CC BY
62
9. Берг, Л.С. Биполярное распространение организмов и ледниковая эпоха // Изв. Акад. наук. - 1920. - Сер. 6. - Т. 14. - № 1/18.
10. Брайко, В.Д. Мшанки Черного моря // Труды Севастопольской биологической станции. - М.: АН СССР, 1960. - Т.13.
11. Брайко, В. Д. Класс Мшанки - Bryozoa // Определитель фауны Черного и Азовского морей. - Киев: Наукова думка, 1968. - Т.1.
12. Ryland, J.S. Polyzoa (Bryozoa) Order Cheilostomata Cyphonautes Larvae // Zooplankton. Sheet 107. Conseil International Pour L’Exploration de la Mer. - 1965.
13 Cook, P. The early larval development of Membranipora seurati (Canu) and Electra crustulenta (Pallas), Polyzoa //Cahiers de Biologia Marine. - 1962. - tome III. - № 1.
14. Jebram, D. Monsterzooide and Doppelpolypide bei fossilen and rezenten Cheilostomata Anasca (Bryozoa) // Abh. Verh. Naturwiss. Ver. Hamburg, 1977.
15. Гримм, О.А. Каспийское море и его фауна. - СПб., 1876. - Т.1.
16. Canu, F. North American early Tertiary Bryozoa / F. Canu, R. Bassler. - S.Washington: 1920.
17. Зевина, Г.Б. Роль судоходства в изменении фауны Каспийского моря / Г.Б. Зевина, И. А. Кузнецова // Океанология. - 1965. - Т.5. - № 5.
18. Зевина, Г.Б. Новые организмы в Каспийском море // Природа. - 1959. - № 7.
19. Чепалыга, А.Л. Интродукция атлантических видов в Каспий: судьба эндемичных таксонов и экосистем / А.Л. Чепалыга, А.Г. Тарасов // Океанология. - 1997. - Т. 37. - № 2.
20. Тарасов, А.Г. Биотический индекс дельты реки Волги и Северного Каспия: дисс. ... канд. биол. наук. - М.: МГУ, 1993.
Статья поступила в редакцию 01.12.09
УДК 551.5+574.4:519.8
Ю.Б. Кирста, д-р биол. наук, проф., г.н.с. ИВЭП СО РАН, г. Барнаул, E-mail: kirsta@iwep.asu.ru,
О.В. Ловцкая, с.н.с. ИВЭП СО РАН, г. Барнаул, E-mail: lov@iwep.asu.ru
ПРОГНОЗ КЛИМАТИЧЕСКИХ ИЗМЕНЕНИЙ В ЗЕРНОПРОИЗВОДЯЩИХ ЗОНАХ СИБИРИ И РОССИИ
На основе имитационной математической модели агроклиматического потенциала и климатических трендов осуществлен прогноз региональных проявлений глобального потепления климата (изменений температуры приземного слоя воздуха и осадков) для зернопроизводящих зон России и Сибирского региона до 2020 года. Для Сибири прогнозируется положительный сдвиг среднемноголетних температур до 7% и увеличение осадков до 2%, что позволяет расширять здесь площади возделывания зерновых.
Ключевые слова: климатический прогноз, зернопроизводящая зона, моделирование, Россия, Сибирь.
Постановка задачи. Как наземная растительность, так и человеческое общество представляют собой две эволюционно самоорганизующиеся иерархические системы с определенной ритмикой развития [1; 2]. Они объединяются в общую систему «растительность-человек» с вековым циклом функционирования, состоящим из трех характерных 33-летних периодов (фаз) [3]. В России данные фазы охватывают 1918-1950, 1951— 1983, 1984—2020 гг.
