СОЗДАНИЕ И РАЗВИТИЕ МНОГОКОМПОНЕНТНОГО КОМПЛЕКСА МОДЕЛЕЙ ГИДРОДИНАМИЧЕСКИХ ПРОЦЕССОВ ЗЕМЛИ Текст научной статьи по специальности «Науки о Земле и смежные экологические науки»

CREATION AND DEVELOPMENT OF A MULTICOMPONENT COMPLEX OF MODELS OF THE EARTH HYDRODYNAMIC

PROCESSES

G. A. Platov*, V. F. Raputa*, V. N. Krupchatnikov*'**, E. N. Golubeva*,

V.V. Malakhova*, A.A. Lezhenin*, I.V. Borovko*, A. I. Krylova*,

* * * **'***

institute of Computational Mathematics and Mathematical Geophysics, SB RAS,

630090, Novosibirsk, Russia "Siberian Regional Hydro meteorological Research Institute, ROSHYDROMET,

630099, Novosibirsk, Russia ♦"Novosibirsk State University, 630090, Novosibirsk, Russia

Since the foundation of the Computing Center (now the Institute of Computational Mathematics and Mathematical Geophysics — ICM&MG), the direction associated with the modeling of processes in the atmosphere, hydrosphere and crvosphere of the Earth has actively developed in Novosibirsk. A. S. Alekseev strongly supported this scientific activity and was the author of the idea of developing a single complex for the Earth system, including the lithosphere. One way or another, but the development of modern modeling is confidently moving in this direction. Previously, the models participating in CMIP projects of the IPCC program had the abbreviation CSM — Climate System Model, now a significant part of such models are earth system models, that is, ESM.

The problem of studying the Earth's climate has been at the center of attention for several decades and has recently become particularly acute due to the so-called „global warming". The increase in air temperature during the past century was about 0.74 degrees on average, and approximately two thirds of this value were made during the period 1980-2000. A change in temperature by such an insignificant

amount, which may not be felt, causes a number of more significant effects in the climate system.

„"

the Earth, both mountain and continental glaciers, and floating ice. The fact that a significant part of the Arctic as a result of seasonal fluctuations in the summer is completely free of ice requires a comprehensive study to understand the new conditions of habitat formation and economic activity.

However, the climate problem is not the only one which requires an integrated approach. There are a number of tasks, perhaps not so large-scale, but no less important. Data analysis and monitoring of the distribution of harmful impurities in the atmosphere and in the aquatic environment, contamination of soil and water bodies also require close attention because they are associated with the study of the conditions of human existence and activity, with the formation of sustainable environmental management and economic development.

In this article we will present a review of the current state of research in the ICMMG SB RAS in the direction of mathematical modeling of processes in the atmosphere, hydrosphere and crvosphere of the Earth.

Key words: Mathematical modeling, climate system, environmental monitoring.

(cj) G. A. Platov, V. F. Raputa, V. N. Krupchatnikov, E. N. Golubeva, V. V. Malakhova, A. A. Lezhenin, I. V. Borovko, A.I. Krylova, D. F. Iakshina, M.V. Kravneva, V. V. Kravchenko, O. A. Korobov, 2019

References

1. Fraedrich K., Jansen H., Kirk E., Luksch U. and Lunkeit F. The Planet Simulator: Towards auser friendly model // Meteorol. Zeitschrift. 2005. N 14. P. 299-304.

2. Lunkeit F., Bottinger M., Fraedrich K., Jansen H., Kirk E., Kleidon A. and Luksch U. Planet Simulator Reference Manual Version 15.0. 2007. [Electron. Res.]: http://epic.awi.de/29588/VLun2007d.pdf.

3. Petoukhov V., Ganopolski A., Brovkin V., Claussen M., Eliseev A. and Kubatzki S. Rahmstorf CLIMBER-2: a climate system model of intermediate complexity. Part I: model description and performance for present climate // Climate Dynamics. 2000. N 16 (1). P. 147.

4. Brovkin V., Claussen M., Driesschaert E., Fichefet T., Kicklighter D., Loutre M. F., Matthews H. D.,Ramankuttv N., Schaeffer M. and Sokolov A. Biogeophvsical effects of historical landcover changes simulated by six Earth system models of intermediate complexity // Clim. Dvnam. 2006 . N 26. P. 587-600.

5. Claussen M. et al. Earth system models of intermediate complexity: closing the gap in thespectrum of climate system models. Clim. Dvnam. 2002. N 18. P. 579-86.

6. Krupchatnikov V., Kuzin V., Golubeva E., Martvnova Yu., Platov G. and Krvlova A. Hydrology and Vegetation Dynamics of the Climate System of Northern Eurasia and the Arctic Basin // Izvestiva Atmospheric and Oceanic Physics. 2009. N 45 (1). P. 116-36.

7. Martvnova Yu V, Krupchatnikov V N 2010 A study of the sensitivity of the surface temperature in Eurasia in winter to snow-cover anomalies: The role of the stratosphere // Izvestiva Atmospheric and Oceanic Physics. 2010. N 46 (6). P. 757-69.

8. Martvnova Yu. V., Krupchatnikov V. N. Peculiarities of the Dynamics of the general atmospheric circulation in conditions of the global climate change // Izvestiva Atmospheric and Oceanic Physics. 2015. N 51 (3). P. 299-310.

9. Borovko I. V. and Krupchatnikov V. N. Responses of the Hadlev cell and extra tropical troposphere stratification to climate changes simulated with a relatively simple general circulation model // Numerical Analysis and Applications. 2015. N 8 (1). P. 23-34.

10. Eliseev V., Coumou D., Chernokulskv A. V., Petoukhov V. and Petri S. Scheme for calculation of multi-layer cloudiness and precipitation for climate models of intermediate Geosci // Model.Dev.

2013. N 6. P. 1745-65.

11. Comiso J. C., Parkinson C. L., Gersten R. and Stock L. Accelerated decline in the Arctic sea ice cover // Geophvs. Res. Lett. 2008. N 35. L01703.

12. Bekrvaev R. V., Polvakov I. V. and Alexeev V. A. Role of polar amplification in long-term surface air temperature variation and modern Arctic warming //J. Climate. 2010. N 23. P. 3888-906.

13. Comiso J. C. Large decadal decline of the Arctic multivear ice cover //J. Climate. 2012. N 25. P. 1176-93.

14. Screen J. A. and Simmonds I. The central role of diminishing sea ice in recent Arctic temperature amplification // Nature. 2010. N 464. P. 1334-37.

15. Cohen J. et al. Recent Arctic amplification and extreme mid-latitude weather // Nat. Geosci.

2014. N 7. P. 627-37.

16. Yeager, S. G., and Large W. G. CORE.2 Global Air-Sea Flux Dataset. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory. 2008. doi: 10.5065/D6WH2N0S.

17. Jaiser R., Dethloff K., Handorf D., Rinke A. and Cohen J. Impact of sea ice cover changes on the Northern Hemisphere atmospheric winter circulation // Tellus. 2012. N 64A. 11595.

18. Francis J. A. and Vavrus S. J. Evidence linking Arctic amplification to extreme weather in mid-latitudes // Geophvs. Res. Lett. 2012. N 39. L06801 doi:10.1029/2012GL051000.

19. Francis J. A. and Vavrus S. J. Evidence for a waiver jet stream in response to rapid Arctic warming // Environ. Res. Lett. 2015. N 10. 014005. doi:10.1088/1748-9326/10/1/014005.

20. Overland J., Francis J. A., Hall R., Hanna E., Kim S. J. and Vihma T. The melting Arctic and midlatitude weather patterns: are they connected? //J. Clim. 2015. N 28. P. 7917-32.

21. Shepherd T. G. Effects of a warming // Arctic Science. 2016. N 353. P. 989-90.

22. Overland J. E., Dethloff K., Francis J. A., Hall R. J., Hanna E., Kim S-J., Screen J. A., Shepherd T. G.,Vihma T. Nonlinear response of midlatitude weather to the changing // Arctic Nat. Clim. Change. 2016. N 6. P. 992-99.

23. Petoukhov V., Rahmstorf S., Petri S. and Schellnhuber H. J. Quasi resonant amplification of planetary waves and recent Northern Hemisphere weather extremes // Proc. Natl. Acad. Sci. 2013. USA110. P. 5336-41.

24. Platov G., Krupchatnikov V., Martvnova Yu., Borovko I. and Golubeva E. A new earth's climate system model of intermediate complexity, PlaSim-ICMMG-1.0: description and performance // IOP Conf. Ser.: Earth Environ. Sci. 2017. N 96. 012005.

25. Golubeva E. N., Platov G. A. and Iakshina D. F. Numerical simulations of the current state of waters and sea ice in the Arctic Ocean // Ledisneg. 2015. N 2 (130). P. 81-92, doi: 10.15356/20766734-2015-2-81-92.

26. Beszczvnska-Moller, A., Fahrbach, E., Schauer, U., and Hansen, E. Variability in Atlantic water temperature and transport at the entrance to the Arctic Ocean, 1997-2010 // ICES J. Mar. Sci. 2012. N 69. P. 852-863.

27. Golubeva, E. N. and Platov G. A. On improving the simulation of Atlantic Water circulation in the Arctic Ocean // J. Geophvs. Res. 2007. 112, C04S05, doi:10.1029/2006JC003734.

28. Steele M., Morlev R., Ermold W. PHC: A global hydrography with a high quality Arctic Ocean // J. Climate. 2000. V. 14. N 9. P. 2079-2087.

29. Beszczvnska-Moller, Agnieszka, 0vsteinSkagseth, Wilken-Jon von Appen, Waldemar Walczowski. Vidar Lien Splitting of Atlantic water transport towards the Arctic Ocean into the Fram Strait and Barents Sea Branches-mechanisms and consequences // Geophysical Research Abstracts. 2016. Vol. 18, EGU2016-15059.

30. Schauer, U., Beszczvnska-Moller A., Walczowski W., Fahrbach E., Piechura J., and Hansen E. Variation of measured heat flow through the Fram Strait between 1997 and 2006 // Arctic-Subarctic Ocean Fluxes. 2008. P. 65-85.

31. Polvakov, I., Timokhov, L., Alexeev, V., Bacon, S., Dmitrenko, I., Fortier, L., et al. Arctic Ocean warming contributes to reduced polar ice cap //J. Phvs. Oceanogr. 2010. N 40. P. 2743-2756. doi: 10.1175/2010JP04339.1.

32. Rudels, B., Anderson L. G., and Jones E. P. Formation and evolution of the surface mixed layer and halocline of the Arctic Ocean // J. Geophvs. Res. 1996. N 101. P. 8807-8821.

