WWW.KNIGA.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Книги, пособия, учебники, издания, публикации

 

Pages:   || 2 | 3 | 4 |

«МОДЕЛИ ИЗМЕНЕНИЯ БИОСФЕРЫ НА ОСНОВЕ БАЛАНСА УГЛЕРОДА (ПО НАТУРНЫМ И СПУТНИКОВЫМ ДАННЫМ И С УЧЕТОМ ВКЛАДА БОРЕАЛЬНЫХ ЭКОСИСТЕМ) Сводный итоговый научно-технический отчет ...»

-- [ Страница 1 ] --

УЧРЕЖДЕНИЕ РОССИЙСКОЙ АКАДЕМИИ НАУК

СИБИРСКОЕ ОТДЕЛЕНИЕ РАН

МОДЕЛИ ИЗМЕНЕНИЯ БИОСФЕРЫ НА ОСНОВЕ

БАЛАНСА УГЛЕРОДА (ПО НАТУРНЫМ И СПУТНИКОВЫМ

ДАННЫМ И С УЧЕТОМ ВКЛАДА БОРЕАЛЬНЫХ ЭКОСИСТЕМ)

Сводный итоговый научно-технический отчет

об основных результатах 2009-2011 гг.

по междисциплинарному интеграционному проекту № 50 Институты-исполнители

ИБФ СО РАН, ИВМ СО РАН, ИВТ СО РАН,

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

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

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

ИБФ СО РАН:

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

ИВТ СО РАН:

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

Пестунов И.А., зав. лаб., к.ф.-м.н.

Молородов Ю.И., с.н.с, к.ф.-м.н.

Синявский Ю.Н., н.с.

Смирнов В.В., инж.-иссл.

Добротворский Д.И., асп.

Куликова ЕА., инж.-иссл.

Пестунов А.И., асп.

Скачкова А.П., асп.

Кемеровский филиал ИВТ СО РАН:

Потапов В.П., дир. филиала, д.т.н.

Счастливцев Е.Л, зав. лаб., д.т.н.

Гиниятулина О.Л., с.н.с., к.т.н.

Тайлаков О.В., зав. лаб., д.т.н.

Попов С.Е., с.н.с., к.т.н.

Жукова И.А., вед. спец.

Харлампенков И.А., вед. спец.

ИПА СО РАН:

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

Кудряшова С.Я., с.н.с., к.б.н.

Дитц Л.Ю., с.н.с., к.б.н.

Косых Н.П., н.с., к.б.н.

Махатков И.Д., н.с., к.б.н.

Шибарева С.В., н.с., к.б.н.

ЦСБС СО РАН:

Ермаков Н.Б., г.н.с., д.б.н.

Полякова М.А., м.н.с., к.б.н.





ИМКЭС СО РАН:

Гордов Е.П., д.ф.-м.н., г.н.с.

Богомолов В.Ю. н.с.

Генина Е. Ю., к.ф.-м.н., с.н.с.

Окладников И.Г., к.т.н., с.н.с.

Титов А.Г., м.н.с.

Шульгина Т.М., м.н.с.

ИВМ СО РАН:

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

Белолипецкий П.В., с.н.с., к.ф.-м.н.

ИГ СО РАН:

Черкашин А.К., зав. лаб., д.г.н.

Китов А.Д., с.н.с., к.г.н.

Мясникова С.И., с.н.с., к.г.н.

Солодянкина С.В., н.с., к.г.н.

Истомина Е.А., н.с., к.г.н.

Владимиров И.Н., н.с., к.г.н.

Мядзелец А.В., н.с., к.г.н.

Фролов А.А., м.н.с.

Бибаева А.Ю., асп.

ИЦиГ СО РАН:

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

Суслов В.В., н.с.

Тимонов В.С., м.н.с.

Семенычев А.В., асп.

ИЛ СО РАН:

Ведрова Э.Ф., в.н.с., д.б.н.

Мухортова Л.В., н.с., к.б.н.

Верховец С.В., с.н.с., к.с.-х.н.

Панов А.В., н.с.

Тимохина А.В., асп.

НГУ:

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

Молодцов В.В., ст. преп. каф. общей биологии и экологии

СОДЕРЖАНИЕ

Важнейшие результаты

Часть 1. Глобальное моделирование динамики углерода в биосфере

1.1. Биосферный триггер в минимальной модели углеродного цикла

1.2. Минимальная модель глобального цикла углерода в системе «биосфера – климат» с различными вариантами обратных связей

1.3. Сопоставление динамики климатических характеристик с динамикой баланса углерода в прошлом и оценка обратного влияния изменений в биоте на климат......... 1.4. Построение сценариев развития системы «биосфера – климат» с выбором наихудшего из них для оценки глобального экологического риска при различных вариантах ресурсопотребительской стратегии человечества

1.5. Анализ известных моделей климата

1.6. Оценка потока углерода между атмосферой и экосистемами по измерениям на высоких вышках профилей концентрации СО2 в атмосфере

Часть 2. Оценка вклада бореальных лесов в биосферную динамику углерода................ 2.1. Кросс-верификация оценок чистой первичной продукции, полученным по космическим снимкам, с данными полевых измерений в контексте глобальной динамики СО2 в атмосфере. Оценка вклада бореальных лесов в биосферную динамику углерода.

2.2. Моделирование сезонных изменений потока углерода через бореальные леса, являющиеся главными источниками сезонных изменений и наземными аккумуляторами углерода

2.3. Калибровка локальной сезонной и поширотной модели почвенного дыхания на основе цифровых карт почв России

2.4. Животные в круговороте углерода в наземных экосистемах

Часть 3. Модель взаимодействия бореальных геосистем между собой и региональной средой на территории Прибайкалья

3.1. Прогнозное моделирование и картографирование геосистем

3.2. Оценка углеродного запаса и его изменения

3.3. Экономическая оценка растительного потенциала нейтрализации антропогенных выбросов углекислого газа





Часть 4. Моделирование климатических процессов, происходивших на территории Западной Сибири во второй половине 20 века

4.1. Пространственно-временная динамика климатических характеристик, контролирующих развитие бореальных экосистем Западной Сибири и процессов их газообмена с атмосферой в течение 20 века

4.2. Динамика климатических и биоклиматических индексов

4.3. Архив климатических и биоклиматических данных для Западной Сибири.................. 4.4. Расчет метеополей высокого пространственного и временного разрешения с помощью мезомасштабной метеорологической модели WRF

Часть 5. Картографические модели пространственной организации растительности и почвенного покрова бореальной зоны Западной Сибири

5.1. Методологические и методические основы мелкомасштабного картографического моделирования пространственной структуры растительного покрова.