Российское государство совместно с растительностью воздействует на среду единообразно по своей обширной территории. Это ведет к появлению климатического квазивеково-го цикла. Наличие последнего, в частности, подтверждается экспериментальными данными по многолетним изменениям приземных температур воздуха над континентальными областями [4—7]. Действительно, человек постоянно воздействует на климатические процессы путем загрязнения атмосферы выбросами промышленности, распашка и изменение альбедо освоенных им обширных территорий (изменяются режим испарения почвенной влаги и температура приземного слоя атмосферы). Это влияние имеет циклический характер с различной внутригодовой (регулярные выходные дни, праздники) и многолетней (севооборот сельскохозяйственных полей) ритмикой. При таком воздействии, очевидно, будет формироваться и определенная ритмика атмосферных процессов. В физике данное явление известно как вынужденные колебания и параметрический резонанс динамических систем.
Вообще говоря, изменения климата являются результатом совокупного действия ряда факторов, в т.ч. космо- и солнечно-земных связей, локального и глобального антропогенного воздействия на атмосферные процессы и др., об относительной значимости которых до сих пор идут споры. Влияние системы «растительность—человек» касается лишь одного из этих факторов — резонансного воздействия режима хозяйствования на мезоклимат с организацией единой территориальной ритмики потоков тепла и влаги.
Формируя определенную межгодовую динамику климата, система «растительность-человек» стабилизирует на своей территории некоторые климатические характеристики. Выяснение последних с целью прогноза климата и является задачей данного исследования. В качестве таких характеристик будут проверяться средние за 33-летние фазы векового цикла значения температур воздуха и осадков, а также многолетние трен-
ды этих факторов, традиционно используемые для прогнозов.
Методика исследований. Решение поставленной задачи выполняется с помощью имитационной математической модели агроклиматического потенциала (АП) и климатических трендов (модель АПКТ), описывающей взаимосвязанные многолетние изменения АП и климата [3, 8]. Предложенный нами АП для освоенных человеком территорий (районов, областей, федеральных округов, государств) соответствует урожайности зерновых, рас-считываемой по модели с восстанавливаемыми по среднемноголетним данным климатическими трендами. При этом точность описания моделью АПКТ базовых процессов в агроэкосистемах совпадает с теоретически наилучшей. Мо-дель апробирована для различных территорий с континентальным и умеренным климатом, в частности, для оценки многолетних изменений АП и климата в зернопроизводящих зонах России и США [9; 10].
В модели АПКТ одновременно рассчитываются по выбранному многолетнему периоду:
• среднемноголетние значения среднемесячных температур воздуха отдельно для холодного (Ti <0 °С) и теплого
(Т >0 °С) периодов года;
• среднемноголетнее значение месячных осадков;
• многолетние тренды среднемесячных температур
воздуха отдельно для холодного (Ti <0 °С) и теплого (Т >0 °С) периодов года;
• многолетний тренд месячных осадков;
• многолетний тренд эффективности землепользования (зависящий от уровня технологий, плодородия почв, мелиорации и других факторов);
• многолетняя динамика АП (ежегодная ожидаемая урожайность зерновых).
Расчеты выполняются путем решения обратной задачи (наилучшего совпадения найденных по модели и фактических урожаев зерновых) с помощью оптимизационных методов по среднемноголетним данным о месячных температурах воздуха и осадках на характеризуемых территориях.
Среднемноголетние значения у среднемесячных температур воздуха T и месячных осадков P для каждого из 12 месяцев находятся по формулам:
Т = ClT наб для Т < 0 ° С, Т = c2 Т наб для Т > 0 ° С, Р = Cз Р наб ,
______ (1)
где Т, Р — среднемноголетние значения Т и Р за рассчитываемый в модели период времени, °С; Тнаб, Рнаб — среднемноголетние значения Т и Р за период наблюдений,
С; сь С2, сэ — пропорциональный сдвиг среднемноголетних значений соответствующих месячных климатических характеристик в расчетном периоде времени относительно периода наблюдений. В свою очередь климатические тренды определяются уравнениями:
Т = Т [1 + а^к - N /2)] для Т < 0, Т = Т [1 + а2 (к - N /2)] для Т > 0,
Р = Р [1 + а3 (к - N /2)],
3 (2) где Т — среднемесячная температура воздуха, °С; Р — месячные осадки, мм; а1, а2, а3 — тренды, характеризуемые долям (процентами) ежегодного увеличения / уменьшения месячных значений температур воздуха для холодного (Т < 0 °С) и теплого (Т > 0 °С) периодов и осадков соответственно: к — порядковый номер года в рассматриваемом многолетнем периоде, к =1,..., N N — общее число рассчитываемых по модели лет.
