CC BY
47
ТЕОРИЯ И МЕТОДОЛОГИЯ
УДК 556.5
В.М. Евстигнеев1, А.В. Кислое2, М.В. Сидорова3
ВЛИЯНИЕ КЛИМАТИЧЕСКИХ ИЗМЕНЕНИЙ НА ГОДОВОЙ СТОК РЕК ВОСТОЧНО-ЕВРОПЕЙСКОЙ РАВНИНЫ В XXI в.4
Рассмотрен ряд методических вопросов оценки возможных изменений речного стока на основе расчетов глобального климата с помощью моделей общей циркуляции атмосферы, объединенных в проекте CMIP3 (Coupled Model Intercomparison Project). По результатам моделирования температуры и количества осадков рассчитано изменение годового стока на Восточно-Европейской равнине в середине и конце XXI в. в условиях глобального потепления по сценарию А2 — одному из самых неблагоприятных. Особое внимание уделено исследованию влияния межмодельного разброса на оценки изменения стока. Показано, что при реализации сценария А2 севернее 54—55° с.ш. прогнозируемые изменения статистически незначимы, южнее — с большой степенью уверенности можно ожидать повсеместного снижения стока.
Ключевые слова: годовой сток, будущие изменения климата, модели общей циркуляции атмосферы, межмодельный разброс.
Введение. Необычно сильное и быстрое изменение гидрометеорологических условий в последние 25—30 лет вызывает вполне понятную обеспокоенность общества, сводящуюся, по существу, к вопросу: это эпизод в истории климата или начало его необратимых изменений? Если последнее верно, то каковы тенденции и темп изменения на обозримую перспективу?
Глобальное потепление ХХ—ХХ1 вв. — факт, инструментально подтвержденный данными метеорологических наблюдений. Возможны два варианта объяснения этого явления: естественные колебания климатической системы либо антропогенные воздействия, связанные с повышением концентрации в атмосфере парниковых газов вследствие техногенных выбросов.
Аргументация первого варианта объективно сводится к следующему: в историческом прошлом происходили сильные колебания климата, в том числе были и значительные потепления, генезис которых совершенно не связан с антропогенным влиянием. Таким образом, можно представить, что кривая изменения планетарной температуры отражает не тренд, а фазу очередной крупномасштабной флуктуации; следовательно, наблюдаемое потепление в некотором обозримом будущем сменится похолоданием. Опровергнуть эту гипотезу на основе
эмпирических данных не представляется возможным из-за недостаточности ряда инструментальных наблюдений.
Альтернативный вариант связывает повышение глобальной температуры с увеличением концентрации парниковых газов в атмосфере; последнее также инструментально подтвержденный факт. Аргументация сводится к тому, что наблюдаемые изменения климатических показателей необычны и их нельзя объяснить естественными факторами.
Климатические модели, учитывающие только естественные факторы, хорошо воспроизводят аномалии глобальной средней приземной температуры воздуха за инструментальный период наблюдений примерно до 1970-х гг., а после 1970-х гг. дают принципиально другую тенденцию — не потепление, а похолодание [12].
Несмотря на некоторые сомнения, приходится признать, что «антропогенная» теория — это единственная хорошо разработанная в настоящее время научная концепция, на основе которой можно построить климатический прогноз путем численных экспериментов на климатических моделях общей циркуляции атмосферы и океана (МОЦАО).
Но неопределенности, возникающие при реализации этой концепции, снижают уверенность в том,
1 Московский государственный университет имени М.В.Ломоносова, географический факультет, кафедра гидрологии суши, профессор, e-mail: evst2002@mail.ru
2 Московский государственный университет имени М.В.Ломоносова, географический факультет, кафедра метеорологии и
e-mail:
3 Московский государственный университет имени М.В.Ломоносова, географический факультет, кафедра гидрологии суши,
e-mail:
4 Работа выполнена при поддержке НШ (грант 4964.2008.5), РФФИ (грант № 07-05-00939) и в рамках НОЦ «Мониторинг водных объектов и прогнозирования гидрологических процессов».
что предсказываемые ею обстоятельства произойдут с детерминированной неотвратимостью.