5.2. Мелкомасштабная картографическая модель «Экосистемы бореальной зоны Западно-Сибирской равнины»

5.3. Электронные слои «Растительность» и «Почвы» бореальной зоны Западной Сибири

5.4. Создание Географической информационной системы «Пространственно-временная организация бореальных экосистем Северной Азии» как основы изучения бореального биома

5.5. Оценка запасов Сорг в почвах бореальной зоны Западной Сибири

Часть 6. Сервис-ориентированная геоинформационная система сбора, хранения и обработки спутниковых и натурных данных

Часть 7. Методы и средства сетевого моделирования применительно к визуальной реконструкции и анализу экосистем

7.1. Программный пакет для сетевого моделирования экологических систем EcoNetStudio.

7.2. Универсальная компьютерная онтология описания макро- и микродинамики сетевых моделей экосистем

7.3. Реконструкция структурной организации содово-соленого озера в Новосибирской области

7.4. Методика изучения структурно-функциональной организации древостоя

Часть 8. Пространственно-временное распределение метана при промышленных выбросах и его влияние на состояние растительности

8.1. Оценка эмиссии метана при угледобыче

8.2. Изучение влияния выброса метана на состояние растительного покрова горных предприятий

8.3. Влияние выбросов метана на растительный покров

8.4. Оценка запасов парникового газа метана в угольных шахтах

8.5. Измерение выбросов метана из шахт со спутниковых систем

8.6. Методика оценки запасов метана в выработанном пространстве угольной шахты.... Часть 9. Тезаурус и исторический экскурс по круговороту углерода

9.1. Понятийно-терминологическая база для задач, связанных с балансом углерода....... 9.2. Анализ опубликованных данных по круговороту углерода в докайнозойское время Полный список публикаций авторов проекта

Важнейшие результаты Биосферный триггер в минимальной модели углеродного цикла (ИБФ СО РАН, ИВТ СО РАН) Проведен качественный анализ минимальной модели многолетней динамики углерода в биосфере, построенной на основе принципа наихудшего сценария. Анализ показал возможность реализации в биосфере триггерного режима, способного привести к кардинальному изменению состояния биосферы даже без дополнительного сжигания ископаемых топлив.

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

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

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

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

1) векторная карта растительности Западной Сибири и ландшафтная карта Иркутской области; 2) векторная карта почв бореальной зоны Западно-Сибирской равнины и соответствующая ей карта растительности, содержащая 28 различных типов растительности (М 1:7500000); 3) база данных по содержанию органического углерода в почвах Сибири;

4) векторная тематическая карта «Содержание органического углерода в почвах ЗападноСибирской равнины» (М 1:7500000); 5) база метеорологических данных за период с 1989 по 2009 гг. на ключевой участок с координатами: 53-70° с.ш., 59-93° в.д.

бореальных экосистем Западно-Сибирской равнины (1:7500000).

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

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

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

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

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

Структура сервис-ориентированной геоинформационной системы.

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

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

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

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

Здесь fi (T ( A)) T d (Ti T )(T )(Ti T ) – зависимость скорости прироста биомассы растений ( i MaxGrowth ) или интенсивности почвенного дыхания ( i MaxDecay ) от среднегодовой глобальной температуры, где – функция Хевисайда; d 1.5 – показатель степени, делающий вид температурной зависимости более реалистичным;

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

мость скорости прироста биомассы от углерода атмосферы, причем К0 930 ГтС; смысл и величины остальных параметров приведены в табл. 1.1.1.

Под интервалом оценок параметров системы понимается разброс в оценке определения величин из таблицы. В литературных источниках даются различные значения указанных параметров или их диапазоны [1,9-12].

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

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

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

Важнейшей границей параметрического портрета является линия нейтральности – граница устойчивости стационарного состояния, которая определяется алгебраическим уравнением:

где Sp – след матрицы линейного приближения системы в окрестности особой точки.

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

где – определитель матрицы линейного приближения системы в окрестности особой точки.

Выражения для границ устойчивости и моностационарности излишне громоздки, чтобы их здесь приводить, но при значениях параметров из интервалов оценок они близки к линейным.

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

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

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

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

Рис. 1.1.1. Параметрический портрет модели при значениях параметров: TMaxGrowth 35 oC ; TMaxDecay 55 oC ;

A0 600 ГтС; G 1.1 ; P0 60 ГтС. На графике: сплошные линии – границы моностационарности при указанных значениях чувствительности климата (область моностационарности расположена ниже линий); пунктирная линия – граница устойчивости стационарного состояния (область устойчивости находится над линией).

органическое вещество, ГтС Рис. 1.1.2. Главные изоклины системы при значениях параметров: Tdel 8 oC ; x0 650 ГтС; y0 1100 ГтС.

На графике: тонкая линия – изоклина вертикалей ( P( x, y ) 0 ); жирная линия – изоклина горизонталей ( Q( x, y ) 0 ). Вставка показывает детальное устройство фазовой плоскости в окрестности начального стационарного состояния (показано черной стрелкой).

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

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

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

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

Jaworowski Z., Segalstad T.V., Ono N. Do glaciers tell a true atmospheric СО2 story? // Science of the Total Environment. 1992. Vol. 114. P. 227-284.

Крученицкий Г.М. Глобальная температура: потенциальная точность измерения, стохастические возмущения и долговременные изменения // Оптика атмосферы и океана. 2007. Т. 20, № 12. С. 1064-1070.