В свою очередь многолетний тренд эффективности землепользования характеризуется через множитель
(1 + а 4)к -1 (3)
в рассчитываемой урожайности зерновых. Этот коэффициент снижает или увеличивает урожайность при а4 < 0 или а4 > 0 соответственно. Значение параметра а4 определяется многолетними изменениями факторов среды и почвенных характеристик, а также ухудшением или улучшением применяемых сельскохозяйственных технологий.
Параметры сь с2, с3, аь а2, а3, а4, найденные (идентифицированные) в процессе решения обратной задачи по многолетнему ряду урожаев зерновых, можно использовать уже для прогноза климатических изменений и АП. Все эти параметры аппроксимирующих трендовых прямых мы будем выражать для удобства в процентах (умножать на 100).
Исходные материалы. Для разработки методики прогноза климатических изменений и динамики АП была выбрана уже завершенная вторая 33-летняя фаза 1951—1983 гг. векового цикла на территории России с известными урожаями зерновых. Сам прогноз климатических изменений и динамики АП выполнялся по третьей фазе 1984—2020 гг. В ней был выделен период 1984—2007 гг. с известными урожаями зерновых, по которому идентифицировались все необходимые для прогноза параметры.
На рисунке 1 приведена схема формирования входных данных для модели АПКТ. Согласно системно-иерархическому подходу при решении обратной задачи по определению параметров модели необходимо, чтобы число рассчитываемых параметров было на порядок меньше количества данных по урожаям зерновых [3]. С учетом этого требования для расчетов были выбраны две территории:
• зернопроизводящая зона всей России с 71 областями в 7 федеральных округах (рис. 2) при общем количестве имеющихся данных об урожаях зерновых за 1955-1983 гг. 71x29=2059 и за 1984-2007 гг. - 71x24=1704;
• зернопроизводящая зона Сибирского федерального округа России с 12 областями (рис. 2) при общем количестве урожаев за те же 1955-1983 гг. 12x29=348 и за 1984-2007 гг. -12x24=288. В эту зону входят Республика Алтай, Республика Бурятия, Республика Тыва, Республика Хакасия, Алтайский край, Красноярский край, Иркутская, Кемеровская, Новосибирская, Омская, Томская и Читинская области.
Для каждой из 71 областей с помощью ГИС ArcView определялись среднемноголетние месячные характеристики температур и осадков [3]. При этом требовалось получить средние данные по областям с учетом только находящихся в сельскохозяйственном использовании площадей. Поэтому на цифровой географической карте России, включающей деление на административные округа и области, была выделена сельскохозяйственная зона. Все остальные площади исключались из рассмотрения и в дальнейших расчетах не рассматривались. Такая процедура затронула семь областей России: Республики Карелию, Коми, Саха (Якутию), Красноярский и Хабаровский края, Архангельскую и Тюменскую области.
Из цифрового атласа «Digital Atlas of the World Water Balance - GIS Hydro97» были извлечены климатические характеристики, относящиеся непосредственно к выделенной зернопроизводящей зоне. Здесь использовалось расширение ArcView GeoProcessing, позволившее найти наборы данных для каждой из 71 охватываемых зоной площадей/областей. Расчеты средних значений климатических характеристик для каждой области выполнены с помощью средств суммирования ArcView. Полученные файлы (формат dbf) были переведены в формат файлов исходных данных, требующихся для модели АПКТ. Таким образом, модель АПКТ позволяла рассчитывать общие климатические тренды для любой конкретной территории с включенными в нее несколькими областями.
В модели АПКТ одновременно использовались значения урожайности зерновых культур по каждой из рассматриваемых областей (в весе после доработки, в хозяйствах всех категорий, ц/га). Все данные брались из отчетности Госкомстата и Федеральной службы государственной статистики
[11-14].
