хотя в ряде развитых регионов Земного шара уже сейчас принимаются меры по сокращению антропогенных выбросов метана в атмосферу. Тем не менее концентрация метана в современной атмосфере увеличивается в семь раз быстрее роста концентрации углекислого газа, так что его количество ежегодно возрастает на 2%, т. е. количество метана в атмосфере к 2020 г. может удвоиться по сравнению с 2000 г., что, по многим оценкам, приведёт к глобальному потеплению на 0,2-0,4 °C. Так же как и в случае СО2, эти оценки весьма сомнительны и противоречивы до тех пор, пока не будет осуществлён синтез глобальной модели, о которой говорилось выше. Однако на современном уровне знания представляется возможным сделать лишь первые шаги по моделированию всех этих особенностей глобального круговорота СН4.

К источникам метана относятся нефть, осадочные и изверженные породы, донные отложения озёр, морей, океанов и других объектов гидросферы, почвы, торфяники, рисовые плантации. Пути преобразования метана, как показано в табл. 5.11, включают широкий спектр процессов, на 70-80% имеющих биогенное начало и большинство из которых нарушается человеком. Безусловно, значимость всех этих путей изменяется в зависимости от многих природных и антропогенных параметров. Изменяются также соотношения отдельных элементов корреляции между круговоротом СО2, СН4 и других химических элементов. Во всяком случае очевидно, что в зависимости от стратегии системы Природа-Общество с течением времени состав земной атмосферы может существенно измениться. Достаточно напомнить, что только сжигание 1 м3 метана забирает из атмосферы 2 м3 кислорода. Из открытых свалок и муниципальных и промышленных сточных вод в атмосферу ежегодно поступает около 2% всего производимого человечеством метана (^270-460 млн ТСН4). Знание таких интегральных оценок не даёт возможности рассчитать реальную картину распределения потока СН4 в атмосферу. Определённый вклад в детализа-

Таблица 5.11. Источники поступления СН4 в земную атмосферу

Источник СН4

Площадь источника, млн км2

Скорость формирования СН4, г • м-2год-1

Средняя скорость образования СН4, млн т/год

Рисовые поля Болота

Пресные озёра Засушливые земли Залесенные земли Тундра

Океаны

Шельфовые зоны Животные

Термиты

Ископаемые топлива Свалки

Сточные воды

1,35 2,6 2,5 30

44

8 361 1,4

206 50-100 50-100 0,44 0,01-0,09 10 0,012 5-10

280 130-260 1.25-25

10

0,4

0,8-8

4-6,7 0,07-1,4 101-220

150

100 20-40 30-40

цию пространственного распределения источников метана внесён 2-й международной конференцией по проблемам метана в Новосибирске в 2000 г. В трудах этой конференции приведены конкретные данные об источниках метана во многих регионах Земного шара. Например, согласно Byakola (2000) в рамках международного проекта UNEP/GDP на территории Уганды (236 тыс. км2) была осуществлена инвентаризация источников и стоков СО2 и СН4. В Уганде основными антропогенными источниками метана являются сельское хозяйство, муниципальные сточные воды и сжигание биомассы. Так, в 1990 г. животноводство и рисовые поля обеспечили поступление в атмосферу с территории Уганды 205,45 тыс. т и 23,45 тыс. т метана соответственно. Сжигание отходов в сельском хозяйстве дополнительно дало 3,55 тыс.т СН4.

Естественно возникает вопрос о возможностях распространения на Уганду ограничений по выбросам парниковых газов и где находится тот порог этих выбросов, превышение которого недопустимо. Безусловно, в будущем в Уганде животноводство и производство риса будут развиваться, приводя к увеличению объёмов выбрасываемого в атмосферу СН4. Возникает задача поиска сбалансированного соотношения экономики страны и состояния окружающей среды. Её решение лежит в области новых технологий природопользования (Крапивин, Кондратьев. 2002). В частности, одним из способов сокращения выбросов СН4 является вторичное использование органических отходов, например, для производства бумаги. В Уганде до 16% городских отходов используется именно с этой целью.

Одним из мощных антропогенных источников СН4 являются газовые транспортные системы. Coconea et al. (2000) дают сведения о выбросах метана из трубопроводов на территории Румынии, присоединившейся к Протоколу Киото и подписавшей Лиссабонский Протокол от

1994 г. Румыния является первой страной в Европе, где в 1917 г. был проложен 50 км. трубопровод для транспортировки природного газа. В настоящее время использование природного газа занимает 37% энергетических ресурсов страны, на долю нефти и угля приходится 32,6% и 15,2% соответственно. Поэтому проблема антропогенных поступлений СН< с территории Румынии в атмосферу весьма актуальна. Здесь так же, как и в Уганде, важную роль играют сберегающие технологии, развитие которых привело к тому, что за последние 20 лет утечка метана из трубопроводов сократилась на 38,9%, составив в 1994 г. 55,35% по отношению к утечкам в 1987 г. В целом, добыча и распределение угля, нефти и газа на территории Румынии даёт 56% всего выбрасываемого с этой территории СН4. Второе место (29%) занимает сельское хозяйство.

Одним из значимых источников СН4 является территория России, которая даёт в атмосферу около 47 млн ТСН4/ГОД и ожидается, что этот поток к 2025 г. достигнет уровня 78 млн ТСН4/ГОД. Это возрастание будет вызвано в основном развитием инфраструктуры газовой, нефтяной и угольной промышленности. В глобальных масштабах эти тенденции будут иметь место практически во всех странах. В табл. 5.12 даётся оценка вклада угольной промышленности в производство СН4 для различных регионов Земного шара. Приведённые оценки во многом определяются уровнем технологий, применяемых в угольной промышленности. В среднем, вклад различных источников внутри самой угольной промышленности составляет следующие проценты: подземная вентиляция шахт — 70%, подземное дренажирование — 20%, поверхностные погрузочно-разгрузочные работы — 5%, открытая разработка — 4% и заброшенные разработки — 1 %.

Таблица 5.12. Выбросы метана угольной промышленностью различных стран (Gale, Freund, 2000)

Страна

Производство угля (млн т/год)

Выбросы СН4 (млн т/год)

Удельная скорость ЭМИССИИ СН4 (кг СН4 на тонну угля)

Австралия

229

0,8

3,5

Англия

68

0,5

7,4

Германия

280

1,0

3,6

Индия

263

0,4

1,5

Китай

1141

7,7

6,7

Польша

199

0,6

3,0

Россия

539

4,5

8,3

США

859

4,3

5,0

Чехословакия

88

0,3

3,4

Южная Африка

182

1,0

0,5

Всего

4399

21,7

4,9

Глобальный круговорот метана в целом изучен недостаточно хорошо, чтобы его моделирование не сталкивалось с множеством нерешённых задач. Наиболее изученными являются потоки метана из заболоченных территорий. Эти потоки составляют около 20% от суммарного поступления метана в атмосферу из всех источников (табл. 5.12). Заметим также, что почти 80% источников метана имеют биологический

Атмосфера

Донные отложения (активный слой)

Зона формированияметана

Область пузырьков

Рис. 5.9. Блок-диаграмма формирования и переноса метана в заболоченной местности. Обозначения: F^ — поток метана на границе атмосфера/ водный объект; F^ — окисление метана в аэробной зоне; Гсн4 — мощность источника метана; М — концентрация метана

характер, так что антропогенное вмешательство в его природный круговорот возможно и через нарушения других биосферных процессов. В частности, на заболоченных территориях метан образуется только за счёт биологических процессов. Обобщённо широкий спектр источников метана из гидросферных объектов можно описать многослойной моделью рис. 5.9. Этой схемой описываются вертикальные структуры практически большинства водоёмов. В слое донных отложений за счёт деятельности бактерий происходит образование метана, а в зоне, где имеется кислород, наблюдается его частичное окисление с выделением углекислого газа: СН4 + 202 —>

СО2 + 2Н2О + Е. Бактерии, участвующие в реализации этой реакции окисления метана используют высвободившуюся энергию Е для синтеза органического вещества. Оставшийся метан поступает в атмосферу и, в отличие от СО2, практически не возвращается в водную среду. Это в какой — то мере связано с тем, что растворимость СН4 в воде почти в 40 раз меньше, чем для СО2 (Ellrich et al., 2000). Время th жизни метана в атмосфере оценивается интервалом около 5 лет. Его изъятие из атмосферы происходит за счёт участия метана в фотохимических реакциях, в результате которых метан окисляется сначала до СО, а затем до СО2. Важную роль в круговороте метана играет цикл СО-ОН-СР4:

он + сн4 сн3 + Н2О,

он + со со2 + н.

Участвующие здесь ОН-радикалы образуются в атмосфере при фотолизе паров воды. В результате простейшая диаграмма окисления

метана в атмосфере имеет вид:

/°Нсн4 > со со2.

Вмешательство человека в процессы, описываемые этой диаграммой, нарушает природную устойчивость в балансе СН4/СО/СО2. В частности, осушение болот является одним из таких дестабилизирующих факторов. Например, осушение 20% болот приводит к естественному сокращению выделения СН4 из болот на 20%, а в целом количество метана сокращается на 4%, что практически не сказывается на климате, но вызывает изменения в биогеохимических круговоротах озона и углекислого газа с непредсказуемыми последствиями. Подобные оценки важны для окончательного заключения об уровне интегрального парникового эффекта. Однако решение этой задачи связано со многими обстоятельствами, не учёт которых приводит к большим ошибкам. Например, поток СН4 на границе атмосфера-болото зависит от вертикального профиля температуры тела болота. В простейшем случае, если обозначить через Tnz(^,t) температуру в момент t на глубине z и записать уравнение теплопроводности

где а2 = Кс-Хр-Х, К — коэффициент теплопроводности, с — удельная теплоёмкость, р — плотность среды, то задача оценки потока FqH4 как функции времени становится зависимой от множества плохо оцененных характеристик окружающей среды.

Пусть температура на поверхности болота изменяется циклически с частотой и и амплитудой А, уменьшающейся с глубиной: Tw(0,t) = = A(F) cos где

A(A = Л(0) • exp•

Решение уравнения (5.36) позволяет проследить вариации температуры Tw(^,t) и сделать вывод, что в данном случае эти вариации слабо зависят от Tw (0, t). Реально, даже если Tw (0, t) возрастёт на 2 °C, то, согласно (5.36), амплитуда изменения температуры с глубиной будет достаточно быстро уменьшаться, принимая на глубинах 40 см, 2 м и 3 м значения 0,97 °C, 0,33 °Си 0,01 °Ссоответственно. Отсюда следует, что при увеличении средней глобальной температуры атмосферы на 2 °Споток F^H4 увеличится не более чем на 1,4%.

Сравнивая глобальную значимость круговоротов СО2 и СН4 в системе атмосфера/болота следует подчеркнуть, что круговорот СО2 способствует стабилизации климата, в то время как круговорот СН4 обостряет климатические изменения. В самом деле, когда климат теплеет, болота поглощают часть СО2 из атмосферы и таким образом

уменьшают парниковый эффект. Наоборот, с потеплением климата за счёт возрастания потока FqH4 парниковый эффект усиливается.

Большим разнообразием интенсивных природных и антропогенных источников метана характеризуется Западно-Сибирский регион России. Это болота, тундра, области вечной мерзлоты, нефтяные и газовые месторождения. В этом регионе наблюдается высокая вариабельность потока FqH4 как в течение года, так и за более короткие промежутки времени. Так, по измерениям, проведённым Jagovkina et al. (2000), на побережье Ямала в июне 1996 г. концентрация метана в атмосфере на высоте 2 м колебалась от 1,83 ppmv 18 июня до 1,98 ppmv 23 июня при средней суточной вариации 0,032 ppmv.

Особое место в глобальном круговороте метана занимают торфяные болота Сибири. Они играют уникальную роль в биогеохимическом круговороте метана и углекислого газа. С одной стороны, они являются неантропогенными источниками СН4 и СО2, но, с другой стороны, они интенсивно поглощают углерод из атмосферы и на длительное время выводят его из природного круговорота. В болотах Западной Сибири, например, сконцентрировано 20-30% мировых запасов углерода. Интенсивность эмиссии метана из болот в среднем почти в 2000 раз меньше эмиссии СО2. На болота России приходится 35-50% всего выделяемого с территории России метана. Непосредственно болота Западной Сибири выделяют в атмосферу не более 1,7 млн т СН4/ГОД, что не превышает 1 % от глобального потока СН4. Пространственная неоднородность потока F^H4 высока, и она определяется разнообразием характеристик болотных экосистем. В частности, известно, что верховые олиготрофные хвойно-кустарниковые сфагнумные болота выделяют 0,9-10 мг • С • м-2ч-1, (Dementjeva, 2000). Эта оценка достаточно приближённая, так как разброс подобных оценок у различных авторов составляет сотни процентов. Например, осушенное сфагнумное болото переходного типа может давать 142 — 204 г • С • м-2ч-1, а камышово- сфагнумные топи - 83,5 — 309 мг • С • м-2ч-1.

Основной механизм образования метана в болоте связан с жизнедеятельностью специальных групп микроорганизмов. Часть метана за счёт процессов диффузии выделяется в атмосферу, но большая часть метана остаётся в слое торфа и выделяется в атмосферу постепенно.

Человек, преобразуя природу, вмешивается в естественный биогеохимический баланс парниковых газов практически по всей территории Земного шара. Одним из аспектов такого преобразования является сокращение площадей болот и превращение их в сельскохозяйственные угодья. Всё многообразие сельскохозяйственной деятельности человека даёт дополнительно в атмосферу 20% от всего антропогенно индуцированного потока парниковых газов. Например, в США эта цифра составляет 30%. В этот поток значительный вклад даёт животноводство. В штатах Калифорния и Висконсин с каждого гектара земель, используемых под выпасы животных, ежегодно выделяется 502 кг СН4 (или 10511 кг СО2) и 134 кг СН4 (или 2814 кг СО2) соответственно.

В Новой Зеландии такие выбросы СН4 оцениваются величиной 291 кг СН4 (или 6110 кг СО2) (Johnson, Ulyatt, 2000).

Среди подписантов Протокола Киото Англия занимает 9-е место по объёму сокращения выбросов парниковых газов. Понижающийся тренд в выбросах метана является частью повсеместного снижения эмиссии шести парниковых газов (СО2, CH4,TV2O, hydrofluorocarbons, perfluorocarbons, sulphur hexafluoride) c 1990 г. В 2000 г. выбросы парниковых газов сократились на 15% по сравнению с 1990 г. К 2010 г. эмиссия СН4 составит 20134 т/год. Это сокращение будет достигнуто в основном за счёт внедрения новых технологий в обработке отходов и угольной промышленности. В целом по Англии, согласно разработанному сценарию, выбросы метана к 2010 г. сократятся в сельском хозяйстве на 14%, в угольной промышленности на 82%, в нефтяной и газовой промышленности на 29% и в обработке отходов на 73%. То, что этот сценарий может быть реализован, подтверждает тенденция сокращения выбросов СТЦ в 1998 г. по сравнению С 1990 г. Например, за этот период выбросы метана в угольной промышленности сократились на 64%, а в обработке отходов на 29%. В 1990 г. в Англии на долю обработки отходов приходилось 32% всех выбросов СТЦ, причём всего лишь 3% этих выбросов связано с обработкой сточных вод.

В сельском хозяйстве Англии выбросы СТЦ составили 1037 тыс.т в 1990 г. и 998 тыс.т в 1998 г. Сценарий сокращения потока F^H4 с территории Англии за счёт улучшения технологий сельскохозяйственного производства ориентирован на эмиссию 902-983 тыс.т СТЦ в 2010 г. При этом полностью исключается выброс СТЦ при сжигании отходов сельскохозяйственного производства, а выбросы метана в животноводстве сокращаются на 8% по сравнению с 1990 г.

В угольной промышленности Англии выбросы СТЦ в 1990 г. составили 819 тыс.т, с основным вкладом в этот поток подземных разработок. Это составило 24% всего потока метана с территории Англии. В 1998 г. поток FqH4 сократился до 264 тыс.т, а к 2010 г. он должен снизиться до 218 тыс.т. Аналогичная тенденция сокращения выбросов метана с территории Англии сохраняется в нефтяной и газовой промышленности. Согласно сценарию, вклад этих секторов производства энергии в поток F^H4 снизится с 540 тыс. т в 1990 г. до 349-464 тыс. т в 2010 г. (Meadows, 2000).

Согласно Bazhin (2000), поток F^H4 в любом водоёме, имеющем слоистую структуру по глубине, образуется в активном слое, расположенном под слоем воды. Такую структуру имеют практически все аквагеосистемы. Слой, где формируется метан, имеет две области. В придонной области, расположенной на глубине К, метан находится в форме пузырьков. Выше этого слоя за счёт диффузионных процессов концентрация СТЦ падает и пузырьки исчезают. Обозначим через Dch4^) коэффициент диффузии метана на глубине z, тогда стационарное поведение всей системы, представленной на рис. 5.9, опишется

уравнением:

\Dch^^; мЦ - ЕСН^ + ^Я4 + ЦчИ = 0.

Модельные расчёты и экспериментальные измерения, выполненные Bazhin (2000), показывают, что, например, на рисовых полях Иь = = 1,3 м, Fch4 = (1,3-1,7) • 10-12моль • см-3с-1. Согласно Khalil et al. (2000), рисовые плантации играют значительную роль в газовом балансе атмосферы за счёт выделения СН4, СО, N2O, Н2 и CHCI3. Например, в Китае рисовые плантации поставляют эти газы в атмосферу со следующими скоростями (мг • м-2час-1): СН4 — 900 -у 50000; СО — 80 -у 100; Н2 - 5 30; N2O - 501000; СНС1 -1^8. Большая

дисперсия этих оценок объясняется высокой нестабильностью потоков этих газов, определяемой технологией выращивания риса. Например, применение сульфатов на рисовых полях приводит к увеличению эмиссии метана на 12,0-58,9% в зависимости от других характеристик этих полей (Liping et al., 2000).

Таким образом, оценка потока FqH4 как функции данной территории с учётом происходящих на ней природных и антропогенных процессов в первую очередь требует достаточно детальной инвентаризации этих процессов и функционирующих на данной территории природных и техногенных систем. Приведённые выше примеры такой инвентаризации дают основу для развития исследований в этом направлении.

Итак, динамика содержания метана в атмосфере Нд может быть параметризована простым балансовым соотношением:

atдр алг / Тн

где 2 — идентификатор типа природной или техногенной системы.

Глава 6

ИМИТАЦИОННЫЕ ЭКСПЕРИМЕНТЫ

Введение

Модели глобального круговорота углерода созданы многими авторами. Большинство моделей ориентировано на использование данных за предындустриальный период и прогнозирование концентрации СО2 на ближайшее столетие. В создаваемых моделях чётко прослеживается нарастание объёма учитываемых факторов и соответствующее повышение их адекватности. Одной из первых достаточно полных моделей глобального круговорота СО2 была предложена Bjorkstrom (1979), в которой учитывалось динамическое взаимодействие между резервуарами углерода в биосфере и его потоками внутри них. Впервые достаточно реалистически был представлен блок Мирового океана, где океан рассматривается в виде многослойной композиции равномерно перемешанных резервуаров, обмен СО2 между которыми описывается линейными законами. Модели блочного типа были проанализированы в работах многих авторов, что дало толчок к успешному расчленению биогеосистемы Земли на однородные компартменты и созданию соответствующих боксовых моделей (Перванюк, 2001; Тарко, Кузнецова, 2001; Перванюк, Тарко, 2001). Используя свойство длительного пребывания углерода в атмосфере, обеспечивающее представление атмосферы точечной моделью, Bacastow (1981) создал глобальную четырёхрезервуарную модель, которая позволила достаточно точно аппроксимировать динамику процессов обмена СО2 между северным и южным полушариями.

Каждая из известных моделей глобального круговорота углерода отличается набором допущений и поэтому ориентируется на выделение какого-либо эффекта. Среди них важными для использования в более сложной модели являются модели, допускающие взаимное параметрическое согласование. Например, простая численная модель газообмена на границе океана с атмосферой в случае ветрового волнения при скоростях ветра до 7 м/с позволяет сформировать в глобальной модели блок расчёта установившегося потока СО2 между водной поверхностью и атмосферой. Примером такого же типа являются модели карбонатной системы океана, описанные многими авторами. Известны и другие

модели круговорота СО2 в природных системах (Riedo et al., 2000; Zonneveld, 1998).