Наибольшая неопределенность связана с прогнозом изменения концентрации парниковых газов, зависящим от темпов их выброса в атмосферу, что увязывают с развитием общества, динамикой демографической ситуации, экономики, технологии, природоохранной деятельности и т.п. По существу, требуется прогноз состояния мирового сообщества на обозримую перспективу до 50—100 лет. Прогнозы подобного рода (по понятным причинам) делаются с большими оговорками, предложено много гипотетических вариантов, вероятность реализации которых не поддается оценке.
Выбор сценария эмиссии из существующего номенклатурного набора 1РСС [12] мотивируется соображениями наподобие «наиболее жесткий» или «наиболее мягкий», «промежуточный», т.е. по признаку минимаксного подхода. Наиболее востребован сценарий А2 — один из наиболее жестких.
В рамках представлений о техногенном характере современного потепления климата сценарий А2 демонстрирует такой вариант его развития в XXI в., который может реализоваться, если общество не предпримет действенных консолидированных мер по ограничению выброса парниковых газов в атмосферу.
Следующий источник неопределенностей — различия применяющихся климатических моделей по полноте и подробности описания физических процессов, чувствительности к внешним воздействиям, разрешающей способности, особенностям параметризации и пр. Априорное суждение о том, какие модели «лучше» или «хуже», вряд ли возможно. Некоторым убедительным тестом может служить качество воспроизведения характеристик современного климата на рассматриваемой территории. Хорошее воспроизведение — условие необходимое, но не достаточное. Если даже все испытываемые модели одинаково хорошо воспроизводят современный климат, то прогноз изменений получается разным. Считается, что главная причина различий проекций климата в разных МОЦАО — неопределенности, связанные с параметризацией. Из-за разной модельной чувствительности неизбежно возникает межмодельный разброс прогнозных оценок, индивидуальный характер которых трудно интерпретировать. Поэтому остается только контролировать его статистически по результатам расчетов ансамблей (среднее, дисперсия, доверительный интервал и т.п.). Отметим также, что одна и та же МОЦАО, удовлетворительно воспроизводящая современный климат на одной территории, на другой может воспроизвести его плохо.
В прогнозах изменения речного стока по реализациям МОЦАО возникает дополнительный источник неопределенности, связанный с выбором способа пересчета климатических показателей в гидрологические характеристики. Встречаются случаи
применения очень детальных схем расчета с множеством входных данных или, напротив, простейших, усваивающих минимум прогнозной информации. Использование сложных схем создает иллюзию большей точности прогнозов (точнее, впечатление их научной солидности).
Существо проблемы состоит в следующем. В рамках климатических моделей типа современных МОЦАО воспроизводятся все поля атмосферы, океана, криосферы и деятельного слоя суши. Поэтому на первый взгляд представляется, что на основе выходных данных реализаций МОЦАО могут быть воспроизведены любые характеристики речного стока. К сожалению, это далеко не так, поскольку качество модельных полей неодинаково и определяется прежде всего особенностями самих моделей (исходными уравнениями и их упрощениями, допущениями, методами решения). С формальной точки зрения можно констатировать, что лишь очень малый набор модельных полей прошел надежное тестирование; таковое выполнено в глобальном масштабе только для температуры воздуха, атмосферного давления и поля геопотенциала. Гораздо менее надежна информация о распределении осадков. Большинство же модельных данных не проверено, поэтому невозможно гарантировать качество прогнозирования при их использовании [5].
Казалось бы, почему бы не провести тестирование всех используемых модельных данных для рассматриваемого конкретного бассейна или территории? На первый взгляд при наличии фактических данных по достаточно густой сети наблюдений это не представляет больших трудностей, особенно для небольших территорий, где ландшафтные различия невелики или их можно игнорировать. Такие случаи, впрочем, встречаются в порядке исключения. Более серьезная проблема заключается в другом. Пространственная дискретизация (размер ячеек) МОЦАО составляет 100—200 км. Это сразу ограничивает тестирование масштабом крупных регионов, где даже осреднение количества годовых осадков представляет собой непростую задачу [11], не говоря уже о месячных величинах. Еще большие сложности возникают при тестировании таких специфических показателей, как влажность почвы, испарение, промерзание почвогрунтов и т.п., в первую очередь из-за недостаточности фактических данных и несоразмерной с реальной дискретностью пространственного распределения указанных характеристик.