Результаты исследования и их обсуждение. Как уже
указывалось, для разработки методики климатического прогноза была выбрана вторая фаза 1951-1983 гг. векового цикла на территории России с известными урожаями зерновых. Она была разделена на две примерно равные части: 1955-1969 и 1970-1983 гг. Первая часть предназначалась для определения параметров модели АПКТ по урожаям зерновых через решение обратной задачи и затем для прогноза, а вторая служила как проверочная последнего. Затем роли частей менялись, и вторая использовалась уже для ретроспективного прогноза на первую,часть
ГИ С
Среднемного -летние месячные осадки
М етеорологические данные по Атласу
Цифровые карты I—
Сибирского региона _|—I
Выборка данных для исследуемой территории
Усреднение данных по районам/областям
Среднемного -летние месячные температуры
Статистические данные по урожаям
Урожаи зерновых по районам/
бластям
Модель
Параметры модели с рассчитываемыми . значениями
Параметры модели с постоянными значениями
Расчет динамики климатических трендов и агроклиматического потенциала
Рис. 1. Схема формирования входных данных для модели АПКТ (среднемноголетние климатические характеристики территории за наблюдаемый период рассчитаны по атласу «Digital Atlas of the World Water Balance - GIS Hydro97», созданному в Центре исследования водных ресурсов университета Техаса, США)
,ентральный|
Южный!
■> %- Q У
J Северо-Западный! ■* -* /І-
I Приволжский|
[ур
альскииі
¡Сибирский I
1 Дальневосточный |
г
Рис. 2. Федеральные округа и области России, используемые для идентификации параметров модели АПКТ (включающей тренды климатиче-
ских факторов и тренд эффективности землепользования)
Рассмотрим сначала территорию России, охватывающую 71 область с индивидуальными климатическими характеристиками. Для нее идентифицировалось 25 основных параметров модели АПКТ, одинаковых по всей территории и характеризующих зернопроизводящую зону России в целом. Сюда входили 3 показателя фенологического развития растений (два - температурные пороги для расчета биологического времени и один - средняя дата всходов зерновых), 10 почвенных показателей и 12 коэффициентов для расчета величины урожая и трендов. Через все эти параметры учитывались как природные условия территорий (климат, почвы и др.), так и антропогенные факторы (сельско-хозяйственные технологии, возделываемые культуры и др.). Следует отметить, что полученные таким образом характеристики климатических трендов могут значительно меняться по территории России вслед-
ствие региональных особенностей климата, ландшафтов и других факторов [15].
В таблице 1 приведены результаты решения обратных задач по определению трендов климатических характеристик и эффективности землепользования для России с использованием наблюдаемых урожаев зерновых независимо для трех периодов: 1955-1969, 1970-1983 и 1955-1983 гг. Первый (1955-1969 гг.) использовался для прямого прогноза на второй (1970-1983 гг.), второй - для ретроспективного прогноза на первый, а третий (1955-1969 гг.) служил контрольным. Из таблицы видно, что значения сдвигов у аппроксимирующих климатические характеристики трен-довых прямых незначительно отличаются друг от друга, в отличие от самих трендов, отвечающих углам наклона прямых. Тем самым можно с эф-
фективностью осуществлять и прямой, и ретроспективный прогнозы непосредственно сдвигов трендовых прямых. Из совпадения сдвигов и различия трендов в таблице 1 можно сделать важный вывод, что имеет место стабилизация среднемноголетних климатических характеристик на протяжении каждой из 33-летних фаз функционирования. В то же время подобная стабилизация самих трендов (наклона трендовых прямых) отсутствует.
Для дополнительной проверки данного вывода воспользуемся аналогичными расчетами с моделью АПКТ, но уже для Сибирского федерального округа. В отличие от всей России для каждого из семи округов (рис. 2) мы имеем гораздо меньше исходных данных об урожаях зерновых за 1955-1983 гг. -для Сибирского федерального округа всего 348. Это накладывает ограничения и на максимальное количество варьируемых параметров модели. Для округов их было выбрано только 9: сь с2, с3, аь а2, а3, а4, показатель уровня сельскохозяйственных технологий и плодородия почв, коэффициент зависимости урожая от транспирации влаги растениями. Остальные параметры модели АПКТ не варьировались и имели те же значения, что и найденные для зернопроизводящей зоны России в целом за тот же период времени.