33. Steele, M., and Boyd T. Retreat of the cold halocline layer in the Arctic Ocean //J. Geophvs. Res. 1998. N 103. P. 10 419-10 435.

34. Romanovskii N. N., Hubberten H. W., Gavrilov A. V., Eliseeva A. A., Tipenko G. S. Offshore permafrost and gas hydrate stability zone on the shelf of East Siberian Seas // Geo-Mar. Lett. 2005. V. 25. P. 167-182.

35. Eliseev A. V., Malakhova V. V., Arzhanov M. M., Golubeva E. N., Denisov S. N., Mokhov I. I. Changes in the boundaries of the permafrost layer and the methane hydrate stability zone on the Eurasian Arctic shelf, 1950-2010 // Dokladv Earth Sciences. December 2015. Volume 465, Issue 2, P. 1283-1288, doi: 10.1134/S1028334X15120107

36. Yurganov, L. N., Leifer I., LundMvhre C. Seasonal and interannual variability of atmospheric methane over Arctic Ocean from satellite data // Modern problems of remote sensing of the earth from space (Sovremennve problem distancionnogo zondirovanija zemli iz kosmosa). 2016. V. 13. N 2. P. 107-119,doi: 10.21046/2070-7401-2016-13-2-107-119.

37. Malakhova V. V., Golubeva E. N. Assessment of the permafrost stability on the shelf of the Eastern Arctic under the extreme warming scenario in the XXI century // Ledisneg. 2016. V. 56. N 1. P. 61-72.

38. Davies J. H. Global map of Solid Earth surface heat flow // Geochem. Geophvst. Geosvst. 2013. V. 14. N 10. P. 4608-4622.

39. Malakhova V. V., Golubeva E. N. On possible methane emissions from the East Arctic Seas // Atmosphere and Ocean Optics (Optika Atmosferv i Okeana). 2013. V. 26. N 6. P. 452-458.

40. Malakhova V. V., Eliseev A. V. Influence of rift zones and thermokarst lakes on the formation of subaqueous permafrost and the stability zone of methane hydrates of the Laptev Sea shelf in the Pleistocene // Ledisneg. 2018. V. 58. N 2. P. 231-242.

41. Drijus M. R. Hvdrothermal mode of reservoirs-coolers. Vilnius: Mokclas, 1985.

42. Terms of use of water resources of the Belovo reservoir / Prostrov-100 LLC. Moscow, 2001.

43. Kazmin S. P., Klimov O. V. Morphometric features of the Belovo reservoir and environmental assessment of the adjacent territory // Geo-Siberia-2011. Proc. VII International scientific cong. Novosibirsk, 2011. V. 4. P. 217-221.

44. Golubeva E. N., Platov G. A. On improving the simulation of Atlantic Water circulation in the Arctic Ocean // J. Geophvs. Res. 2007. V. 112. C04S05. doi:10.1029/2006JC003734.

45. Golubeva E. N. Numerical modeling of the dynamics of Atlantic waters in the Arctic basin using the QUICKEST scheme // Computational Technologies (Vvchislitelnve tekhnologii). 2008. V. 13. N 5. P. 11-24.

46. Kraineva M. V., Golubeva E. N., Lezhenin A. A., Klimov O. V. Study of the hvdrothermal regime of the reservoir-cooler of the Belovo State District Power Plant using a numerical model // InterExpoGeo-Siberia. 2017. V. 4. N 1. P. 106-110.

47. Voevodin A. F., Nikiforovskava V. S., Ovcharova A. S. Numerical methods for solving the problem of unsteady water movement in the estuaries of rivers // Proceedings of AARI. 1983. V. 378. P. 23-34.

48. Krvlova A. I., Antipova E. A. CHislennoe modelirovanie gidrologicheskogo rezhima v delte reki Lenv // Atmosphere and Ocean Optics (Optika Atmosferv I Okeana). 2018. V. 31. N 6. doi: 10.15372/A0020180600.

49. Korets M. A., Rvzhkova V. A., Danilova I. V. GIS-based approaches to assessment of the terrestrial ecosystems state in the Norilsk industrial area // Siberian ecological journal (Sibirskiv ekologicheskiv zhurnal). 2014. N 6. P. 887-902.

50. Savchenko V. A. Ecological Problems of the Taimyr. Moscow, 1998.

51. Shlvchkov V. A., Malbakhov V. M., Lezhenin A. A. Numerical modeling of atmospheric circulation and transport of contaminants in the Norilsk Valley // Atmosphere and Ocean Optics (Optika Atmosferv I Okeana). 2005. V. 18. N 5-6. P. 490-496.

52. Lezhenin A. A., Raputa V. F., Yaroslavtseva T. V. Numerical analysis of atmospheric circulation and pollution transport in vicinity of the Norilsk industrial region // Atmosphere and Ocean Optics (Optika Atmosferv I Okeana). 2016. V. 29. N 6. P. 467-471.

53. Kharuk V. I., Winterberger K., Tsibulskiv G. M., Yakhimovich A. P. Analysis of the technogenic degradation of tundra forests from space imagery // Exploration of the Earth from space (Issledovanie Zemli iz kosmosa). 1995. N 4. P. 91-97.

54. Igamberdiev V. M., Tereshenkov O. M., Kutvev Kh. A., Popova E. N. Assessment of the current state of the environment: Norilsk industrial region // National economy of the Komi Republic (Narodnoe khozvavstvo respubliki Komi). Syktyvkar. 1994. V. 3. P. 54-61.

55. Obolkin V. A., Potemkin V. L., Makukhin V. L., Chipanina Y. V., Marinavte I. I. Low-level atmospheric jets as main mechanism of long-range transport of power plant plumes in the Lake Baikal Region // Int. J. Environ. Studies. 2014. Vol. 71 (3). P. 391-397.

56. Lezhenin A. A., Yaroslavtseva T. V., Raputa V. F. Using satellite information on smoke torch trajectories to calculate wind fields // InterExpoGeo-Siberia-2016. 2016. V. 1. P. 63-67.

57. Braun R. A. Analytical methods for modeling the planetary boundary layer //Leningrad, Gidrometeoizdat, 1978.

58. Raputa V. F., Shlvchkov V. A., Lezhenin A. A., Romanov A. N., Yaroslavtseva T. V. Numerical analysis of aerosol substance fallout from a high-altitude source // Atmosphere and Ocean Optics (Optika Atmosferv I Okeana). 2014. V. 27. N 8. P. 713-718.

СОЗДАНИЕ И РАЗВИТИЕ МНОГОКОМПОНЕНТНОГО КОМПЛЕКСА МОДЕЛЕЙ ГИДРОДИНАМИЧЕСКИХ

ПРОЦЕССОВ ЗЕМЛИ

Г. А. Платов*, В. Ф. Рапута*, В. Н. Крупчатников*'**, Е. Н. Голубева*,

В. В. Малахова*, А. А. Леженин*, И. В. Боровко*, А. И. Крылова*,

* * * **'***

* Институт вычислительной математики и математической геофизики СО РАН, 630090,

Новосибирск, Россия

**

институт, Росгидромет, 630099, Новосибирск, Россия

***

630090, Новосибирск, Россия

УДК УДК 551.588: 519.63

В статье представлен обзор современного состояния исследований в ИВМ и МГ СО РАН в направлении математического моделирования процессов в атмосфере, гидросфере и криосфере Земли. Рассмотрены вопросы создания и развития многокомпонентного комплекса моделей гидродинамических процессов для исследования климата, Арктического региона, для моделирования подводной мерзлоты, для изучения термического режима водоемов и водохранилищ и сложных речных систем. Особое внимание уделяется вопросам мониторинга и анализа состояния окружающей среды.

Ключевые слова: математическое моделирование, климатическая система, мониторинг окружающей среды.

Введение. Со времен создания Вычислительного центра (ныне Институт вычислительной математики и математической геофизики — ИВМ и МГ) в Новосибирске активно развивалось направление, связанное с моделированием процессов в атмосфере, гидросфере и криосфере Земли. А. С. Алексеев всячески поддерживал это направление и был сторонником развития единого комплекса для земной системы, включающего и литосферу. Так или иначе, но развитие современного моделирования уверенно движется в этом направлении, и если ранее модели, участвующие в проектах СМ1Р международной программы 1РСС, имели аббревиатуру ('ЯМ — (ТипнК'ЯуМ(чп.\1о<1о1 (модель климатической системы), то теперь значительная часть таких моделей являются моделями земной системы, то есть КЯМ КапЬЯуМетМоПН.

Проблема исследования климата Земли стоит в центре внимания на протяжении нескольких десятилетий и в последнее время стала особенно острой в связи с так называемым „глобальным потеплением". Рост температуры воздуха в среднем на 0.74 градуса в течение прошлого столетия примерно на две трети состоит из прироста за период 1980 2000 г. Изменение температуры на столь незначительную величину, которую можно и не ощутить, вызывает ряд более существенных последствий в климатической системе. Одним

(г) Г. А. Платов, В. Ф. Рапута, В. Н. Крупчатников, Е. И. Голубева, В. В. Малахова,

A. А. Леженин, И. В. Боровко, А. И. Крылова, Д. Ф. Якшина, М. В. Крайнева,

B. В. Кравченко, О. А. Коробов, 2019

из наиболее ярких проявлений „глобального потепления" является стремительное сокращение ледяной массы Земли, как горных и континентальных ледников, так и плавучего льда. Тот факт, что значительная часть Арктики в результате сезонных колебаний летом полностью освобождается ото льда, требует всестороннего изучения для понимания новых условий формирования среды обитания и экономической деятельности.

Однако проблема климата не единственная, для решения которой требуется комплексный подход. Существует ряд задач, возможно, не столь масштабных, но от этого не менее важных. Анализ данных и мониторинг распространения вредных примесей в атмосфере и в водной среде, заражение почв и водоемов также требует пристального внимания поскольку связан с условиями существования и жизнедеятельности человека, с формированием устойчивого природопользования и экономического развития,

В данной статье мы представим обзор современного состояния исследований в ЦВМ иМГ СО РАН в направлении математического моделирования процессов в атмосфере, гидросфере и крносфере Земли,

1. Исследование климата. Модели промежуточной сложности представляют собой модели, описывающие динамику атмосферы и океана менее подробно, чем обычные модели общей циркуляции (МОЦ), В то же время они выходят за рамки подхода, примененного к моделям атмосферного баланса энергии (МЭБ) или модели океанских ячеек, используя сложные параметризации неразрешенного потока или путь явного решения уравнений динамики геофизических жидкостей, хотя и при более грубом пространственном разрешении, Будучи вычислительно быстрыми, модели промежуточной сложности способны обрабатывать медленные климатические изменения. Поэтому они часто включают компоненты климатической системы, которые связаны с долгосрочными откликами, такими как ледяные щиты, растительность и биогеохимические циклы. Существует множество различных подходов к построению такой упрощенной модели, что приводит к спектру моделей системы Земли промежуточной сложности, перекрывающей разрыв между МЭБ и сложными МОЦ [1-10].

