ОСОБЕННОСТИ ВОЗДЕЙСТВИЯ ВОЗМОЖНЫХ КЛИМАТИЧЕСКИХ ИЗМЕНЕНИЙ НА СТОК РЕК, РАСПОЛОЖЕННЫХ В РАЗЛИЧНЫХ ПРИРОДНЫХ УСЛОВИЯХ

*Работа выполнена при финансовой поддержке РНФ (грант № 16-17-10039).

В 2013 году был организован международный проект Inter-Sectoral Impact Model Intercomparison Project (ISI-MIP) [9], одной из задач которого стало объединение усилий сообщества модельеров гидрологических процессов с целью обобщения получаемых прогностических оценок  воздействия глобального изменения климата на водные ресурсы в разных пространственных масштабах, в том числе и в масштабе речного бассейна. Настоящая работа выполнялась в рамках ISI-MIP2; ее целью явилось исследование возможного изменения речного стока до 2100 г. для 11 крупных речных бассейнов, находящихся в широком спектре природных условий. В настоящей работе в качестве основного расчетного инструмента использовалась ранее разработанная авторами модель взаимодействия подстилающей поверхности суши с атмосферой SWAP (Soil Water – Atmoshere – Plants) [1]. Кроме того, авторы попытались обобщить полученные результаты в терминах так называемой климатической «эластичности» стока.

SWAP представляет собой физико-математическую модель с распределенными параметрами, описывающую процессы тепло- и влагообмена в системе почва – растительность/снежный покров – атмосфера. Для крупномасштабного речного бассейна проводится разбиение его поверхности на ряд расчетных ячеек, соединенных речной сетью. Выходными переменными модели SWAP являются несколько десятков характеристик теплового и водного режимов рассматриваемого речного бассейна. Но в данной работе в связи с поставленной задачей и ограниченностью объема статьи будет рассмотрена только одна наиболее интересная для гидрологов характеристика – речной сток.

Объектами данного исследования послужили 11 крупных речных бассейнов, расположенных на разных континентах Земного шара в различных природных условиях: Рейн и Тагус в Европе; Ганг, Лена, Верхняя Хуанхэ и Верхняя Янцзы в Азии; Нигер в Африке; Маккензи и Верхняя Миссисипи в Северной Америке, Верхняя Амазонка в Южной Америке и Дарлинг в Австралии (рис. 1). Использование для анализа только верховий таких рек как Хуанхэ, Янцзы, Миссисипи и Амазонка обусловлено тем, что именно эти части речных бассейнов в наименьшей степени подвержены антропогенным воздействиям, оказывающим существенное влияние на сток рек, в связи с чем дополнительной информации, связанной с регулированием стока, не требуется. Основные характеристики выбранных речных бассейнов приведены в таблице 1 [6, 7]. Отметим, что эти бассейны представляют собой выборку объектов, более или менее репрезентативно отражающую специфику природных условий значительной части суши земного шара.

Таблица 1. Рассмотренные в работе речные бассейны, их площади, число расчетных ячеек, стоковые станции с их координатами, а также усредненные по площади климатические характеристики бассейнов (для периода с 1971 по 2000 гг.): приземная температура воздуха T, осадки P, речной сток R, коэффициент стока R/P [6, 7].

Для калибровки и последующей проверки модели суточные значения метеорологических элементов за период 1969-2001гг. были взяты из глобальной базы данных WATCH [10], созданной на основе гибридизации данных реанализа ERA-40 с месячными значениями наземных измерений из баз данных GPCC (Global Precipitation Climatology Center) и университета Восточной Англии CRU (Climatic Research Unit) (включающих в себя температуру воздуха, количество дней с осадками, облачность и осадки).

Для прогностических расчетов использовались суточные метеорологические данные за период с 2006 по 2099 гг., полученные по пяти моделям общей циркуляции атмосферы и океана (МОЦАО): HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM-CHEM, GFDL-ESM2M и NorESM1-M [7] на основе четырех сценариев изменения климата семейства RCP (Representative Concentration Pathways) [8]: RCP2.6, RCP4.5, RCP6.0 и RCP8.5, использованных при подготовке 5-го оценочного доклада IPCC (Intergovernmental Panel on Climate Change). Числа в аббревиатуре сценариев соответствуют приращению значений приходящей радиации (в Вт/м2) в 2100 г., вызванного увеличением эмиссии парниковых газов в атмосферу по сравнению с доиндустриальным периодом. Большие значения чисел соответствуют более агрессивным антропогенным сценариям, обусловленным повышенной эмиссией парниковых газов в атмосферу и слабыми мерами по ограничению их выбросов. Кроме того, в работе использовались рассчитанные по МОЦАО значения метеорологических элементов для исторического периода (1962–2005 гг.).