Все известные модели круговорота СО2 требуют очевидного усовершенствования путём детализации пространственного распределения почвенно-растительных формаций и уточнения обменных процессов в океане и на границе атмосфера-океан. Также при этом должны быть синтезированы в единую систему наиболее точные параметризации всех изученных элементов биогеохимических потоков углерода. Такая попытка сделана в блок-схеме модели, описанной в работе Крапивина и Кондратьева (2002). Основными источниками СО2 считаются жизнедеятельность наземных и морских животных, фотохимические реакции, деструкция мёртвого органического вещества и антропогенная деятельность. Считается, что период миграции СО2 в верхние слои атмосферы существенно меньше шага модели по времени. Вот здесь-то и возникают вопросы адекватности получаемых оценок роли наземных и водных экосистем в поглощении и захоронении избыточных количеств углекислого газа в атмосфере.

Тщательный анализ огромного количества публикаций о роли возрастающей концентрации СО2 в атмосфере в усилении парникового эффекта и возможном в ближайшее время резком потеплении климата Земли показывает, что утверждения об ожидаемых катаклизмах в окружающей среде в связи с этим являются всего лишь гипотезами и не более. Эти выводы делаются с помощью грубых моделей глобального биогеохимического круговорота СО2, не учитывающих пространственную мозаику большинства из перечисленных выше эффектов и обратных связей. Этого и сделать-то невозможно, так как, несмотря на большое количество исследований в области парникового эффекта, в настоящее время не существует глобальных баз данных о парниковых газах, которые бы отражали всю сезонную и пространственную структуру их потоков. Кроме того, даже перечисленные в табл. 2.3 потоки не имеют достоверных описаний в форме моделей, а следовательно, сами глобальные модели СО2 имеют статус «учебных». Достаточно сослаться на результаты Алексеева и др. (1992), связанные с изучением процессов обмена СО2 в прибрежных водах Каспийского моря, из которых следует, что даже для такого небольшого по глобальным масштабам пространства мозаичность потоков СО2 характеризуется вариациями величины Ар в диапазоне от —10 до 234 ррш и значений потоков Н2 и Н3 от 1,2 до 32,3 ммоль • м-2сут-1. Это подтверждает необходимость тщательного исследования локальных полей рт и ра для создания точных моделей процессов газообмена в системе океан- атмосфера. Аналогичные выводы напрашиваются и для случая системы почва-растение-атмосфера. Здесь необходимо учитывать влияние максимально большого числа типов растительности и почв. В известных моделях рассматривается не более 30 типов, в то время как имеется атлас 172 типов растений (Eliasson, 1999).

Неточности глобальных моделей парникового эффекта за счёт СО2 усиливаются, если принять во внимание отсутствие регулярных достоверных данных о биосферном круговороте других парниковых газов, включая озон и пары воды. Это подтверждается большим разбросом прогнозируемых величин потепления к 2075 г. по сравнению с доинду- стриальным периодом: 1,1 °C < АТ^ < 4,2 °C.

Недавний детальный анализ причин и последствий парникового эффекта был проведён на Четвёртой международной конференции по методам контроля парниковых газов, состоявшейся в период с 30 августа по 2 сентября 1998 г. в Швейцарии (Eliasson, 1999). Спектр заслушанных докладов подтверждает высказанные здесь сомнения о достоверности многих прогнозов о возможном развитии парникового эффекта. Авторы обсудили биологические, энергетические, химические, геологические и социальные стороны парникового эффекта. Но вопрос о комплексном рассмотрении всех этих аспектов с учётом дополнительных обратных связей, отражающих корреляции между ними, так и остался не рассмотренным. Намеченный в работе Крапивина и Кондратьева (2002) путь решения этой проблемы даёт методику синтеза глобальной модели функционирования совокупности пространственно неоднородных природно-антропогенных систем и процессов, при реализации которой в адаптивном режиме возможен поиск эффективного механизма мониторинга парникового эффекта и достоверной оценки роли наземных и океанских биоценозов.

Таким образом, прогнозирование эмиссии антропогенного СО2 и других парниковых газов в атмосферу возможно лишь при организации тщательного и регулярного мониторинга пространственной структуры огромного количества параметров системы природа-общество с адаптивным механизмом использования развивающейся глобальной модели этой системы (Кондратьев и др., 2000). Именно только адаптивный эволюционный подход к решению указанной задачи может сократить неопределённости в оценках параметров системы ПО и гарантировать гармоничное развитие человеческой цивилизации.

Глобальная модель системы природа-общество

Современный этап научно-технического прогресса, сопряжённый с осознанием глобальной экологической ситуации на Земле с характерной для неё ограниченностью энергетических, геологических, био- геоценотических и других ресурсов, выдвигает на первый план проблему информационного ресурса, взятого по отношению к глобальному экологическому знанию — знанию об условиях коэволюции человека и природы. Уровень этого ресурса на протяжении тысячелетий определялся слабо коррелированной суммарной деятельностью Homo Sapiens и вплоть до начала индустриальной эры был относительно небольшим. Затем с довольно быстрым в историческом плане приближением к ситуации, когда коммерческое отношение к биосфере стало определяю-

щей стратегией человечества и когда стал виден экологический тупик, информационный ресурс поднялся на шкале значимости до близких к предельным значениям.

Данный ресурс включает в себя не только «академическое» знание. Любая экологическая проблема обладает «открытостью», включённостью в систему глобальных проблем современности, главная из которых состоит в сохранении гомеостазиса человечества (Kondratyev, 1998). Это означает, что возникшая и осознанная в конце двадцатого века «гроза над биосферой» поставила перед цивилизованным миром проблему выживаемости вида Homo Sapiens, а следовательно, проблему ответственного отношения к природе. При этом во взаимодействие вступили одновременно экологические и нравственные проблемы. Риторический вопрос — зачем живём и трудимся? — приобрёл неожиданно глубокий социальный аспект и вступил в область взаимодействия с проблемами гармонии во взаимоотношениях между обществом и природой. От того, как население Земли быстро решит эти проблемы и найдёт оптимальный баланс между «разумным» и «неразумным» отношением к окружающей среде, будет зависеть судьба биосферы. Причём, как показали модельные оценки, в этом должно принять участие 90% всего человечества. Но вряд ли на данном этапе истории такая часть населения способна осознанно по своим моральным и нравственным устоям безболезненно и добровольно переключиться с позиции покорения природы на позиции развития новых гармонических взаимосвязей природы и общества. Для достижения глобальной гармонии необходима фокусировка внимания на негативных экологических и социально-экономических изменениях, чтобы экологическое знание внедрялось в практику, т. е. оно должно быть доведено до стадии конструктивных приложений в виде конкретных технологий, обеспечивающих высокое качество принятия решений в области природоохранной деятельности.

На современном этапе научно-технического прогресса в этой области ведутся интенсивные разработки, анализ которых позволяет выявить характерные особенности экологического знания и проблемы применяемых методов с тем, чтобы установить основные требования к эффективной информационной технологии. Одной из предпосылок создания систем слежения за состоянием окружающей среды послужили наличие разнокачественных данных и множества порождённых ими математических моделей различного типа (балансовых, оптимизационных, эволюционных, статистических и т. д.). Синтезированные на основе параметризации и, как правило, линеаризации закономерностей природных явлений эти модели включают широкий арсенал детерминированных и вероятностных описаний геологических, экологических, океанографических, биогеохимических и биогеоценотических процессов глобального, регионального и локального характера. Подавляющее большинство из них ориентировано на теоретическое осмысление особенностей живых систем высокого уровня с использованием имеющих-

ся знаний и лишь малая часть нацелена на первые шаги к объективной оценке современной глобальной экологической ситуации. Отличаясь целями и математическим аппаратом описания, многие модели оказываются вынужденно грубыми из-за ограниченности, неполноты и недо- определенности информационной базы, а также в силу отсутствия современных инструментальных систем в области имитационного эксперимента. Увеличение числа рассматриваемых компонентов биосферы с целью повышения адекватности изучаемых моделей, как известно, приводит к их многопараметричности, т. е. к проблеме «проклятия многомерности».

В качестве основного инструмента разрешения указанных особенностей ряд авторов обоснованно рассматривает метод имитационного моделирования, который позволяет осуществлять «стыковку» разнокачественных данных, относящихся к различным математических формализмам, и снимать многопараметричность. Искомая модель строится при этом по эмпирической информации, которая не ограничена заранее рамками какого-либо математического аппарата, что обусловливает «мягкость» формализации, неизбежную в тех случаях, когда неизвестны существенные закономерности явлений.

Развитие имитационного моделирования путём расширения информационной базы, сочетания формальных и неформальных методов в процессе поэтапного синтеза требуемой модели и, наконец, активного подключения человека к диалогу с компьютером, по мнению многих исследователей, обеспечит эффективную технологию системноэкологического моделирования. Однако уже сейчас оказывается, что положение дел не столь однозначно. В самом деле, если сопоставить имеющиеся информационные запросы в области экологических проблем и существующее информационное обеспечение их решения (различные математические и имитационные модели, принципы обработки экологической информации), то легко заметить, что не все уровни природных и антропогенных комплексов имеют развитый аппарат для своего описания, а тем более для конструирования эффективных информационных технологий с целью получения необходимых оценок проблемных ситуаций. Трудности, возникающие в этой связи, имеют не только и не столько технический характер накопления моделей различного типа. Наиболее ярко эти особенности проявляются в глобальном моделировании, опыт которого показал существенную и принципиально неустранимую неполноту наших знаний о происходящих в природе процессах, которая проявляется как в фрагментарности эмпирических данных, так и в отсутствии адекватных представлений о закономерностях эволюции природных процессов. Уже сейчас ясно, что механический набор иерархий моделей и стремление к накопительству банков эмпирических данных — это попытка оживления примитивных схем рассуждений о целостной картине развития биосферных процессов без надежды на успех, без возможности объяснения способности живых систем к перманентной самоорганизации и без существенного про-

движения к пониманию отлаженного механизма функционирования системы Природа-Общество. Ситуация такова, что необходимо применение компьютерных технологий, соединяющих методы эволюционного и имитационного моделирования, как это описано в работе Букатовой и др. (1991). Это позволит учитывать внутреннюю динамику (эволюцию) структуры моделируемых процессов и адаптивно синтезировать модели в условиях неполноты и частичной достоверности данных.

Традиционные подходы к построению глобальной модели сталкиваются с трудностями алгоритмического описания многих социально-экономических и климатических процессов, так что в результате приходится иметь дело с информационной неопределённостью. Развитые подходы к глобальному моделированию просто игнорируют эту неопределённость, в результате чего структура моделей не охватывает реальные процессы адекватным образом. Совместное использование эволюционного и имитационного моделирования позволяет устранить этот недостаток путём синтеза комбинированной модели, структура которой подвергается адаптации на основе предыстории комплекса биосферных и климатических компонентов. При этом реализация модели также может быть комбинированной в разных классах моделей с использованием программных средств на традиционных компьютерах и спецпроцессоров эволюционного типа. Форма такого комбинирования многообразна и зависит от пространственно-временной полноты глобальных баз данных.

Накопленный опыт глобального моделирования изобилует примерами непреодолимых трудностей при попытке найти способы описания научно-технического прогресса и человеческой деятельности в различных её проявлениях. Не меньшие сложности возникают при моделировании климата, характеризующегося суперпозицией процессов с различными временными темпами изменчивости. Что касается полноты описания в глобальной модели, то и здесь невозможно чётко очертить пределы информационной обеспеченности и границы необходимой пространственной и структурной детализации. Поэтому, не углубляясь в натурфилософский анализ глобальных проблем и не стараясь дать исчерпывающий рецепт для глобального моделирования, обсудим лишь один из возможных путей, отражающих каким образом эволюционное моделирование в спецпроцессорной реализации позволяет преодолеть упоминавшиеся выше трудности.

Настройка эволюционной модели по предыстории природных ритмов позволяет получить модель, которая неявно отслеживает различные закономерности динамики системы ПО в прошлом и даёт возможность прогноза в том же временном ритме. Спецпроцессорный вариант модели полностью снимает все затруднения алгоритмического и вычислительного характера, возникающие из-за большой размерности глобальной модели и наличия множества параметрических неопределённостей.

Синтез глобальной модели системы ПО основывается на представлении о ней, как о самоорганизующейся и самоструктурирующей- ся системе, согласованность действий элементов которой во времени и пространстве обеспечивается процессом естественной эволюции. Антропогенная составляющая в этом процессе направлена на нарушение этой целостности. Попытки параметризовать на формальном уровне процесс коэволюции природы и человека, как элементов биосферы, связаны с поиском единого описания всех процессов в системе ПО, которое бы объединяло усилия различных отраслей знания в познании окружающей среды. Такое синергетическое начало лежит в основе многих работ по глобальному моделированию (Крапивин и др., 1982; Крапивин, Кондратьев, 2002; Kondratyev, Krapivin, 2002).

Покроем поверхность Земли Q географической сеткой ^щ^ А/} с шагами дискретизации ^щ^ и АА^ по широте и долготе соответственно, так что внутри ячейки поверхности суши Q^- = {(99, А): щ^ ^ щ ^ щ^ + + ^щр Aj ^ А ^ Xj + AAj} все процессы и элементы считаются однородными и параметризуются точечными моделями. В случае водной поверхности на территории ячейки Q^- осуществляется расчленение водной массы на слои толщиной А^, т. е. выделяются трёхмерные объёмы = {(99, А, z): (щ, А) е ^tj, + А^}, внутри которых все элементы экосистемы распределены равномерно. Наконец, атмосфера над площадкой Q^' по высоте h дискретизируется либо по уровням атмосферного давления, либо по слоям толщиной ZXhs.

Взаимодействия в системе ПО рассматриваются как взаимодействия между элементами ПО внутри указанных пространственных структур, а также между ними. Комплексная модель системы ПО реализует пространственную иерархию гидродинамических, атмосферных, экологических и социально-экономических процессов с учётом деления всего объёма окружающей среды на структуры Q^' и rt^k- Ячейки этого деления являются опорной сеткой в численных схемах при решении, основанном на динамических уравнениях, или при синтезе рядов данных в обучающихся процедурах эволюционного типа.

Ячейки Q^- и ^Lpk неоднородны по параметрам и функциональным характеристикам. Именно через эту неоднородность осуществляется привязка глобальной модели к базам данных. Более того, чтобы избежать избыточности в структуре глобальной модели, априори предполагается, что все учитываемые в ней элементы и процессы системы ПО имеют характерную для них пространственную дискретизацию. Неоднозначность пространственных дискретизаций в различных блоках глобальной модели устраняется на алгоритмическом уровне согласования потоков данных от системы мониторинга. В результате структура модели не зависит от структуры базы данных, а следовательно, не изменяется с изменением последней. Аналогичная независимость обеспечивается и между блоками модели. Это реализуется обменом данными между ними только через входы и выходы под контролем базовой информационной магистрали, как это показано на схеме рис. 6.1.

В случае отключения одного или нескольких блоков их входы идентифицируются с соответствующими входами в базу данных или базу знаний. Тогда использование модели в режиме имитационного эксперимента схематически может быть представлено в виде диалога между оператором и моделью. Здесь по выбору пользователя осуществляется

Модели биоценозов, экосистем, процессов, круговоротов и т. д.

Базы данныхи знаний

Рис. 6.1. Организация глобальной модели функционирования системыПрирода-Общество

формирование пространственного образа моделируемой среды и режима управления имитационным экспериментом. Безусловно, при этом пользователь должен обладать определённой базой знаний и располагать методикой её структуризации. Например, он может использовать перечни ключевых проблем глобальной экологии или списки рекомендованных для исследования элементов системы ПО (по образу сведений, представленных во многих глобальных базах данных).

Характер пространственной структуры глобальной модели несомненно определяется базой данных. Самый простейший вариант точечной модели реализуется при задании исходной информации в форме усреднения по поверхности суши и всей акватории Мирового океана. Учёт пространственной неоднородности обеспечивается разнообразны-

ми формами дискретизации пространства. Базовой формой пространственного деления суши и океанов является задание равномерной сетки /\щ х АЛ. Реализация реального варианта использования модели обеспечивается интегрированием ячеек Q^- так, что в каждом блоке могут присутствовать различные формы пространственной структуры учитываемых элементов и процессов биосферы. Такая гибкость задания пространственной структуры биосферы даёт возможность легко адаптировать модель к неоднородностям в базах данных и осуществлять имитационные эксперименты с актуализацией отдельных регионов.

В зависимости от специфики рассматриваемого природного процесса структура регионального деления может быть идентифицирована с климатическими зонами, континентами, широтными поясами, социально-административной структурой и природными зонами. Так, для климатических процессов многие исследователи ориентируются на регионы с размерами Nip = 4° и АЛ = 5° (Krapivin, Vilkova, 1990), био- геоценотические процессы изучаются при Nip = АЛ = 0,5° (Sellers et al., 1995), социально-экономическая структура представляется девятью регионами (Krapivin, 1993), атмосферные процессы в биогеохимических циклах долго живущих элементов аппроксимируются точечными моделями (Nitu et al., 20006), функционирование океанских экосистем описывается неоднородной структурой пространственной дискретизации шельфовой зоны на ячейки Q^- с выделением четырёх частей пелагиали Мирового океана.

Структура расчленения поверхности Земли на регионы Q^- охватывает все перечисленные варианты. Это означает, что общая схема дискретизации процессов в системе ПО предусматривает иерархию из уровней, включая глобальный, континентальный, региональный, ландшафтный, локальный и т. д. Заложенная схема независимого включения блоков на всех этих уровнях с совмещением между ними через параметрические интерфейсы не препятствует разрастанию количества блоков модели из-за внесения новых компонентов, уточняющих модели рассматриваемых процессов. При этом модель верхнего уровня может выступать в виде информационной базы для модели низшего уровня и наоборот. Результаты моделирования на нижнем уровне могут использоваться для формирования информационной базы моделей более высоких уровней. Этот механизм информационного обмена между моделями различных уровней ослабляет требования к глобальной базе данных и расширяет возможности модели системы ПО.

В структуру глобальной модели включены вспомогательные блоки, обеспечивающие взаимодействие пользователя с моделью и работающие с базой данных. В частности, к таковым относятся блоки, реализующие алгоритмы пространственно-временной интерполяции или согласующие действия пользователя с банком сценариев. Заметим, что отдельные сценарии по желанию пользователя могут быть переведены в ранг модельных блоков. Такая двойственность (избыточность) характерна для сценариев климата, демографии, антропогенной актив-

10 К.Я. Кондратьев, В.Ф. Крапивин

ности, научно-технического прогресса и сельскохозяйственного производства. Пользовательский интерфейс предоставляет возможность выбора структуры ^1^ в режиме «по умолчанию» или необходимая пространственная структура формируется из базовых элементов путём операций усреднения и интерполяции.

Таким образом, синтез версии глобальной модели требует предварительного анализа сложившейся к настоящему моменту ситуации с базами глобальных данных и базами знаний. Здесь исследователи сталкиваются с принципиальными трудностями, среди которых в первую очередь следует указать на отсутствие адекватной базы знаний о климатических и биосферных процессах, а также на большую разрозненность существующих баз данных о глобальных процессах на суше, в атмосфере и океанах.

Другая принципиальная трудность связана с неспособностью современной науки сформулировать требования к базам глобальных данных, необходимых для достоверной оценки состояния природной среды и уверенного прогноза её развития на достаточно большой промежуток времени. Более того, не существует технологии формирования баз данных, нацеленной на создание глобальной модели. И тем более отсутствуют апробированные критерии оценки состояния элементов окружающей среды.

Попытки найти ответы на поставленные вопросы делают многие учёные (Иванов-Ростовцев и др., 2001; Gorshkov et al., 2000). Одним из эффективных способов разрешения этих вопросов признаётся создание единой планетарной адаптивной геоэкоинформационной системы, обладающей иерархической структурой сбора данных и формирующей многоуровневую глобальную базу данных (Кондратьев и др., 2000). Адаптивный характер этой системы обеспечивается коррекцией режима сбора данных, а также изменением параметров и структуры глобальной модели.

Создание глобальной модели возможно с учётом уже существующей структуры баз данных, формирование которых продолжается в рамках Международной Геосферно-Биосферной Программы «Глобальные изменения» и многочисленных национальных экологических и природоохранных программ. Созданная к настоящему времени система мировых центров данных способствует быстрому использованию накопленных сведений о глобальных процессах и облегчает синтез геоинформационной мониторинговой системы. Однако значительные успехи в этом направлении, связанные с большими экономическими затратами, не могут привести к успешному решению задачи глобального контроля за окружающей средой, хотя этот этап и является неизбежным.