За последние несколько десятилетий арктический регион прогревался гораздо больше,

чем в среднем по миру, в первую очередь зимой, в то время как арктический морской лед

"

Существующая положительная обратная связь альбедо снегового и морского льда играет значительную роль в усилении сигнала нагрева [15]. Альбедо обратной связи работает летом, когда солнечная радиация является максимальной. Когда площадь морского льда сокращается и открывается поверхность воды, потепление из-за поглощенного коротковолнового излучения может быть большим, что еще усиливает потери морского льда за счет бокового плавления. Высокотемпературный отклик на форсинг парниковых газов, помимо атмосферного переноса тепла, связан и с аномальным переносом тепла океана в Арктику, Это происходит, даже если из-за ослабленной меридиональной циркуляции уменьшается перенос тепла в нижних широтах. Океан может действовать как резервуар для тепла, получаемого летом, когда морской лед отступает, сохраняя его в зимние месяцы, когда возвращается морской лед.

Скорость сокращения объема морского льда увеличивается в Баренцевом и Карском морях. Нисходящая длинноволновая радиация является существенным элементом редукции морского льда, она может быть обеспечена только чрезмерным восходящим потоком тепла от поверхности моря, подверженного воздействию воздуха в зоне отсутствия морского льда. Увеличенный турбулентный поток тепла способствует увеличению температуры

воздуха и удельной влажности в нижней тропосфере, что, в свою очередь, увеличивает длительное длинноволновое излучение. Этот процесс обратной связи четко просматривается в Баренцевом и Карском морях в данных реанализа [16]. Количественная оценка показывает, что этот процесс обратной связи усиливался со скоростью ~8,9 % в год в 1979-2016 годах. Исходя из этой оценки, морской лед полностью исчезнет в Баренцевом и Карском морях примерно к 2025 году. Чрезмерный поток тепла необходим для поддержания этого процесса обратной связи; ожидается, что подобный механизм потери морского льда будет иметь место и в полярном регионе, покрытом морским льдом, когда морской лед не будет полностью восстановлен зимой,

В дополнение к этим процессам более теплый перемешанный слой океана задерживает рост морского льда и, таким образом, влияет на зимние температуры поверхности из-за более тонкого слоя льда. Поскольку арктическая атмосфера устойчиво стратифицирована из-за тепловой инверсии на поверхности, любое потепление, которое происходит там, далеко не проникает в тропосферу.

Влияет ли арктическое усиление на погодные явления в средних широтах [16-23] — вопрос открытый. Каковы механизмы? Ожидается, что быстрое арктическое потепление повлияет на погодные условия в северном полушарии, но как, где, и когда — это тема для исследования. Экстремальные погодные явления наблюдались чаще в последние десятилетия, Для изучения этих проблем нами была построена новая системная модель земной системы промежуточной сложности Р1а81т-1СММС-у,1,0 [24],

Системная модель ИнЯпп-К'ММС-у. 1.0 была разработана как модульная структура, позволяющая создавать спектр моделей земной системы средней сложности путем выбора различных вариантов для различных компонентов климата и углеродного цикла. Модель способна интегрироваться на различных временных масштабах. Структура была разработана для модульной работы, чтобы облегчить соединение более сложных компонентов с увеличением вычислительной мощности.

В качестве теста расчет параметров климатической системы проводился на интервале 100 лет. Начальное состояние атмосферы было получено в предыдущих экспериментах с полной версией автономной модели Р1а81т.

На рис. 1 показаны мартовская и сентябрьская температуры поверхности моря, полученные в результате усреднения за последние десять лет эксперимента. В общем, распределение температуры хорошо согласуется с известными распределениями климата, но в тропиках океан оказался на 2-3 градуса холоднее. Результаты для наиболее критического океанского региона — Арктики — не совсем удовлетворительны. Течения в верхнем 100-метровом слое соответствуют состоянию сильного циклонического режима циркуляции и не содержат характерных черт антициклонической циркуляции в море Бофорта. В результате недостаточной конвергенции экмановского потока в этом регионе ледяное поле оказалось более рассеянным, чем реальное распределение, что привело, например, к тому, что область к северу от Скандинавии и Мурманского порта оказалась под льдом даже летом. Ледяное поле в Антарктике почти полностью отсутствует летом, а зимой оно достигает 0,5-1 м.Перенос тепла от экватора к полюсам несколько завышен в северном полушарии и недооценен в южном полушарии. Однако, если мы рассмотрим меридиональный перенос тепла в динамике, можно заметить, что 100-летний период, вероятно, недостаточен для его окончательного формирования, а изменения за последние 50 лет происходили в правильном направлении (рис. 2).

-40

1СМ&П/Ю осеап тос!е1 Тетрега^ге ( С) г=0т 1

20

б)

Рис. 1. Температура поверхности моря а) в марте; б) в сентябре, усредненная за последнее десятилетие

100-летнего предварительного эксперимента

Распределение температуры поверхности суши хорошо согласуется с данными реана-лиза 1МСЕР, но некоторые регионы перегреты. Примерно на 5 градусов выше оказалась температура в центральной части Евразии в январе, в южной части этого региона в июле, в западной части Южной Америки в январе и в Северной Америке в оба месяца. В Полярных областях температура поверхности модели ниже, чем в данных реанализа в зимние сезоны (в январе для Северного полюса и в июле для Южного полюса). Общее количество осадков, полученных в результате усреднения за последние 35 лет эксперимента, хорошо согласуются с данными наблюдений, но в тропиках за оба месяца по результатам моделирования они выше примерно на 10-15 мм в день, чем в наблюдениях. Захвачены некоторые крупные засушливые районы, в частности сезонная миграция зоны межтропической конвергенции и связанных с ней муссонных систем. В целом Р1а8ш1-1СММС-у.1.0 лучше коррелирует с наблюдаемыми сезонными осадками, чем Р1а8ш1, и показывает более влажные условия.

3

-0.5

-80 -60 -40 -20

20 40 60 80

latitude

Рис. 2. Меридиональный перенос тепла (ПВт — 1015 Вт, положительное значение соответствует транспортировке на север). Тонкая линия соответствует осредненному распределению за период 45-55 лет, а жирная линия — за период 90-100 предварительного 100-летнего эксперимента

Результаты моделирования с новой моделью показывают, что в январе в Арктике глобальная температура поверхности ниже наблюдаемой: холодное смещение и сравнение результатов моделирования со старой моделью с данными повторного анализа показывают теплое смещение. Средняя наблюдаемая климатология января и июля лучше моделируется моделью Р1а8ш1-1СММС-у.1.0, чем моделью Р1а8ш1.

Изменчивость полярного вихря может быть оценена с помощью аномалии высоты полярной шапки (ВПШ), которая получается осреднением аномалии высоты среднего геопотенциала по площади севернее 65 с. ш., нормированной на стандартное отклонение для каждого из стандартных уровней давления. По определению, наличие положительной аномалии ВПШ соответствует слабому полярному вихрю и может быть связано с отрицательной фазой АО. Аномалия ВПШ линейно коррелирует с индексом АО.

Существует два режима циркуляции, структуры которых соответствуют положительной и отрицательной фазе АО. Меняя распределение температурных полей, АО влияет на распределение морского льда.

Для анализа взаимосвязи между высотой полярной шапки и количеством морского льда использовались данные, полученные с помощью модели Р1а8ш1 за 22 года с шагом 36 записей в год (усреднение приблизительно за 10 дней). В качестве диагностической характеристики используется усреднение высоты геопотенциала поверхности по области севернее 64.10° с.ш. (рис. 3). Для вычисления высоты геопотенциала в Р1а8ш1 используется следующая аппроксимация уравнения квазистатики:

Минимальные значения высоты наблюдаются в феврале, когда северный полярный вихрь наиболее сильный.

Получен коэффициент корреляции между высотой полярной шапки в феврале и количеством морского льда в апреле -0,454.

5400

4500-1-1-1-1-

0 5 10 15 20 25

t .years

Рис. 3. Средняя высота поверхности р^500 мбар относительно поверхности земли в зависимости от времени (м) (усреднение по области севернее 64,10 с. ш.)

х 10П_

6.2--1-1-1-1-j-1-1-1-г

4 8 _I_I_I_I_I_I_I_I_I_

4560 4600 4620 4640 4660 4680 4700 4720

Рис. 4. Диаграмма рассеяния средней ВЫСоТЫ п0верХН0СТИ р _ 500 м5ар ^высоты п0ЛЯрН0^ шапки^ в феврале и среднего объема морского льда (м3) в апреле в ПОЛЯрНЫХ широтах (широта выше 64,10)

Модель описывает сезонную динамику морского льда в Арктике со значительной погрешностью: максимальные значения количества морского льда в Северном полушарии достигаются в конце марта или начале апреля; и граница области, покрытой льдом, достигает 450 с, ш. Несмотря на это, она адекватно воспроизводит обратные связи между циркуляцией внетропической атмосферы и динамикой морского льда в Северном полуша-

2. Исследование Арктики. В последнее десятилетие было достигнуто два рекорда абсолютного минимума площади арктического льда. По данным Национального центра снега и льда (NationalSnowandlceDataCenter, NSIDC, http://nsidc.org) в 2007 году ми-

Рис. 5. Сплоченность льда для сентября 2005 года: а) полученная в результате работы численной

модели; б) по данным N8100

нимальная площадь льда составила 4,154 млн. км2 (18 сентября), в 2012 3,387 млн. км2 (17 сентября).

Выделяют несколько причин, вызывающих напрямую или косвенно сокращение ледового покрова. В первую очередь, это, конечно, тепловое воздействие со стороны атмосферы, температура которой последние десятилетия показывает устойчивый тренд на повышение. Усиление ветровой циркуляции в меридиональном направлении способствует выносу льда за пределы СЛО и, следовательно, уменьшению общей площади ледового покрова. Также нельзя не учитывать влияние со стороны океана. В работе [25] отмечается связь траектории распространения тихоокеанских и атлантических вод с регионами, свободными ото льда. Теплые промежуточные воды атлантического происхождения являются основным источником тепла в Северном Ледовитом океане. Поступая в СЛО в виде двух ветвей, проходящих через пролив Фрама и Баренцево море, частично перемешиваясь по мере продвижения с холодными арктическими водами, атлантическая вода образует теплый промежуточный слой на глубине 150 900 метров [26].