Таким образом, возникает противоречие методического плана: чем больше территория, тем более адекватно МОЦАО воспроизводят ее климатические характеристики. Одновременно возрастают трудности пересчета климатических показателей в гидрологические величины, что приходится преодолевать различными способами, в том числе и
сомнительными из-за сильной географической дифференциации факторов формирования стока, особенно связанный с характеристиками подстилающей поверхности.
Отмеченные обстоятельства существенно ограничивают возможности сложныгх (детальных) гидрологических схем расчета стока по климатическим показателям реализаций МОЦАО. Кроме того, на фоне межмодельного разброса прогнозных величин детальные схемы имеют, как правило, избыточную разрешающую способность, что приводит к увеличению неустойчивости результатов прогноза.
Объективное следствие указанный выше обстоятельств — большое разнообразие прогнозов гидрологического режима в XXI в. — вплоть до противоречивых результатов. Критический анализ существующих прогнозов изменения гидрометеорологических показателей не входит в наши задачи, так как это слишком специфическая область интересов, требующая глубокого исследования применительно к конкретныш территориям, сценариям эмиссии и МОЦАО.
С учетом изложенного общий методический замысел проведенного нами эксперимента состоял в следующем: получить прогнозные оценки изменений годового стока, используя минимум климатических показателей, воспроизводимых МОЦАО, а именно температуры воздуха и атмосферных осадков. В реальности только статистики этих моделируемых характеристик гидроклиматического состояния больших территорий поддаются более или менее надежному тестированию по данным фактических наблюдений.
В качестве исследуемой территории нами выбрана Восточно-Европейская равнина (ВЕР) — обширная равнинная территория, для которой есть много данных метеорологических и гидрологических наблюдений, что необходимо для проверки моделирования. Более подробно выбор территории обоснован в [5].
Модельные данные. Для прогноза климатических изменений годового стока в XXI в. использованы результаты моделирования климата, проводимого в рамках международного проекта по сравнению моделей общей циркуляции атмосферы и океана CMIP3 (Coupled Model Intercomparison Project), выполняемого под эгидой Всемирной программы исследования климата WCRP (World Climate Research Program). Краткий обзор моделей CMIP3, составленный по данным (IPCC-2007), содержится в работе [6]. Использованы численные эксперименты, соответствующие сценарию эмиссии парниковых газов и аэрозолей А2.
Вся предварительная подготовка даннык для гидрологических расчетов проведена сотрудниками кафедры метеорологии и климатологии географического факультета МГУ. Конечный продукт этой работы представляет собой прогностические ряды
значений среднесуточной температуры воздуха и суточной суммы осадков в узлах регулярной сетки 2x2° для трех временный срезов: 1961—1989 (базисный), 2046—2065 и 2081—2100 гг. (прогнозные). Проведено разностороннее тестирование моделыных данных, методика и резулытаты которого обстояте-лыно изложены в работе [5]. На основании жесткого отбора состава моделей по резулытатам тестирования и полноте данныгх в архиве CMIP3 для далы-нейшей разработки рекомендовано два ансамбля:
1) 7 моделей, представляющих особый интерес с точки зрения качества воспроизведения количества зимних осадков, играющих основную ролы в формировании речного стока Восточно-Европейской равнины (CGCM3.1, GFDL-CM2.0, GFDL-CM2.1, INM-CM3.0, MRI-CGCM2.3A, CCSM3.0, PCM);
2) 11 моделей (CCSM3, CGCM3.1, CNRM-CM3, CSIR0-Mk3.0, ECHAM5/MPI-OM, GFDL-CM2.0, GFDL-CM2.1, INM-CM3.0, MIR0C3.2 (medres), MRI-CGCM2.3.2A, PCM, характеристики моделей приведены в [5]).
Указанные наборы моделей исполызованы различным образом. Реализации по каждой МОЦАО первого набора рассматривалисы по отделыности с последующей статистической обработкой промежу-точныгх и выходных данных. Для второго набора созданы «синтетические» реализации на базисный и прогнозные периоды путем осреднения суточных данных всех 11 МОЦАО. Прогноз по этому варианту рассматривался как контролыный.