Согласно Кондратьеву (1999) для контроля глобальной геобиосистемы Земли необходимо регулярное наблюдение за большим набором переменных. С увеличением вероятности довольно резких глобальных изменений спектр этих переменных будет варьироваться, а глобаль-

ная прогнозирующая система должна постоянно модернизироваться. Методологическое обоснование информационной полноты комплекта переменных для системы мониторинга может быть объективным только в случае функционирования геоинформационной мониторинговой системы. Ведь многие переменные могут быть рассчитаны на основе соответствующих моделей и их не нужно будет измерять. Однако пока планирование измерений и разработка моделей ведутся параллельно и не существует обнадёживающих результатов в области планирования глобального эксперимента. Как следует из работы Марчука и Кондратьева (1992) базы глобальных знаний и данных позволяют синтезировать и развивать серии глобальных геоинформационных мониторинговых систем. Пространственная и временная вариабельность биосферных и геосферных процессов удовлетворительно описываются вариантом, представленным, например, в работе Krapivin (1993).

Встраивание глобальной модели в структуру глобальной мониторинговой системы позволяет перевести её на уровень экспертной системы. А это означает, что возникает возможность комплексного анализа большого числа элементов системы ПО в условиях реализации гипотетических ситуаций, которые могут возникать по естественным или антропогенным причинам.

Роль наземной биоты в поглощении углекислогогаза из атмосферы

Наземная биота является одним из стоков атмосферного СО2. К сожалению, имеющиеся данные и знания о процессах дыхания растений позволяют сделать лишь грубые интегрированные оценки потока СО2 в растительном покрове. На самом деле роль растения в поглощении атмосферного СО2 резко изменяется в течение суток и является сложной функцией таких факторов окружающей среды, как температура, освещённость и влажность воздуха. Тем не менее, сделанные в гл. 3 попытки параметризации функций растительности позволяют провести оценку роли всех перечисленных в табл. 3.5 типов почвенно-растительных формаций в поглощении СО2.

Рис. 6.2 показывает роль лесной растительности в динамике СО2. Дополнительно к этим результатам отметим, что экспериментирование с помощью глобальной модели даёт возможность проследить зависимости газового состава атмосферы от структуры лесных покровов планеты. Согласно имеющимся оценкам суммарную площадь лесов по состоянию на to = 1970 можно принять равной qlo = ^(to) ~ ^ 40,3 - 41,84 млн км2 (Watson et al., 2000), причём из них 1% составляют национальные парки и заповедники. В рамках сформулированного здесь сценария полагаем также tb = 2050, ахо = сгх (to) = = 19,5 млн км2. Как видно из рис. 6.2, возрастание темпов сведения лесов существенно повышает концентрацию СО2 в атмосфере. Даже

ю*

Рис. 6.2. Динамика концентрации СО2 при различных сценариях изменения лесных площадей в рамках сценария Демирчана и др. (1995): 1 — темпы изменения площади лесов сохраняются по состоянию на 1970 г.; 2 — к 2050 г. леса полностью уничтожаются; 3 — к 2050 г. площадь лесов сокращается на 50%; 4 — то же на 10%; 5 — к 2050 г. площадь лесов возрастает на 50% и 6 — то же на 10%

если к 2050 г. площади лесов будут сокращены всего лишь на 10% по отношению к 1970 г., т. е. ct^i/ct^q = 0,9, то атмосферный СО2 к концу XXI столетия может возрасти на 44%. Наоборот, увеличение покрытой лесом площади на 10% снижает концентрацию атмосферного СО2 на 15%. При возрастании площади лесов на 50% к 2050 г. снижение атмосферного СО2 к 2100 г. составит 60% относительно возможного его значения при сохранении темпов воздействия на лесные экосистемы, имевших место в конце XX столетия. Следовательно, колебания лесопокрытой площади в биосфере даже в пределах ±10% могут существенно изменять динамику многих компонентов глобальной экосистемы.

Табл. 6.1 даёт пример расчёта стоков СО2 в растительный покров на территории России. Такие расчёты с использованием глобальной модели системы Природа-Общество позволяют увидеть динамику мозаики потоков СО2 в системе атмосфера-растительность-почва. Знание такой мозаики позволяет оценить роль конкретных типов почвеннорастительных формаций в региональном балансе углерода и на основе этого рассчитать глобальные потоки углекислого газа на границе атмосфера-суша. Аналогичные расчёты возможны и для системы атмосфера-океан.

Табл.6.2 демонстрирует последствия изменения глобальной структуры почвенно-растительных формаций для динамики поглощения СО2 растительностью. Видно, что искуственное изменение растительного покрова существенно изменяет балансовые компоненты в глобальном круговороте углерода. Ясно, что подобные эксперименты требуют

Таблица 6.1. Динамика поглощения СО2 растительностью на территории России. Предполагается, что эмиссия углерода на этой территории в 1990 г. была равна 1,6 ГтС/год с ежегодным изменением по сценарию Килинга (Krapivin, Vilkova, 1990)

Растительная формация (табл. 2.5)

Скорость поглощения СО2, 106 т С/год

1990 г.

2000 г.

2050 г.

2100 г.

2150 г.

А

2,6

2,8

6,7

7,1

6,9

С

3,7

4,6

10,9

12,0

12,1

М

4,0

5,1

12,4

14,5

13,8

L

3,2

3,9

9,2

10,3

10,4

F

11,2

14,8

43,6

47,2

44,2

D

31,6

39,9

110,6

121,9

109,3

G

23,3

29,2

72,2

73,4

70,5

К

5,2

6,2

13,1

13,8

10,7

W

4,7

5,1

8,2

8,8

7,9

V

0,7

0,7

0,9

1,1

0,8

@

2,4

2,6

3,7

3,9

2,9

S

0,6

0,7

1,2

1,4

1,0

Q

1,5

1,6

2,2

2,3

1,8

Итого

94,7

206,1

294,9

317,7

292,3

тщательной подготовки данных о возможности трансформации растительных покровов с учётом климатических зон и биоценологической совместимости. Тем не менее подобные гипотетические эксперименты полезны для общей оценки возможных диапазонов антропогенного воздействия на глобальный круговорот углерода. Например, природные и антропогенные катаклизмы, связанные с лесными пожарами, ежегодно вносят значительные изменения в этот круговорот, так как меняют на больших территориях многие потоки и запасы углерода. В табл. 6.3-6.5 приведены оценки отклонений в содержании углерода в основных биосферных резервуарах при сжигании лесов различных зон. Видно, что крупномасштабные воздействия на наземную биоту демпфируются за 60-100 лет. При этом биосфера оказывается более устойчива по отношению к воздействиям на леса южных широт и более чувствительна к нарушениям лесных массивов умеренных широт. Отсюда можно заключить, что леса Северного полушария вплоть до 42° с.ш. играют важную роль в стабилизации углеродного обмена в биосфере.

Сценарий уничтожения лесных массивов, как видно из исследований многих авторов, вызывает наибольший интерес в глобальных исследованиях круговорота углерода и связанного с ним изменения климата. Многообразие возможных реальных ситуаций трансформации земных покровов столь широко, что дать оценку всех их последствий не представляется реальным. Отметим лишь, что, например,

Таблица 6.2. Динамика отношения интегральных скоростей поглощения (Я^) СО2 растительными покровами из атмосферы при естественном распределении почвенно-растительных формаций (рис. 3.3) и при его трансформации в соответствии со сценарием второго столбца

Сценарий

Hq (изменённый рис. 3.3) / Н^ (рис. 3.3)

Рис.3.3

Изменения рис. 3.3

2003

2020

2050

А

L

2,79

2,14

1,97

С

L

0,96

0,94

0.95

М

L

1,67

1,15

1,01

F

D

1,68

1,57

1,11

G

D

2,11

1,67

1,45

R

D

3,98

3,70

2,87

Р

Z

3,17

2,68

2,43

и

Z

22,52

20,73

17,95

W

Z

23,12

19,44

16,32

Е

Z

100,14

77,75

68,54

Н

Z

194,56

155,50

138,39

Q

Z

799,14

777,50

751,26

У

Z

1,43

1,39

1,23

N

Z

69,98

62,20

56,59

J

Z

5,89

5,09

4,67

Т

Z

26,54

25,92

23,58

I

Z

17,88

16,37

14,91

#

Z

0,91

1,12

0,97

Таблица 6.3. Модельные оценки отклонения содержания углерода при условии сжигания всех хвойных лесов Северного полушария (до 42° с.ш.)

Годы после воздействия

Отклонения в содержании углерода, Гт

Атмосфера

Почва

Верхний океан

Глубокий океан

0

140,9

-5,4

15,5

0,1

10

104,8

-33,1

29,8

3,1

20

83,1

-44,1

21,5

7,4

30

63,4

-43,5

19,0

8,5

40

47,2

-39,7

14,6

10,4

50

34,2

-34,6

11,6

11,7

60

24,1

-29,4

8,3

12,7

70

16,3

-24,7

6,2

13,5

80

10,2

-20,5

4,5

14,0

90

5,6

-17,1

3,3

14,3

100

2,1

-14,2

2,3

14,5

200

-9,0

-3,4

-0,8

13,5

уничтожение всех северных таёжных и среднетаежных лесов (типы F, D) через 50 лет приведёт к возрастанию атмосферного СО2 на 53% с последующими отрицательными последствиями для потока Н^.

Таблица 6.4. Модельные оценки отклонения содержания углерода при условии сжигания всех лесов Северного полушария (до 42° с.ш.)

Годы после воздействия

Отклонения в содержании углерода, Гт

Атмосфера

Почва

Верхний океан

Глубокий океан

0

230,8

-7,9

24,9

0,1

10

173,2

-30,9

47,9

4,9

20

138,9

-67,6

39,2

10,0

30

107,9

-89,3

31,1

13,8

40

82,0

-64,3

24,1

16,8

50

60,9

-56,9

18,4

19,1

60

44,2

-49,0

13,9

20,7

70

31,1

-41,6

10,3

21,9

80

20,9

-35,0

7,5

22,8

90

12,9

-29,4

5,4

23,3

100

6,9

-24,7

3,7

23,6

200

-12,7

-5,9

-1,7

21,7

Таблица 6.5. Модельные оценки отклонения содержания углерода при условии сжигания всех тропических лесов

Годы после воздействия

Отклонения в содержании углерода, Гт

Атмосфера

Почва

Верхний океан

Глубокий океан

0

396,0

-20,0

42,2

0,2

10

261,6

-93,7

73,9

8,0

20

162,2

-84,8

48,0

14,9

30

90,6

-38,6

28,2

19,1

40

45,3

-36,5

15,0

21,3

50

18,3

-21,6

7,5

22,4

60

2,9

-12,4

3,0

22,8

70

-5,8

-7,0

0,5

22,8

80

-10,6

-4,2

-0,9

22,6

90

-13,2

-2,6

-1,7

22,5

100

-14,5

-1,9

-2,1

21,8

200

-13,2

-2,3

-1,9

17,7

Аналогичные последствия следуют после сведения всех влажных вечнозелёных и листопадных тропических лесов (типы Z,Y\ Только в этом случае указанное возрастание атмосферного СО2 будет достигнуто уже через 20 лет.

Изменение структуры земных покровов происходит не только по вине человека. В некоторых регионах Земного шара значительное изменение в баланс углерода в лесных экосистемах вносят ураганы. Так, на территории США каждые три года проходят два урагана, которые ускоряют переход живой биомассы деревьев в мёртвое органическое вещество. Если на территории США ежегодно изымается из лесов 20 ТгС, то 10-15% из этого количества приходится на один ураган

(McNulty, 2002). Следовательно, ураганы ускоряют возврат углерода в атмосферу, и их учёт по всей планете необходим для более точных оценок многих потоков глобального круговорота углерода.

Роль мирового океана в поглощении углекислогогаза из атмосферы

Оценка общего вклада Мирового океана в поглощение углекислого газа из атмосферы, так же как и в случае суши, возможна только за счёт пространственного интегрирования разности потоков Н^ и Н^. В табл. 6.6 даются средние оценки этой разности. Даже при такой грубой оценке видна мозаичность роли различных акваторий Мирового океана в поглощении атмосферного СО2. Особое место занимают аква-

Рис. 6.3. Распределение глубины верхнего квазиоднородного слоя Мирового океана в широтных зонах: 0°-10° с.ш. (сплошная кривая) и 60°-70° с.ш. (пунктирная кривая)Рис. 6.3. Распределение глубины верхнего квазиоднородного слоя Мирового океана в широтных зонах: 0°-10° с.ш. (сплошная кривая) и 60°-70° с.ш. (пунктирная кривая)Рис. 6.4. Годовое распределение потока углерода через границу атмосфера-океан в различных широтных зонахРис. 6.4. Годовое распределение потока углерода через границу атмосфера-океан в различных широтных зонах

Рис. 6.3. Распределение глубины верхнего квазиоднородного слоя Мирового океана в широтных зонах: 0°-10° с.ш. (сплошная кривая) и 60°-70° с.ш. (пунктирная кривая)

Рис. 6.3. Распределение глубины верхнего квазиоднородного слоя Мирового океана в широтных зонах: 0°-10° с.ш. (сплошная кривая) и 60°-70° с.ш. (пунктирная кривая)

Рис. 6.4. Годовое распределение потока углерода через границу атмосфера-океан в различных широтных зонах

Рис. 6.4. Годовое распределение потока углерода через границу атмосфера-океан в различных широтных зонах

Таблица 6.6. Пространственное распределение ДЯ32 = Н3 - Н§ (ГтС • км^год'1), оцененное по средним расчётным величинам поглощения и выделения СО2 на границе атмосфера — океан за весь индустриальный период. Обозначения: а — площадь акватории Мирового океана (млн км2)

Акватория

а

АНзг

Южный Атлантический океан

28,80

0,00138

Экваториальный Атлантический океан

32,38

-0,00285

Северный Атлантический океан

26,01

0,01025

Южный Тихий океан

49,85

0,00531

Экваториальный Тихий океан

88,81

-0,00323

Северный Тихий океан

32,45

0,00846

Южный Индийский океан

49,63

0,00538

Экваториальный Индийский океан

32,85

-0,00592

Северный Ледовитый океан

7,47

0,00131

Весь Мировой океан

348,23

0,00154

тории северных широт и зоны апвелингов. Практически не изученными остаются холодные акватории южных широт, где, как и в Северном Ледовитом океане, значительные акватории покрыты льдом. По имеющимся оценкам АН32 = 0,006 ГтС/год для покрытых льдом акваторий и 0,022 ГтС/год при отсутствии льда.

Некоторое представление о роли Мирового океана в поглощении СО2 из атмосферы дают приведённые на рис. 6.3 и 6.4 данные. Рис. 6.5

даёт пространственное распределение ассимилируемого из атмосферы углекислого газа с учётом совместной роли наземных и океанских экосистем. Видно, что интегральная роль окружающей среды в стабилизации содержания СО2 в атмосфере при значительном возрастании антропогенной доли углерода изменяется незначительно. Это говорит о том, что природная среда сохраняет устойчивые обратные связи и уровень изменчивости реакций наземных и океанских систем на заметное возрастание антропогенной нагрузки на атмосферу остаётся стабильным. Детальный анализ таких реакций показывает, что почти 60% возрастание антропогенного потока углерода за следующие 20 лет приведёт к увеличению по-

Рис. 6.5. Усреднённые по долготе скорости поглощения атмосферного СО2 наземными и океанскиРис. 6.5. Усреднённые по долготе скорости поглощения атмосферного СО2 наземными и океанскими экосистемами при двух сценами экосистемами при двух сценариях антропогенной эмиссии углерода: 6,2 ГтС/год (пунктирная кривая, 2000 г.) и 10 ГтС/год (сплошриях антропогенной эмиссии углерода: 6,2 ГтС/год (пунктирная кривая, 2000 г.) и 10 ГтС/год (сплошная кривая, прогноз на 2020 г.). Обозначение: На = АН32 + Н^ +ная кривая, прогноз на 2020 г.). Обозначение: На = АН32 + Н^ +тока СО2 из тропических акваторий

Рис. 6.5. Усреднённые по долготе скорости поглощения атмосферного СО2 наземными и океански

Рис. 6.5. Усреднённые по долготе скорости поглощения атмосферного СО2 наземными и океански

ми экосистемами при двух сцена

ми экосистемами при двух сцена

риях антропогенной эмиссии углерода: 6,2 ГтС/год (пунктирная кривая, 2000 г.) и 10 ГтС/год (сплош

риях антропогенной эмиссии углерода: 6,2 ГтС/год (пунктирная кривая, 2000 г.) и 10 ГтС/год (сплош

ная кривая, прогноз на 2020 г.). Обозначение: На = АН32 + Н^ +

ная кривая, прогноз на 2020 г.). Обозначение: На = АН32 + Н^ +

Мирового океана в атмосферу на 4,8%, но при этом экосистемы северных широт повысят поглощательную способность на 12,3%. При этом роль наземных экосистем в поглощении избыточного углерода из атмосферы возрастёт на 11, 4%, а роль Арктических вод — на 13,2%. В результате в 2020 г. из атмосферы за год будут поглощены следующие количества углерода: южно-таёжными лесами — 25,7 млн тС, среднетаежными лесами — 35,1 млн тС, тундровыми экосистемами —

10,7 млн тС.

Развитие глобальной модели круговоротауглекислого газа

Как уже неоднократно отмечалось, внимание к проблеме углекислого газа и другим малым газовым составляющим атмосферы вызвано в основном обеспокоенностью учёных, экономистов и политиков возможными последствиями из-за ожидаемого изменения климата. Поскольку сжигание ископаемого топлива и обезлесивание поверхности

суши являются наиболее значимыми источниками антропогенного возрастания концентрации СО2 и СЩ в атмосфере, то именно эти газы изучаются наиболее внимательно. Оба эти газа поглощают инфракрасное излучение земной поверхности и поэтому воздействуют на планетарный климат. Возникшая в конце XX столетия перед политиками задача уменьшения этого воздействия нашла не наилучшее решение в виде Протокола Киото. На самом деле реальное и объективное решение этой задачи лежит в глубоком изучении биогеохимических круговоротов всех газов, так или иначе связанных с круговоротом углерода. Именно на таком подходе сосредоточено внимание Проекта GCP (The Global Carbon Project), который нацелен на комплексный анализ имеющихся данных о круговороте углерода в окружающей среде и на проведение необходимых измерений. Проект объединяет усилия Международной геосферно-биосферной программы (IGBP), Международной программы по изучению человеческого фактора в глобальном изменении окружающей среды (IHDP) и Всемирной программы изучения климата (WCRP). Круговорот углерода рассматривается как центральный круговорот земной системы, связанный с климатом, круговоротом воды, круговоротами биогенных солей и производством биомассы за счёт фотосинтеза на суше и в океанах. Участие человеческого фактора в круговороте углерода определяется факторами производства пищи и формирования условий среды обитания.

Международная программа изучения круговорота углерода в окружающей среде. Проект GCP предусматривает исследования по трём темам: 1) модели и изменчивость; 2) процессы, контроль и взаимодействия; 3) будущая динамика круговорота углерода. Такая структура изучения глобального круговорота углерода должна создать базы данных и знаний, которые позволят уточнить элементы схемы рис. 2.8 и тем самым повысить точность оценок распределения потоков углерода между резервуарами биосферы.

Основная идея схемы рис. 2.8 состоит в том, что базовыми компонентами глобального круговорота углерода выступают его основные резервуары: атмосфера (главным образом СО2), океаны (различные слои водных масс и донные отложения), наземная биосфера (растительность, подстилка и почва) и углерод ископаемых топлив (активизированный в последние 200 лет за счёт деятельности человека). Необходимая степень детальности описания этих резервуаров и потоков углерода между ними может быть найдена только моделированием глобального круговорота углерода с постепенным наращиванием сложности этой схемы и соответствующим накоплением знаний (Schimel, 1995; Schimel et al., 2001).

Современные представления об изменчивости потоков углерода базируются на глобальных наблюдениях с помощью спутников и наземных средств за концентрацией атмосферного СО2 и других газов, моделировании динамики атмосферы, океанов и биогеохимических

процессов, а также за счёт применения принципов баланса массы. В результате сложились определённые стереотипы глобальных представлений о балансе углерода в современной биосфере (IPCC, 2001 а):

Около половины СО2, выброшенного в атмосферу из источников сжигания топлива, поглощено совместными усилиями наземных и океанских стоков углерода.

Наибольшее количество мест потребления ископаемого топлива сосредоточено в северном полушарии.

Имеется значительное повышение концентрации атмосферного СО2 вследствие изменения наземных покровов в тропических широтах.