В данном исследовании мы попытаемся численно оценить вклад со стороны океана в сокращение ледового покрова и сравнить его с вкладом со стороны атмосферы.

Для исследования использовалась модель SibCIOM, совместная региональная численная модель океан-лед Северной Атлантики и Северного Ледовитого океана, разработанная в ИВМиМГ СО РАН, включающая в себя океаническую часть [27] и ледовую модель CICE 3.1 (http://oceansll.lanl.gov/trac/CICE). Численные эксперименты проводились на модельный период 1948 2016 с использованием данных реанали-за атмосферы NCEP/NCAR (http://www.esrl.noaa.gov/psd/data/gridded/data.ncep. reanalysis.html). В качестве начального состояния было использовано зимнее распределение массива климатических данных PHC [28].

Полученный в результате численного моделирования набор среднемесячных характеристик отражает климатическую изменчивость в течение указанного периода, в частности, последних десятилетий. Распределение ледового покрова, полученное по результатам численного моделирования, согласуется с данными наблюдений NSIDC (рис. 5).

Пролив Фрама

1950 1960 1970 1980 1990 2000 2010

Баренцево море

1950 1960 1970 1980 1990 2000 2010

Рис.6. Временной ход среднегодового вертикального распределения температуры в проливе Фрама (вверху) и в Баренцевом море (внизу) для периода 1948 2016

По результатам модельных расчетов был построен временной ход вертикального распределения температуры, осредненной по регионам пролива Фрама и Баренцева моря (рис. 6). В проливе Фрама температура ядра атлантических вод составила 1 4 градуса, в Баренцевом море 3 6, что также соответствует данным наблюдений [29]. В работе [30] приводятся данные о повышении температуры в проливе Фрама для двух периодов: 1998 2000 и 2003-2006, увеличение на протяжении последнего десятилетия составило 1°, что также получено с помощью численного моделирования. В работе [31] отмечено, что в середине 90-х гг. и в 2007 происходило увеличение температуры на 1 градус, что наблюдается в наших результатах моделирования для баренцевоморской ветви (рис. 6).

Известно, что таяние льдов происходит на нижней и верхней границах и вызвано тепловыми потоками, подходящими ко льду со стороны океана и атмосферы соответственно. Считается, что тепловые потоки, подходящие от океана к нижней границе ледового покрова и вызывающие таяние льда, обусловлены атлантическими промежуточными водами. Эта гипотеза неоднократно подтверждалась исследованиями с помощью аналитических моделей [32, 33]. Величина тепловых потоков, поступающих от океана, рассчитанных на основе численного моделирования, варьируется между регионами в зависимости от траектории распространения атлантических вод. Для удобства область СЛО была разделена на 20 регионов (рис. 7), по которым были рассчитаны средние и суммарные величины.

Были рассчитаны временные массивы среднемесячных осредненных по каждому из 20 регионов потоков „океан-лед" и „атмосфера-лед", а также массивы среднемесячного объема льда в этих регионах для периода 1967 2012. Информация о коэффициентах корреляции между потоком тепла и объемом льда представлена в таблице (отдельно для ""

"

регионы расположены вдоль траектории фрамовской ветви поступления атлантических вод в Арктику. Особенно важно влияние океана в 14 регионе, где атлантическая вода имеет более высокую температуру.

Рис. 7. 20 регионов, на которые была поделена область СЛО для анализа результатов работы численной

модели

Таблица

Коэффициенты корреляции между потоком „атмосфера-лед" и „океан-лед" и объемом льда, информация по различным регионам СЛО (рис. 7)

Номер региона Коэффициент корреляции между потоком „атмосфера-лед" и объемом льда Коэффициент корреляции между потоком „океан-лед" и объемом льда

14 0,5280 0,9159

1 0,6687 0,7867

2 0,9367 0,9626

3 0,6819 0,8864

5 0,8586 0,9169

15 0,7889 0,7910

16 0,9176 0,6400

17 0,9186 0,8070

Коэффициенты корреляции между потоками „атмосфера-лед" и объемом льда в основном меньше, но для регионов 16, 17 они заметна выше. Эти регионы расположены в зоне Евразийского шельфа (Карское море), здесь влияние океана заметно слабее, так как к тому времени как слой атлантической воды доходит до этих регионов, он перемешивается с холодными вышележащими слоями, что в значительной степени снижает его температуру.

Результаты исследования показали усиленное влияние со стороны океана на состояние ледового покрова в регионах Баренцева моря, пролива Фрама и склона Евразийского

шельфа. Эти регионы соответствуют начальной траектории распространения атлантических вод в Арктике,

3. Моделирование подводной мерзлоты. Мелководный шельф морей Лаптевых и Восточно-Сибирского рассматривается как область, в пределах которой распространены многолетнемерзлые породы (ММП) и возможно существование зоны стабильности гидратов газов [34], Разрушение подводной мерзлоты может приводить к газонасыщению верхнего слоя донных отложений и к дестабилизации газовых гидратов шельфа, зона стабильности которых связана с существованием многолетнемерзлых субаквальпых пород [35], Внимание к проблеме подводной мерзлоты в последние годы объясняется формированием высоких концентраций метана в морских водах и в атмосфере арктического региона [36, 37].

Для создания системы оценки влияния изменений климата на субаквальпую криоли-тозону и зону стабильности газовых гидратов Арктического региона разработана модель термофизических процессов в донных отложениях океана в условиях криолитозоны, дополненная термобарическими условиями существования газогидратов метана.

При моделировании подводной мерзлоты на арктическом шельфе мы используем подход, в котором учитывается представление об изменении уровня океана и положения береговой линии. Предполагается, что подводная мерзлота сформировалась на суше в холодную эпоху в период понижения уровня океана и осушения шельфа. Мы исходим из предположения, что область шельфа с глубинами до 100-120 м в ледниковые периоды была сушей. На ней в результате промерзания под воздействием низкой температуры атмосферы сформировалась мерзлота, в структуру которой метан мог включаться в форме газовых гидратов, В ходе последующих трансгрессий океана задается затопление мерзлых отложений, В процессе расчета теплового поля в донных отложениях температура на верхней границе соответствует значениям температуры воздуха либо температуры придонной воды, в зависимости от того, в каких условиях находится область шельфа, В качестве верхних граничных условий па границе „атмосфера-грунт" использован палеогеографический

сценарий, включающий палеореконетрукцию атмосферных температур по результатам ле-

"

температура, полученная в результате работы региональной модели океана СЛО-СА с заданным атмосферным воздействием. На нижней границе расчетной области учитывается географическое распределение величины геотермического потока [38], Математическая постановка задачи подробно рассмотрена в ряде предшествующих работ [35, 39, 40],

Проведенное исследование показало, что положение нижней границы реликтовой подводной мерзлоты зависит от современной глубины шельфа и времени трансгрессии океана. Продолжительность периодов трансгрессии и соответствующих периодов деградации суб-аквальной мерзлоты увеличивается с ростом глубины шельфа. Глубина залегания нижней границы мерзлых пород по результатам расчета составила порядка 20-600 м, рис, 8, а. Большие значения потоков тепла в областях рифтов и на внешнем шельфе приводят к более сильной деградации подводной мерзлоты.

Получена пространственно-временная изменчивость положения верхней границы многолетнемерзлых пород для шельфа восточного сектора Арктики, Проведенное исследование показало, что температура придонного слоя морской воды является важным фактором, влияющим на современное состояние субаквальпой мерзлоты. Однако большая глубина оттаивания мерзлых пород обусловлена их засолением вследствие миграции солей в поровое пространство после затопления шельфа соленой морской водой в период транс-

Рис. 8. Положение верхней границы слоя многолетнемерзлых пород (в м) ниже морского дна в слое донных отложений (а); положение нижней границы многолетнемерзлых пород ниже морского дна (б)

грессии. В численном эксперименте получено, что верхняя граница ММП расположена на глубине 12-30 м ниже морского дна в зависимости от области шельфа, рис. 8, б.

Результаты численных расчетов подтвердили возможность существования субакваль-ной мерзлоты на шельфе морей Лаптевых и Восточно-Сибирского, что позволяет использовать данные результаты для дальнейшего исследования.

Рост температуры придонных вод и влияние диффузии солей способствуют оттаиванию донных мерзлых отложений и приводят к существованию несквозных таликов глубиной порядка 12-30 м.

Наличие мерзлых пород в донных отложениях препятствует движению природных газов, накопление которых может происходить в мерзлотных горизонтах. Однако под воздействием высокого давления движущегося газового фронта могут происходить разрывы мерзлых пород и формирование каналов выхода газа. Значимую роль здесь может оказывать незамерзшая вода в порах пород, содержание которой значительно возрастает при

повышении температуры в грунтах и засолении. Возможно существование несквозных таликов в областях палеодолин рек или термокарстовых озер [40],

4. Термический режим водоемов и водохранилищ. Гидротермический режим в водоеме-охладителе в большой степени определяется сбросом подогретых вод ГРЭС, По-ступленпе дополнительного тепла в водохранилище формирует термический режим, который не свойственен водоемам в данной природной зоне [41]. При этом повышение температуры воды существенно изменяет ее свойства (вязкость, испарение, растворимость солей и газов и другие), а также определяет иной характер протекания химических, физико-химических, биохимических и других процессов в водной среде и в донных отложениях.