Тарко А.М. Можем ли мы затормозить глобальное потепление? Россия в окружающем мире – 2008 // Аналит. ежегодник «Устойчивое развитие: экология, политика, экономика». М.: Изд-во МНЭПУ, 2008. 328 с.

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

Барцев С.И., Дегерменджи А.Г., Федотов А.М. и др. Биосферный триггер в минимальной модели углеродного цикла // ДАН (в печати).

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

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

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

10.

11. Brovkin V., Sitch S., Bloh von W., Claussen M., Bauer E., and Cramer W. Role of land cover changes for atmospheric CO2 increase and climate change during the last 150 years. Glob. Change Biol. 2004. Vol. 10. P. 1253Stainforth D.A., Aina T., Christensen C. et. al. Uncertainty in predictions of the climate response to rising levels of greenhouse gases. Nature. 2005. Vol. 433. P. 403-406.

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

13.

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

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

Здесь c 1.1 0.5 [гДж м-2 °C-1] (оценивается из наблюдений поглощения тепла океаном [9] и текущими трендами потепления [8]) – теплоемкость климатической системы; T [°C] – изменение глобальной среднегодовой поверхностной температуры воздуха вследствие радиационного воздействия парниковых газов; RGG [Вт м-2] (может быть вычислено по форВт C муле RGG 5.3 2 ln( ), где C и C0 – концентрации углекислого газа в атмосфере, C соответствует доиндустриальному значению 280 ppm) и аэрозолей RAC.

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

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

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

Максимальная оценка чувствительности климата, намного больше отличается от средней, чем минимальная, хотя неточности в оценки обратных эффектов везде симметричны.

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

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

Как же такая разница оценок соотносится с наблюдаемым с середины 20 века потеплением? На рис. 1.2.1 представлено сравнение расчетов по уравнению (1) с наиболее вероятными параметрами по отчету IPCC (синяя линия) и с оценкой обратных связей f i 0. дающей чувствительность 16 °C (зеленая линия). Радиационное воздействие R f здесь включает наблюдаемый рост концентрации СО2 в двадцатом веке, экстраполяцию этого тренда в будущее и остановку роста при удвоении концентрации; также используется средняя оценка вклада аэрозолей и предполагается, что после 2050 года вклад аэрозолей возвращается к 1950 году.

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

Рис. 1.2.2. Сравнение динамики глобальной температуры для различных обратных связей Синяя линяя до 2000 года хорошо аппроксимирует наблюдаемое потепление (примерно на 0.6 °C); зеленая показывает почти в два раза большее потепление к 2000 году. Таким образом, можно было бы сделать вывод, что чувствительность климата не может быть 16 °C, т.к.

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

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

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

Количество углерода в биомассе, Гт Рис. 1.2.3. Возможные сценарии динамики углерода в биомассе при варьировании вклада аэрозолей в радиационное воздействие (параметр RC) и разных значениях предельной емкости среды (параметр G). Отдельные «пучки» траекторий соответствуют разным значениям RC (чем больше параметр, тем ближе траектория к началу отсчета). Значениям параметра G = 1.2; 1.6; 2.0 соответствуют синий, зеленый и красный цвета траекторий.

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

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

Остальные обозначения соответствуют обозначениям рис. 1.2.3.

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

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

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

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

Vol. 435. P. 1187-1190.

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

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

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

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

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

P. 2225-2229.

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

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

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

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

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

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

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

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

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

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

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

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

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

P. 1556-1557.

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

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

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

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

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

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

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

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

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

На рис. 1.2.1 показана модельная динамика количества углерода в биомассе при различных темпах сжигания углерод содержащих топлив. Динамика количества углерода в органическом веществе почвы подобна приведенной на рис. 1.4.1 и поэтому здесь не приводится.

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

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

Рис. 1.4.2. Ансамбль траекторий приповерхностной среднегодовой температуры в биосферной модели при различных темпах сжигания углерод содержащих топлив. Кривая (1) соответствует сценарию А по МГЭИК, кривая (2) описывает 25% от темпов сжигания по сценарию А2, кривая (3) соответствует Характерный S-образный вид приведенных кривых указывает на наличие биосферных положительных обратных связей, определяющих резкое, лавинообразное нарастание изменений в биосфере. Когда включается этот катастрофический процесс, он уже практически не зависит от темпа сжигания топлив. Темпы сжигания углеродсодержащих топлив влияют только на дату начала катастрофического необратимого процесса. Модель позволяет наблюдать сценарии, которые невозможно реализовать на практике, но которые дают возможность очень наглядно наблюдать действие положительных обратных связей самих по себе. Имеется в виду полное прекращение сжигания ископаемых топлив в заданный момент времени. Такой прием позволяет оценить так называемую дату необратимости для выбранных значений параметров модели.

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

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

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

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

Рис. 1.4.3. Ансамбль траекторий количества углерода в атмосфере в биосферной модели при различных значениях для 25% темпа сжигания углерод содержащих топлив по сценарию А2 при различных датах полной остановки сжигания топлива: (1) – прекращение сжигания топлив в 2080 г.; (2) – прекращение в 2020 г.;

Рис. 1.4.4. Ансамбль траекторий количества углерода в атмосфере в биосферной модели при различных значениях для 10% темпа сжигания углерод содержащих топлив по сценарию А2 при различных датах полной остановки сжигания топлива: (1) – прекращение сжигания топлив в 2080 г.; (2) – прекращение в 2020 г.;

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

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

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

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

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

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

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

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

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

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

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

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

Рис. 1.5.1. Сравнение наблюдений и расчетов в четвертом докладе Межправительственной группы экспертов по изменению климата (IPCC Climate Change, 2007).

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

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

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

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

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

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

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

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

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

Таблица 1.5.1. Предикторы, использованные для моделирования глобальной температуры.

Входные параметры из GISS GCM (среднегодовые) data.giss.nasa.gov/modelforce Естественные циклы (ежемесячные значения) http://climexp.knmi.nl Рис. 1.5.4. Динамика глобальной температуры в 20 веке по наблюдениям HadCRU (TempGl), по глобальной модели (ECHAM5), по ансамблю моделей IPCC (Model mean) и нейросети.