Результаты решения обратной задачи для идентификации выбранных параметров по наблюдаемым в Сибирском федеральном округе урожаям также представлены в таблице 1. Мы видим по-прежнему хорошее совпадение значений сдвигов и плохое у трендов.
Единственным исключением из совпадений является завышенный сдвиг с3 среднемноголетних значений осадков за 1955-1969 гг. Дополнительный анализ показал, что такое значение с3 обусловлено известным освоением целинных земель в 1954-1964 гг. [16]. В этот период были распаханы плодородные земли входящей в округ степной зоны, давшие рекордные урожаи. Растения здесь были полностью обеспечены основными питательными веществами: азотом (Ы), фосфором (Р) и калием (К), которые обусловили большую эффективность использования поступающей с осадками влаги [17]. При решении же обратной задачи все параметры почвенного вла-гообмена были фиксированы, и большие урожаи привели к искусственному завышению в модели количества выпадающих осадков, то есть к завышению с3 в период 1955-1969 гг. (табл. 1). Было проверено и второе возможное объяснение завышения с3 за счет приписок для увеличения урожайности руководителями зернопроизводящих хозяйств. Оно было отвергнуто после удовлетворительно корректного решения для округа обратной задачи по идентификации вместо 9 уже прежних 25 параметров модели АПКТ. Эти расчеты дали сдвиг с3 ~ 101%, совпадающий с его двумя другими значениями в таблице 1.
Полученные результаты позволяют сделать вывод о возможности прогнозов среднемноголетних значений климатических характеристик (сдвигов сь с2, с3 трендовых прямых) в пределах соответствующих 33-летних фаз векового цикла у систем «растительность-человек». Тем самым для прогноза среднемесячных температур и месячных осадков до конца текущей фазы (до 2020 г.) достаточно найти эти значения за истекший с начала фазы период. Точность такого прогноза для зернопроизводящих зон достаточно высока и по данным таблицы 1 составит:
• для России порядка 0,3% от среднемноголетних месячных климатических характеристик;
• для Сибирского федерального округа порядка 0,9% тех же характеристик.
Пониженная точность прогнозов для округа обусловлена меньшим числом идентифицируемых параметров модели АПКТ (9 вместо 25). Отметим, что аккуратность прогнозов определяется не только погрешностью расчетов по модели, но и объективно существующей погрешностью исходных метеорологических данных. Например, ошибка в оценке месячных
осадков обусловливается: их зависимостью от рельефа окружающей местности, типом и местоположением применяемых для измерений приборов, количеством отдельных видов (жидкие, твердые, смешанные) осадков, испаряемостью, скоростью ветра и другими факторами [18].
Что же касается собственно трендов климатических факторов и эффективности землепользования, то согласно данным таблицы 1 их многолетний прогноз нереалистичен. Для климатических факторов это хорошо известно. Для тренда же эффективности землепользования такая возможность ограничена несистематическим характером изменения/улучшения сельскохозяйственных технологий, особенно на региональном уровне. Прогноз значений трендов аь а2, а3 в (2), видимо, можно осуществить, но только для крупных речных бассейнов как естественных природных систем с собственными, не зависящими от других бассейнов влагообменом, растительностью и антропогенным воздействием. Данное предположение еще требует проверки.