Для охлаждения подогретых сбросных вод Беловской ГРЭС зарегулированием стока реки Пня у г, Белово Кемеровской области в 1964 году был создан водоем. Это равнинное водохранилище руслового типа сезонного регулирования. Створ плотины находится на 547 км от устья, в 116 км от истока реки Пня и замыкает площадь водосбора 1 760 км2, что составляет около 10 % общей площади водосбора этой реки. Длина водоема 10 км, максимальная ширина 2,3 км, минимальная — 1,0 км, максимальная глубина 12,0

м,средняя — 4,4 м. Объем водных масс 60 млн, мЗ, Площадь зеркала при нормальном

22

протяженность береговой линии — 91 км. Объем стока 50 % обеспеченности за год 0,27 км3, за половодье 0,25 км3 (91 %), Объем стока 95 % обеспеченности за год 0,13 км3, за половодье 0,12 км3 (89 %) [42], Одна из особенностей Беловского водохранилища, как и других водоемов-охладителей с оборотной системой водоснабжения, — большая интенсивность внутреннего водообмена (около 25 раз в год) по сравнению с внешним (около 3 раз), Морфометричеекие особенности Беловского водохранилища рассмотрены в работе [43],

Для проведения исследования влияния сброса подогретых вод ГРЭС на состояние водохранилища использовалась трехмерная численная модель, построенная на основе гидродинамической модели ИВМиИГ СО РАН, разработанной для исследования циркуляции океана и шельфовых морей [44, 45].Модельная область аппроксимирует Беловское водохранилище с численной сеткой, имеющей равномерное разрешение 35 м по горизонтали и 1 м по вертикал и. Основные численные эксперименты, представленные в работе [46], относятся к летнему и зимнему периодам. При проведении экспериментов использовалась информация, полученная на основе климатических данных наблюдений: данные о преобладающем направлении и скорости ветра (южный ветер, скорость 2,1 м/с, и северный ветер, скорость 2,3 м/с), температуре и расходе воды р. Ини (24 °С, 3,3 м3/е), В качестве начального распределения температуры воды рассматривалось однородное фоновое поле

с температурой, равной температуре р. Ини, На сбросном канале, согласно данным на°

сбросном каналах значения расходов воды задавались в соответствии с мощностью работающих агрегатов, число которых при расчетах равнялось двум, четырем или шести, при

3

Численные расчеты по модели при разных значениях метеорологических параметров и конденсационных нагрузках электростанции проводились для оценки их влияния на процессы переноса тепла в водохранилище. Основной формирования потока в водоеме является поступление вод р. Ини на юге (цифра 1 на рис. 10) и сток вод в северной части области (цифра 2 на рис. 10). Топография дна водоема включает основное русло реки и мелководную часть, циркуляция которой в значительной степени определяется направлением и скоростью ветра. Результаты численных экспериментов показали, что южный

Рис. 9. Распространенно аномалии тепла в летний период, вызванной поступлением подогретых вод при двух, четырех и шести работающих агрегатах, южный ветер

Рис. 10. Распространение теплового сигнала при двух, четырех и шести работающих агрегатах в зимний

период, южный ветер

ветер способствует усилению основного течения и переносу нагретых вод, поступающих из сбросного капана, па север (рис. 9). Основной сигнал теплового загрязнения распространяется в поверхностном слое.

На рис. 10 показано распределение теплового сигнала в водоеме в зимний период (март) при заданном южном ветре (скорость 2,2 м/с) и температуре атмосферы -10° С. Очевидно. па распространение теплового сигнала существенное влияние оказывает теплообмен между поверхностью водоема и атмосферой.

В центральной части водоема отмечается небольшое повышение температуры в соответствии с основным направлением руслового потока. Следует отметить, что при северном ветре численная модель показывает проникновение теплового загрязнения до дна водоема. Во всех вариантах расчетов интенсивность распространения и значение аномалий тепла существенно зависят от мощности сброса.

Полученная в результате расчетов картина распространения теплового сигнала, поступающего в водоем из сбросного канала, определяется температурой и мощностью сброса и направлением преобладающего ветра. Максимальные горизонтальные градиенты температуры, отмечающиеся непосредственно вблизи устьевых участков теплых каналов, ко°

ноетного слоя, выявленные относительно температур 1 %-ной обеспеченности, достигают

2

вод в водохранилище площадь подогрева прослеживается в направлении основного потока и может составлять до 40 % от общей площади водоема.

Математическая модель, разработанная для расчета полей течений и температур, зон теплового загрязнения Беловского водохранилища, в целом, учитывает все основные теп-лофизические и гидродинамические процессы, обусловливающие распространение подогретых вод в водоеме. Дальнейшее совершенствование численной модели водохранилища-охладителя будет направлено на решение задач оптимизации схем эксплуатации агрегатов ГРЭС, с учетом всех факторов, определяющих температуру воды в подогреваемом водоеме,

5. Речные системы. Расчеты речного стока для водосборов, недостаточно обеспеченных натурными наблюдениями, как за метеорологическими, так и гидрологическими характеристиками, получение суточного гидрографа речного стока относятся к важным гидрологическим задачам.

Получение расчетных характеристик стока и их прогнозирование с учетом климатических изменений, в частности для реки Лены, является необходимым условием для оценки влияния вод реки на процессы водообмена, ледообразования и тепловой баланс моря Лаптевых,

На примере многорукавной дельты реки Лены исследуется возможность более широкого использования одномерных уравнений Сен-Венана для сложной гидрографическойсети. Применение гидродинамического метода для описания неустановившегося движения воды в беспойменном открытом русле и использование специально разработанного метода прогонки по графу типа „дерево" [47] позволили схематизировать водный режим и получить удовлетворительные результаты расчета характеристик стока для меженного русла пяти магистральных проток дельты Лены [48], Приближенный учет влияния поймы в рамках одномерной модели требует дальнейшего исследования,

В практической гидрологии, наряду с моделями, основанными на физических закономерностях, используются линейные модели с сосредоточенными параметрами, рассматривающие водосбор как некоторую динамическую систему, параметры которой неизвестны, а заданы лишь входные и выходные характеристики. Если существует связь между входной и выходной величинами, выражаемая линейным дифференциальным уравнением п-ого порядка, то такую связь можно представить в виде интеграла Дюамеля, который является решением этого уравнения при нулевых начальных условиях.

На основе линейной модели с привлечением всемирной базы данных общего доступа МЕККА в качестве источника данных по атмосферным осадкам, испарению и приземной температуре воздуха были рассчитаны среднемесячные гидрографы стока по пяти магистральным протокам дельты реки Лены за трехлетний период 2005-2007 гг. На рис, 11 представлены смоделированные годовые гидрографы по пяти основным протокам.

<Х м7с

70000 -

—Данные

60000 -

50000 -

40000 -

30000 -

20000 -

10000 -

о

123456789 10 11 12

Месяц

Рис. 11. Рассчитанные среднемесячные гидрографы в замыкающих створах пятимагистральных проток

дельты Лены для 2005 года

На этих рисунках можно видеть согласование главных характерных фаз гидрологического режима: половодье (июнь) и летняя межень (июль-сентябрь) между данными и рассчитанными гидрографами основных проток дельты Лены.

6. Анализ и мониторинг состояния окружающей среды.

6.1. Численное ,моделирование атмосферной циркуляции и переноса примесей в Норильском промышленном, районе. Загрязнение атмосферы промышленными предприятиями г. Норильска оказывает значительное влияние на окружающую природную среду. К основным загрязнителям относятся сернистые соединения, объем которых составляет около 2 м,;ш, тонн в год |49, 50|, Особенности местности формируют горпо-долинные ветра с большой изменчивостью направлений.

С помощью гидродинамической модели атмосферных процессов, адаптированной дня Норильского промышленного района (НПР), дня типичных условий проведены расчеты нолей ветра |51, 521. В основу модели положены уравнения гидротермодинамики, записанные в приближении глубокой конвекции, что позволяет описать волновые процессы орографической природы в нижней и средней тропосфере. Сформулированные краевые условия позволяют задавать на верхней границе области ноля скоростей и давления, не связанные геострофическими соотношениями. Это оказывается необходимым при имитации реальных метеорологических ситуаций над территорией с высокими горными массивами. При решении задачи используются неявные методы, прямой алгоритм дня уравнения Пуассона и метод факторизации. Результаты численного моделирования процессов переноса загрязняющих примесей и их выпадений на поверхность земли приведены на рис. 12.

Анализ рис. 12 показывает, что максимум выпадений продуктов Б02 фиксируется на расстоянии 40-60 км от центра эмиссии. Именно па этой территории, согласно данным космического зондирования, регистрируется массовая гибель лиственницы |53|, Используемая численная модель атмосферного пограничного слоя позволяет воспроизвести основные циркуляционные процессы над территорией НПР. Показано, что особенности местности формируют горизонтально-неоднородное и изменчивое по высоте поло ветра.

Отметим, что сведения о параметрах источников выбросов, химическом и дисперсном составе примесей носят отрывочный характер. Кроме того, объем мониторинговых исс.не-

Рис. 12. Изолинии поля продуктов выпадения Б02

дований загрязнения территории НПР весьма ограничен. В связи с этим возникает необходимость решения соответствующих обратных задач переноса примесей. В рамках модели реконструкции ноля выпадений монодис перс пой примеси выполнен численный анализ данных экспедиционных исследований загрязнения снежного покрова в окрестностях Норильского медеплавильного завода |54|, На рис. 13 представлена схема отбора проб снега и численно восстановленное ноле выпадений свинца |52|,

Из анализа рис. 13 вытекает, что в зимнее время основные выпадения свинца происходят к северу от промышленного предприятия, северо-западное направление является преобладающим в процессах дальнего переноса. Максимум ноля концентрации достигается па расстоянии порядка 1 км от высотных труб завода, что указывает па существенную неоднородность дисперсного состава выбрасываемых примесей.

6.2. Численное восстановление профиля, ветра в пограничном, слое атмосферы с использованием наземных и спутниковых наблюдений. Дымовые загрязнения атмосферы от антропогенных и природных источников хорошо видны па спутниковых снимках. Так, шлейфы дыма от высотных труб ТЭЦ показывают направление скорости ветра и могут прослеживаться до нескольких десятков километров |55|, Использование этой информации, данных аэрологических и метеорологических наблюдений и модели экмаповского пограничного слоя позволяет провести оценку профиля ветра в нижней атмосфере. Апробация предложенного подхода была проведена дня зимних условий па примере крупных ТЭЦ Омска и Новосибирска |56|,

На рис. 14, а, представлен зимний спутниковый снимок г. Омска, показывающий направления траекторий дымовых факелов от труб промышленных предприятий и ТЭЦ. Из анализа рис. 14, а, следует, что угол между траекториями шлейфов от разновысоких источников составляет 30-35 градусов. С помощью этой информации, данных аэроло-

Рис. 13. Схема отбора проб снега. Измеренное и восстановленное но .модели реконструкции ноле выпадений свинца (мкг/л) в окрестностях Норильского медеплавильного завода. ^ — источник выброса, • — точки отбора проб

гических наблюдений на основе уравнений атмосферного пограничного слоя проведены расчеты составляющих профиля скорости ветра (рис. 14, б).

Направление скорости ветра в приземном слое атмосферы можно определять как визуально по низким источникам, так и по измерениям на близлежащей метеостанции. Численная модель оценивания, основанная на решении уравнений пограничного слоя, позволяет рассчитать поле ветра и коэффициент вертикального турбулентного обмена. Такая методика может быть использована для анализа процессов загрязнения атмосферы города и его окрестностей.

6.3. Численный анализ данных аэрозольных выпадений примесей от высотного источника. При проектировании размещения и режимов эксплуатации дымовых труб, достигающих высот нескольких сот метров над поверхностью земли, требуется более детальный учет вертикальной структуры поля ветра. Это связано с необходимостью адекватного описания атмосферного переноса при изменении вектора скорости с высотой [57] и, как следствие, обусловливает сложную трехмерную структуру траекторий седиментирующей примеси и своеобразие следа выпадений, которое выражается в существенном различии между осью следа и ориентацией преобладающего направления приземного ветра. Неопределенности в определении характеристик дисперсного состава выбрасываемых веществ, мощности источника, режима его работы приводят к необходимости использования мониторинговых исследований и постановок обратных задач оценивания параметров источников и полей аэрозольных выпадений примесей [58].