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

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

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

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

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

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

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

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

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

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

V. 330, p. 1523-1527.

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

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

36, L16705.

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

2011. V. 37, L09704.

9. Pasini A. Neural network modeling in climate change studies. In Artificial Intelligence Methods in the Environmental Sciences; Haupt, S.E., Pasini, A., Marzban, C., Eds. Springer: New York, NY, USA, 2009. P. 235-254.

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

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

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

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

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

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

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

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

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

x, y,0 z H K, H – высота вышки, HK – высота слоя конвективного перемешивания, QC – поток у поверхности земли (z=0), QCH – поток на границе z=HK.

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

Рис. 1.6.1. Вертикальные распределения концентрации СО2 в летний период.

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

где – скорость массообмена на границе атмосферного пограничного слоя и смешанного слоя тропосферы, H CH dt – средняя концентрация СО2 на интервале [0,T], Стр – конT центрация СО2 в смешанном слое тропосферы. Коэффициент определяется для рассматриваемой вышки по данным реанализа.

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

Разработанный метод также использовался для вычисления потока углерода по измерениям концентрации CO2 на Зотинской вышке летом 2009 г. Среднесуточные концентрации CO2, измеренные на 300 м, рассматривались как средние концентрации в АПС. Регулярные измерения концентрации CO2 в смешанном слое тропосферы проводились в районе Зотино в 1998-2000 гг. [6]. Разница в концентрациях CO2 между морскими станциями и континентальной СТ в общем значительно меньше чем между АПС и СТ. Поэтому, из-за отсутствия прямых измерений CFT в районе Зотино в 2009 г., использовались данные измерений на Мауна Лоа в 2009 г., подкорректированные на разницу между измерениями на Мауна Лоа и СТ над Зотино в 1998-2000 гг. W оценивалось как модуль среднесуточной вертикальной скорости, полученной из базы NCEP Reanalysis. Значения скорости интерполировались на высоту пограничного слоя (HK) и координаты Зотинской мачты. Высоты пограничного слоя HK в районе Зотино оценивалась с помощью метеоданных и табл. 1.6.1 из работы [1]. Выполнены пробные расчеты, показывающие возможность использования предложенного метода для оценки потоков CO2 между атмосферой и экосистемами региона.

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

Вып. 6. С. 90-162.

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

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

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

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

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

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

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

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

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

В целом модель MODIS-NPP имеет следующий вид где SWRad – Коротковолновое солнечное излучение (база климатических данных NCEP/DOE Reanalysis II); max – Эффективность использования солнечного излучения (таблица BPLUT);

f(Tmin) – уменьшение max за счет температуры (функция, которая описывает воздействие низкой температуры); F(VPD) – уменьшение max за счет дефицита водяного пара; FPAR – процент (доля) фотосинтетически активного излучения поглощенного растительностью. Доступен через продукт MODIS MOD15, который имеется только на региональном уровне с разрешением 1 км.

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

Реализован алгоритм восстановления пропущенных данных во временных рядах спутниковых изображений MCD43C4.

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

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

Реализовано выделение бореальных лесов северного полушария на основе глобальной классификации типов биомов MODIS MCD12C1 и карты Северной Евразии TerraNorte Рассчитаны временные ряды ЧПП для бореальных лесов северного полушария, зоны выше 30° с.ш. и глобальные (рис. 2.1.1 и 2.1.2).

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

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

Синяя кривая – Глобальная суммарная динамика NPP; красная – суммарная динамика NPP бореальных Рис. 2.1.2. Временные ряды NPP 2000-2010 гг. (Гт С/год).. Временной интервал – 1 год.

Синяя кривая – Глобальная суммарная динамика NPP; красная – суммарная динамика NPP от 30° С.Ш. до 90° С.Ш.; зеленая – суммарная динамика NPP бореальных лесов, Рис.2.1.3. Полученные в модели сезонные изменения суммарного потока углерода Тем самым показано, что суммарный вклад бореальных лесов в амплитуду сезонных колебаний атмосферной концентрации углерода составляет ~40% от вклада степей при шестикратном превышении по биомассе.

Используемые источники 1. Monteith J.L. Climate and the efficiency of crop production in Britain //Philosophical Transaction, Royal Society of London, V. 281. p. 277-294, 1977.

Landsberg J. Physiological ecology of forest production. – London: Academic Press, 198 pp., 3. Prince S. D., Goward S. N., Global primary production: a remote sensing approach. Journal of Biogeography 22, 815-835, 1995.

4. Cramer W., Kicklighter D.W., Bondeau A. et al. Comparing global models of terrestrial net primary productivity (NPP): Overview and key results. Global Change Biology.– № 5 (Suppl.), p. 1-15, 1999.

5. Zhao M., Running S. W., Drought-Induced Reduction in Global Terrestrial Net Primary Production from Through 2009. Science, Vol. 329, 940-943, 2010.

6. Ryan, M. G.: Effects of climate change on plant respiration, Ecol. Appl.,1, 157–167, Барталев С.А., Белвард А.С, Ершов Д.В., Исаев А.С. Карта наземных экосистем Северной Евразии по данным SPOT-Vegetation. Проект Global Land Cover 2000. Информационная система TerraNorte. Институт космических исследований РАН, 2004. http://terranorte.iki.rssi.ru.

2.2. Моделирование сезонных изменений потока углерода через бореальные леса, являющиеся главными источниками сезонных изменений и наземными аккумуляторами углерода Осуществлено моделирование сезонных изменений потока углерода через бореальные леса, являющиеся главными источниками сезонных изменений и наземными аккумуляторами углерода. Получена оценка вклада бореальных лесов в биосферную динамику углерода (ИБФ СО РАН, ИВМ СО РАН, ИЛ СО РАН).

Собрана база данных по натурным характеристикам компонентов бореального леса в точках (56о с.ш., 92о в.д.), (57о с.ш., 93о в.д.), (60о с.ш., 89о в.д.), (65о с.ш., 89о в.д.), (68о с.ш., 86о в.д.). В базе представлены следующие породы – сосна, лиственница, береза, пихта. Для создания базы данных использовались следующие характеристики:

Состав пород древостоя северной средней и южной тайги.