Таблица 1
Сдвиги (1) и тренды (2) месячных климатических характеристик, тренд эффективности землепользования (3) для зернопроизводящих зон Сибири и России в целом за 1955-1983 гг., % 1
Характеристика Вэссияв целом Сибирский федеральный оіртг
19551969 гг. 19701983 гг. 19551983 гг. 1955- 1970- 19551969 гг. 1983 гг 1983 гг
С&вигс! среднемноголетних температур возг^ха для холодного пе рю да года (Г<0) 103,2 102,9 103,0 99,0 100.2 98.0
СДЕИГ«! средне многолетних темпе ратур воздуха для телпош периода года (74)) 105,6 105,1 105,6 105,6 105,9 105,0
Сдвиго средне многолетних значений осадков 102,5 102,6 102,1 104.6 100.9 101,6
Тренд С1 температур воздуха для холодного периода года (ГО)1 -0,46 0,01 -0,19 -2,25 -1,25 -0,41
Тренд и] температур воздуха дпятеппого периода года (74» 0,45 -0,27 0,11 -0,15 -0,45 -0,03
Тренд щ осадам 0,40 -0,17 0,15 429 -0,74 -0,11
ТреНДй(ЭффеКГИВН0СТИ землепользования 2,17 0,55 1,46 99,8 100,2 98,0
1 Сдвиг (1) у аппроксимирующей характеристику трендовой прямой для соответствующего временного периода выражается здесь в процентах от имеющихся
среднемноголетних месячных данных. Тренд (2) (наклон этой же прямой) характеризуется как изменение характеристики в процентах за год.
2 Отрицательные значения трендов для холодного периода года со среднемесячными температурами воздуха Т<0°С означают повышение последних.
В таблице 2 представлены результаты прогноза до 2020 г. среднемноголетних значений климатических характеристик (сдвигов сь с2, с3 трендовых прямых) для зернопроизводящих зон России и Сибирского федерального округа. Из таблицы видно, что ожидаются более теплые зимы (с1 меньше 1), более теплые летние периоды (с2 больше 1) и большее количество осадков на протяжении всех месяцев года (с3 больше 1). Количественная оценка прогнозируемых климатических характеристик для соответствующих зон приведена в таблице 3.
Таблица 2
Прогноз до 2020 г. трендовых сдвигов (1) месячных климатических характеристик для зернопроизводящих зон Сибири и России в целом, % 1
Россия в целом Сибирский с ок едеральный руг
Характеристика 1984-2007 гг. 2008-2020 гг. 1984-2007 гг. 2008-2020 гг.
Сдвиг Сі среднемноголетних температур воздуха для холодного периода года (Г<0) 96,9 96,9±0,3 96,1 96,1±0,9
Сдвиг С2 среднемноголетних температур воздуха для теплого периода года (1X0) 103,1 103,1±0,3 107,1 107,1±0,9
Сдвиг С3 среднемноголетних значений осадков 101,6 101,6±0,3 102,1 102,1±0,9
Тренд аі температур воздуха для холодного периода года (Т<0) 2 -0,02 - -1,71 -
Тренд а2 температур воздуха для теплого периода года (IX)) -0,13 - -0,51 -
Тренд аз осадков -0,25 - -2,35 -
Тренд 04 эффективности землепользования 0,55 - 0,22 -
ческих циклов, определяемых воздействием на климат объединенных систем «растительность-человек».
2. Для выполнения прогноза достаточно иметь информацию о среднемноголетних месячных температурах воздуха и осадках, а также многолетний ряд статистических данных об урожаях зерновых культур конкретного региона. Особенностью разработанной методики прогноза является расчет климатических трендов в целом по территории, то есть выполнение более точных площадных оценок климата.
3. На примере зернопроизводящих зон России и Сибирского федерального округа выполнен прогноз изменений климата до 2020 г. - конца второй фазы векового климатического цикла на территории России. Для Сибири показано значительное повышение температур в холодный (на 4% относительно среднемноголетних значений) и теплый (на 7%) периоды года. Изменение же осадков здесь незначительно и составляет лишь 2%.