На рис. 15, а, представлены результаты численной реконструкции поля выпадений бенз(а)пирена от трубы ТЭЦ 3 г. Барнаула с высотой 230 м. Вследствие эффектов разворота ветра на высотах пограничного слоя атмосферы основной снос примеси происходит в восточном направлении от ТЭЦ с максимумом приземной концентрации на расстоянии менее 1 км от источника. Уровни концентраций бенз(а)пирена весьма значительны, как вблизи станции, так и на территории города.

а) б)

Рис. 14. Спутниковый снимок г. Омска от 3 января 2015 г. на 12 часов местного времени с ИСЗ „Ьапс18а1;-8" (а). Восстановленные компоненты скорости ветра по модели и данным спутникового снимка

(б)

а) б)

Рис. 15. Численно восстановленное по данным снегового мониторинга поле концентрации бенз(а)пирена (нг/кг) в зимнем сезоне 2009/10 гг. (а) Рассчитанные компоненты скорости и, V (кривые 1, 2) и спираль Экмана (кривая 3); (б) А — положение высотной трубы ТЭЦ-3 г. Барнаула

На рис. 15, б, приведены расчеты компонент скорости ветра с использованием уравнений экмановского пограничного слоя при геострофическом ветре ug = 5 м/с. При заданных условиях стратификации и динамического режима высота пограничного слоя оказалась равной 1400 м. Максимум поперечной составляющей достигается на высоте 250 м. Траекторный анализ частицы со скоростью оседания wg=0,5 м/с, выпущенной из трубы на уровне 230 м, показал, что частица выпадет примерно через 11 минут, преодолев расстояние в 2100 м от точки эмиссии. Поперечное смещение от линии геострофического потока составило 730 м.

Следует отметить, что для анализа процессов переноса примесей от высотных источников примеси информации только о приземной розе ветров явно недостаточно. Исполь-

зование данных мониторинга загрязнения снежного покрова и модельных описаний поля ветра в пограничном слое атмосферы позволяет более адекватно скорректировать поля аэрозольных выпадений.

Заключение, Развитие моделей гидродинамических процессов Земли в I IBM и МГ СО РАН идет в направлении создания многокомпонентного комплекса взаимодополняющих моделей, описывающих процессы различных пространственных и временных масштабов. Наиболее крупномасштабной задачей является исследование климата Земли, Созданная модель климатической системы промежуточной сложности PlaSim-ICMMG-v.1,0 является шагом в этом направлении. Создание многомодульной системы, подобной этой, позволяет исследовать не только обще климатические проблемы, но и исследовать специальные вопросы, такие как роль климатических тенденций в формировании водных масс и ледовых полей Арктики, их влияния на субаквальную криолитозону и зону стабильности газовых гидратов Арктического региона. Пользуясь технологией даунекейлинга, на основе этого комплекса планируется создание региональных субмоделей, включающих описание как атмосферных процессов малых временных и пространственных масштабов, так и описание естественных и искусственных водоемов и речных систем. Первый опыт работы с такими субмоделями [46] показал их востребованность со стороны хозяйствующих организаций.

Работа в этом направлении соответствует теме госзадания 0315-2016-0004, а также поддерживается программой Президиума РАН № 51 (0315-2018-0016) и Российским фондом фундаментальных исследований (16-05-00558, 17-05-00382, 17-05-00396, 17-47-540342-р и 16-35-00439-мол),

Список литературы

1. Fraedrich К., Jansen Н., Kirk Е., Luksch U. and Lunkeit F. The Planet Simulator: Towards auser friendly model // Meteorol. Zeitschrift. 2005. N 14. P. 299-304.

2. Lunkeit F., Bottinger M., Fraedrich K., Jansen H., Kirk E., Kleidon A. and Luksch U. Planet Simulator Reference Manual Version 15.0. 2007. [Electron. Res.]: http://epic.awi.de/29588/VLun2007d.pdf.

3. Petoukhov V., Ganopolski A., Brovkin V., Claussen M., Eliseev A. and Kubatzki S. Rahmstorf CLIMBER-2: a climate system model of intermediate complexity. Part I: model description and performance for present climate // Climate Dynamics. 2000. N 16 (1). P. 147.

4. Brovkin V., Claussen M., Driesschaert E., Fichefet Т., Kicklighter D., Loutre M. F., Matthews H. D.,Ramankuttv N., Schaeffer M. and Sokolov A. Biogeophvsical effects of historical landcover changes simulated by six Earth system models of intermediate complexity // Clim. Dvnam. 2006 . N 26. P. 587-600.

5. Claussen M. et al. Earth system models of intermediate complexity: closing the gap in thespectrum of climate system models. Clim. Dvnam. 2002. N 18. P. 579-86.

6. Krupchatnikov V., Kuzin V., Golubeva E., Martvnova Yu., Platov G. and Krvlova A. Hydrology and Vegetation Dynamics of the Climate System of Northern Eurasia and the Arctic Basin // Izvestiva Atmospheric and Oceanic Physics. 2009. N 45 (1). P. 116-36.

7. Martvnova Yu V, Krupchatnikov V N 2010 A study of the sensitivity of the surface temperature in Eurasia in winter to snow-cover anomalies: The role of the stratosphere // Izvestiva Atmospheric and Oceanic Physics. 2010. N 46 (6). P. 757-69.

8. Martvnova Yu. V., Krupchatnikov V. N. Peculiarities of the Dynamics of the general atmospheric circulation in conditions of the global climate change // Izvestiva Atmospheric and Oceanic Physics. 2015. N 51 (3). P. 299-310.

9. Borovko I. V. and Krupchatnikov V. N. Responses of the Hadlev cell and extra tropical troposphere stratification to climate changes simulated with a relatively simple general circulation model // Numerical Analysis and Applications. 2015. N 8 (1). P. 23-34.

10. Eliseev V., Coumou D., Chernokulskv A. V., Petoukhov V. and Petri S. Scheme for calculation of multi-layer cloudiness and precipitation for climate models of intermediate Geosci // Model. Dev.

2013. N 6. P. 1745-65.

11. Comiso J. C., Parkinson C. L., Gersten R. and Stock L. Accelerated decline in the Arctic sea ice cover // Geophvs. Res. Lett. 2008. N 35. L01703.

12. Bekrvaev R. V., Polvakov I. V. and Alexeev V. A. Role of polar amplification in long-term surface air temperature variation and modern Arctic warming //J. Climate. 2010. N 23. P. 3888-906.

13. Comiso J. C. Large decadal decline of the Arctic multivear ice cover //J. Climate. 2012. N 25. P. 1176-93.

14. Screen J. A. and Simmonds I. The central role of diminishing sea ice in recent Arctic temperature amplification // Nature. 2010. N 464. P. 1334-37.

15. Cohen J. et al. Recent Arctic amplification and extreme mid-latitude weather // Nat. Geosci.

2014. N 7. P. 627-37.

16. Yeager, S. G., and Large W. G. CORE.2 Global Air-Sea Flux Dataset. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory. 2008. doi: 10.5065/D6WH2N0S.

17. Jaiser R., Dethloff K., Handorf D., Rinke A. and Cohen J. Impact of sea ice cover changes on the Northern Hemisphere atmospheric winter circulation // Tellus. 2012. N 64A. 11595.

18. Francis J. A. and Vavrus S. J. Evidence linking Arctic amplification to extreme weather in mid-latitudes // Geophvs. Res. Lett. 2012. N 39. L06801 doi:10.1029/2012GL051000.

19. Francis J. A. and Vavrus S. J. Evidence for a wavier jet stream in response to rapid Arctic warming // Environ. Res. Lett. 2015. N 10. 014005. doi:10.1088/1748-9326/10/1/014005.

20. Overland J., Francis J. A., Hall R., Hanna E., Kim S. J. and Vihma T. The melting Arctic and midlatitude weather patterns: are they connected? //J. Clim. 2015. N 28. P. 7917-32.

21. Shepherd T. G. Effects of a warming // Arctic Science. 2016. N 353. P. 989-90.

22. Overland J. E., Dethloff K., Francis J. A., Hall R. J., Hanna E., Kim S-J., Screen J. A., Shepherd T. G.,Vihma T. Nonlinear response of midlatitude weather to the changing // Arctic Nat. Clim. Change. 2016. N 6. P. 992-99.

23. Petoukhov V., Rahmstorf S., Petri S. and Schellnhuber H. J. Quasi resonant amplification of planetary waves and recent Northern Hemisphere weather extremes // Proc. Natl. Acad. Sci. 2013. USA 111). P. 5336-41.

24. Platov G., Krupchatnikov V., Martvnova Yu., Borovko I. and Golubeva E. A new earth's climate system model of intermediate complexity, PlaSim-ICMMG-1.0: description and performance // IOP Conf. Ser.: Earth Environ. Sci. 2017. N 96. 012005.

25. Голубева E. H., Платов Г. А., Яшина Д. Ф. Численное моделирование современного состояния вод и морского льда Северного Ледовитого океана // Лед и Снег. 2015. № 2 (130). С. 81-92.

26. Beszczvnska-Moller, A., Fahrbach, Е., Schauer, U., and Hansen, Е. Variability in Atlantic water temperature and transport at the entrance to the Arctic Ocean, 1997-2010 // ICES J. Mar. Sci. 2012. N 69. P. 852-863.

27. Golubeva, E. N. and Platov G. A. On improving the simulation of Atlantic Water circulation in the Arctic Ocean // J. Geophvs. Res. 2007. 112, C04S05, doi:10.1029/2006JC003734.

28. Steele M., Morlev R., Ermold W. PHC: A global hydrography with a high quality Arctic Ocean //J. Climate. 2000. V.'l4. N 9. P. 2079-2087.

29. Beszczvnska-Moller, Agnieszka, 0vsteinSkagseth, Wilken-Jon von Appen, Waldemar Walczowski. Vidar Lien Splitting of Atlantic water transport towards the Arctic Ocean into the Fram

Strait and Barents Sea Branches-mechanisms and consequences // Geophysical Research Abstracts. 2016. Vol. 18, EGU2016-15059.

30. Schauer, U., Beszczynska-Moller A., Walczowski W., Fahrbach E., Piechura J., and Hansen E. Variation of measured heat flow through the Fram Strait between 1997 and 2006 // Arctic-Subarctic Ocean Fluxes. 2008. P. 65-85.