Данные по запасу и структуре органического вещества биомассы древостоя.

Данные полевых экспериментов по изменению содержания углерода в гумусе.

Данные полевых экспериментов по интенсивности выхода СО2 при разложении подстилок.

Проведена верификация и точная настройка математической модели экосистемы бореальных лесов Восточной Сибири, представляющей собой систему дифференциальных уравнений, с дополнительными условиями, накладывающимися на параметры. Модель описывает основные процессы в массообмене бореального леса, позволяющие исследовать поведение системы, не превращая в то же время ее в сложную для анализа имитационную модель – фотосинтез, дыхание, сезонные изменения активной фитомассы. Кроме данных по натурным характеристикам бореального леса использовались климатические параметры из базы данных метеорологической службы (http://meteo.infospace.ru) за период 1999-2009 годов, находящиеся в свободном доступе – такие, как годовая и суточная динамика температуры, освещенности и влажности. Эти факторы являлись входными параметрами модели, влияющими на ростовые характеристики древостоя.

Поскольку данные базы данных метеорологической службы в ряде случаев прерывисты, а для использования в математическом модели необходимы непрерывные ряды параметров, было произведено восстановление данных в метеотаблицах с помощью нейросетевых методов (рис. 2.2.1).

В математическом отношении, модель для заполнения пробелов в метеотаблицах осуществляет нелинейную многомерную регрессию с регулируемой гладкостью. В качестве интерполирующего используется один из вариантов многомерных представлений в виде интегралов Фурье, с заменой интегралов конечными суммами. Набор подстраиваемых коэффициентов модели содержит параметры оптимального конечного Фурье-представления, размер его соответствует количеству гармоник. При оптимизации используется метод быстрого вычисления многомерных сопряженных градиентов, квазиньютоновская оптимизация шага изменения коэффициентов.

Рис. 2.2.1. Пример восстановления метеоданных нейросетевыми методами.

Проблема плохой обусловленности решалось подбором регуляризационных параметров (гладкостью и количеством гармоник) таким, чтобы устойчивое локальное решение оптимизационной задачи соответствовала наименьшему отклонению на тестовой выборке.

Для нахождения уровня облачности модель строилась таким образом:

1. Выбрасывались все строчки таблицы с неизвестным баллом облачности 2. Из оставшихся строчек формировалась обучающая выборка и тестовая выборка, также содержащая по нескольку примеров для облачности каждого уровня 3. Модель обучалась на обучающей выборке, проверялась на тестовой; для тестовой выборки среднее абсолютное отклонение составило менее одного балла 4. Для всех строк с неизвестным баллом облачности были высчитаны модельные значения.

Наиболее значимым параметром для восстановления облачности явилась ее высота нижней границы.

Для восстановления температуры проводились следующие действия:

1. Выбрасывались все столбцы таблицы, кроме температуры, даты и времени.

2. Строилась регрессионная зависимость температуры от дня в году и времени суток, также с проверкой на тестовой выборке.

3. Для всех нужных временных точек получали смоделированную температуру воздуха.

Модель бореального леса была настроена, включая входные параметры температуры, освещенности и влажности, для пяти экспериментальных точек на территории Красноярского края с различным составом пород древостоя по данным ИЛ СО РАН. Для этих точек также рассчитана динамика баланса СО2 в системе. Пример модельных расчетов приведен на рис. 2.2.2. Верифицированная модель способна рассчитывать изменения фитомассы древостоя и запасов углерода почвы при возможных будущих изменениях температуры, влажности и освещенности, суточный и годовой баланс эмиссии и стока CO2. Изменяя состав пород древостоя и входные климатические параметры, можно получить расчетный баланс динамики СО2 для любой точки бореальных лесов Восточной Сибири.

С помощью модели рассчитаны потоки и общий баланс углерода между атмосферой и наземной экосистемой за годовой период для древостоя сосняка зеленомошного различных возрастов в районе станции высотной мачты «Зотино» (60о с.ш., 89о в.д.). Входными параметрами модели, влияющими на ростовые характеристики древостоя, являлись реальные динамики температуры, освещенности и влажности за 2009 год.

Проведено сравнение величин месячного стока углерода для летних месяцев по данным, полученных с помощью трех методов – наземных измерений (ИЛ СО РАН), данных станции высотной мачты Zotto, обработанных методом баланса атмосферного пограничного слоя (ИВМ СО РАН) и модели бореального леса для сосняков зеленомошных разного возраста для точки (60о с.ш., 89о в.д.) (ИБФ СО РАН). Показано (рис. 2.2.3), что все три метода дают близкие значения величин стока углерода.

Рис. 2.2.2. Пример модельных расчетов. а – Динамика прироста общей фитомассы древостоя сосны за год.

1 – 60° с.ш. 89° в.д., 2 – 56° с.ш. 92° в.д.; б – Баланс CO2 в системе бореального леса в пункте (60° с.ш., 89° в.д.).

Рис. 2.2.3. Величины стока углерода в экосистеме бореального леса (60о с.ш., 89о в.д.) за летние месяцы 2009 года согласно разным методикам. 1,2.3 – расчет по модели бореального леса для сосняков зеленомошных возраста 20, 55 и 90 лет соответственно. 4 – оценка методом баланса атмосферного пограничного слоя.

Видно, что для региона, в котором основную долю составляет молодой лес, в летний период сток углерода может достигать до 120 грамм на квадратный метр в месяц. Близость результатов, полученных методом баланса атмосферного пограничного слоя к результатам, полученных на модели бореального леса для возрастов древостоя 20 и 55 лет, должна отражать большое количество леса молодого возраста в регионе, что в целом соответствует реальной картине распределения возрастов.

2.3. Калибровка локальной сезонной и поширотной модели почвенного дыхания на основе цифровых карт почв России Получена нейросетевая педотрансферная функция содержания органического углерода в почве, необходимая для калибровки локальной сезонной и поширотной модели почвенного дыхания и получена оценка ее сложности (работа выполнена в ИБФ СО РАН и ИЛ СО РАН совместно ИФХиБП РАН).