Амплитуда изменчивости внутригодовой концентрации атмосферного СО2 соизмерима с эмиссией углерода за счёт сжигания ископаемых топлив.

Межгодичная изменчивость потоков углерода между атмосферой и наземными биоценозами более значительная по сравнению с потоками между атмосферой и океанами.

Полная картина океанских источников и стоков атмосферного СО2 известна: тропические воды выделяют СО2, а акватории высоких широт поглощают СО2.

Наибольшие межгодичные вариации потока СО2 на границе атмосфера-океан наблюдаются в экваториальной зоне Тихого океана (Sabine, Feely, 2001).

В результате возникают вопросы:

По каким законам изменяются во времени источники и стоки углерода?

По каким принципам необходимо провести инвентаризацию всех потоков углерода в окружающей среде?

Каков вклад человеческой активности, включая сжигание топлив и использование земель, в распределение источников и стоков углерода?

Каковы социальные аспекты воздействия на круговорот углерода?

Каковы механизмы проявления региональных и локальных процессов изменения потоков углерода в глобальных масштабах?

Проект GCP предусматривает поиск ответов на эти и другие вопросы путём выделения приоритетных направлений исследования:

Определить роль океанов в управлении сезонными и десятидневными изменениями потоков углерода в системе атмосфера-океан.

Оценить роль наземной биосферы в формировании межгодичной изменчивости концентрации атмосферного СО2.

Определить меридиональное распределение стоков углерода в северном полушарии, выделив роль Северной Америки, Евразии, Азии и Европы.

Оценить важность для баланса углерода его потоков между океанами и сушей и запасы углерода в наземных водоёмах.

Определить роль отложений и горизонтальных переносов вещества в прибрежной зоне и открытых водах для формирования структуры источников и стоков углерода.

Понять пространственную картину и амплитуды источников и стоков углерода в южных широтах Мирового океана.

Определить роль наземных тропиков в формировании потоков углерода в окружающей среде, обращая особое внимание на процессы изменения земных покровов.

Понять различия в процессах применения ископаемых топлив в промышленном секторе и отдельных регионах внутри конкретных стран.

Объяснить последствия различных путей регионального развития резервуаров и потоков углерода.

Провести анализ социальных и региональных картин уязвимости и адаптируемости к изменениям в круговороте углерода.

Определить роль биологических насосов и процессов растворимости в глобальном и региональном круговоротах углерода.

Понять различия и разрешить противоречия в измерениях скоростей и картин изменения в использовании земель и трансформации земных покровов.

Развить методологии перехода от результатов исследования локальных и региональных процессов круговорота углерода к глобальным масштабам.

Ясно, что потоки углерода между резервуарами биосферы управляются множеством ещё плохо изученных процессов. Среди них можно выделить наиболее значимый набор процессов:

физические процессы в атмосфере, океанах и наземной гидросфере;

биологические и экофизиологические процессы в океанах и на суше;

биогеохимические преобразования;

природные и антропогенные изменения в наземной биосфере;

процессы использования человеком углерода ископаемых топлив.

Для понимания этих и других процессов формирования потоков углерода в динамичной окружающей среде необходимы новые парадигмы и взгляды на совокупность природных и антропогенных явлений. Такие взгляды изложены в работах Иванова-Ростовцева и др. (2001), Козодерова (1994, 1998), Горшкова (1995), Кондратьева (1993, 1996, 1999), Крапивина и Кондратьева (2002), Kondratyev and Krapivin (2002). Безусловно, при этом необходимо иметь целенаправленно сформированную базу данных, которая бы соответствовала базе знаний, поясняющей причинно-следственные связи в системе Природа-Общество. Конечно, уже существует такая база знаний, которая многие процессы в этой системе объясняет в деталях, давая механизмы их возникновения и рекомендуя стратегии сбора данных и моделирования:

Непосредственный обмен СО2 на границе атмосфера-океан регулируется физическими процессами вертикального перемешивания расположенных выше термоклина слоёв воды с глубокими водами и дополнительными воздействиями биологических процессов, которые откачивают углерод из воды и перемещают его в отложения.

Известны ключевые биологические механизмы формирования потоков углерода в океанской среде. В общем случае эти механизмы связаны с функционированием карбонатной системы, а в более простом представлении они обеспечиваются жизненными функциями автотрофных и гетеротрофных организмов, процессами разложения мёртвого органического вещества и дыханием живых организмов. Ко всему этому спектру необходимо присоединить циркуляцию биогенных элементов и фотосинтез (Крапивин, Кондратьев, 2002).

Установлено, что с возрастанием парциального давления СО2 в атмосфере реакция Мирового океана нелинейна и в пространстве и во времени (Огг et al., 2001).

Известно, что свет, вода, биогенные элементы и режимы волнения взаимодействуют по нелинейным законам, которые хорошо описываются численными моделями (Krapivin, 1996).

Многие значимые обратные связи в системе глобального круговорота углерода достаточно хорошо параметризованы. Среди них физиологические отклики растений на изменение температуры и влажности воздуха и почвы, аэродинамика обменных процессов между земной поверхностью и атмосферой, динамические и термодинамические процессы в пределах пограничного атмосферного слоя (Raupach, 2000).

При достаточно повышенной концентрации атмосферного СО2 вместе с другими нелимитирующими условиями со стороны света, воды, биогенов фотосинтетическая ассимиляция наземными растениями становится физиологически насыщенной.

В пределах региональных и континентальных масштабов обмен СО2 между наземными экосистемами и атмосферой регулируется несколькими факторами:

экстремальными климатическими явлениями, такими как засуха, большие сдвиги в сезонных температурах, изменение потока солнечной радиации;

изменениями в частоте пожаров, безоблачностью и другими крупно-масштабными флуктуациями в окружающей среде, которые приводят к ощутимым кратковременным потерям углерода во многих резервуарах биосферы;

изменениями границ биомов и сменами их типов (например, замена вечнозелёных лесов на листопадные, лесных площадей на травяные или лугов на залесенные территории);

потерями биоразнообразия и вторжением экзотических видов на территории устойчивого существования растительных сообществ.

Все исследования, предусмотренные планом Проекта GCP, своей конечной целью имеют получение достоверных прогнозов последствий человеческой активности в ближайшей и будущей перспективе. Для этого необходимо создать технологию оценки функций почвенно-растительных формаций и акваторий Мирового океана в поглощении СО2 из атмосферы. Наблюдения показывают, что последние полмиллиона лет вплоть до 1860 г. климатическая система функционировала в относительно узком диапазоне изменения температуры и концентраций СО2 и СН4 (в последние 100000 лет концентрация СО2 в атмосфере колебалась в диапазоне от 180 до 280 ppmv). Последнее столетие значительно расширило спектр процессов трансформации вещества и энергии в окружающей среде за счёт множества новых видов воздействия на элементы биосферы. Человеческий фактор в этих процессах породил неопределённость будущей динамики этих элементов, что потребовало создания сценариев развития экономики, науки и политики. Уровень неопределённости здесь столь велик, что говорить о реальности прогнозов не представляется возможным. Согласно Докладу IPCC (2001а), уровень эмиссии углерода к 2100 г. может достичь 30 ГтС/год, что при сохранении темпов антропогенного воздействия на окружающую среду может привести к достижению концентрацией СО2 в атмосфере уровня 950 ррш. Все эти оценки делаются на основе экспертного мнения и достаточно примитивных моделей. Поэтому одним из приоритетов ближайшего исследования Проект GCP ставит создание обширной базы знаний, формирование и тестирование сценариев, разработку моделей и анализ текущих трендов как приоритетные направления исследований глобальных изменений окружающей среды. В качестве «кирпичиков» для синтеза сценариев предлагается использовать набор индуктивных соображений и резонов:

Концентрация парниковых газов будет возрастать в течение некоторого времени (IPCC, 2001 а,б,с).

Современное и предполагаемое возрастание концентрации парниковых газов, особенно СО2, вероятно будет сопровождаться глобальным потеплением и другими изменениями климата.

Помимо физических факторов, таких как циркуляция океанов, будущее поглощение СО2 океанами из атмосферы возростет по мере того как концентрация атмосферного СО2 будет увеличиваться.

Отклик океанских термохалинной и циркуляционной систем на изменения климата (особенно увеличение температуры и изменения гидрологического цикла) вероятно будет нелинейным и будет сопровождаться возрастанием стратификации верхнего слоя океанов, что может уменьшить вентиляцию глубоких слоёв.

Возрастание стратификации верхнего слоя океана изменит снабжение биогенными солями поверхностных слоёв, что приведёт к изменению роли фитопланктона в поглощении углерода и вызовет крупномасштабные флуктуации во взаимодействии атмосферы с океаном,

особенно это коснётся Арктического бассейна, Охотского моря и других морей северных широт.

Существует расхождение в оценках направленности изменений наземных стоков углерода при реализации наметившихся тенденций преобразования наземной биосферы (Сох et al., 2000; Cramer et al., 2001; Friedlingstein et al., 2001).

Неострожные и непродуманные изменения земной поверхности приведут в ближайшее время к изменению климата и круговорота углерода в природе.

Нестабильности и многочисленные состояния равновесия потенциально могут оказаться связанными с биофизическими и биогеохимическими системами, содержащими климатические и гидрологические процессы, а также круговороты углерода и биогенных элементов. Эти явления могут возникнуть по причине нелинейности обратных связей при перераспределении энергии и вещества между атмосферой, сушей, океанами и льдом.

Даже без динамических явлений, таких как нестабильности и возрастание состояний равновесия, увеличение концентрации атмосферного СО2 в период 1860-2100 гг. вызовет определённые сдвиги в системе климат-углерод, поменяв предыдущее распределение регионов.

Вызванные человеком изменения в круговороте углерода взаимодействуют с биофизическими аспектами формирования этого круговорота и, следовательно, имеют потенциальную возможность привести к вариациям глобальной климатической системы по уже имевшим место закономерностям.

Человечество также реагирует на угрозы своему благосостоянию от нежелательного изменения климата, хотя эти реакции имеют высокий уровень неопределённости (например, Протокол Киото).

Имеется определённый спектр потенциальных реакций человеческого общества на нежелательные изменения климата, включающий географические, социальные, экономические и природоведческие направления:

изменения в выбросах СО2 за счёт переключения с традиционных на нетрадиционные типы топлив или изменения технологии их использования;

усовершенствование процессов производства и использования энергии и изменения стиля жизни;

переход на возобновляемые источники энергии (биоэнергия, солнечная энергия, ветер);

увеличение роли лесов в поглощении избыточного углерода;

увеличение стока углерода из биосферы за счёт инженерных решений в геологические формации и глубокий океан;

развитие новых технологий в сельском хозяйстве, приводящих к сокращению выбросов парниковых газов;

Всё это в конечном счёте требует развития универсального комплексного подхода к изучению последствий реализации тех или иных альтернативных сценариев развития человеческой цивилизации. Уже очевидно, что поиск безопасного устойчивого функционирования системы Природа-Общество невозможен без моделирования альтернативных сценариев. А для этого необходим синтез глобальной модели функционирования этой системы. Такая модель и схема её использования предложена в работах Крапивина и Кондратьева (2002) и Kondratyev, Krapivin (2002).

6.5.2. Структура глобальной модели системы Природа-Общество. Синтез глобальной модели системы ПО основывается на представлении о ней, как о самоорганизующейся и самоструктурирующей- ся системе, согласованность действий элементов которой во времени и пространстве обеспечивается процессом естественной эволюции. Антропогенная составляющая в этом процессе направлена на нарушение этой целостности. Попытки параметризовать на формальном уровне процесс коэволюции природы и человека, как элементов биосферы, связаны с поиском единого описания всех процессов в системе ПО, которое бы объединяло усилия различных отраслей знания в познании окружающей среды. Такое синергетическое начало лежит в основе многих работ по глобальному моделированию.

Покроем поверхность Земли Q географической сеткой ^^, Aj} с шагами дискретизации А^ и AAj по широте и долготе соответственно, так что внутри ячейки поверхности суши Q^- = {(99, А): ^^ ^ Г ^ Гг + + А^; Xj < А < Xj + AAj} все процессы и элементы считаются однородными и параметризуются точечными моделями. В случае водной поверхности на территории ячейки Q^- осуществляется расчленение водной массы на слои толщиной А^, т. е. выделяются трёхмерные объёмы rt^jk = {(92, A, z): (99, А) е Г1^, Zk < z < Zk + А^}, внутри которых все элементы экосистемы распределены равномерно. Наконец, атмосфера над площадкой Q^- по высоте h дискретизируется либо по уровням атмосферного давления, либо по слоям толщиной AJis.

Взаимодействия в системе ПО рассматриваются как взаимодействия между элементами ПО внутри указанных пространственных структур, а также между ними. Комплексная модель системы ПО реализует пространственную иерархию гидродинамических, атмосферных, экологических и социально-экономических процессов с учётом деления всего объёма окружающей среды на структуры Q^' и Q^. Ячейки этого деления являются опорной сеткой в численных схемах при решении, основанном на динамических уравнениях, или при синтезе рядов данных в обучающихся процедурах эволюционного типа.

Ячейки Q^- и П^к неоднородны по параметрам и функциональным характеристикам. Именно через эту неоднородность осуществляется привязка глобальной модели к базам данных. Более того, чтобы избежать избыточности в структуре глобальной модели, априори пред-

полагается, что все учитываемые в ней элементы и процессы системы ПО имеют характерную для них пространственную дискретизацию. Неоднозначность пространственных дискретизаций в различных блоках глобальной модели устраняется на алгоритмическом уровне согласования потоков данных от системы мониторинга. В результате структура модели не зависит от структуры базы данных, а следовательно, не изменяется с изменением последней. Аналогичная независимость обеспечивается и между блоками модели. Это реализуется обменом данными между ними только через входы и выходы под контролем базовой информационной магистрали, как это показано на схеме рис. 6.1. В случае отключения одного или нескольких блоков их входы идентифицируются с соответствующими входами в базу данных. Тогда использование модели в режиме имитационного эксперимента схематически может быть осуществлено по выбору пользователя, который осуществляет формирование пространственного образа моделируемой среды и режима управления имитационным экспериментом. Безусловно, при этом пользователь должен обладать определённой базой знаний и располагать методикой её структуризации. Например, он может использовать перечни ключевых проблем глобальной экологии или списки рекомендованных для исследования элементов системы ПО.

Характер пространственной структуры глобальной модели, несомненно, определяется базой данных. Самый простейший вариант точечной модели реализуется при задании исходной информации в форме усреднения по поверхности суши и всей акватории Мирового океана. Учёт пространственной неоднородности обеспечивается разнообразными формами дискретизации пространства. Базовой формой пространственного деления суши и океанов является задание равномерной сетки Ас/? х АЛ. Реализация реального варианта использования модели обеспечивается интегрированием ячеек Q^- так, что в каждом блоке могут присутствовать различные формы пространственной структуры учитываемых элементов и процессов биосферы. Такая гибкость задания пространственной структуры биосферы даёт возможность легко адаптировать модель к неоднородностям в базах данных и осуществлять имитационные эксперименты с актуализацией отдельных регионов.

В зависимости от специфики рассматриваемого природного процесса структура регионального деления может быть идентифицирована с климатическими зонами, континентами, широтными поясами, социально-административной структурой и природными зонами. Так для климатических процессов многие исследователи ориентируются на регионы с размерами А^ = 4° и АЛ = 5° (Krapivin, Vilkova, 1990), био- геоценотические процессы изучаются при А^ = АЛ = 0,5° (Sellers et al., 1995), социально-экономическая структура представляется девятью регионами (Krapivin, 1993), атмосферные процессы в биогеохимических циклах долго живущих элементов аппроксимируются точечными моделями (Nitu et al., 20006), функционирование океанских экосистем описывается неоднородной структурой пространственной дискретиза-

ции шельфовой зоны на ячейки Q^- с выделением четырёх частей пелагиали Мирового океана.

Структура расчленения поверхности Земли на регионы Q^- охватывает все перечисленные варианты. Это означает, что общая схема дискретизации процессов в системе ПО предусматривает иерархию из уровней, включая глобальный, континентальный, региональный, ландшафтный, локальный и т. д. Заложенная схема независимого включения блоков на всех этих уровнях с совмещением между ними через параметрические интерфейсы не препятствует разрастанию количества блоков модели из-за внесения новых компонентов, уточняющих модели рассматриваемых процессов. При этом модель верхнего уровня может выступать в виде информационной базы для модели низшего уровня и наоборот, результаты моделирования на нижнем уровне могут использоваться для формирования информационной базы моделей более высоких уровней. Этот механизм информационного обмена между моделями различных уровней ослабляет требования к глобальной базе данных и расширяет возможности модели системы ПО.

В структуру глобальной модели включены вспомогательные блоки, обеспечивающие взаимодействие пользователя с моделью и работающие с базой данных. В частности, к таковым относятся блоки, реализующие алгоритмы пространственно-временной интерполяции или согласующие действия пользователя с банком сценариев. Заметим, что отдельные сценарии по желанию пользователя могут быть переведены в ранг модельных блоков. Такая двойственность (избыточность) характерна для сценариев климата, демографии, антропогенной активности, научно-технического прогресса и сельскохозяйственного производства. Пользовательский интерфейс предоставляет возможность выбора структуры ^Tl^ в режиме «по умолчанию» или необходимая пространственная структура формируется из базовых элементов путём операций усреднения и интерполяции.

Таким образом, синтез версии глобальной модели требует предварительного анализа сложившейся к настоящему моменту ситуации с базами глобальных данных и базами знаний. Здесь исследователи сталкиваются с принципиальными трудностями, среди которых в первую очередь следует указать на отсутствие адекватной базы знаний о климатических и биосферных процессах, а также на большую разрозненность существующих баз данных о глобальных процессах на суше, в атмосфере и океанах. Намеченные программой GCP измерения и исследования глобальных процессов в окружающей среде помогут снизить уровень этих трудностей только в случае адаптивного применения глобальной модели в этой программе.

Другая принципиальная трудность связана с неспособностью современной науки сформулировать требования к базам глобальных данных, необходимых для достоверной оценки состояния природной среды и уверенного прогноза её развития на достаточно большой промежуток

времени. Более того, не существует технологии формирования баз данных, нацеленной на создание глобальной модели.

Попытки найти ответы на поставленные вопросы делают многие учёные. Одним из эффективных способов разрешения этих вопросов признаётся создание единой планетарной адаптивной геоэкоинформа- ционной системы, обладающей иерархической структурой сбора данных и формирующей многоуровневую глобальную базу данных. Адаптивный характер этой системы обеспечивается коррекцией режима сбора данных, а также синхронным изменением параметров и структуры глобальной модели.

Создание глобальной геоинформационной мониторинговой системы (ГИМС) возможно с учётом уже существующей структуры баз данных, формирование которых продолжается в рамках Международной Геосферно-Биосферной Программы «Глобальные изменения» и многочисленных национальных экологических и природоохранных программ. Созданная к настоящему времени система мировых центров данных способствует быстрому использованию накопленных сведений о глобальных процессах и облегчает синтез ГИМС. Однако значительные успехи в этом направлении, связанные с большими экономическими затратами, не могут привести к успешному решению задачи глобального контроля за окружающей средой, хотя этот этап и является неизбежным.

Согласно Кондратьеву (1999), для контроля глобальной геобиосистемы Земли необходимо регулярное наблюдение за определённым набором переменных. С увеличением вероятности довольно резких глобальных изменений спектр этих переменных будет варьироваться, а глобальная прогнозирующая система должна постоянно модернизироваться. Методологическое обоснование информационной полноты комплекта переменных для системы мониторинга может быть объективным только в случае функционирования ГИМС. Ведь многие из переменных могут быть рассчитаны на основе соответствующих моделей, и их не нужно будет измерять. Однако пока планирование измерений и разработка моделей ведутся параллельно, и не существует обнадёживающих результатов в области планирования глобального эксперимента. Как следует из работы Марчука и Кондратьева (1992), базы глобальных знаний и данных позволяют синтезировать и развивать серии ГИМС. Пространственная и временная вариабельность биосферных и геосфер- ных процессов удовлетворительно описываются вариантом, представленным на рис. 6.6.