31. Polvakov, I., Timokhov, L., Alexeev, V., Bacon, S., Dmitrenko, I., Fortier, L., et al. Arctic Ocean warming contributes to reduced polar ice cap //J. Phvs. Oceanogr. 2010. N 40. P. 2743-2756. doi: 10.1175/2010JP04339.1.

32. Rudels, В., Anderson L. G., and Jones E. P. Formation and evolution of the surface mixed layer and halocline of the Arctic Ocean // J. Geophvs. Res. 1996. N 101. P. 8807-8821.

33. Steele, M., and Boyd T. Retreat of the cold halocline layer in the Arctic Ocean //J. Geophvs. Res. 1998. N 103. P. 10 419-10 435.

34. Romanovskii N. N., Hubberten H. W., Gavrilov A. V., Eliseeva A. A., Tipenko G. S. Offshore permafrost and gas hydrate stability zone on the shelf of East Siberian Seas // Geo-Mar. Lett. 2005. V. 25. P. 167-182.

35. Елисеев А. В., Малахова В. В., Аржанов М. \!.. Голубева Е. Н., Денисов С. Н., Мохов И. И. Изменение границ многолетнемерзлого слоя и зоны стабильности гидратов метана на арктическом шельфе Евразии в 1950-2010 гг. // ДАН. 2015. Т. 465. № 5. С. 598-603.

36. Юрганов Л. Н., Лейфер А., ЛундМайр К. Сезонная и межгодовая изменчивость атмосферного метана над морями Северного Ледовитого океана по спутниковым данным // Современные проблемы дистанционного зондирования земли из космоса. 2016. Т. 13. № 2. С. 107-119.

37. Малахова В. В., Голубева Е. Н. Оценка устойчивости состояния мерзлоты на шельфе Восточной Арктики при экстремальном сценарии потепления в XXI в. // Лед и Снег. 2016. Т. 56. № 1. С. 61-72.

38. Davies J. Н. Global map of Solid Earth surface heat flow // Geochem. Geophvst. Geosvst. 2013. V. 14. N 10. P. 4608-4622.

39. Малахова В. В., Голубева Е. Н. О возможной эмиссии метана на шельфе морей Восточной Арктики // Оптика атмосферы и океана. 2013. Т. 26, № 6. С. 452-458.

40. Малахова В. В., Елисеев А. В. Влияние рифтовых зон и термокарстовых озер на формирование субаквальной мерзлоты и зоны стабильности метаногидратов шельфа моря Лаптевых в плейстоцене // Лед и Снег. 2018. Т. 58. № 2. С. 231-242.

41. Дрижюс М. Р. Гидротермальный режим водохранилищ-охладителей. Вильнюс: Мокслас, 1985.

42. Правила использования водных ресурсов Беловского водохранилища / ООО „Прострой-100". М., 2001.

43. Казьмин С. П., Климов О. В. Морфометрические особенности Беловского водохранилища и экологическая оценка прилегающей территории // ГЕО-Сибирь-2011. VII Междунар. науч. конгр.: сб. материалов в 6 т. (Новосибирск, 19-29 апреля 2011 г.). Новосибирск : СГГА, 2011. Т. 4. С. 217-221.

44. Golubeva Е. N., Platov G. A. On improving the simulation of Atlantic Water circulation inthe Arctic Ocean // J. Geophvs. Res. 2007. V. 112. C04S05. doi:10.1029/2006JC003734.

45. Голубева E. H. Численное моделирование динамики Атлантических вод в Арктическом бассейне с использованием схемы QUICKEST // Вычислительные технологии. 2008. Т. 13. № 5. С. 11-24.

46. Крайнева М. В., Голубева Е. Н., Леженин А. А., Климов О. В. Исследование гидротермического режима водоема-охладителя Беловской ГРЭС с помощью численной модели // Интерэкспо Гео-Сибирь. 2017. Т. 4. № 1. С. 106-110.

47. Воеводин А. Ф., Никифоровская В. С., Овчарова А. С. Численные методы решения задачи о неустановившемся движении воды на устьевых участках рек // Труды ААНИИ. 1983. Т. 378. С. 23 34.

48. Крылова А. И., Антипова Е. А. Численное моделирование гидрологического режима в дельте реки Лены // Оптика атмосферы и океана. 2018. Т. 31. № 6. DOI: 10.15372/А0020180600.

49. Корец М. А., Рыжкова В. А., Данилова И. В. Использование ГИС для оценки состояния наземных экосистем Норильского промышленного района // Сибирский экологический журнал. 2014. № 6. С. 887-902.

50. Савченко В. А. Экологические проблемы Таймыра. М: СИП РИА, 1998.

51. Шлычков В. А., Мапьбахов В. М., Леженин А. А. Численное моделирование атмосферной циркуляции и переноса загрязняющих примесей в Норильской долине // Оптика атмосферы и океана. 2005. Т. 18. № 5-6. С. 490-496.

52. Леженин А. А., Рапута В. Ф., Ярославцева Т. В. Численный анализ атмосферной циркуляции и процессов распространения загрязняющих примесей в окрестностях Норильского промышленного района // Оптика атмосферы и океана. 2016. Т. 29. № 6. С. 467-471.

53. Харук В. И., Винтербергер К., Цибульский Г. М., Яхимович А. П. Анализ техногенной деградации притундровых лесов по данным съемки из космоса // Исследование Земли из космоса. 1995. № 4. С. 91-97.

54. Игамбердиев В. М., Терешенков О. М., Кутыев X. А., Попова Е. Н. Оценка современного состояния природной среды: Норильский промышленный район // Народное хозяйство республики Коми. Сыктывкар. 1994. Т. 3. С. 54-61.

55. Obolkin V. A., Potemkin V. L., Makukhin V. L., Chipanina Y. V., Marinayte I. I. Low-level atmospheric jets as main mechanism of long-range transport of power plant plumes in the Lake Baikal Region // Int. J. Environ. Studies. 2014. Vol. 71 (3). P. 391-397.

56. Леженин А. А., Ярославцева Т. В., Рапута В. Ф. Использование спутниковой информации о траекториях дымовых факелов для расчета полей ветра // Интерэкспо ГЕО-Сибирь-2016. XII Междунар. науч. конгр., Междунар. науч. конф. „Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология": сб. материалов в 2 т. (Новосибирск 18-22 апреля 2016 г.). Новосибирск: СГУГиТ, 2016. Т. 1. С. 63-67.

57. Браун Р. А. Аналитические методы моделирования планетарного пограничного слоя. Л: Гидрометеоиздат, 1978.

58. Рапута В. Ф., Шлычков В. А., Леженин А. А., Романов А. Н., Ярославцева Т. В. Численный анализ данных аэрозольных выпадений примесей от высотного источника // Оптика атмосферы и океана. 2014. Т. 27. № 8. С. 713-718.

Платов Геннадий Алексеевич — Д-р физ.-мат. наук, ведущ. науч. сотр, и. о. зав. лабораторией Института вычислительной математики и математической геофизики СО РАН, e-mail: Platov.G@gmail. com.

Платов Г. А. окончил Московский физико-технический институт в 1986 году и по окончании работает в ИВМиМГ СО РАН (ВЦ СО-АН). В период 1997-2000 гг. являлся сотрудником Университета Нового Южного Уэлса (Австралия, Сидней), а с 2000 по настоящее время

снова работает в ИВМиМГ. Защитил докторскую диссертацию в 2011 году. С 2017 года исполняет обязанности заведующего лабораторией математического моделирования процессов в атмосфере и гидросфере.

Область научных интересов связана с исследованием динамики океана и окраинных морей, взаимодействия атмосферы-океана-льда, климата Арктики. Координирует разработку и развитие совместной модели океана и льда SibCIOM и климатической модели промежуточной сложности PlaSim-ICMMG.

Platov G. A. graduated from the Moscow Institute of Physics and Technology in 1986

and after graduation worked at the ICMMG SB RAS. In the period 1997-2000 he was Research Associate of the University of New South Wales (Australia, Sydney), and from 2000 to the present time he has been working again at ICMMG. He defended his doctoral thesis in 2011. Since 2019 holds the position of the head of the laboratory of mathematical modeling of processes in the atmosphere and hydrosphere.

His research interests are related to the study of the dynamics of the ocean and marginal seas, the atmosphere-ocean-ice interaction, and the Arctic climate. Coordinates the development of the SibCIOM coupled ocean and ice model and the PlaSim-ICMMG climate model of intermediate complexity.

Рапута Владимир Федотович — Д-р физ.-мат. наук, главы, науч. сотр Института вычислительной математики и математической геофизики СО РАН, e-mail: raputa@sscc.ru. Рапута В. Ф. окончил в 1971 году механико-математический факультет Новосибирского государственного университета. С 1971 года работает в ИВМиМГ СО РАН. В 1979 году Рапута В. Ф. защитил кандидатскую диссертацию. В 2006 году защитил докторскую диссертацию на тему „Комплекс малопараметрических моделей мониторинга загрязнения окружающей среды". С 2014 года работает в должности главного научного сотрудника.

Основные области научных интересов: численное моделирование, обратные задачи, планирование эксперимента, численный анализ химического и радиоактивного загрязнения. Ра-путой В. Ф. разработаны: модели оценивания параметров газовых и аэрозольных источников примесей; модели реконструкции полей атмосферного загрязнения окружающей среды; математические методы анализа и планирования экспериментальных исследований с использованием наземных и дистанционных систем мониторинга.

Raputa V. F. graduated from the Faculty of Mechanics and Mathematics of the Novosibirsk State University in 1971. Since 1971 he has been

working at ICMMG SB RAS. In 1979, Raputa V.F. defended his thesis. In 2006 he defended his doctoral thesis on the topic „Complex of non-parametric models of environmental pollution monitoring". Since 2014 he has been working as a chief scientific researcher.

Крупчатников Владимир Николаевич — Д-р физ.-

мат. наук, заведующий отделом вычислительных и информационных технологий в гидрометеорологии, Сибирский региональный научно-исследовательский гидрометеорологический институт, Росгидромет, e-mail: vkrupchatnikov@yandex.ru.

Окончил механико-математический факультет НГУ по специальности „Вычисли"

ском отделении РАН с 1975 года, директор (2004-2016) и главный научный сотрудник (с 2017) Сибирского регионального научно-исследовательского гидрометеорологического института Росгидромета. Специалист в области геофизической гидродинамики, математического моделирования динамики погоды и климата. Основные направления научной деятельности связаны с исследованиями в области математического моделирования климатической системы Земли и численного прогноза динамики погоды. Профессор (с 2013 г.) кафедры математических методов в геофизике НГУ.