Задачи прогнозирования реакции почвенного покрова на внешние воздействия приобретают особую актуальность в условиях глобального изменения климата. Однако построение математических моделей, описывающих динамику почв, осложнено отсутствием данных о реальной динамике почвенных показателей на протяжении характерных времен порядка 500 лет. Кроме того, модели почвообразования, как правило, содержат значительное количество параметров. Но чем проще математическая модель, описывающая реальную систему, тем больший вклад она вносит в понимание механизмов функционирования исследуемой системы и тем больше возможностей ее практического применения. Поэтому актуальна задача выбора минимально необходимого набора независимых факторов, позволяющего адекватно описывать почвенные процессы.

В почвоведении давно отмечается, что многие параметры, которыми описывается почва, взаимосвязаны и взаимозависимы. Для количественного выражения взаимосвязи параметров почвы получил распространение подход, основанный на использовании педотрансферных функций (ПТФ). В общем понимании этого термина, педотрансферными функциями называют всевозможные функции пересчета одних почвенных параметров (свойствпредикторов) в другие почвенные параметры. Они широко применяются для расчета значений параметров почвы, прямое экспериментальное измерение которых затруднительно, по значениям более легко измеримых параметров [1-3].

Эффективным подходом к построению ПТФ является нейросетевой анализ [4-7]. Нейронная сеть, после обучения на некотором наборе данных, содержащих значения свойствпредикторов и соответствующие им значения предсказываемых свойств, работает как ПТФ, позволяя по значениям предикторов на входе получать на выходе значение предсказываемого свойства.

Применение нейронных сетей для вычисления содержания органического вещества в почве по другим почвенным данным и параметрам окружающей среды описано в ряде работ [8-11]. В качестве исходных данных для вычисления содержания органического вещества используются различные наборы показателей: собственно почвенные показатели, климатические и топографические характеристики местности, спектроскопические данные. Однако в этих работах задача определения минимального набора предикторов и минимального числа нейронов сети не ставилась. В то же время эти показатели дают пусть не совсем формализованную, но достаточную для сравнительного анализа оценку сложности искомой ПТФ. А зная минимальную сложность ПТФ, можно ориентировочно предсказать сложность математической модели формирования почвы.

Высокая эффективность нейронных сетей при построении ПТФ естественным образом объясняется тем, что они осуществляют многомерную нелинейную регрессию. Причем точность регрессии и аппроксимирующие возможности сети можно регулировать, изменяя количество формальных нейронов, используемых в вычислениях. В дополнение к эффективности нейронные сети позволяют определять значимость свойств-предикторов для вычисления искомого свойства и ранжировать свойства-предикторы по значимости. Именно эти причины обусловили применение нейронной сети для достижения цели данной работы – получения количественной оценки сложности взаимосвязи почвенных параметров в базах почвенных данных и редукции числа входных данных до минимального.

В работе использованы две разномасштабные базы данных, отличающиеся принципом их формирования. База данных почв европейской части РФ (БД ЕТР) синтезирована на основе почвенной карты FAO (Food and Agriculture Organization of the United Nations) и литературных данных и насчитывает более 7 тысяч записей по 16-ти содержательным полям [12].

Электронная версия этой базы данных была предоставлена ИФХиБПП РАН для выполнения исследований по Конвенции о трансграничном загрязнении воздуха на большие расстояния (Convention on LRTAP; http://www.rivm.nl/cce).

База данных почв южной части Московской области (БД МО) составлена по результатам полевых и химико-аналитических исследований в ИФХиБПП РАН и включает около записей для 12 показателей.

В данной работе использована нейросетевая надстройка к MS Excel, разработанная в Институте биофизики СО РАН. Функционирование сети описывается следующим выражением:

где {yk} – множество выходов нейронной сети; {Аj} – множество входов; {xij}, {bik}, {ak}, {ck} – множество подстраиваемых параметров нейронной сети; k – номер выхода нейронной сети; i – номер нейрона; j – номер входа нейронной сети.

Оценка вклада конкретного входа в выходное значение сети это сумма квадратов коэффициентов хij по всем нейронам, т.е. по i.

Редукция количества входных показателей (предикторов) осуществлялась следующим образом. Используемая программа производит оценку значимости каждого из входных показателей для получения оценки. Это позволяет последовательно устранять наименее значимые показатели простым удалением соответствующего столбца данных из таблицы Excel.

При этом, конечно, наблюдается некоторое ухудшение качества прогноза (формально соответствующее росту целевой функции) на каждом из шагов редукции, что компенсируется дополнительным обучением нейронной сети. Эта процедура продолжается до тех пор, пока качество прогноза остается на приемлемом уровне.



Pages:   || 2 | 3 | 4 |
 
Похожие работы:

«Форматы импорта и экспорта данных в системе iBank 2 UA. Техническое описание Справочное пособие для автоматизаторов (версия 2.0.15.3) Оглавление 1 Введение 2 Объекты и форматы обмена данных...................... 3 Краткое описание форматов обмена данных...................... 3 Описание формата iBank 2............................ 3 Краткие сведения о формате Prox....................... 3 2 Импорт Файлы...»

«Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Уральский государственный лесотехнический университет Кафедра социально – культурных технологий Н.Б. Лыгарева ТЕХНОЛОГИЯ И ОРГАНИЗАЦИЯ РЕСТОРАННЫХ УСЛУГ Контрольные задания для студентов очной и заочной форм обучения по специальности 100103 Социально – культурный сервис и туризм, направления 100200 и 100400 Туризм,101100 Гостиничное дело,100100 Сервис Екатеринбург 2012 1 Печатается по...»