Методика расчета гидрологических характеристик по климатическим данным. Исходя из ограничений на состав данных, извлекаемых из реализаций МОЦАО (толыко температура воздуха и слой атмосферных осадков), в качестве основы для расчета средних многолетних величин годового стока принято уравнение водного баланса в виде y = = P — E, где y, P, E — средние многолетние величины стока, осадков и испарения с поверхности речных бассейнов соответственно. Расчет испарения E сведен к оценкам по уравнению связи E = = E (P, E ). Испаряемосты E определяется по эмпирической зависимости от суммы значений по-ложителыной температуры воздуха Т0 — в практике гидрологических расчетов это доволыно шаблонный прием [10]. Для некоторого упрощения задачи в качестве Т исполызована сумма значений поло-жителыной среднемесячной температуры.
Исходными данными для построения схемы расчетов послужили сведения из Научно-прикладного справочника по климату СССР [8], карт Атласа мирового водного баланса [2], Атласа расчетных гидрологических карт [3] и материалов Государственного водного кадастра (ГВК) [4].
Среднемноголетние величины Т обобщены Л.С. Евсеевой [1] в виде карты изолиний в масштабе 1:10 000 000, построенной по данным свыше
400 станций из справочника [8]. Испаряемость Е0 оценена по карте из Атласа [2], построенной на той же картографической основе.
Данные по среднемноголетним осадкам (Р), испарению (Е) и стоку (у) взяты из справочника ГВК, пространственная дискретность данных — области европейской территории бывшего СССР (всего 82) и соразмерные им по площади речные бассейны (18). Особо подчеркнем, что в ГВК испарение (Е) определено по уравнению водного баланса у = Р — Е. При этом использовались значения величины осадков (Р) с учетом всех видов поправок к осадкомеру.
Разработка расчетной схемы вида у = / (Р, Т0) сведена к следующим построениям:
а) построена эмпирическая зависимость Е = = / (Т)) в виде уравнения регрессии
Е = 6,72Т0; (1)
б) построена эмпирическая зависимость типа уравнения связи
аппроксимированного функцией Мезенцева
* = Е = I (1 + !Т */И, (2)
где I = Е/Р — индекс сухости, п — параметр, оцененный методом наименьших квадратов, п = 3,8;
в) для каждого территориального объекта (82 области и 18 речных бассейнов) по уравнению (1) вычислены испаряемость (Е0), по уравнению (2) — испарение (Е = еР), а также вычислен климатический сток (Р — Е), построена эмпирическая зависимость между гидрометрическим и климатическим стоками в виде уравнения регрессии
у = 0,96 (Р — Ем) + 3, (3)
характеризующаяся коэффициентом корреляции г = = 0,97 и остаточным среднеквадратическим отклонением (СКО), равным ±24 мм. По классическому уравнению водного баланса у = Р — Е получается малозначимое среднее систематическое завышение (4 мм), а остаточное СКО практически одинаково (±24,1) мм, т.е. нет видимых причин для предпочтения выражения (3). Кроме того, уравнение у = = Р — Е лучше аппроксимирует зависимость у = = / (Р, Т0) в области низких значений стока.
В итоге при наличии данных для Т и Р оценка сводится к простейшим операциям:
Е = 6,72Т0, I = Р, е определяется по уравнению (2), Е = еР, у = Р — Е.
Методика прогноза климатических изменений годового стока по реализациям МОЦАО. Использованию модельных данных для прогноза должно предшествовать их тестирование. Общая процедура тестирования осуществлена ранее при отборе состава ансамблей МОЦАО, однако ее необходимо уточнять каждый раз при решении конкретной задачи и выполнять для каждого используемого показателя и рассматриваемой территории. По реализациям МОЦАО в узлах регулярной сетки 2x2° для базисного периода мы определили средневзвешенные значения Т и Р для территориальных объектов (области, бассейны), а затем сравнили их с аналогичными показателями по фактическим данным. Отметим, что только генерализация данных моделирования до уровня названных территориальных объектов обеспечивает корректность тестирования, поскольку эмпирические оценки надежно обобщены именно в таком масштабе. Воспроизводимость современных (базисных) значений норм температуры и количества осадков схематично характеризуется следующим образом. Ни одна из МОЦАО не показывает идеального совпадения модельных и фактических величин — встречаются случаи завышения и занижения последних. При этом положительная корреляция очень высокая для Т (от 0,95 до 0,97); для Р корреляция достаточно значима (от 0,57 до 0,77). Ансамблевые реализации показывают более высокую корреляцию модельных и фактических величин. По ансамблю 7 моделей корреляция для Т0 равна 0,98, для Р —0,67. Ансамбль 11 моделей показывает примерно такую же корреляцию для Т (г = 0,97) и существенно более высокую для Р (г = 0,88). Систематическое смещение ансамблевых результатов моделирования хорошо видно из уравнений регрессии. По 7 моделям
Т0факт = 0,81Т0мод. +28 и Рфакт = 1,02^д + 28;
по синтетической реализации (11 моделей) Т =
= Т0 мод. - 2 и Рфакт = М1Рмод + 4°.