Для повышения  качества последующих гидрологических расчетов  в  рамках ISI-MIP2 [8] была проведена постпроцессинговая коррекция значений метеорологических элементов, полученных по пяти вышеперечисленным МОЦАО, с целью уменьшения возможных систематических ошибок расчета для исторического периода. Коррекция проводилась по соответствующим данным из WATCH для исторического (базового) периода Р0 (1962–2005 гг.), на основе которых оптимизировались наиболее важные параметры бассейнов.

Параметры подстилающей поверхности для каждой расчетной ячейки бассейнов были получены с использованием экосистемной базы данных ECOCLIMAP [2] по методике, изложенной в [6].

Данные  по  речному  стоку  для  калибровки  и  верификации  модели  были  предоставлены организаторами ISI-MIP2.

С целью улучшения качества гидрологических расчетов была осуществлена автоматизированная калибровка наиболее важных модельных параметров на основе алгоритма поиска глобального экстремума целевой функции SCE-UA [3] с наложением дополнительного условия, что систематическая ошибка расчета стока не должна превышать 5%. В качестве целевой функции использовалось среднеквадратическое отклонение рассчитанных месячных значений стока от измеренных. Калибровка осуществлялась по возможности для 8-летнего периода по месячным значениям измеренного стока [6].

Проверка адекватности полученных оптимальных значений параметров осуществлялась для периода с 1970 по 2001 гг. и показала вполне удовлетворительное соответствие измеренных и рассчитанных климатических значений (осредненных за указанный период) речного стока (рис. 3).

Полученные значения оптимальных параметров использовались для расчета стока вышеуказанных рек по модели SWAP с использованием рассчитанных по пяти МОЦАО суточных значений метеорологических элементов для двух основных периодов: исторического Р0 (1962–2005 гг.) и прогностического (2006–2099), который, в свою очередь, при анализе результатов был разделен на три части: Р1 (2006–2035 гг.), Р2 (2036–2065 гг.) и Р3 (2066–2099 гг.). Для прогностического периода речной сток рассчитывался для четырех вышеуказанных климатических сценариев семейства RCP.

Примеры полученных результатов по оценке изменения стока в XXI в. представлена на рис. 4, где показана динамика годовых значений речного стока (осредненных по результатам моделирования с использованием метеорологических данных, рассчитанных по ансамблю из пяти МОЦАО) для 4-х из 11 речных бассейнов и четырех климатических сценариев. При этом для периода P0 приведены средние за период значения стока, а для последующих (прогностических) лет – значения, осредненные по времени методом скользящего среднего с периодом осреднения в 30 лет, т.е. результаты на рис. 4 представляют динамику климатического стока. Кроме того, здесь же показана неопределенность оценки стока, обусловленная разбросом  результатов моделирования различных МОЦАО и рассчитанная как среднеквадратическая ошибка ансамблевого среднего.

Полученные в работе результаты подтвердили очевидный вывод, что более агрессивные сценарии приводят к большим изменениям речного стока с выбранных бассейнов, причем как в положительную, так и в отрицательную сторону (для разных бассейнов). Что касается относительной ошибки климатического стока (равной абсолютному значению ошибки, деленному на среднее значение стока), то указанная ошибка оказывается наибольшей для рек Дарлинг и Тагус. Следует отметить, что, согласно [6], бассейны этих рек характеризуются и наибольшей естественной неопределенностью стока, обусловленной погодным шумом. Для северных рек – Лены и Маккензи, наоборот, указанная ошибка имеет наименьшее значение, что соответствует наименьшим значениям естественной неопределенности стока этих рек [6]. По-видимому, для бассейнов с наибольшей амплитудой погодного шума наиболее велик и разброс динамики метеорологических элементов, полученных на основе расчетов с использованием различных МОЦАО, в свою очередь, приводящий и к большему разбросу рассчитанных на их основе значений речного стока.