«СОДЕРЖАНИЕ 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ – ОТОРИНОЛАРИНГОЛОГИЯ, ЕЕ МЕСТО В СТРУКТУРЕ ОСНОВНОЙ ОБРАЗОВАТЕЛЬНОЙ ПРОГРАММЫ.3 1.1. Цели преподавания дисциплины..3 1.2. Задачи преподавания оториноларингологии.3 2. КОМПЕТЕНЦИИ ОБУЧАЮЩЕГОСЯ, ФОРМИРУЕМЫЕ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ ДИСЦИПЛИНЫ - ОТОРИНОЛАРИНГОЛОГИЯ..3 3. ОБЪЕМ ДИСЦИПЛИНЫ И ВИДЫ УЧЕБНОЙ РАБОТЫ.6 4. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ..6 4.1. Лекционный курс..6 4.2. Клинические практические занятия..6 4.3. Самостоятельная работа студентов..11 5. МАТРИЦА...»

«Профилактика и борьба с неинфекционными заболеваниями: рекомендации для служб первичной медико-санитарной помощи в странах с низким уровнем материальных ресурсов СеРдечно-СоСудиСтые зАболевАния и инСульт РАК ХРоничеСКие диАбет РеСпиРАтоРные зАболевАния Профилактика и борьба с неинфекционными заболеваниями: рекомендации для служб первичной медикосанитарной помощи в странах с низким уровнем материальных ресурсов Библиотечный каталог публикаций ВОЗ Профилактика и борьба с неинфекционными...»

«Toyota WINDOM Модели 2001-2006 гг. выпуска с двигателем 1MZ-FE (3,0 л) Устройство, техническое обслуживание и ремонт Москва Легион-Автодата 2009 УДК 629.314.6 ББК 39.335.52 Т50 Тойота УИНДОМ. Модели 2001-2006 гг. выпуска с двигателем 1MZ-FE (3,0 л). Устройство, техническое обслуживание и ремонт. - М.: Легион-Автодата, 2009. - 376 с.: ил. ISBN 978-5-88850-375-1 (Код 3295) В руководстве дается пошаговое описание процедур по эксплуатации, ремонту и техническому обслуживанию автомобилей Toyota...»

«Спасибо, что скачали книгу в бесплатной электронной библиотеке Inwit.Ru Приятного ознакомления! Владимир Довгань Я был нищим – стал богатым. Прочитай, и ты тоже сможешь ЧАСТЬ I Я БЫЛ НИЩИМ – СТАЛ БОГАТЫМ! ПРЕДИСЛОВИЕ Промозглый зимний вечер. На улице кромешная темнота. Холодный дождь стегает меня по плечам и тянет вниз мою промокшую куртку. Я стою на остановке, и никто не видит, что я плачу. Я в отчаянии. Мне 25 лет, и моя жизнь похожа на кромешный ад. Дождь вперемежку со слезами стекает по...»

«СОДЕРЖАНИЕ: ВВЕДЕНИЕ 1. ОБЩИЕ СВЕДЕНИЯ ОБ ОБРАЗОВАТЕЛЬНОЙ ОРГАНИЗАЦИИ. СТРАТЕГИЯ РАЗВИТИЯ 2. ОБРАЗОВАТЕЛЬНАЯ ДЕЯТЕЛЬНОСТЬ 3. НАУЧНО-ИССЛЕДОВАТЕЛЬСКАЯ ДЕЯТЕЛЬНОСТЬ 4. МЕЖДУНАРОДНАЯ ДЕЯТЕЛЬНОСТЬ 5. ВНЕУЧЕБНАЯ РАБОТА 6. МАТЕРИАЛЬНО-ТЕХНИЧЕСКИЕ ОБЕСПЕЧЕНИЕ ЗАКЛЮЧЕНИЕ ПРИЛОЖЕНИЕ..54 (Показатели деятельности образовательной организации высшего образования, подлежащей самообследованию 2 Введение Подготовка и проведение самообследования деятельности Негосударственного образовательного учреждения...»

«Стр 1 из 195 7 апреля 2013 г. Форма 4 заполняется на каждую образовательную программу Сведения об обеспеченности образовательного процесса учебной литературой по блоку общепрофессиональных и специальных дисциплин Иркутский государственный технический университет 230201 (МЭИ) Информационные системы и технологии, специализация: системы поддержки принятия решений Наименование дисциплин, входящих в Количество заявленную образовательную программу обучающихся, Автор, название, место издания,...»

«1 Введение 3 2 Организационно-правовое обеспечение образовательной деятельности 3 3 Общие сведения о реализуемой основной образовательной программе 5 3.1 Структура и содержание подготовки специалистов 8 3.2 Сроки освоения основной образовательной программы 12 3.3 Учебные программы дисциплин и практик, диагностические средства 13 3.4 Программы и требования к итоговой государственной аттестации 14 4 Организация учебного процесса. Использование инновационных мето- 17 дов в образовательном процессе...»

«Б. Н. МОРОЗОВ. СКАЗАНИЕ ОБ УСПЕНСКОМ МОНАСТЫРЕ Диссертации на темы русской церковной истории, защищенные в научных учреждениях Российской Федерации в 2004–2005 годах * 2004 г. Александрова, Вера Геннадьевна. Влияние христианского учения на развитие гуманистической педагогической традиции XVII–XX веков. Дис сертация на соискание ученой степени доктора педагогических наук, выпол нена в Московском городском педагогическом университете. Алленов, Андрей Николаевич. Власть и Церковь в русской...»

«Перечень используемой оргтехники и технических средств обучения для реализации основной образовательной программы основного общего образования Тип компьютера Количество Мультимедиа компьютер 14 Imango 460 Мультимедийный компьютер 5,25 Imango 5 Компьютер Solwin в сборе 3 Комплект ученика Dynamic 17 Комплект преподавателя Dynamic PCG2020 1 Компьютер-сервер 1 Компьютер в сборе 11 Компьютер место учителя IN WIN 2 Компьютер в сборе место ученика 7 Ноутбук ASER Комплект ученика Rover Book Steel 607...»