Значительные систематические и индивидуальные отклонения модельных величин от реально наблюденных ставят вопрос о правомерности применения расчетной схемы у = / (Р, Т0), построенной по фактическим данным (Р, Т ), в прогнозной ситуации, в которой и существенно иные. Наиболее простой способ преодоления этого затруднения состоит в использовании относительных величин ЛТ0п и ДРП, показывающих реакцию модельных значений количества осадков и температуры на изменившиеся в прогнозном периоде климатические условия:
ЛТ0 п = Т0 п - Т0 Мб и ЛРП = Рмп -
где Т и Р — модельные величины на прогнозный период, а Т и Р — модельные величины на базисный период соответственно. Последние удобнее выразить в форме Кх = Рмп/Рмб, чтобы
избежать неопределенности с формой представления в базах данных значений величин осадков (наблюденные, с поправкой на смачивание, со всеми видами поправок), которая существенно влияет на выбор уравнения связи
Е = , Г Ео Р I Р
и параметры зависимости у = Р — Е, т.е. «гидрометрического» стока от «климатического» [9]. Индивидуальные погрешности при таком подходе также минимизируются благодаря фундаментальному свойству реализаций МОЦАО: высокой корреляции модельных значений Р и Т0 для разных временных срезов.
В качестве примера приведем данные эксперимента по 5 моделям 1РСС-2001 (НаёСМ3, С8ЖО-Мк2, СОСМ1, 0РБЬ-К30, ЕСНАМ4), кратко изложенные в работе [1]. Значения коэффициента корреляции между модельными величинами Т для базисного (1961—1989) и прогнозного (2041—2060) периодов для отдельных моделей изменяются от 0,993 до 0,999, а для ансамблевых реализаций они равны 0,9996. Аналогично и с прогнозом осадков: для отдельных моделей значения коэффициента корреляции варьируют от 0,942 до 0,982, а для ансамблевых реализаций г = 0,986.
Для рассматриваемых моделей СМ1Р3 также выявлена высокая корреляция модельных полей Р и Т для базисного и прогнозного периодов. Так, по «синтетическим» реализациям ансамбля из 11 моделей корреляция Т0 составляет 0,998, для количества осадков Р — 0,983. Почти столь же высока корреляция базисных и прогнозных модельных величин на период 2081—2100 гг.: для Т0 — 0,987 и для Р — 0,943. По ансамблю 7 моделей корреляция примерно такая же: для Т0 — 0,999 и для Р — 0,950 на середину XXI в., а на конец XXI в. — от 0,91 до 0,95.
Высокая положительная корреляция модельных полей показывает, что отдельные модели и их ансамбли моделируют поля Т0 и Р с погрешностями, повторяющимися в базисном и прогнозном периодах, т.е. эти погрешности как бы компенсируются при использовании относительных модельных величин ДТ0 и Кх («отклик модели»). Поля ДТ0 и Кх получаются довольно гладкими, хорошо выражаются в форме карт изолиний, что сильно упрощает географическую интерпретацию результатов и процедуры интерполяции этих величин на территориальные объекты.
По картам изолиний ДТ0 и Кх получены их средневзвешенные значения для каждого территориального объекта, определены прогнозные величины Т0п = Т0ф - ДТ0п и Рп = РК где Т0ф и Рф — фактические значения величин для базисного периода. По прогнозным Т и Р рас-
считаны прогнозные величины стока по схеме у =
= /(Т0п, Рп).
Прогнозируемые изменения стока представлены в виде относительных величин для каждого территориального объекта, вычислены по формуле
К у =
уп = / (Тп, Рп) Уб = / (То, Р) '
(4)
Подчеркнем, что в знаменателе стоят величины для базисного периода, определенные по той же схеме, что и величины для прогнозного периода, чтобы минимизировать влияние неизбежных погрешностей расчетной схемы у = / (Т0, Р).