Встраивание глобальной модели в структуру ГИМС позволяет перевести её на уровень экспертной системы. А это означает, что возникает возможность комплексного анализа большого числа элементов системы ПО в условиях реализации гипотетических ситуаций, которые могут возникать по естественным или антропогенным причинам. На схеме рис. 6.7 отражены основные элементы, учитываемые в описываемой здесь глобальной имитационной модели (ГИМ). Как видно из рис. 6.6

Рис. 6.6. Блок-схема глобальной модели системы ПО

Атмосфера

Фитопланктон

Биогенные элементы

Зоопланктон

Нектон

Углерод

Кислород Соленость

Температура

Загрязнители

Углекислый газ Метан Кислород Сера Фосфор Азот Пыль

Мировой океан

Бактериопланктон

Суша

Температура Облачность Ветер Осадки Радиация Пары воды

Растительность Животные Почва Население

Минеральные ресурсыВодные ресурсы

Антропогенные процессы

Рис. 6.7. Элементный состав глобальной имитационной модели, описывающейдинамику системы ПО

конкретная реализация каждого блока ГИМ определяется уровнем знания отражённых в нём процессов. Так блоки, отвечающие за моделирование биогеохимических и биогеоценотических процессов, описываются балансовыми уравнениями.

Пусть ^(^ есть содержание элемента ф в среде S в момент t. Тогда, следуя закону сохранения вещества и энергии, записываем балансовое уравнение

^Фз ГТ Ы

3 г

где потоки Hjs и Н8г являются соответственно входящими и выходящими по отношению к среде S. Суммирование ведётся по внешним средам г и j, взаимодействующим со средой S. Фактически под средой S подразумеваются элементы дискретизации окружающей среды по широте ср, долготе А, глубине z и высоте h. Разнообразие функциональных параметризаций потоков Hpq определяется уровнем знания физических, химических и биологических особенностей элемента ф.

Параметризация процессов фотосинтеза, отмирания и дыхания растений в наземных экосистемах опирается на базу знаний фитоценологии, которая включает сведения о внешних и внутренних системных связях растительного сообщества. Сюда относятся температурные зависимости фотосинтеза и эвапотранспирации растений, обменные газовые процессы между растениями и атмосферой, воздействие энергии солнечной радиации на обменные и ростовые процессы, соотношения между растительностью и почвенными процессами, взаимодействие растительных покровов с гидрологическим циклом.

Блоки ГИМ, отвечающие за параметризацию климатических и антропогенных процессов, имеют смешанный характер, т. е. частично описываются уравнениями движения и баланса, а частично для них строится эволюционная модель, опирающаяся только на ряды данных наблюдений. Некоторые аспекты этих блоков частично рассмотрены в предыдущих главах данной работы, а некоторые описания блоков даны в работах Крапивина, Кондратьева (2002) и Kondratyev, Krapivin (2002).

Эволюция и живучесть системы Природа-Общество. Систему ПО можно представить как совокупность природы N (Nature) и человеческого общества Н (Homo sapiens), которые составляют единую планетарную систему. Поэтому их разделение при разработке глобальных или региональных моделей следует считать условным. Системы N и Н имеют иерархические структуры |7V| и \Н\, цели N и Н, поведения N и Н соответственно. С математической точки зрения взаимодействие систем N и Н можно рассматривать как случайный процесс p(t) с неизвестным законом распределения, представляющим уровень напряжённости во взаимоотношении этих систем или оценивающий состояние одной из них. Цели и поведения систем являются

функциями показателя р. В самом деле, существуют диапазоны изменения р, в которых поведения систем могут быть антагонистическими, индифферентными и кооперативными.

Основная цель системы Н состоит в достижении высокого жизненного уровня с гарантией долговременного выживания. Аналогично цель системы N может быть определена в терминах выживания. Поведение системы N определяется объективными законами коэволюции. В этом смысле выделение Н и N является условным и его можно интерпретировать как разделение множества природных процессов на управляемые и неуправляемые. Не вдаваясь в философские аспекты этого разделения, будем считать системы Н и N симметричными в смысле данного выше их описания и открытыми. При этом система Н располагает технологиями, наукой, экономическим потенциалом, промышленным и сельскохозяйственным производствами, социологическим устройством, численностью населения и т. д. Процесс взаимодействия систем Н и N приводит к изменению р, уровень которого влияет на структуру векторов Я и Н. В самом деле, безусловно существует порог ртах, за пределами которого человечество перестаёт существовать, а природа выживает. Несимметричность систем Н и N в этом смысле вызывает изменение цели и стратегии системы Н.

По-видимому, в современных условиях взаимодействия этих систем р ^тах идут довольно быстрыми темпами, а потому отдельные компоненты вектора Н можно отнести к классу кооперативных. Поскольку современная социально-экономическая структура мира представлена совокупностью государств, то в качестве функционального элемента системы Н будем рассматривать страну. Функция p(t) отражает результат взаимодействия стран между собой и с природой. Совокупность результатов этих взаимодействий опишем матрицей В = ||^j||, каждый элемент которой несёт символическую смысловую нагрузку:

!

+1 при кооперативном поведении;

— 1 при антагонистических взаимоотношениях;

0 при индифферентной ситуации.

Страна Нг имеет тгц возможных путей достижения цели Я^, другими словами, она использует ряд стратегий {Я •,..., Н™г} . Вес каждой (тг\

J2 Ptj = 1 I • Результирующая j=i/

величина параметра р является функцией указанных характеристик, а в целом ситуация в каждый момент описывается теоретико-игровой моделью (Крапивин, 1978).

Объективная оценка динамики природной среды N = (N\,Ns) возможна при определённых допущениях с помощью моделей биосферы М и климата N^. Такие модели разработаны многими авторами и накопленный здесь опыт охватывает примеры точечных, региональных, боксовых, комбинированных и пространственных моделей (Мар-

чук, Кондратьев, 1992; Krapivin, 1993). Этот опыт позволяет перейти к синтезу глобальной модели нового типа, охватывающей ключевые связи между уровнями иерархии природных и антропогенных процессов.

В общем виде состояние систем Н и N можно описать векторами жя(^) = {^я,---,^я} и xN(t) = ^XN’ ••• ’xn^ соответственно. Совместная траектория этих систем в п + т — мерном пространстве описывается функцией p(t) = F(xh,3Cn\ вид которой определяется решениями уравнений глобальной модели. Форма F определяется в рамках познания законов коэволюции, и поэтому здесь имеется широкое поле для исследований в различных областях знания. Имеющиеся оценки F (Krapivin, 1996) показывают на взаимосвязь понятий живучесть и устойчивость. Согласно Эшби, динамическая система находится в «живом состоянии» в интервале времени (ta,tbh если определяющие её фазовые координаты находятся в «допустимых пределах» ^min < ж^ < Лн тах; ж^ min < ж^ < Ж^ тах. А поскольку системы Н и N имеют биологическую основу и ограниченные ресурсы, то одно из указанных граничных условий оказывается лишним, т. е. для компонентов вектора х = ^xh,$n^ = {^ь---,^п+т} потребовать выполнения усло- n+m

вия xmin < р = J2 хг- В эту простую схему укладываются требования г= 1

как сохранения суммарной энергии в системе, так и разнообразие её элементов.

Безусловно, понятие живучести системы является более ёмким и содержательным. В системной экологии под этим термином многие авторы рассматривают стабильность и целостность системы, вкладывая в эти термины способность системы противостоять внешним воздействиям. Другими словами, живучесть измеряется тенденцией системы подавлять большие колебания её структуры и элементов, возвращая систему в её равновесное состояние. Таким образом, предлагается под живучестью системы понимать её способность активно противостоять воздействию внешних факторов, длительное время сохранять устойчивость с учётом вероятностей состояний системы, при которых она ещё остаётся работоспособной, сохраняет свои характеристики и обеспечивает выполнение своих функций при определённых методах и условиях её эксплуатации.

Моделирование климатических процессов. Климатическая составляющая системы ПО представляет наибольшую трудность при синтезе глобальной модели, так как она характеризуется большим числом обратных связей, в большинстве своём неустойчивых. Среди них такие как лёд-альбедо, водяной пар-радиация, облачность-радиация, аэрозоль-радиация и многие другие. Функционирование климатической системы Земли определяется состоянием атмосферы, океанов, криосферы, поверхности континентов с наземной биотой, озёрами, реками, грунтовыми водами и различными антропогенными структурами.

Поэтому построение модели климата требует учёта многочисленных факторов, роль которых в его формировании во многих случаях изучена недостаточно. Попытки комплексного описания климатической системы Земли с помощью математических приёмов пока не дали результатов, которые можно было бы использовать в ГИМ. Нет уверенности, что и реализация планов проекта GCP прояснит что-либо в этом вопросе. Но без параметризации климата все поставленные вопросы о проблеме парникового эффекта останутся нерешёнными.

Существует два подхода к синтезу климатической модели. Один подход основан на включении в созданные или разрабатываемые климатические модели биосферных компонентов. Другой подход состоит в развитии в рамках математической модели биосферы блока, который бы имитировал зависимости биосферных компонентов от климатических параметров. В первом случае возникают проблемы неустойчивости решений соответствующих систем дифференциальных уравнений, что затрудняет получение прогнозных оценок глобальных изменений окружающей среды. Во втором случае имеется возможность получения устойчивых прогнозов изменения окружающей среды, но их достоверность зависит от точности параметризации корреляционных связей между элементами климата и биосферы. Второй подход имеет то преимущество, что позволяет подключать к математической модели биосферы модели климата, которые могут описываться на уровне сценария. Подробный анализ проблем моделирования климата и оценки современного состояния можно найти в работах Марчука и Кондратьева (1992), Кондратьева (1999), Кондратьева и Йоханнессена (1993). Здесь обсуждается ряд моделей отдельных компонентов системы ПО, которые соответствуют второму подходу. Среди них модели общей циркуляции атмосферы, взаимодействия атмосферы и океана, чувствительности климатических параметров к граничным условиям на поверхности Земли, взаимосвязи биогеохимических и климатических процессов и др. (Lin et al., 2000; Chen et al., 2000).

Климатическая система является физико-химико-биологической системой, обладающей неограниченной степенью свободы. Поэтому любые попытки моделировать такую сложную систему связаны с непреодолимыми трудностями. Именно этим обстоятельством объясняется многообразие параметрических описаний отдельных процессов в этой системе. Для глобальной модели с шагом дискретизации по времени до одного года приемлемым подходом может быть использование двух вариантов. Первый вариант состоит в совместном применении корреляционных связей между частными процессами формирования климатической обстановки на данной территории в совокупности со сценариями климата. Второй вариант основывается на использовании данных глобального мониторинга, являющихся основой для формирования рядов данных о климатических параметрах с их территориальновременной привязкой и используемых для восстановления полной картины их пространственного распределения. Одной из распространён-

ных корреляционных функций является зависимость вариации средней температуры ATg атмосферы от содержания в ней СО2:

ATg =ATg =2,5[1-ехр{-0,82«-1)}], <>1;

ATg =

ATg =

-5,25<2 + 12,55^ - 7,3,< < 1'

где £ — отношение современного содержания СО2 в атмосфере Ca(t) к его доиндустриальному уровню Са (1850).

Из (6.1) видно, что Tg является возрастающей функцией количества атмосферного СО2. Увеличение количества СО2 в атмосфере на 20% приводит к возрастанию температуры на 0,3 °C. Удвоение атмосферного СО2 вызывает повышение Tg на 1,3 °C. Детальный анализ функции (6.1) и сопоставление наблюдавшихся совместных вариаций ATg и £ показывают, что применение модели (6.1) позволяет упростить климатический блок модели ПО. В частности, если по (6.1) рассчитать (ATg)2[co2] при удвоении концентрации атмосферного СО2, то для оценки современной тенденции в изменении Tg можно использовать формулу:

АД=(АД)2[со2]£|,(6.2)

где по принятым оценкам доиндустриальное значение Со(1850) = = 270 ppm. Формула (6.2) удовлетворительно аппроксимирует уже известные данные с ошибкой около 50%. В самом деле, из (6.2) при 6^(1980) = 338 ррш следует, что ATg = 1,3 °К, в то время как реальное потепление многими авторами оценивается величиной 0,6 °К.

Безусловно, ведущиеся в последние годы дискуссии о парниковом эффекте в связи с ростом парциального давления СО2 в земной атмосфере должны быть отражены в РИМ. Формула (6.1) учитывает влияние СО2. Согласно Mintzer (1987), имеется возможность расширить учёт температурного эффекта и от других парниковых газов:

АТ^ = АТсо2 + ATN2o + АТсн4 + АТОз + ATcfch + ATcfci2,

гдеС

АТСо2 = -0,677 + 3,019 In

A7n2o = 0,057{[N20(Z)]1/2 - [^О^)]1/2},

АТСн4 = 0,19{[СН4Ц)]1/2 - [CH4(to)]‘/2},

АТОз = 0,7[О3Ц) - ОзЦо)]/15,

ATcfch = 0,14[CFCll(t)-CFCll(to)],

ATcfci2 = 0,16[CFC12(t) - CFC12(to)].

Значение to отождествляется с 1980 г., когда концентрации парниковых газов считаются известными.

Среди простых формул расчёта широтного распределения средней температуры по земному шару можно указать схемы, предложенные Сергиным (1974):

(6.3)(6.3)Т((р) = Tg-\- y(sin2 (рт — sin2 г\

(6.3)

(6.3)

где ср — широта в радианах, у — разность температур между полюсом и экватором, (рт — широта, на которой Т(рр) = Tg. Широтные вариации температуры в течение года удовлетворительно описываются моделью:

Ta(ip,t) = Те — 2<р———— для северного полушария, 7Г

Ta(cp,t) = Те—2(р——— для южного полушария,

где

TN =TN =Tg=<Tg=<Tn, minTn, min^7V,min^7V,min+ 2 —- (TnmaxCA+ 2 —- (TnmaxCA^7V,min^7V,min+ 2+ 2(TN(TNTn, minTn, minTg ,maxTg,maxTg ,maxTg,max+ 2 —- (Tg min — Tg max) , CA+ 2 —- (Tg min — Tg max) , CA-t-t(Tg,min - Tg(Tg,min - Tgte [ОДд/2];t (^a/2, ^д ];te [ОДд/2];t e (t^/2, t^ ])te [ОДд/2];t (^a/2, ^д ];te [ОДд/2];t e (t^/2, t^ ])

TN =

TN =

Tg=<

Tg=<

Tn, min

Tn, min

^7V,min

^7V,min

+ 2 —- (Tnmax

CA

+ 2 —- (Tnmax

CA

^7V,min

^7V,min

+ 2

+ 2

(TN

(TN

Tn, min

Tn, min

Tg ,max

Tg,max

Tg ,max

Tg,max

+ 2 —- (Tg min — Tg max) , CA

+ 2 —- (Tg min — Tg max) , CA

-t

-t

(Tg,min - Tg

(Tg,min - Tg

te [ОДд/2];

t (^a/2, ^д ];

te [ОДд/2];

t e (t^/2, t^ ])

te [ОДд/2];

t (^a/2, ^д ];

te [ОДд/2];

t e (t^/2, t^ ])

TN,mm(Tg,min) и Tn,max(Tg,max) — минимальная и максимальная температуры на северном (южном) полюсе соответственно, °C; ^д — длина года в единицах измерения А, Те — температура атмосферы на экваторе, °C; Многие авторы используют такие оценки, как Tn mm = —30 °C, Tn,max = о °C, TSMn = -50 °C, Ts,max = -10 °C, Te = 28 °C.

Конечно, подобные зонально осреднённые температуры имеют дисперсии, приводящие к значительным ошибкам. Для более точного отражения роли различных факторов в изменении основного климатического параметра, которым является температура, необходимо рассчитывать вклад каждого фактора в отдельности. Это может быть сделано на основе предположения об аддитивности роли обратных связей:

final — ^а + ^Та feedback-

В некоторых моделях авторы вводят множитель обратной связи /3:

△ Та, final — Р^Та.

Параметр /3 выражают через показатель усиления g: /3 = 1/(1 — g). Величина показателя g эквивалентна альбедо а, которое в глобальном масштабе является функцией Та. Грубое приближение этой зависимости можно представить в следующей форме:

C^iceC^icenq = <nq = <СЦгееСЦгее< C^free + ^№ree - ^)< C^free + ^№ree - ^)при при припри при приТ < Т-1 а -мсе,Т < Т-1 а -мсе,Та ^ Дгее,Та ^ Дгее,т < т^iceт < т^ice< ^free< ^free

C^ice

C^ice

nq = <

nq = <

СЦгее

СЦгее

< C^free + ^№ree - ^)

< C^free + ^№ree - ^)

при при при

при при при

Т < Т

-1 а -мсе,

Т < Т

-1 а -мсе,

Та ^ Дгее,

Та ^ Дгее,

т < т

^ice

т < т

^ice

< ^free

< ^free

Здесь Tice и Tfree — средние планетарные температуры, при которых вся поверхность Земли покрыта льдом или свободна от него соответственно; Ь — коэффициент перехода между критическими состояниями альбедо Земли. Обычно принимается Т^е 6 [263,283] °К.

Применение простых и достаточно грубых моделей климата можно уточнить путём учёта характерных времён срабатывания обратных связей. Некоторые оценки времени установления равновесий при взаимодействии климатических подсистем даются в табл. 6.7. Видно, что временной диапазон запаздывания реакций внутри системы ПО многообразен и его учёт необходим при оценке последствий изменений внутри одной или нескольких климатических подсистем. В частности, запасы холода в Антарктическом ледниковом щите столь грандиозны, что для повышения его температуры до О °C потребуется понизить среднюю температуру Мирового океана на 2 °C, т. е. перевести её из состояния То = 5,7 °C в состояние То = 3,7 °C. С учётом данных табл. 6.7 инерционность такой операции составит сотни лет. Наблюдающийся темп потепления климата по антропогенным причинам такими энергетическими затратами пока не обладает.

Таблица 6.7. Времена установления состояния равновесия для некоторых подсистем климатической системы Земли

Область влияния климатической системы

Время установления равновесного состояния

Атмосфера

свободная

пограничный слой

Мировой океан

перемешанный слой

глубокий океан

морской лёд

Континенты

озёра и реки

почвенно-растительные формации

снежный покров и поверхностный лёд

Горные ледники

Ледяные щиты

Мантия Земли

11 суток

24 часа

7-8 лет

300 лет от суток до 100 лет

11 суток

11 суток

24 часа

300 лет

3000 лет

30 млн лет

Механизм антропогенного воздействия на климатическую систему проявляется через выбросы парниковых газов и изменение альбедо за счёт реконструкции земных покровов, вмешательство в круговорот воды и загрязнения атмосферы. Аэрозольные частицы радиусом 10"7 10“2 см обнаруживаются почти на всех высотах атмосферы. Частицы неантропогенного происхождения попадают в атмосферу с по-

верхности суши или океана, а также образуются в результате химических реакций между газами. Частицы же антропогенного происхождения возникают главным образом в результате сжигания топлив. Представление о соотношении между этими потоками частиц в атмосферу даёт табл. 6.8.

Таблица 6.8. Оценки потоков частиц радиусом менее 20 мкм, выброшенных в атмосферу или образовавшихся в ней

Вид частиц

Количество частиц, 106 т/год

Частицы естественного происхождения (выветрива-

ние, эрозия и т. п.)

100-500

Частицы лесных пожаров и сжигания отходов лесного

хозяйствования

3-150

Морская соль

300

Вулканическая пыль

25-150

Частицы, образовавшиеся при выбросе газов: природные процессы

сульфаты из ЩЗ

130-200

соли аммония из HN3

80-270

нитраты из Nox

60-430

гидрокарбонаты из растительных соединений

75-200

антропогенные процессы

сульфаты из SO2

130-200

нитраты из Nox

30-35

гидрокарбонаты

15-90

Всего частиц, выбрасываемых в атмосферу:

по естественным причинам

773-2200

по антропогенным причинам

185-415

Общий поток частиц в атмосферу

958-2615

Механизм влияния частиц на температуру атмосферы объясняется тем, что солнечная радиация, попадающая на Землю, находится в основном в диапазоне 0,4 -у 4 мкм, частично ими отражается и поглощается. При этом изменяется глобальное альбедо системы «поверхность Земли-атмосфера». Кроме того, частицы влияют на процессы конденсации влаги в атмосфере, поскольку образование облаков, дождя и снега происходит с их участием. Воспользуемся уравнением теплового баланса системы «поверхность Земли-атмосфера»:

0-аЖ^Еа-аТ^=0. (6.4)

где Ts — средняя эффективная температура излучения системы, близкая к температуре среднего энергетического уровня вблизи поверхности 400 мб, Е* = 0,487 кал • см-2-мин-1 — средняя для полушария

интенсивность приходящей солнечной радиации; а — альбедо; а = = 8,14 • 10-11 кал • см-2-мин-1 — постоянная Стефана-Больцмана, Еа — суммарная интенсивность антропогенных источников энергии, приходящаяся на единицу поверхности.