Не graduated from the Mechanics and Mathematics Faculty of NSU in 1969. In the Siberian Branch of the Russian Academy of Sciences since 1975, Director (2004-2016) and Chief Researcher (since 2017) of the Siberian Regional Research Hydrometeorological Institute of Roshydromet. Specialist in geophysical hydrodynamics, mathematical modeling of weather and climate dynamics. The main directions of scientific activity are connected with research in the field of mathematical modeling of the Earth's climate system and numerical weather forecasting. Professor (since 2013) of the Department of Mathematical Methods in Geophysics, NSU.

Голубева Елена Николаевна — Д-р физ.-мат. наук, ведущ. науч. сотр. Института вычислительной математики и математической геофизики СО РАН, e-mail: е .golubeva.nsk@ gmail.com.

В 1979 г. окончила Новосибирский государственный университет по специальности „Механика, прикладная математика". В 1990 г. защитила диссертацию кандидата физико-математических наук, а в 2010 г. доктора физико-математических наук. Научные интересы: геофизическая гидродинамика, динамика Мирового океана, термохалин-ная циркуляция, взаимодействие океана и атмосферы, Арктика, Северный Ледовитый океан, численное моделирование, разработка океанических моделей, численные схемы, параметризация океанических процессов. Численное моделирование окраинных морей ВосточноСибирского шельфа. Участник международного проекта сравнения численных моделей Северного Ледовитого океана (FAMOS/AOMIP). Действительный представитель рабочей группы BEPSII в международной океанологической организации SCOR. Основные достижения: разработана современная численная модель крупномасштабной циркуляции океана, предназначенная для исследования климата Мирового океана и его частей и использование ее в качестве океанического блока в совместной модели климатической системы, разработана региональная совместная модель океан-лед, SibCIOM, для исследования климатических процессов в Северной Атлантике и Арктике.

In 1979, she graduated from Novosibirsk State University with a degree in mechanics, applied mathematics. In 1990 she defended the thesis of Candidate of Physical and Mathematical Sciences, and in 2010, the thesis of Doctor of Physical and Mathematical Sciences. Research interests: geophysical hydrodynamics, the dynamics of the oceans, thermohaline circulation, interaction of the ocean and atmosphere, the Arctic, the Arctic Ocean, numerical modeling, development of oceanic models, numerical schemes, parametrization of

oceanic processes,numerical modeling of marginal seas of the East Siberian shelf. The participant of the international project of comparison of numerical models of the Arctic Ocean (FAMOS / AOMIP). Acting representative of the BEPSII working group in the international oceanological organization SCOR. Main achievements: a modern numerical model of large-scale ocean circulation has been developed, designed to study the climate of the World Ocean and its parts and use it as an ocean unit in a joint model of the climate system; a regional ocean-ice model, SibCIOM, has been developed to study climate processes in the North Atlantic and the Arctic.

I

шШ

с

U

Малахова Валентина Владимировна — Канд. физ.-мат. наук, старш. науч. сотр. Института вычислительной математики и математической геофизики СО РАН, e-mail: malax@sscc.ru.

Малахова В. В. окончила в 1991 году механико-математический факультет Новосибирского государственного университета — специальность „Механика, прикладная математика"; 1991-1994 гг.: очная аспирантура в Вычислительном Центре СО РАН — специальность „Геофизика". В 2006 году защитила кандидатскую диссертацию „Моделирование переноса растворенного метана океаническими тече-"

кандидата физико-математических наук по специальности 05.13.18.

Область научных интересов: основным направлением научных исследований является анализ влияния климатических изменений на состояние зоны стабильности газовых гидратов океана, многолетнемерзлых пород и оценка возможных эмиссий метана в атмосферу.

Основные научные результаты: разработана система оценки состояния метангидратов Северного Ледовитого океана. Создана модель динамики мерзлых и охлажденных пород в донных отложениях арктических шельфов. Построенная модель учитывает палеосценарии развития шельфа в условиях изменения уровня океана. Она позволяет выделять участки стабильного состояния и деградации, как су бак-

вальнои мерзлоты, так и слоя гидратов метана. В настоящее время данная работа продолжается.

V. V. Malakhova graduated from the Faculty of Mechanics and Mathematics of the Novosibirsk State University in 1991 with a degree in Mechanics and Applied Mathematics; 1991-1994: Full-time postgraduate studies in the Computing Center of the SB RAS — specialty „Geophysics".

In 2006 she defended her thesis „Modeling the

"

in 2007 she was awarded the scientific degree of Candidate of Physical and Mathematical Sciences in specialty 05.13.18.

Area of scientific interests: the main focus of scientific research is the analysis of the influence of climate change on the state of the zone of stability of ocean gas hydrates, permafrost and the assessment of possible emissions of methane into the atmosphere.

Main scientific results: a system for assessing the state of the Arctic Ocean methane hydrates has been developed. A model of the dynamics of frozen and cooled rocks in the bottom sediments of the Arctic shelves has been created. The constructed model takes into account the paleo-scenarios of the development of the shelf in a changing sea level. It allows you to select areas of stable condition and degradation, as subabermal permafrost, and the layer of methane hydrates. Currently, this work continues.

Леженин Анатолий Александрович — Канд. физ.-мат. наук, старш. науч. сотр. Института вычислительной математики и математической геофизики СО РАН, е-mail: lezhenin@ommfao.sscc. ru.

Область научных интересов связана с численным моделированием процессов в атмосферном пограничном слое, расчетом переноса загрязняющих аэрозолей в локальном и региональном масштабах, исследованием изменчивости регионального климата Западной Сибири. Является соавтором более 120 публикаций.

Scientific interests are numerical modeling of processes in the atmospheric boundary layer, transport of aerosols in local and regional scales,

«I

the regional climate variability of Western Siberia. He has published about 120 scientific papers and research reports.

Боровко Ирина Владимировна — Канд. физ.-мат. наук, науч. сотр. Института вычислительной математики и математической геофизики СО РАН, e-mail: irina@ommf aol. sscc.ru.

Область научных интересов: математическое моделирование, физика атмосферы и океана. Основные научные результаты: исследована устойчивость траекторий частиц воздуха на кромке полярного вихря и проведен анализ фрактальной структуры переносимых полей; проведен численный анализ чувствительности тропосферы к зонально симметричным изменениям температуры стратосферы; численно исследована реакция циркуляции тропической тропосферы на климатические изменения.

Research interests: mathematical modeling, atmospheric and ocean physics. Main scientific results: the stability of air particle trajectories at the edge of the polar vortex is studied and the fractal structure of the transferred fields is analyzed; a numerical analysis of the troposphere sensitivity to zonally symmetric changes in the stratosphere temperature is carried out; computational investigation of the reaction of the circulation of the tropical troposphere to climate change.

Крылова Алла Ивановна — Канд. физ.-мат. наук, старш. науч. сотр. Института вычислительной математики и математической геофизики СО РАН, e-mail: alia® climate.sscc.ru.

Крылова Алла Ивановна работает в ИВМиМГ СО РАН (ВЦ СОАН) с 1971 г. по распределению после окончания НГУ. В настоящее время занимает должность старшего научного сотрудника в лаборатории математического моделирования процессов в атмосфере и гидросфере, кандидат физико-математических наук.

Область научных интересов Крыловой А. И. связана с проведением исследований в области изучения динамических процессов и климато-экологических проблем речных систем и водосборов суши с использованием численного моделирования и анализа данных натурных наблюдений, а также в области создания и развития математической модели речной компоненты климатической системы Земли.

В настоящее время автором разрабатывается численная модель природного объекта — дельты реки Лены.

Krylova A. I. has been working at the ICMMG SB RAS since 1971 after graduating from the NSU. Currently holds the position of senior researcher in the laboratory of mathematical modeling of processes in the atmosphere and hydrosphere.

Research interests are associated with the study of dynamic processes and ecoclimatic problems of river systems and land catchments using numerical modeling and analysis of field data, as well as the creation and development of a mathematical model of the river component of the Earth's climate system.

Якшина Дина Фаруков-

на — Младший научный сотрудник Института вычислительной математики и математической геофизики СО РАН. e-mail: iakshina. dina@gmail. com.

Область научных интересов: физика океана, динамика льда, численное моделирование циркуляции океана и морского льда, климатическая изменчивость, Северный Ледовитый океан, Арктика, атлантические воды. Основные результаты: участие в международных и российских проектах. Имеются публикации в научных журналах.

Junior researcher. Area of scientific interests: ocean physics, ice dynamics, ocean and sea ice circulation, numerical modeling, climatic variability, Arctic ocean, Atlantic water.Main results: Participation in international and Russian projects, publications in scientific journals.

Крайнева Марина Владимировна —

Младший научный сотрудник Института вы-

числительной математики и математической геофизики СО РАН. e-mail: Krayneva-m@ yandex.ru.

Область научных интересов: математическое моделирование, Арктика, Сибирский арктический шельф. Основные результаты: участие в международных и российских проектах. Имеются публикации в научных журналах.

Junior researcher. Area of scientific interests: Mathematical modeling, Arctic, Siberian Arctic shelf. Main results: Participation in international and Russian projects. There are publications in scientific journals.

Кравченко Виктория Викторовна — Младший научный сотрудник Института вычислительной математики и математической геофизики СО РАН. e-mail: kravtOommf ао. sscc.ru.

В 2005 г. окончила Новосибирский государственный университет. С 2008 г. работает в Институте вычислительной математики и математической геофизики СО РАН.

Область научных интересов: математическое моделирование гидро- и термодинамики мелких водоемов (водохранилища, озера).

In 2005 graduated from Novosibirsk State University. Since 2008 working as junior researcher at Institute of Computational Mathematics and Mathematical Geophysics.

Area of scientific interests: mathematical modeling of hydro- and thermodynamics for small reservoirs.

Коробов Олег Алексеевич — Аспирант Новосибирского национального исследовательского государственного университета. Младший научный сотрудник Сибирского регионального научно-исследовательского гидрометеорологического института, Росгидромет. E-mail: vasaO 10119930 gmail.com.

В 2014 г. окончил Новосибирский государственный университет и поступил в магистратуру. В 2016 г. закончил магистратуру НГУ. В 2012 занял второе место на Международной студенческой конференции в секции „Дифференциальные уравнения". В 2014 г. занял второе место на Международной студенческой конференции в секции математического моделирования. В 2015 г. участвовал в международной

конференции „Дифференциальные уравнения и

"

In 2014 he graduated from the Novosibirsk State University and entered the magistracy. In 2016 he graduated from the magistracy of NSU. In 2012, he took the second place at the International Student Conference in the differential equations section. In 2014, he was ranked second at the International Student Conference in the Mathematical Modeling section. In 2015, he participated in the international conference „Differential Equations and Mathematical Modeling".

Дата поступления — 28.09.2018