«Н ЦЕРЕТЕЛЛИ РУССКАЯ КРЕСТЬЯНСКАЯ ИГРУШКА ACADEMIA 1933 Супер - обложка, переплет, форзац, титульный лист и заставки В. А. Милашевского МАЛЬЧИК НА ПЕТУХЕ И ЛЕБЕДЬ. П а п ь е - м а ш е. Сергиев посад. (Государственный музей игрушки. Загорск). GARCON SUR UN COQ ET UN CYGNE. Papier-mache. Serghiew Possad. (Musee d'Eiat des jouets. Sagorsk); ОТ ИЗДАТЕЛЬСТВА Литература об игрушке, как искусстве, насчитывает не один десяток книг. Многие из них представляют собой итог серьезной, иногда долголетней...»

«УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС ПО ДИСЦИПЛИНЕ МУНИЦИПАЛЬНОЕ ПРАВО ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЙ РАЗДЕЛ Муниципальное право России – одна из новых отраслей российского права. Эта отрасль занимает в правовой системе одно из центральных мест. Нормы муниципального права регулируют своеобразные общественные отношения, возникающие в особой сфере жизни общества, которую Конституция Российской Федерации определяет как местное самоуправление. В рамках учебной дисциплины Муниципальное право России студенты...»

«О. И. Григорьева Н. В. Беляева БИОЛОГИЧЕСКИЕ ОСНОВЫ ЛЕСНОГО ХОЗЯЙСТВА Практикум Санкт-Петербург 2009 ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ Государственное образовательное учреждение высшего профессионального образования САНКТ-ПЕТЕРБУРГСКАЯ ГОСУДАРСТВЕННАЯ ЛЕСОТЕХНИЧЕСКАЯ АКАДЕМИЯ им. С.М. Кирова О. И. Григорьева, кандидат сельскохозяйственных наук, доцент Н. В. Беляева, кандидат сельскохозяйственных наук, доцент БИОЛОГИЧЕСКИЕ ОСНОВЫ ЛЕСНОГО ХОЗЯЙСТВА Практикум для подготовки дипломированных...»

«АЛЬБЕКОВ АДАМ УМАРОВИЧ ЛОГИСТИКА ТОРГОВЛИ СРЕДСТВАМИ ПРОИЗВОДСТВА И РЕЦИКЛИНГ МАТЕРИАЛЬНЫХ РЕСУРСОВ Ведение Стремительность происходящих перемен в социально-экономической и политической жизни России, динамичность процессов трансформации экономики в переходный период характеризуются не только развитием качественно новых товарно-денежных отношений, формированием всесторонней рыночной инфраструктуры, но и интенсивными научными изысканиями для объяснения и решения множества возникших проблем....»

«В.В. Никулин, А.А. Слезин ПОСЛЕВОЕННЫЙ СОВЕТСКИЙ СОЮЗ (1946 – 1991 гг.) ИЗДАТЕЛЬСТВО ТГТУ Министерство образования и науки Российской Федерации Государственное образовательное учреждение высшего профессионального образования Тамбовский государственный технический университет В.В. Никулин, А.А. Слезин ПОСЛЕВОЕННЫЙ СОВЕТСКИЙ СОЮЗ (1946 – 1991 гг.) Рекомендовано Ученым советом университета в качестве учебного пособия для системы высшего и дополнительного образования Тамбов Издательство ТГТУ УДК...»

«ДНЕПРОПЕТРОВСКАЯ ОБЛАСТНАЯ ФЕДЕРАЦИЯ СПОРТИВНОГО ТУРИЗМА ОТЧЁТ о велосипедном спортивном туристском походе ПЯТОЙ категории сложности по Королевству Марокко (горы Высокого Атласа и пустыня Сахара), совершённом с 26 марта по 14 апреля 2011 года Маршрутная книжка № 3 / 11 Руководитель группы: Козинов Сергей Витальевич Адрес руководителя: 49035, Днепропетровск, ул. Беринга, 56/2, Тел. дом. (056) 760 55 05, Тел.моб. (050) 534 16 68, (097) 019 94 17, e-mail: kozinov@list.ru Маршрутно-квалификационная...»

«eлена Петровская Aнтифотография scan www.k l i n a m e n.com ББК85.16 УДК 77 П305 Е. Петровская. Антифотография. — М.: Три квадрата, 2003. — 112 с. (Серия: artes et media, вып. 2) В книге рассматриваются теоретические вопросы, связанные с фотографией. В эпоху, когда фотография сменяется цифровыми образами и ручным видео, она мобилизует потенциал коллективной общности, изначально в ней заложенный: условиями ее видения (проявления) становится необъективированная жизнь поколений. Как фото...»

«ПЕРЕЧЕНЬ НОРМАТИВНО-ТЕХНИЧЕСКИХ ДОКУМЕНТОВ В ОБЛАСТИ ЭЛЕКТРОЭНЕРГЕТИКИ, 1. ПЕРЕЧЕНЬ НОРМАТИВНО-ТЕХНИЧЕСКИХ ДОКУМЕНТОВ В ОБЛАСТИ ЭЛЕКТРОЭНЕРГЕТИКИ 2 1 1. ПЕРЕЧЕНЬ НОРМАТИВНО-ТЕХНИЧЕСКИХ ДОКУМЕНТОВ В ОБЛАСТИ ЭЛЕКТРОЭНЕРГЕТИКИ №№ Наименование документа Шифр документа Примечание п.п. 1. EC/TR3 61366-5 (1998) Гидротурбины, гидроагрегаты ГАЭС и турбонасосы. EC/TR3 61366-5 Тендерные документы. Часть 5. Руководство по составлению технических условий на капсульные гидротурбины. 2. IEC 60041 (1992)...»

«ФРАГМЕНТЫ БУДУЩИХ КНИГ УДК 316.444 В 2012 году в издательстве Праксис планируется выход в свет книги известного британского социолога Джона Урри Мобильности, рассматривающего движение как основной предмет социологической науки. Движение как ключевой социологический феномен и понимание организации социальной жизни через конкретно-исторические исследования социальных и технических систем, обеспечивающих это движение, — вот два краеугольных камня, на которых построена книга. Предлагаем вниманию...»






 
© 2014 www.kniga.seluk.ru - «Бесплатная электронная библиотека - Книги, пособия, учебники, издания, публикации»

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