Пусть альбедо а = ао — Act, где ао = 0, 35 — альбедо в современных условиях, Act — малая часть альбедо, определяемая влиянием антропогенных аэрозолей. Из уравнения (6.4) получим выражение для

температуры:температуры:Да Да 1 У/41 - cto Е* 1 - ао )Да Да 1 У/41 - cto Е* 1 - ао )(6.5)(6.5)

температуры:

температуры:

Да Да 1 У/4

1 - cto Е* 1 - ао )

Да Да 1 У/4

1 - cto Е* 1 - ао )

(6.5)

(6.5)

Считая, что Act << 1 и Еа(Е* <^ 1, разложим функцию правой части уравнения (6.5) в ряд Тейлора по степеням Act и Еа(Е* и выпишем

первые члены ряда:первые члены ряда:Е:Е:-——Y/4 [ 1 + 0,25-^-(У /1 OLq-——Y/4 [ 1 + 0,25-^-(У /1 OLq(6.6)(6.6)

первые члены ряда:

первые члены ряда:

Е:

Е:

-——Y/4 [ 1 + 0,25-^-

(У /1 OLq

-——Y/4 [ 1 + 0,25-^-

(У /1 OLq

(6.6)

(6.6)

Из (6.6) следует, что температура при не слишком сильных антропогенных воздействиях есть сумма члена, описывающего связи в системе «поверхность Земли-атмосфера» без учёта антропогенных факторов, и членов Т\ и Т%, выражающих вклад соответственно выбросов тепла и аэрозолей:

Т\ = А 7 Е» 96 0465а

— cto \ СТ J Ео Ео / \ 1/4

Т> = ) да ~ 96,046Аа.

Отметим, что добавка Т\ в современных условиях очень мала. Если принять Еа = 4 • 10-5 кал • см-2мин-1 и, следовательно, Еа/Е* = = 8,21 • 101, то Т\ = 0,0079 °C. Таким образом, прямое влияние мировой энергетики на среднюю температуру атмосферы в настоящее время незначительно. Из выражения для Т\ следует, что для повышения температуры атмосферы за счёт выбросов тепла на 0,5 °Снеобходимо выполнение условия Еа(Е* = 0,0052, что означает увеличение антропогенных потоков тепла в окружающую среду в 63,4 раза. Это эквивалентно высвобождению энергии при сжигании 570 • 109 т условного топлива в год.

Если считать, что выработка энергии пропорциональна численности населения, то Т\ = %^№ктсСад ) Е*, где G — плотность населения, чел/км2; as — площадь суши, км2; кто — количество энергии, производимое на одного человека, кал/мин.

Если пренебречь влиянием аэрозоля на тепловой режим атмосферы, то прямая радиация Е, её изменение dE и изменение замутненно- сти атмосферы dB будут связаны уравнением: dE/E = —kpdB, где кв =0,1154 км2/т — коэффициент пропорциональности, В — количество аэрозолей антропогенного происхождения, т/км2. Получаем

после интегрирования этого уравнения: Е = Е*(Х — ао) ехр(—квВ\ С другой стороны, согласно определению альбедо Е = Е*(Х — а) = = Е*(Х — ао + Act). Приравнивая эти выражения для Е, получаем Act = —(1 — ct0)[l — ехр( —kgB)Y Следовательно, изменение температуры, связанное с антропогенным загрязнением атмосферы аэрозолями,

равно:Т2 = -0,25равно:Т2 = -0,25EUX-ao)EUX-ao)аа[1 - ехр (-квВ)^ = —62,43[ 1 - ехр (-квВ)У[1 - ехр (-квВ)^ = —62,43[ 1 - ехр (-квВ)У

равно:

Т2 = -0,25

равно:

Т2 = -0,25

EUX-ao)

EUX-ao)

а

а

[1 - ехр (-квВ)^ = —62,43[ 1 - ехр (-квВ)У

[1 - ехр (-квВ)^ = —62,43[ 1 - ехр (-квВ)У

Поскольку средний выброс аэрозолей антропогенного происхождения по оценкам многих авторов составляет 300 • 106 т/год, а среднее время пребывания аэрозолей в атмосфере оценивается в 3 недели, то в атмосфере в среднем находится 17,262 • 106 т частиц. Из формулы для Т2 в этом случае следует, что температура атмосферы должна уменьшаться на 0,84 °С/год.

Многие авторы вместо показателя /3 рассматривают фактор мутности атмосферы В^, определяя его как отношение коэффициента ат ослабления энергии солнечной радиации в реальной атмосфере к коэффициенту ах ослабления в идеальной атмосфере: Вт = aT(ai = = ^ai + aw — ал)/аь где aw и ад — коэффициенты ослабления водяным паром и аэрозолями соответственно. В ГИМ приняты следующие

оценки:гзоценки:гзВт = 3,5Вт = 3,5(2(2в средних широтах,в тропических широтах,при пониженном содержании пыли и водяного пара.в средних широтах,в тропических широтах,при пониженном содержании пыли и водяного пара.

оценки:

гз

оценки:

гз

Вт = 3,5

Вт = 3,5

(2

(2

в средних широтах,

в тропических широтах,

при пониженном содержании пыли и водяного пара.

в средних широтах,

в тропических широтах,

при пониженном содержании пыли и водяного пара.

Опыт моделирования климата Земли говорит о том, что стремление многих авторов максимально точно и полно учесть все возможные обратные связи и элементы климатической системы приводят к сложным математическим задачам, для решения которых требуется огромное количество данных, а в большинстве случаев решения соответствующих уравнений оказываются неустойчивыми. Поэтому использование таких сложных моделей в качестве блока глобальной модели системы ПО неизбежно приводит к отрицательному результату, т. е. к невозможности синтеза эффективной модели. Наиболее обнадёживающим подходом безусловно является комбинирование моделей климата с данными глобального мониторинга. Схема такой комбинации очень проста. Существующие наземные и спутниковые системы контроля климатообразующих процессов охватывают некоторую часть ячеек {Q^} земной поверхности. Над этими ячейками измеряются температура, облачность, содержание паров воды, аэрозолей и газов, альбедо и многие другие параметры энергетических потоков. Использование простых климатических моделей, а также методов пространственно- временной интерполяции позволяет восстанавливать на основе этих измерений полную картину распределения климатических параметров по всей территории Q.

Список литературы

Адаменко В.Н., Кондратьев К. Я. (1999) Глобальные изменения климата и их эмпирическая диагностика. В сб. Антропогенное воздействие на природу Севера и его экологические последствия. Под ред Ю. А. Израэля и др. — Апатиты: Кольский научный центр РАН. С. 17-34.

Алексеев В. В., Зайцев С. И., Кокорин А. О. (1990) Рост скорости газообмена между атмосферой и океаном при обрушении волн // Известия АН СССР. ФАО. V. 26(3). Р. 322-325.

Алексеев В.В., Крышев И.И., Сазыкина Т.Г. (1992). Физическое и математическое моделирование экосистем. — С.-Пб: Гидрометеоиздат, 1992. — 367 с.

Базилевич Н.И., Родин Л.Е. (1967) Картосхемы продуктивности и биологического круговорота главнейших типов растительности суши // Известия Всесоюзного географического об-ва. V. 99(3). Р. 190-194.

Барцев С.И., Дегерменджи А.Г., Ерохин Д. В. (2003). Глобальные обобщённые модели динамики углекислого газа // Проблемы окружающей среды и природных ресурсов. 2003. № 12. С. 11-28.

Бах В., Крейн А., Берже А., Лонгетто А. (ред.) (1987) Углекислый газ в атмосфере. — М.: Мир, 1987. 530 с.

Бихеле И., Молдау X., Росс Ю. (1980) Субмодель распределения ассимилятов и роста растения при водном дефиците. Препринт, А-5. — Тарту: Тартусская астрофизическая обсерватория. — 22 с.

Богатырёв Б. Г. (1988) Моделирование переходных процессов на границе растительных зон при антропогенных изменениях климата. Кандидатская диссертация. — М.: МГУ, 1988. — 114 с.

Бомер-Кристиансен С. (2000). Кто и каким образом определяет политику, касающуюся изменений климата? // Известия РГО. V. 132(3). Р. 6-22.

Братусь А. С., Мещерин А. С., Новожилов А. С. (2001) Математические модели взаимодействия загрязнения с окружающей средой // Вестник МГУ, сер. 15. Вычислительная математика и кибернетика. V. 1(3). Р. 23-28.

Букатова И. Л., Михасев Ю.И., Шаров А.М. (1991). Эвоинформатика: теория и практика эволюционного моделирования. — Москва: Наука, 1991. — 205 с.

Бютнер Э.К. (1986) Планетарный газообмен. — Л.: Гидрометеоиздат, 1991. — 240 с.

Варотсос К.А., Кондратьев К.А. (1998) Динамика общего содержания озона в средних широтах северного полушария // Докл. РАН. V. 359(6). Р. 821-822.

Василевич В.И. (1983) Очерки теоретической фитоценологии. — Л.: Наука, 1983. - 226 с.

Вилкова Л.П. (2003). Моделирование глобального углеродного цикла // Проблемы окружающей среды и природных ресурсов. 2003. № 7. С. 34-48.

Вилкова Л.П., Новичихин Е.П., Санталов И. И., Яковлева Г.Д. (1998) Оценка параметров биогеохимического цикла углерода в глобальном и региональном масштабах // Пробл. окр. среды и природных ресурсов. V. 7(3). Р. 24-37.

Виноградов Б. В. (1983) Количественное выражение функции дистанционной индикации влажности почвы // Докл. АН СССР. V. 272(1). Р. 247-250.

Галицкий В. В. (1985) Горизонтальная структура и динамика одновозрастного растительного сообщества: численное моделирование. В сб.: Математическое моделирование биогеоценотических процессов. — М.: Наука, 1985. С. 59-69.

Горшков В. Г. (1990) Энергетика биосферы и устойчивость состояния окружающей среды. Итоги науки и техники. Серия: теоретические и общие вопросы географии. — М.: ВИНИТИ, 1990. — 237 с.

Горшков В. Г. (1995) Физические и биологические основы устойчивости жизни. - М.: ВИНИТИ, 1995. - 472 с.

Горшков В.Г., Макарьева А.М. (1999) Влияние девственной и освоенной человеком биоты на глобальную окружающую среду // Исслед. Земли из космоса. V. 5. Р. 3-11.

Григорьев Ал. А., Кондратьев К.Я. (2001 а). Экологические бедствия. — С.-Пб: СПб НЦ РАН, 2001. - 206 с.

Григорьев Ал. А., Кондратьев К.Я. (20016). Экодинамика и геополитика, том II: экологические катастрофы. — С.-Пб, 2001. — 688 с.

Данило в-Данильян В. И., Лосев К. С. (2000) Экологический вызов и устойчивое развитие. — М.: Прогресс-Традиция, 2000. — 416 с.

Дегерменджи А.Г., Карцев С.И. (2003). Глобальные малоразмерные модели динамики и устойчивости биосферы // Пробл. окр. среды и природных ресурсов. V. 7(3). Р. 32-49.

Демирчан К. С., Кондратьев К.Я. (1998) Развитие энергетики и окружающая среда // Известия РАН. Энергетика. V. 6(3). Р. 3-27.

Демирчан К. С., Кондратьев К.Я. (1999) Научная обоснованность прогнозов влияния энергетики на климат П Известия РАН. Энергетика. V. 6(3). Р. 3-46.

Зайцев С. И. (1988) Лабораторное моделирование процессов обмена СО2 между океаном и атмосферой. Кандидатская диссертация, МГУ им. Ломоносова. — 170 с.

Зуев В. В. (2000) Разрушение озонового слоя — экологическая катастрофа или великая мистификация века? Тр. П-го Совещания «Экология пойм сибирских рек и Арктики», Томск, 24-26 ноября 2000 г. С. 36-40.

Иванов А. (1978) Введение в океанографию. — М.: Мир, 1978. — 392 с.

Иванов-Ростовцев А.Г., Колотило Л.Г., Тарасюк Ю.Ф., Шерстянкин И.И.

(2001) Самоорганизация и саморегуляция природных систем. — С.-Пб: Русское Геогр. Об-во, 2001. — 216 с.

Кароль И. Л. (2000) Влияние полётов транспортной авиации мира на озоносферу и климат // Метеорология и гидрология. V. 7(3). Р. 17-32.

Кириленко А. И. (1990) Математическое моделирование продукционного процесса и водного цикла лесных экосистем. Кандидатская диссертация. — М.: ВЦ РАН, 1990. - 151 с.

Киселёва С. В. (1990) Исследование процессов переноса СО2 при различных состояниях поверхности раздела вода-воздух. Кандидатская диссертация, МГУ им. Ломоносова. — 171 с.

Клубов С. В., Григорян С. В., Давыдова С. Л. (2000) Геогенное и техногенное рапределение элементов соединений загрязнителей в пределах прибрежной морской зоны // Экологические системы и приборы. V. 5(3). Р. 42-45.

Князева Е.Н., Курдюмов С.П. (2002). Синергетика и принципы коэволюции сложных систем // Вестник РАЕН. Т. 2, №4. С. 18-23.

Козодеров В. В. (1994) Проблемы глобальных изменений в контексте наблюдений из космоса и моделирования биогеофизических процессов // Исследования Земли из Космоса. V. 6(3). Р. 51-67.

Козодеров В. В. (1998) О разработке теории глобальных изменений биосферы по данным исследований Земли из космоса // Исследования Земли из Космоса. V.6(3). Р. 25-39.

Кондратьев К.Я. (1990) Ключевые проблемы глобальной экологии. — М.: ВИНИТИ, 1990. - 454 с.

Кондратьев К. Я. (1991) Приоритеты глобальной экологии // Известия АН СССР. География. V. 6(3). Р. 21-30.

Кондратьев К. Я. (1992) Глобальный климат. — С.-Пб: Наука, 1992. — 359 с.

Кондратьев К. Я. (1993) Экология и политика // Изв. Российского геогр. Общества. V. 125(2). Р. 78-91.

Кондратьев К. Я. (1996) Глобальные изменения и демографическая динамика. Известия Российского геогр. Общества. V. 128(3). Р. 1-12.

Кондратьев К. Я. (1998 6) Экологический риск: реальный и гипотетический // Изв. РГО. V. 130(3). Р. 13-24.

Кондратьев К. Я. (1999) Экодинамика и геополитика. Т. 1: Глобальные проблемы. - С.-Пб, 1999. - 1040 с.

Кондратьев К. Я. (2000 а) Глобальная экодинамика на рубеже двух тысячелетий // Исслед. Земли из космоса. N 4. с.

Кондратьев К. Я. (20006) Глобальные изменения на рубеже двух тысячелетий Ц Вестник РАН. V. 70(9). Р. 788-796.

Кондратьев К. Я. (2000 в) Исследование Земли из космоса: научный план EOS // Исслед. Земли из Космоса. V. 3(3). Р. 82-91.

Кондратьев К. Я. (2001) Воздействие бомбардировок НАТО на окружающую среду Союзной Республики Югославии // Изв. Русского географ, об-ва. V. 1(3). Р. 63-67.

Кондратьев К. Я. (2002) Изменения глобального климата: реальность, гипотезы и вымыслы // Исслед. Земли из космоса. V. 1(3). Р. 3-10.

Кондратьев К. Я. (2004 а). Глобальные изменения климата: данные наблюдений и результаты численного моделирования // Исследование Земли из космоса. № 1. С. 3-25.

Кондратьев К.Я. (2004в). Приоритеты глобальной климатологии // Известия Русского географического общества. Т. 136, вып. 2. С. 3-25.

Кондратьев К.Я., Григорьев А. А. (2000) Природные и антропогенные экологические катастрофы: метеорологические бедствия и катастрофы // Исслед. Земли из космоса. V. 4(3). Р. 3-19.

Кондратьев К.Я., Демирчан К. С. (2000) Глобальные изменения климата и круговорот углерода // Изв. Русского географ, об-ва. V. 132(4). Р. 1-20.

11 К.Я. Кондратьев, В.Ф. Крапивин

Кондратьев К.Я., Демирчан К.С. (2001а) Глобальный климат и Протокол Киото Ц Вестник РАН. V. 71(11). Р. 100-107.

Кондратьев К. Я. Демирчан К.С (2001 б) Глобальный климат и Протокол Киото // Пробл. окружающей среды и природных ресурсов. V. 6(3). Р. 2-15.

Кондратьев К.Я., Демирчан К. С., Балюнас С. и др. (2001а) Изменения глобального климата: концептуальные аспекты. — СПб: СПб НЦ РАН, 125 с.

Кондратьев К.Я. Йоханнессен (1993) Арктика и климат. — С.-П: ПРОПО, 1993. - 140 с.

Кондратьев К.Я., Крапивин В.Ф. (2001) Биосложность и глобальный экологический мониторинг // Исслед. Земли из космоса. V. 1(3). Р. 1-8.

Кондратьев К.Я., Крапивин В.Ф. (2003а). Глобальные изменения окружающей среды и геоинформационный мониторинг // Проблемы окружающей среды и природных ресурсов. № 7. С. 14-29.

Кондратьев К.Я., Крапивин В.Ф. (2003 6). Глобальный круговорот углерода и климат // Исследование Земли из космоса. №1. С. 3-15.

Кондратьев К.Я., Крапивин В. Ф., Потапов И.И. (2003 а). Мониторинг экологических катастроф // Проблемы окружающей среды и природных ресурсов. № 12. С. 52-60.

Кондратьев К.Я., Крапивин В. Ф., Пшенин Е. С. (2000) Концепция регионального геоинформаионного мониторинга // Исследование Земли из Космоса. V.6(3). Р. 1-8.

Кондратьев К.Я., Крапивин В. Ф., Савиных В.П. (2003 6). Концепция глобального геоинформационного мониторинга // Проблемы окружающей среды и природных ресурсов. №7. С. 2-14.

Кондратьев К.Я., Крапивин В. Ф., Савиных В.П. (2003в).Перспективы развития цивилизации: многомерный анализ. — М.: Логос, 2003. — 574 с.

Кондратьев К.Я., Крапивин В. Ф., Филлипс Г. В. (2002) Проблемы загрязнения высокоширотной окружающей среды. — С.-Пб: Изд-во С.-Петербургского гос. Ун-та, 2002. — 280 с.

Кондратьев К.Я., Лосев К. С., Ананичева М.Д., Чеснокова И. В. (2001 б) Некоторые проблемы ландшафтоведения и экологии в контексте биотической регуляции // Изв. РГО. V. 133(5). Р. 22-29.

Кондратьев К.Я., Лосев К.С., Ананичева М.Д., Чеснокова И.В. (2003 с). Естественнонаучные основы устойчивости жизни. — М.: Изд-во ЦСАГО, 2003. - 240 с.

Крапивин В. Ф. (1978) О теории живучести сложных систем. — М.: Сов. Радио, 1978. - 248 с.

Крапивин В. Ф. (2000) Парниковый эффект и глобальный биогеохимический цикл углекислого газа // Пробл. окр. среды и природных ресурсов. V. 2(3). Р. 2-18.

Крапивин В.Ф., Кондратьев К. Я. (2002) Глобальные изменения окружающей среды. — С.-Пб: Изд-во СПб ун-та, 2002. — 724 с.

Крапивин В.Ф., Маренкин Д.С. (1999) Коэволюция человека и природы // Пробл. окр. среды и природных ресурсов. V. 1(3). Р. 2-10.

Крапивин В.Ф., Назарян Н.А. (1997) Математическая модель для исследования глобального цикла серы // Математическое моделирование. V. 9(8). Р. 36-50.

Крапивин В.Ф., Свирежев Ю.М., Тарко А.М. (1982) Математическое моделирование глобальных биосферных процессов. — М.: Наука, 1982. — 272 с.

Лосев К. С. (2001) Экологические проблемы и перспективы устойчивого развития России в XXI веке. — М.: Космосинформ, 2001. — 400 с.

Марчук Г.И., Кондратьев К.Я. (1992) Приоритеты глобальной экологии. — М.: Наука, 1992. - 264 с.

Миркин Б.М. (1986) Что такое растительные сообщества. — М.: Наука, 1986. - 160 с.

Монин А. С., Красицкий В.П. (1985) Явления на поверхности океана. — Л.: Гидрометеоиздат, 1985. — 375 с.

Нефёдова Е.И. (1994) Математическое моделирование глобального углеродного цикла в системе атмосфера-океан. Кандидатская диссертация, ВЦ РАН, 112 с.