Прогноз климатических изменений стока проведен по «синтетической» реализации 11 моделей СМ1Р3 и использован как контрольный к основному варианту по 7 моделям — с расчетом Ку по каждой МОЦАО в отдельности и последующей оценкой межмодельного разброса относительно среднего ансамблевого значения. Анализ межмодельного разброса позволяет получить более обоснованные выводы в отношении ожидаемого изменения стока. Если допустить независимость результатов расчета по отдельным модельным реализациям, то можно оценить «наихудший» и «наилучший» варианты изменения стока по ансамблю МОЦАО (оценки средних ансамблевых «сверху» и «снизу» в вероятностной форме). Исследование проведено с помощью ¿-критерия (Стьюдента), доверительная вероятность 90%, т.е. выход за левую и правую границу доверительного интервала — 5%. Такой уровень значимости традиционно применяется в подобного рода задачах [7], он логичен с точки зрения здравого смысла и не должен рассматриваться как чрезмерно жесткий, если иметь в виду различные допущения в последовательности климатологических и гидрологических расчетов вкупе с необходимостью соблюдать известную осторожность в прогнозах на столь отдаленную перспективу.
В обобщенной форме результаты прогноза представлены на рис. 1—3, а также в таблице для наиболее крупных рек Восточно-Европейской равнины. В таблице величины Ку получены как средневзвешенные по территориям частей водосборов: Ку = = ЕЩК/Щ, где Щ — объем годового стока.
Обсуждение результатов. По эксперименту с ансамблем из 7 моделей для территории ВосточноЕвропейской равнины можно выделить 4 зоны характерного изменения стока к середине XXI в. (рис. 1, а).
1. Изменения стока находятся в пределах 90%-го доверительного интервала. По существу это зона неопределенности, отражающая влияние межмодельного разброса на интерпретацию полученных результатов. В практическом плане такая неопределенность означает, что здесь невозможно дать уверенный ответ на вопрос, будет понижение или
Рис. 1. Средний годовой сток в долях от величин базисного периода (1961 — 1989). Оценки по ансамблю из 7 моделей СМ1РЗ: а — на середину XXI в. (2046—2065); б — на конец XXI в.(2081—2100). Граница зоны неопределенности показана жирной черной линией
а
б
рительный интервал, пунктирной — линия х = у
а
из 7 моделей; б — то ансамблю из 11 моделей. Пунктиром показана линия х = у
Оценка среднего годового стока Волги и других крупнейших рек ВЕР на середину и конец XXI в. в долях от стока базисного периода (1961—1989)
Река F тыс. км2 W, км3/год Середина XXI в. Конец XXI в.
1 2 1 2
Волга 1380 254 0,88 0,93 ±0,13 0,78 0,90 ±0,19
Волга у Нижнего Новгорода* 479 88,5 0,89 0,97 ±0,12 0,78 0,94 ± 0,17
Кама 507 117 0,87 0,92 ±0,12 0,79 0,91 ±0,18
Днепр 504 54,9 0,80 0,82 ±0,12 0,55 0,67 ± 0,18
Дон 378 27,3 0,74 0,77 ± 0,12 0,51 0,63 ± 0,23
Нева 281 73,5 0,94 1,02 ±0,13 0,86 1,07 ± 0,17
Северная Двина 357 109 0,93 1,02 ± 0,10 0,86 1,05 ± 0,15
Печора 322 130 0,92 1,02 ± 0,09 0,86 1,06 ±0,16
Примечание: 1 — ансамбль из 11 моделей; 2 — ансамбль из 7 моделей. * Ниже слияния с Окой.
повышение стока? Основные значения Ку укладываются в интервал 1,00 ± 0,10.
2. Переходная зона между южной границей неопределенности и Ку = 0,7 характеризуется значениями Ку = 0,7^0,9 (основной состав). Здесь можно констатировать статистически значимое понижение стока, вероятность нуль-гипотезы (р(Щ) <5%) фактически от 2 до 4% для отдельных областей.
3. Зона сильного снижения стока (Ку варьирует от 0,5 до 0,7). Тенденция к снижению стока фиксируется на высоком уровне значимости (р(Щ) <1%) повсеместно.
4. Зона катастрофического снижения стока характеризуется значениями Ку < 0,5 (р (Щ) от 0,1 до 0,8%).