Таблица 3
Климатический прогноз до 2020 г. для зернопроизводящих зон Сибири и России в целом
Климатическая характеристика Месяцы
1 2 3 4 5 6 7 8 9 10 11 12
Среднемноголетнпе температуры воздуха, °С Россия
-13,4 -11,4 -5,9 3,2 11,7 16,8 19,6 17.5 11.2 3,5 -4.7 -10.4
Сибирский федеральный округ
-21,3 -18,7 -11,3 -1,0 8,2 15,6 18,6 15,7 8,7 -0,9 -11,6 -18,6
Среднемноголетнпе осадки, мм Россия
44.5 38.8 37.6 37.8 54,8 71,3 76,3 70.2 55.6 50,3 53,7 51,4
Сибирский федеральный округ
23,7 15,3 19,3 25,0 43,9 61,9 80,7 74,6 48,9 39,4 38,1 29,8
1 См. примечания к таблице 1.
Выводы
1. Разработана методика оценки текущих и прогноза будущих климатических изменений (среднемесячных температур воздуха и месячных осадков) в зернопроизводящих регионах умеренной зоны. Она позволяет осуществлять многолетние прогнозы в пределах 33-летних фаз вековых климати-
Библиографический список
1. Kirsta, Yu.B. Information-hierarchical organization of biosphere and problems of its sustainable development // Ecol. Modelling. - 2001. - Vol. 145.
2. Kirsta, Yu.B. Information-hierarchical organization of mankind and problems of its sustainable development // World Futures. - 2003. - Vol. 59.
3. Кирста, Ю.Б. Информационно-физический закон построения эволюционных систем. Системно-аналитическое моделирование экосистем: монография / Ю.Б. Кирста, Б.Ю. Кирста. - Барнаул: Изд-во Алт. гос. ун-та, 2009.
4. Скрябин, М.П. Вековые циклы природных условий и боровая растительность лесостепи // Тр. Воронежского заповедника. - 1949. - Вып. 3.
5. Stocker, T.F. Climatic fluctuations on the century time scale. A review of high resolution proxy data and possible mechanisms / T.F. Stocker, L.A. Mysak // Climate Change. - 1992. - V. 20.
6. Mann, M.E. Global-scale temperature patterns and climate forcing over the past six centuries / M.E. Mann, R.S. Bradley, M.K. Hughes // Nature. -1998. - V. 392.
7. Бышев, В.И. Количественная оценка параметров климатической изменчивости системы океан-атмосфера / В.И. Бышев, Н.К. Кононова, В.Г. Нейман, Ю.К. Романов // Океанология. - 2004. - Т. 44. - № 2.
8. Кирста, Ю.Б. Системно-аналитическое моделирование изменений температур, осадков и агроклиматического потенциала Сибири // Сибирский экологический журнал. - 2004. - № 1.
9. Kirsta, Yu.B. System-analytical modelling - Part I: General principles and theoretically best accuracies of ecological models. Soil-moisture exchange in agroecosystems // Ecol. Modelling. - 2006a. - Vol. 191.
10. Kirsta, Yu.B. System-analytical modelling - Part II: Wheat biotime run and yield formation. Agroclimatic potential, Le Chatelier principle, changes in agroclimatic potential and climate in Russia and the U.S. // Ecol. Modelling. - 2006b. - Vol. 191.
11. Производство зерна в Российской Федерации. Часть II / Государственный комитет РФ по статистике. - М., 1993.
12. Российский статистический ежегодник: Статистический сборник / Госкомстат России. - М., 1998.
13. Регионы России: Статистический сборник / Госкомстат России. - М., 2000. - Т.2
14. Регионы России: Социально-экономические показатели / Федеральная служба государственной статистики. - 2008 г. - [электронный ресурс] Режим доступа: http://www.gks.ru/doc_2008/region/soc-pok.zip
15. Кирста, Ю.Б. Оценка и прогноз агроклиматического потенциала Алтайского края в условиях современных изменений климата // Известия Алтайского государственного ун-та. - 2002. - № 3.
16. Брежнев, Л.И. Целина / Л.И. Брежнев. - Л.: Лениздат, 1981.
17. Каюмов, М.К. Программирование продуктивности полевых культур: Справочник. - М.: Росагромпромиздат, 1989.
18. Дроздов, О. А. Климатология: Учебник для ВУЗов по специальности «Метеорология» / О. А. Дроздов [и др.]. - Л.: Гидрометеоиздат, 1989.
Статья поступила в редакцию 01.12.09