Нефёдова Е.И., Тарко А.М. (1993). Исследование глобального, углеродного цикла в рамках зональной модели в системе атмосфера-океан // Докл. РАН. V. 333(5). Р. 645-647.

Новожилов А. С. (2002) Идентификация параметров одной динамической системы, моделирующей взаимодействие загрязнения с окружающей средой Ц Известия РАН. Сер. — Теория систем и управления. V. 3(3). Р. 123-127.

Пархоменко В.П., Тарко А.М. (2002). Анализ современных проблем мира и России Вычислительный центр РАН, Сообщения по прикладной математике 54 с.

Перванюк В. С. (2001) Пространственная математическая модель глобальных биогеохимических циклов углерода и азота в системе атмосфера-океан. Кандидатская диссертация, ВЦ РАН, 118 с.

Перванюк В. С., Тарко А.М. (2001). Моделирование глобального цикла углерода в системе атмосфера-океан // Математическое моделирование. Т. 13, №11. С. 13-22.

Полищук Ю.М. (1992) Имитационно-лингвистическое моделирование систем с природными компонентами. — Новосибирск: Наука, 1992. — 228 с.

Поповичева О.Б., Старик А.М., Фаворский О.Н. (2000) Проблемы влияния авиации на газовый и аэрозольный состав атмосферы // Известия РАН: Физика атмосферы и океана. V. 2(3). Р. 163-176.

Работное Т.А. (1987) Экспериментальная фитоценология. — М.: Изд-во МГУ, 1987. - 160 с.

Сеидов Д. Г. (1987) Математические модели океанской циркуляции II Земля и Вселенная. V. 5(3). Р. 28-34.

Сергин С. Я. (ред.) (1974) Исследование системы ледники-океан-атмосфера. — Владивосток: Изд-во ДНЦ АН СССР, 1974. — 138 с.

Совместное Заявление Президента России В. В. Путина и Президента США У. Д. Клинтона о сотрудничестве в области борьбы с глобальным потеплением // Зелёный мир. 2000. № 13. С. 16.

Сорохтин О. Г. (2001). Парниковый эффект: миф и реальность // Вестник РАЕН. Т. 1, № 1. С. 8-21.

Тарко А.М. (2002). Н.Н. Моисеев о проблемах развития биосферы и общества // Свободная мысль. Т. XXI. № 8. С. 61-69.

Тарко А.М., Кузнецова М.В. (2001). Пространственно распределённая модель глобального цикла углерода в биосфере // Математическое моделирование, №9. С. 45-54.

Терзиев Ф.С., Затучной Б.М., Гершанович Д.Е. (ред.) (1993) Охотское море. — С.-Пб: Гидрометеоиздат, 1993. — 168 с.

Тикунов В. С. (1997) Классификации в географии. — Смоленск: Изд-во гуманитарного ун-та, 1997. — 364 с.

Угольницкий Г. А. (1999) Управление эколого-экономическими системами. — М.: Вузовская книга, 1999. — 132 с.

Угольницкий Г.А., Демяненко Я.М., Дубров Д.В. (2000) Методы иерархической оптимизации в задачах лесопользования. В сб. Компьютерное моделирование: экология. — М.: Вузовская книга, 2000. С. 79-89.

Хотунцев Ю.Л. (2001) Человек, технологии, окружающая среда. — М.: Устойчивый мир, 2001. — 224 с.

Чистяков Е.Г. (2002). Проблемы устойчивого развития стран СНГ и их место в мировой экономике // Вестник РАЕН. Т. 2, №4. С. 43-51.

Чухланцев А.А., Шутко А.М. (1988). Микроволновая радиометрия земной поверхности: воздействыие растительности // Исследования Земли из космоса, № 2. С. 67-72.

Шутко А.М. (1987). СВЧ-радиометрия водной поверхности и почвогрунтов. — М.: Наука, 1987. - 190 с.

Яковлев О. И. (1998) Космическая радиофизика. — М.: Научная книга, 1998. — 432 с.

Яновский Р.Г. (1999) Глобальные изменения и социальная безопасность. — М.: Academia, 1999. — 358 с.

A Guide to World Resources 2000-2001. People and Ecosystems: The Frying Web of Life // World Resources Institute, Washington, D.C., 2000. — 389 p.

Alcano J., Leemans R., Kreileman E. (eds.) (2001) Global change scenarios of the 21st century. Elsevier, Amsterdam. — 232 p.

Allen M.R., Stott P.A., Mitchell J.F.B. et al. (1999). Uncertainty in forecasts of anthropogenic climate change. RAE Techn. Rept.,-N RAL-TR-084, 10 P.

Aota M., Shirasawa K., Krapivin V.F., Mkrtchyan F.A. (1993). A project of the Okhotsk Sea GIMS. Proc, of the 8th Int. Sympos. on Okhotsk Sea & Sea Ice and ISV / Polar Ice Extent Workshop. 1-5 Feb. 1993. Mombetsu (Japan). P. 498-500.

Bacastow R. (1981) Numerical evaluation of the evasion factor. In: Carbon Cycle Modelling, SCOPE-16. - N.Y.: Wiley, 1981. P. 95-101.

Ball J. T. (1988) An analysis of stomatai conductance. Ph.D. Thesis, Stanford Univ. — 89 p.

Bazhin N.M. (2000) Methane emission from a residual layer. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 231-236.

Bazzaz F.A. (1986) Global CO2 levels and the response of plants at the population and community levels. In: Climate-Vegetation Interactions / Ed. by C. Rozenzweig, R. Dickinson. Maryland: UCAR. P. 31-35.

Beese F.O., Hempel G., Klemmer P. et al. (1995) Scenario for the derivation of global CO2 reduction targets and implementation strategies. WBGU, Dortmund. — 39 p.

Bengtsson L. (1999). Climate modelling and prediction - achivements and challenges Ц WCRP / WMO Publ., № 954. P. 59-73.

Bjorkstrom A. A. (1979) A model of CO2 interaction between atmosphere, ocean and land biota. In: Global Carbon Cycle. SCOPE-13. — N.Y.: Wiley, 1979. P. 403-458.

Boden T.A., Kaiser D.P., Speranski R.J., Stoss FW. (1994) TREND’S. 93: A compendium of data on global change. Carbon Dioxide Informational Analysis Center, Oak Ridge Nat. Lab., Oak Ridge, 176 p.

Bodenbender J., Wassmann R., Papen H., Rennenberg H. (1999) Temporal and spatial variation of sulfur-gas-transfer between coastal marine sediments and the atmosphere // Atmos. Env. V. 33(21). P. 3487-3502.

Bodri L., Hermak К (1999). Climate change of last millenium inferred from borehole temperatures: regional patterns of climate changes in the Czech Republic. Part III // Glob, and Planet. Change. V. 21, №4. p.225-235.

Boehmer-Christiansen S. (1997). Who is driving climate change policy? // IE A Stud. Educ. № 10. P. 53-72.

Bolin B. (1999). Global environmental change and the need for international research programmes Ц WCRP / WMO. WMO / TD, № 954. P. 11-14.

Bolin R., Sukumar R. (2000) Global perspective. In: Watson R. et al. (Eds.) Land Use, Land-Use Change, and Forestry. — Cambridge: Cambridge Univ. Press, 2000. P. 23-51.

Bowen D.Q. (2000). Tracing climate evolution // Earth Heiritage, Issue Mill. P. 8-9.

Boysen M. (Ed.) (2000) Biennial report 1998&1999. Potsdam Institute for Climate Impact Research, Potsdam, 130 p.

Bras R.L. (1990) Hydrology. - N. Y.: Addison-Wesley, 1990. - 643 p.

Bratus A., Mescherin A., Novozhilov A. (2000) Mathematical models of interaction between pollutant and environment // Proc, of the Conference «Control of Oscillations and Chaos», St.-Petersburg, July 2000. V. 3(3). P. 569-572.

Brown L.R., Flavin C., French H. et al. (2001) State of the World 2001. — L.: Earthscan Publ. Ltd., 2001. — 275 p.

Bunyard P. (1999).Eradicating the Amazon rainforest will wreak havoc on climate // Ecologist. V. 29, № 2. P. 81-84.

Byakola T. (2000) Technological options and policy measures for methane mitigation in Uganda — possibilities and limitations. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 95-100.

Canadel LG., Dickinson R., Hibbard К. et al. (eds.). (2003). Global Carbon Project.: The Science Framework and Implementation. Report № 1. Earth System Science Partnership, Canberra, 69 P.

Chahine M. T. (1992) The hydrological cycle and its influence on climate // Nature (Gr. Brit.). V. 359(6394). P. 373-380.

Chate D.M., Kamra A.K. (1997) Collection efficiencies of large water drops collecting aerosol particles of various densities // Atmospheric Environment. V. 31(11). P. 1631-1635.

Chen IU, Chen J., Cihlar J. (2000) An integrated terrestrial ecosystem carbon-budget model based on changes in disturbance, climate, and atmospheric chemistry // Ecological Modelling. V. 135(1). P. 55-79.

Chock D.P., Winkler S.L. (2000) A trajectory-grid approach for solving the condensation and evaporation equations of aerosols // Atmospheric Environment. V. 34(18). P. 2957-2973.

Christy J. R., Spencer R.W., Lobl E.S. (1998) Analysis of the merging procedure for the MSU daily temperature time series // J. Climate. V. 11(3). P. 2016-2041.

Chukhlantsev A.A., Shutko A.M., Golovachev S.P. (2003). Attenuation of electromagnetic waves by vegetation canopies in the 100-1000 MHz frequency band. ISTC / IRE Technical Report, #2059-1, 59 p.

Coconea G. (2000) Methane gas emissions from the Romanian natural gas transport system. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 297-302.

Collatz GJ., Ball GJ., Grivet J. T., Berry I. A. (1991) Physiologicasl and environmental regulation of stomatai conductance, photosynthesis and transpiration: a model that includes a laminar boundary layer // Agric. For. Meteorol. V. 54(3). P. 107-136.

Collatz GJ., Berry I. A., Farquhar I. A., Pierce I. (1990) The relationship between the rubisco reaction mechanism and models of leaf photosynthesis // Plant Cell Environment. V. 13(3). P. 219-225.

Collatz GJ., Ribas-Carbo M., Berry I.A. (1992) Coupled photosynthesis stomatai conductance model for leaves of C4 plants // Aust. J. Plant Physiol., 19. 519-538.

Сох P.M., Betts R.A., Jones C.D. et al. (2000) Acceleration of global warming due to carbon-cycle feedbacks in a coupled climate model // Nature. V. 408(3). P. 184-187.

Cramer W., Bondeau A., Woodward F.I. et al. (2001) Global response of terrestrial ecosystem structure and function to C. 02. and climate change: results from six dynamic global vegetation models // Global Change Biology. V. 7(3). P. 357-373.

Crowley TJ. (2000). Causes of climate change over the past 1000 years // Science. V. 289, № 5477. P. 270-277.

Delworth T.L., Knutson T.R. (2000). Simulation of early 20th century global warming // Science. V. 287, № 5461. P. 2246-2250.

Dementjeva T. V. (2000) Emission of gases from peat-bog ecosystems. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 223-226.

Dimitroulopoulou C., Marsh A.R. W. (1997) Modelling studies of N. 03. nighttime chemistry and its effects on subsequent ozone formation // Atmos. Env. V. 31(18). P. 3041-3057.

Egan W. G., Hogan A.W., Zhu H. (1991) Physical variation of water vapor, and the relation with carbon dioxide // Geophys. Res. Lett. V. 18(12). P. 2245-2248.

Eliasson B., Riemer P., Wokaun A. (1999) Greenhouse gas control technologies. Elsevier, Hardboun, 1095 p.

Engman E.T., Chauhan N. (1995). Status of microwave soil moisture measurements with remote sensing // Remote Sensing of Environment. V. 51, № 1. P. 189-198.

EPA: Non-CO2 Greenhouse Gas Emissions from Developed Countries-1990-2010. EPA-430-R-01-007. U.S. Environmental Protection Agency. Washington. 2001. - 79 p.

Erust W. G. (ed.) (2000) Earth Systems. Processes and Issues. Cambridge University Press, Cambridge, 566 p.

Esteve P. (1998) Tropical dry ecosystems modelling and monitoring from space // Ecological Modelling. V. 108(1-3). P. 175-188.

Fan S., Gloor M., Mahlman J. et al. (1998) A large terrestrial carbon sink in North Amarica implied by atmospheric and oceanic carbon dioxide data and models // Science. V. 282(3). P. 442-446.

Farquhar G.D., von Caemmerer S., Berry J. A. (1980) A biochemical model of photosynthetic CO2 fixation in leaves of C3 species // Planta. V 149. P. 78-90.

Ferm M., Hultberg H. (1999) Dry deposition and internal circulation of nitrogen, sulfur and base cations to a coniferous forest // Atmospheric Environment. V. 33(27). P. 4421-4430.

Friedlingstein P., Bopp L., Ciais P. et al. (2001) Positive feedback between future climate change and the carbon cycle // Geophysical Research Letters. V. 28(3). P. 1543-1546.

Friend A.D. (1998) Parametrization of a global daily weather generator for terrestrial ecosystem modelling // Ecological Modelling. V. 109(2). P. 121-140.

Folland C., Erich P., Basnett T. et al. (2000). Uncertainties in climate datasets- a challenge for WMO Ц WMO Bull. V. 49, № 1. P. 59-68.

Gale J., Freund P. (2000) Reducing methane emissions to combat global climate change: the role Russia can play. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 73-80.

Gerstengarbe F.-W. (2002) Angewandte statistik. PIK Rep., no. 75, Potsdam, 100 p.

Gleick P.H. (1993) A guide to the World’s fresh water resources. Oxford Sci. Publ., Oxford, 473 p.

Gloersen P., Parkinson C.L., Cavalieri D.J. et al. (1999). Spatial distribution of trends and seasonality in the hemispheric ice covers: 1978-1996 // J. Geophys. Res. V. 104. №C9. P. 20827-20835.

Gorshkov V.G., Gorshkov V. V., Makarieva A.M. (2000) Biotic regulation of the environment. Chichester, Springer / Praxis Publ., 364 p.

Goudrian J., van Keulen H., van Laar H.H. (Eds.). (1990). The greenhouse effect and primary productivity in European agro-ecosystems. Wageningen: Pudoc. — 90 p.

Grassi H. (2000). Status and improvements of coupled general circulation models Ц Science. V. 288. P. 1991-1997.

Gyalistras D. (2002) How uncertain are regional climate change scenarios? Examples for Europe and the Alps. PIK Rep. №75. Potsdam. P. 85-100.

Hansen J., Ruedy R., Glascoe J., Sato M. (1999).GISS analysis of surface temperature change // J. Geophys. Res. V. 104. № D24. P. 30997-31022.

Hansen J., Sato M., Lacis A. et al. (1998). Climate forcing in the Industrial era // Proc. Natl. Acad. Sci. USA. V. 95, №22. P. 12753-12758.

Hansen L, Sato M., Ruedy R. et al. (2000) Global warming in the twenty-first century: An alternative scenario // Proc. U.S. Nat. Acad. Sci. V. 97(18). P. 9875-9880.

Hood D. W. (1981) Preliminary observations of the carbon budget of the eastern Bering Sea shelf. In: The Eastern Bering Shelf: Oceanography and Resources.

V. 1 / Ed. by D.W. Hood, J. A. Calder. Univ. Of Washington Press, Seattle. P. 347-358.

Houghton J. (2000). Global climate and human activities // EOLSS Article. V. 1. 13 p.

Houghton LT., Ding K, Griggs D.J., Noguer M. (2001) Climate change 2001: The scientific basis. Contribution of working group I to the third assessment report of the intergovernmental panel group on climate change. Cambridge Univ. Press, Cambridge, 892 p.

Houghton J. T, Filho G.M., Calander B.A. et al. (1996) Climate change 1995: The science of Climate Change, Intergovernmental Panel on Climate Change. Cambridge Univ. Press, Cambridge, GB, 572 p.

Howarth R.W., Stewart J. W. B., Ivanov M.V. (Eds.). (1992) Sulphur cycling on the continents: wetlands, terrestrial ecosystems, and associated water bodies. — Chichester: Wiley, 1992. - 372 p.

Huang S., Pollack H.N., Shen P.-Y. (2000). Temperature trends over the past five centuries reconstructed from borehole temperatures // Nature. V. 403. P. 756-758.

Hulme M., Parry M. (1998). Adapt or mitigate? Responding to climate change // Town and Country Plann. V. 67, № 2. P.50-51.

van Hulst R. (1979) The dynamics of vegetation: succession in model communities // Vegetatio. V. 39(2). P. 85-96.

Hungate B.A., Dukes LS., Shaw M.R. et al. (2003). Nitrogen and climate change Ц Science. V. 302. P. 1512-1513.

IPCC (2001a) Climate Change 2001: Impacts, Adaptation, and Vulnerability. Contribution of Working Group II to the Third Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, U.K., 1032 p.

IPCC (2001b) Climate Change 2001: Mitigation. Contribution of Working Group III to the Third Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, U.K., 752 p.

IPCC (2001c) Climate Change 2001: The Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, United Kingdom and N.Y., 881 p.

Jagovkina S. V., Karol I.L., Zubov V.A. et al. (2000) The estimation of the gas deposits leakage input into the total methane flux from the Weast Siberian region. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 263-267.

Johnson D.E., Ulyatt M.I. (2000) Variations in the proportion of methane of total greenhause gas emissions from US and NZ dairy production systems. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 249-254.

Parley M.J., Beven K.J., Oliver H.R. (1993) A method for predicting spatial distribution of evaporation using simple meteorological data. Proc, of Int. Symposium «Ech. Proc. Land Surf. Range Space and Time Scales», Yokohama, 13-16 July, 1993, IAHS Publ. V. 212(3). P. 619-626.

Karner D.B., Muller R.A. (2000). A Causality problem for Milankovitch // Science. V. 288. P. 2143-2144.

Kelley J. J. (1987) Carbon dioxide in the Arctic environment // The Journal of Earth Sci. V. 35(2). P. 341-354.

Kelley R.E., Chang A. T., Tsang L., Foster J. L. (2003).A prototipe AMSR-E global snow area and snow depth algorithm // IEEE Trans, on Geosci. and Remote Sensing. V. 41, № 2. P. 232-242.

Kerr R. A. (2000). Dueling models: Future U.S. climate uncertain // Science. V. 288. P. 2113.

Kerr Y.H., Wigneron J.P. (1995). Vegetation models and observations. A Review // In: Choudhury B.J., Kerr Y.H., Njoku E.G., and Pappaloni P. (eds.). Passive Microwave Remote Sensing of Land-Atmosphere Interactions. ESA / NASA Int. Workshop. Utrecht., The Netherlands. P. 318-344.

Khalil M.A.K., Rasmussen R.A., Ren L. et al. (2000) Methane emissions from rice fields. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 13-30.

Knutson T.R., Delwoorth T. U., Dixon K. W., Stouffer R.J.. (1999). Model assessment of regional temperature trends (1949-1997) // J. Geophys. Res. V. 104. No. D24. P. 30981-30996.

Kolbe A.E. (1999) Geographic extension of an uneven-aged, multi-species matrix growth model for northern hardwood forests // Ecological Modelling. V. 121(2-3). P. 235-253.

Kondratyev K. Ya. (1998) Multidimensional global change. Wiley / PRAXIS. Chichester U.K., 761 p.

Kondratyev K. Ya. (1999 a) Atmospheric ozone variability. Springer / PRAXIS, Chichester, 592 p.

Kondratyev K. Ya. (19996) Climatic effects of aerosols and clouds. Springer / PRAXIS, Chichester, 264 p.

Kondratyev K. Ya. Fernando Moreno Pena and Galindo I. (1997 a) Sustainable development and population dynamics. Mexico, Universidat de Colima, 128 p.

Kondratyev K. Ya., Galindo I. (1997). Volcanic Activity and Climate. A. Deepak Publ. Hampton, VA. 382 p.

Kondratyev K.Ya., Krapivin V.F., Phillips G.W. (2002) Global environnmental change: Modelling and Monitoring, Springer, Berlin, 319 p.

Kondratyev K. Ya., Krapivin V.F., Varotsos C.A. (2003). Global Carbon Cycle and Climate Change. Springer / PRAXIS, Chichester, U.K., 343 p.

Kondratyev K. Ya., Krapivin V.F., Varotsos C.A., Savinikh V.P. (2004). Global Ecodynamics: A Multidimensional Analysis. Springer / PRAXIS. Chichester. 649 p.

Kondratyev K. Ya., Ortner J., Preining O. (1992) Priorities of global ecology now and in the next century // Space Policy. V. 8(1). P. 39-48.