Что касается значений изменения стока DR, то они, естественно, различны (как по величине, так и по знаку) для бассейнов, находящихся в различных регионах планеты из-за различий в природных условиях бассейнов, прежде всего, климатических. Мы попробовали обобщить полученные результаты на основе понятия климатической эластичности стока. Понятие климатической эластичности, введенное Фу [4], используется для определения реакции какой-либо характеристики, например, стока на изменения климата. Например, эластичность речного стока к изменению осадков, равная 2.2, означает, что изменение годового количества осадков на 10% приведет к изменению годового стока на 10% ´ 2.2 = 22%. Для оценки значений эластичности стока к изменению температуры (εT) и осадков (εP) для каждого рассмотренного в работе речного бассейна использовалось приведенное в [5] выражение:

DR / R0=eT DT /T 0+e PDP / P0                                      (1)

где R0, T0 и P0 – соответственно климатические значения годового речного стока с бассейна, приземной среднегодовой температуры  воздуха  и годовых осадков для исторического периода,  а DR, DT  и DP – изменения указанных характеристик (здесь осадки и сток в мм/год, температура воздуха в К).

На основе полученных значений климатических эластичностей для выбранных бассейнов было проведено их картирование с помощью метода кригинга в фазовых координатах значений T0 и Р0. Рисунок 5 иллюстрирует распределение в фазовом пространстве переменных T0 и Р0 климатических эластичностей речного стока к изменению температуры (εT)  и осадков (εP). При этом видно,  что значения εT имеют отрицательные значения, поскольку прирост температуры увеличивает испарение, приводя к уменьшению стока, а значения εP – положительны, в силу того, что приращение осадков увеличивает сток.

Приведенные на рис. 5 значения климатических эластичностей дают возможность при наличии данных о прогнозах изменения среднегодовой температуры воздуха и годовых сумм осадков для того или иного речного бассейна прогнозировать в первом приближении изменение климатического годового речного стока.

Список литературы

1.        Гусев Е.М., Насонова О.Н. Моделирование тепло- и влагообмена поверхности суши с атмосферой. М.: Наука, 2010. 328 с.

2.          Champeaux J.L., Masson V., Chauvin F. ECOCLIMAP: a global database of land surface parameters at 1 km resolution. Meteorol. Appl. 2005. № 12. P. 29–32. doi:10.1017/S1350482705001519.

3.         Duan Q., Sorooshian S., Gupta V.K. Effective and efficient global optimization for conceptual rainfall runoff models. Water Resour. Res. 1992. V. 28. № 4. P. 1015–1031.

4.        Fu B. On the calculation of the evaporation from land surface. Sci. Atmos. Sin. 1981, V. 5, P. 23–31.

5.        Grijsen J., Patel H. Understanding the impact of climate change on hydropower: the case of Cameroon – climate risk assessment for hydropower generation in Cameroon. World Bank Group. 2014. Report No. 87913. AFTEG. Washington DC. 151 p.

6.        Gusev Y.M., Nasonova O.N., Kovalev E.E., Aizel G.V. Modelling river runoff and estimating its weather-related uncertainty for 11 large-scale rivers located in different regions of the globe. Hydrology Research. 2017. DOI: 10.2166/nh.2017.015 (In press). [Available at: http://hr.iwaponline.com/content/early/recent. Accepted in revised form 2 April 2017].

7.        Krysanova V., Hattermann F.F. Intercomparison of climate change impacts in 12 large river basins: overview of methods and summary of results. Climatic Change. 2017. V. 141. P. 363–379. DOI 10.1007/s10584-017-1919-y.

8.        Moss R., Babiker M., Brinkman S., Calvo E., Carter T., Edmonds J., Elgizouli I., Emor S.i, Erda L., Hibbard K., Jones R., Kainuma M., Kelleher J., Lamarque J.F., Manning M., MatthewsB., Meeh J.l, Meyer L., Mitchell J., Nakicenovic N., O’Neill B., Pichs R., Riahi K., Rose S., Runci P., Stouffer R., van Vuuren D., Weyant J., Wilbanks T., van Ypersele J.P., Zurek M. Towards New Scenarios for Analysis of Emissions, Climate Change, Impacts, and Response Strategies. 2008. Intergovernmental Panel on Climate Change. Geneva. 132 pp.

9.        Warszawski L, Frieler K, Huber V, Piontek F, Serdeczny O, Schewe J The inter-sectoral impact model intercomparison project (ISI–MIP): project framework. PNAS. 2014. V. 111, № 9. P. 3228–3232. doi:10.1073/pnas.1312330110.

10.          Weedon G.P., Gomes S., Viterbo P., Shuttleworth W.J., Blyth E., Österle H., Adam J.C., Bellouin O., Best M. Creation of the WATCH Forcing Data and its use to assess global and regional reference crop evaporation over land during the twentieth century. J. Hydrometeology. 2011. V. 12. P. 823 – 848. doi: 10.1175/2011JHM1369.1.