Kondratyev K. Ya., Varotsos C.A. (2000) Atmospheric ozone variability: Implications for climate change, human health, and ecosystems. Springer / PRAXIS, Chichester, U.K., 758 p.

Kraabol A.G., Konopka P., Stordal E, Schlager H. (2000) Modelling chemistry in aircraft plumes 1: comparison with observations and evaluation of a layered approach // Atmospheric Environment. V. 34(23). P. 3939-3950.

Kraabol A.G., Stordal F. (2000) Modelling chemistry in aircraft plumes 2: the chemical conservation of NOX to reservoir species under different conditions // Atmospheric Environment. V. 34(23). P. 3951-3962.

Krapivin V.F. (1993) Mathematical model for global ecological investigations // Ecological Modelling. V. 67(2-4). P. 103-127.

Krapivin V.F. (1996) The estimation of the Peruvian current ecosystem by a mathematical model of biosphere // Ecological Modelling. V. 91(1). P. 1-14.

Krapivin V.F., Vilkova L.P. (1990) Model estimation of excess CJ2 distribution in biosphere structure // Ecological Modelling, V. 5. P. 57-78.

Krapivin V.F., Vilkova L.P., Rochon G.L., Hicks D.R. (1996) Model estimation of the role of urban areas in global CO2 dynamics. Proc, of Eco-Informa’96, 4-7 Nov. 1996, Florida. P. 17-422.

Ledley T.S., Sundquist E.T., Schwartz S.E. et al. (1999) Climate change and greenhouse Ц EOS. V. 80(39). P. 453-474.

Fangmann B. (2000) Numerical modelling of regional scale transport and photochemistry directly together with meteorological processes // Atmos. Env. V. 34(21). P. 3585-3598.

Legendre L., Krapivin V.F. (1992) Model for vertical structure of phytoplankton community in Arctic regions. Proc, of the Seventh Int. Symp. on Okhotsk Sea & Sea Ice, 2-5 Feb. 1992, Mombetsu (Japan), Okhotsk Sea and Cold Ocean Res. Assoc. P. 314-316.

Legendre P., Legendre L. (1998) Numerical ecology. — Amsterdam: Elsevier, 1998. - 853 p.

Levitus S., Antonov J. I., Boyer T.P., Stephens C. (2000). Warming of the World Ocean Ц Science. V. 287. P. 2225-2229.

Lieth H. (1985) A dynamic model of the global carbon flux through the biosphere and its relations to climatic and soil parameters // Int. J. biometeorol. V. 29(2). P. 17-31.

Lin D.-L., Sakoda A., Shibasaki R. et al. (2000) Modelling a global biogeochemical nitrogen cycle in terrestrial ecosystems // Ecological Modelling. V. 135(1). P. 89-110.

Liping G., Erda L., Zhongpei L. (2000) Methane emission flux and mitigation options and its relationship with N2O emission from paddy soils. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 217-222.

Liski J., Korotkov A.V, Prius C.F.L. et al. (2003). Increased carbon sink in temperate and boreal forests // Climate Change. V. 61. P. 89-99.

Logofet D. O. (2002) Matrix population models: cobnstruction, analysis and interpretation // Ecological Modelling. V. 148(3). P. 307-310.

Mahlman J.D. (1998). Science and nonscience concerning human-caused climate warming // Ann. Rev. Energy and Environ. V. 23. Palo Alto (CA). P. 83-105.

Me Bean G.A. (1998). The Climate Agenda: The role of the WCRP as the research thrust Ц WCRP / WMO Publ., №904. P. 11-18.

Mcintyre A.D. (1999) The environment and the oil companies // Marine Pollution Bulletin. V. 38(3). P. 155-156.

McNulty S. G. (2002) Hurricane impacts on US forest carbon sequestration // Environmental Pollution. V. 116. P. 17-24.

Meadows M. (2000) United Kingdom methane emissions: trends, projections and mitigation options. Second Int. Methane Mitigation Conf., June 18-23, 2000, Novosibirsk. P. 37-44.

Mearns L.O., Bogardi I., Giorgi F. et al. (1999). Comparison of climate change scenarios generated from regional climate model experiments and statistical downscaling // J. Geophys. Res. V. 104(ND6). P. 6603-6621.

Meijer E. W., Velthoven P. (1997) The effect of the conversion of nitrogen oxides in aircraft exhaust plumes in global models // Geophys. Res. Lett. V. 24(23). P. 3013-3016.

Mitchell J. F.B. (2000). Modelling cloud-climate feedbacks in predictions of human-induced climate change // WCPR-110 (WM0/TD-№ 993). WMO, Geneva. P. 1-8.

Mintzer I.M. (1987). A matter of degrees: the potential for controlling the greenhouse effect // World Resources Institute Res. Rep., № 15. — 70 p.

Moron K, Vautard R., Ghil M. (1998). Trends, interdecadal and interannual oscillations in global sea-surface temperatures // Climate Dynamics, № 7-8. P. 545-469.

Morris J. (1997). Introduction: Climate change — prevention or adaptation? // IEA Stud. Educ., № 10. P. 13-37.

Najam A., Sagar A. (1998). Avoiding a cop-out: Moving towards systematic decision-making under the Climate Convention // Clim. Change. V. 39, № 4. p. Ш-1Х.

Nicolls C., Nicolls G. (1995) From short-scale atmospheric variability to global climate dynamics: toward a systematic theory of averaging // J. of the Atm. Sci. V. 52(11). P. 1903-1913.

Nielsen T.T. (1999) Characterization of fire regimes in the Experiment for Regional Sources and Sinks of Oxidants (EXPRESSO) study area // J. Geophys. Res. V. 104(D23). P. 30713-30723.

Nishida K., Nemani R.R., Glassy J.M., Running S. W. (2003). Development of an evapotranspiration index from Aqua / MODIS for monitoring surface moisture status // IEEE Trans, on Geosci. and Remote Sensing. V. 41. No 2. P. 493-501.

Nitu C., Krapivin V.F, Bruno A. (2000 a) Intelligent techniques in ecology. Bucharest: Printech, 150 p.

Nitu C., Krapivin V.F, Bruno A. (2000 b) System modelling in ecology. Bucharest: Printech, 260 p.

Njoku E.G., Jackson T.J., Lakshmi И et al. (2003). Soil moisture retrieval from AMSR-E II IEEE Trans, on Geosci. and Remote Sensing. V. 41. No. 2. P. 215-229.

Orr J. C., Maier-Reimer E., Mikolajewicz U. et al. (2001) Estimates of anthropogenic carbon uptake from four three-dimensional global ocean models // Global Biogeochem. Cycles. V. 15(3). P. 43-60.

Palutikof J.P., Goodess C.M., Watkins S.J., Burgess P.E. (1999). Long-term climate change // Progr. Environ. Sci. V. 1, № 1. P. 89-96.

Papakyriakou T.N, McGaughey J. H. (1991) An evolution of evapotranspiration for a mixed forest // Can. J. Forest. Res. V. 21(11). P. 1622-1631.

Parker D.E., Horton E.B., Alexander L. К (2000). Global and regional climate in 1999 Ц Weather. V. 5, №6. P. 188-199.

Parson E.A., Fisher-Vanden K. (1997). Integrated assessment models of global climate change // Ann. Rev. Energy Environ. V. 22. P. 289-628.

Patin S. (1999) Environmental impact of the offshore oil and gas industry. EcoMonitor Publishing, N.Y., 425 P.

Pellarin T., Calvet J.-C., Wigneron J.-P. (2003). Surface soil moisture retrieval from L-band radiometry: a global regression study // IEEE Trans, on Geosci. and Remote Sensing. V. 41, №9. P. 2037-2051.

Peng C. (1999) Modelling the response of net primary productivity (NPP) of boreal forest ecosystems to changes in climate and tire disturbance regime // Ecological Modelling. V. 122(3). P. 175-193.

Peritunen J. (1998) LIGNUM: a model combining the structure and the functioning of trees // Ecological Modelling. V. 108(1-3). P. 189-198.

Prather M., Derwent R., Ehhalt D. et al. (1994) Other trace gases and atmospheric chemistry. In: Houghton J.-T. et al. (Eds.). Climate Change 1994. — Cambridge: Cambridge Univ. Press. P. 73-126.

Ragas A. M. J. Rsew Leuven (1999) Modelling of water quality-based emission limits for industrial discharges in rivers // Water Sci. And Tech. V. 39(4). P. 185-192.

Ramanathan U, Coakley LA. (1978) Climate modelling through radiative-convective models // Revs. Geophys. Space Phys. V. 16(3). P. 465-489.

Raupach M.R. (2000) Equilibrium evaporation and the convective boundary layer II Boundary-Layer Meteorol. V. 96(3). P. 107-141.

Riedo M., Gyalistras D., Fuhrer J. (2000) Net primary production and carbon stocks in differently managed grasslands: simulation of site- specific sensitivity to climate change // Ecological Modelling. V. 134(2-3). P. 207-227.

Roo-Zeilinska E., Solon J. (1997) Effect of geographical location on species composition, vegetation diversity and phytoindicative characteristics in pine forests Ц Env. Pollution. V. 98(3). P. 347-360.

Russo G., Eva C., Palau C. et al. (2000).The recent abrupt increase in the precipitation rate, as seen in an ultra-centennial series of precipiation // Il Nuovo Cimento. V. 23C, №1. P. 39-51.

Sabine C.L., Feely R.A. (2001) Comparison of recent Indian Ocean anthropogenic C. 02. estimates with a historical approach // Global Biogeochem. Cycles. V. 15(3). P. 31-42.

Saleska S.R., Miller S.D., Matross D.M. et al. (2003). Carbon in Amazon forests: unexpected seasonal fluxes and disturbance — induced lossess // Science. V. 302. P. 1554-1557.

Santer B.D., Wigley T.M.L., Boyle J. S. et al. (2000). Statistical significance of trends and trend differences in layeraverage atmospheric temperature time series // J. Geophys. Res. V. 105. No. D6. P. 7337-7356.

Schimel D.S. (1995) Terrestrial biogeochemical cycles: global estimates with remote sensing // Remote Sensing and Environment. V. 51(1). P. 49-56.

Schimel D.S., House J. I., Hibbard K.A. et al. (2001) Recent patterns and mechanisms of carbon exchange by terrestrial ecosystems. Nature 414:169-172.

Schlesinger M.E., Ramankutty N., Andronova N. (2000). Temperature oscillations in the North Atlantic // Science. V. 289, № 5479. P. 547.

Sellers P.J. (1985) Canopy reflectance, photosynthesis and transpiration // Int. J. Remote Sens. V.6(3). P. 1335-1372.

Sellers P.J. (1987) Canopy reflectance, photosynthesis and transpiration, II. The role of biophysics in the linearity of their interdependence // Remote Sens. Environ. V. 21(3). P. 143-183.

Sellers P.J., Berry J. A., Collatz G.J. et al. (1992) Canopy reflectance, photosynthesis, and transpiration. III. A reanalysis using improved leaf models and a new canopy integration scheme // Remote Sens. Environ. V. 42(3). P. 187-216.

Sellers P.J., Bounoua L., Collatz G.L. et al. (1996 a) Comparison of radiative and physiological effects of doubled atmospheric CO2 on climate // Science. V. 271(3). P. 1402-1406.

Sellers P.J., Los S.O., Tucker C.J. et al. (1996 b) A revised land surface parametrization (SiB2) for atmospheric GCMs. Part II: The generation of global fields of terrestrial biophysical parameters from satellite data // J. of Climate. V.9(4). P. 708-737.

Sellers P.J., Meeson B. W., Hall F.G. et al. (1995) Remote sensing of the land surface for studies of global change: models - algorithms - experiments // Remote Sensing and Environment. V. 51(1). P. 3-26.

Sellers P.J., Randall D.A., Collotz G.J. et al. (1996c) A revised land surface parametrization (SiB2) for atmospheric GCMs. Part 1: Model formulation // Journal of Climate. V. 9(4). P. 676-705.

Smith K.A., Thomson P.E., Clayton H. et al. (1998) Effects of temperature, water content and nitrogen fertilisation on emissions of nitrous oxide by soils // Atmos. Env. V. 32(19). P. 3301-3309.

Soon W., Postmentier E., Baliunas S. (2000). Climate hypersensitivity to solar forcing? // Ann. Geophysicae. V. 18. P. 583-588.

Steffen W., Tyson P. (Eds.) (2001) Global change and the earth system: A planet under pressure. IGBP Science 4, Stockholm, 32 p.

Stein A.F., Lamb D. (2000) The sensitivity of sulphur wet deposition to atmospheric oxidants // Atm. Env. V. 34(11). P. 1681-1690.

Stempell D. (1985) Weltbevolkerung. Berlin: Verlag. 205 P.

Stephen S.M., Frankling S.C., Stagg R.M., Brown J. A. (2000) Sub-lethal effects of exposure of juvenile turbot to oil produced water // Mariner Pollution Bulletin. V. 40(11). P. 928-937.

Stockwell D.Z., Giannakopoulos C., Plantevin P.H. et al. (1999) Modelling NOX from lightning and its impact on global chemical fields // Atmospheric Environment. V. 33(27). P. 4477-4493.

Strong A.E., Kearns E. J., Gjovig K.K. (2000). Sea surface temperature signals from satellites update // Geophys. Res. Lett. V. 27. № 11. P. 1667-1670.

Sturges W.T., Wallington T.J., Hurley M.D. et al. (2000). A potent greenhouse gas identified in the atmosphere: SF5CF3 // Science. V. 289, № 5479. P. 611-613.

Takahashi T, Chipman D.W., Goddard J., Sutherland S.C. (2001). Underway PCO2 measurements in surface waters during the ocean margins program cruises in the North Western Atlantic Ocean. Final Report for Department of Energy Grant No. DE-F. G02-95ER62065, Lamont-Doherty Earth Obsrvatory of Columbia University, Palisades, NY. — 21 p.

Tarko A.M. (2001). Investigation of global biosphere processes with the aid of a global spatial carbon dioxide cycle model. - Sixth International Carbon

Dioxide Conference, Extended Abstracts. Tokohu University, Sendai, Japan. V. 2. P. 899-902.

Tarko A.M. (2003). Analysis of Global and Regional Changes in Biogeochemical Carbon Cycle: A Spatially Distributed Model. — Interim Report, IR-03-041, IIASA, Laxenburg, Austria, 2003, 28 p.

Tett S.F.B., Stott P.A., Allen M.R. et al. (1999). Causes of twentieth-century temperature change near the Earth’s surface // Nature. V. 399. P. 569-572.

The Kyoto Protocol to the Convention on Climate Change // Climate Change Secretariat. Bonn. 1998. 34 p.

Tiezen L.L. (1973) Photosynthesis and respiration in arctic tundra grasses: field light intensity and temperature responses // Arctic and Alpine Res. V. 5(3). P. 239-251.

Tol R.S.J. (2000) International climate policy: An assessment // IHDP Update. V. 3(3). P. 11-12.

Vasilieu A.S. (1991) Hydrodynamic model for seasonal variability of physical fields in the sea of Okhotsk // Proc, of the Sixth Int. Sympos. on Okhotsk Sea & Sea Ice, 3-6 Feb. 1991, Mombetsu (Japan). P. 294-297.

Vega M., Pardo R., Barrado E., Deban L. (1998) Assessment of seasonal and polluting effects of the quality of river water by exploratory data analysis // Water Research. V. 32(12). P. 3581-3593.

Wacker U. (1995) Competition of precipitation particles in a model with parametrized cloud microphysics // J. of the Atmospheric Sci. V. 52(14). P. 2577-2589.

Walker G. (2003). Snowball Earth: The story of the great global catastrophe that spawned life as we know it. Crown Publishers, Washington, 269 p.

Wallace J. M. (1998). Observed climatic variability: Spatial structure, In «Decadal Clim. Variab.: Dynamics and Predictability», Springer-Verlag (NATO ASI Series I 44: Eds. D.L. T. Anderson and J. Willebrand). P. 31-81.

Walter H. Breckle, S-W. (1985) Ecological systems of the geosphere, Springer-Verlag, Berlin, 242 p.

Wang F., Chen J., Forsling W. (1997) Surface properties of natural aquatic sediments Ц Water Res. V. 31(7). P. 1796-1800.

Wange G., Archer D.J. (2003). Evaporation of groundwater from arid playas measured by C-band SAR // IEEE Trans, on Geosci. and Remote Sensing. V.41, №7. P. 1641-1650.

Watson R. T., Noble I.R., Bolin B. et al. (Eds.) (2000) Land use, land-use change, and forrestry. — Cambridge: Cambridge University Press, 377 p.

Wauben W.M.F., Van Velthoven P.F.J., Kelder H. (1997) 3d chemistry transport model study of changes in atmospheric ozone due to aircraft — NO emissions // Atmos. Env. V. 31(12). P. 1819-1836.

Weber G.R. (1992). Global Warming. The Rest of the Story. Dr. Boettiger Verlags GmbH, Wiesbaden, 188 p.

Weisenstein D.K., Ko M.K. W., Dyominov LG. et al. (1998) The effect of sulfur emissions from HSCT aircraft: A 2D model intercomparison // J. Geophys. Res. V. 103(NDl). P. 1527-1547.

Wirtz K. W. (2000) Second order up-scaling: theory and an exercise with a complex photosynthesis model // Ecological Modelling. V. 126(1). P. 59-71.

Woodcock А. (1999). Global warming: The debate heats up // Weather. V. 55, №4. P. 143-144.

World . Raises Cry to Save the Global Environment. Eight-Year Synopsis. The Asahi Glass Foundation. Tokyo. March 2000. — 4 p.

Xu Y., Carmichael G.R. (1999) An assessment of sulfur deposition pathways in Asia // Atmospheric Environment. V. 33(21). P. 3473-3486.

Yokozawa M. (1998) Effects of competition mode on spatial pattern in plant communities // Ecological Modelling. V. 106(1). P. 1-16.

Yu R., Zhang M., Cess R.D. (1999). Analysis of the atmosphere enrgy budget: A consistency study of available data sets // J. Geophys. Res. V. 104., ND8. P. 9655-9661.

Zillman J. W. (2000). The challenges ahead Ц WMO Bull. V. 49. N 1. P. 8-13.

Zonneveld C. (1998) A cell-based model for the chlorophyll a to carbon ratio in phytoplankton // Ecological Modelling. V. 113(1-3). P. 55-70.

Научное издание

КОНДРАТЬЕВ Кирилл ЯковлевичКРАПИВИН Владимир Федорович

МОДЕЛИРОВАНИЕ ГЛОБАЛЬНОГОКРУГОВОРОТА УГЛЕРОДА

Редактор В.Д. БоксерОригинал-макет: В. В. ХудяковОформление переплёта: А.Ю. Алёхина

ЛР №071930 от 06.07.99. Подписано в печать 06.07.04.

Формат 60x90/16. Бумага офсетная. Печать офсетная.

Усл. печ. л. 21. Уч.-изд. л. 23. Тираж 400 экз. Заказ №

Издательская фирма «Физико-математическая литература»МАИК «Наука/Интерпериодика»

117997, Москва, ул. Профсоюзная, 90

E-mail: fizmat@maik.ru, fmlsale@maik.ru

http://www.fml.ru

Отпечатано с готовых диапозитивовв ОАО «Московская типография № 6»115088, Москва, Ж-88, ул. Южнопортовая, 24

УДК 502.574ББК 28.080.3К 64УДК 502.574ББК 28.080.3К 64

УДК 502.574

ББК 28.080.3

К 64

УДК 502.574

ББК 28.080.3

К 64

Издание осуществлено при поддержке Российского фонда фундаментальных исследований по проекту О4-О1-14124д

Кондратьев К. Я., Крапивин В. Ф. Моделирование глобального круговорота углерода. — М.: ФИЗМАТЛИТ, 2004. — 336 с. — ISBN 5-9221-0528-0.

Анализируется современное состояние глобального круговорота углекислого газа с учётом наиболее значимых природных и антропогенных процессов в окружающей среде. Предлагается пространственная модель биосферного баланса углерода, описывающая его потоки между атмосферой, наземными биоценозами и океанскими экосистемами. На основе имитационных экспериментов оценивается роль различных частей биосферы в поглощении углекислого газа из атмосферы и на этой основе даётся прогноз концентрации углекислого газа в атмосфере.

© ФИЗМАТЛИТ, 2004© ФИЗМАТЛИТ, 2004ISBN 5-9221-0528-0

© ФИЗМАТЛИТ, 2004

© ФИЗМАТЛИТ, 2004