Границы между зонами довольно приблизительные из-за межмодельного разброса, поскольку вероятная погрешность Ку в пределах 90%-ного доверительного интервала для отдельных областей в среднем составляет ±0,12. Расхождения в оценках Ку по ансамблям из 7 и 11 моделей на середину XXI в. незначительны (рис. 2, а).
В прогнозе на конец XXI в. расхождение между оценками, полученными по ансамблям из 7 и 11 моделей, также невелики: наблюдается систематическое занижение последних, в среднем на 0,10 (от 0 до 0,20). Сильное расхождение наблюдается только в порядке исключения на северных приморских окраинах (Мурманская область и Ненецкий АО).
В конце XXI в. можно ожидать значительного расширения зоны катастрофического снижения стока (Ку < 0,5); зона неопределенности остается примерно такой же, как и в прогнозе на середину XXI в. Изменения в конфигурации промежуточных
зон не принципиальны на фоне размытости границ из-за больших случайных погрешностей (±0,22), отражающих влияние межмодельного разброса на индивидуальные оценки Ку в отдельных территориальных объектах. Тем не менее на рис. 3 видно, что тенденция к снижению стока к концу XXI в. отчетливо и повсеместно прослеживается южнее зоны неопределенности, в которой эта тенденция проявляется слабо или отсутствует вовсе.
Данные таблицы отражают отмеченные выше закономерности и в особых комментариях не нуждаются. Обратим лишь внимание на большие размеры неопределенности оценки изменения стока крупных рек, дающей представление о влиянии межмодельного разброса на конечные результаты прогноза.
Заключение. Эксперимент с ансамблями из 7 и 11 моделей СМТР3 по сценарию А2 дает основание полагать, что при реализации такого неблагоприятного варианта развития глобального потепления климата в XXI в. можно ожидать небольшого изменения стока рек на северной половине Восточно-Европейской равнины и его существенного снижения на южной (южнее 54—55° с.ш.). Тенденция к снижению стока к концу XXI в. будет усиливаться на южной половине, на северной половине она будет слабой или не проявится вовсе. Авторы сознательно не делают более детальных выводов, поскольку из-за межмодельного разброса прогнозов климатических характеристик чрезмерная детализация полученных результатов неоправданна и может привести к крупным просчетам в оценках водных ресурсов будущего.
СПИСОК ЛИТЕРАТУРЫ
1. Акименко Т.А., Евсеева Л.С, Евстигнеев В.М. Воз- территории Восточно-Европейской равнины к середине можные климатические изменения водных ресурсов на XXI века. Ч. I. М: ЭКВАТЭК, 2006. С. 29—30.
2. Атлас мирового водного баланса. М.; Л.: Гидроме-теоиздат, 1974. 65 л.
3. Атлас расчетных гидрологических карт и номограмм. Л.: Гидрометеоиздат, 1986. 448 с.
4. Государственный водный кадастр. Водные ресурсы СССР и их использование. Л.: Гидрометеоиздат, 1987. 300 с.
5. Кислое A.B., Евстигнеев В.М., Малхазова С.М. и др. Прогноз климатической ресурсообеспеченности ВЕР в условиях потепления XXI века. М.: МАКС-Пресс, 2008. 292 с.
6. Мелешко В.П., Катцое В.М., Говоркова B.A. и др. Климат России в XXI веке. Ч. 1. Новые свидетельства антропогенного изменения климата и современные возможности его расчета // Метеорология и гидрология. 2008. № 6. С. 5-19.
7. Методические указания по оценке влияния хозяйственной деятельности на сток средних и больших рек
и восстановлению его характеристик. Л.: Гидрометеоиздат, 1986. 77 с.
8. Научно-прикладной справочник по климату СССР. Сер. 3. Многолетние данные. Вып. 1—13, 18, 28, 29. Л.: Гидрометеоиздат, 1989.
9. Оценка ресурсов и качества поверхностных вод. М.: Изд-во Моск. ун-та, 1981. 197 с.
10. Режимы влагообеспеченности и условия гидро-мелиораций степного края. М.: Колос, 1974. 239 с.
11. Швер Ц.А. Закономерности распределения количества осадков на континентах. Л.: Гидрометеоиздат, 1984. 285 с.
12. IPCC-2007: The Physical Science Basis. Contribution of working group I to the Forth Assessment Report of the IPCC. Cambridge University Press, 2007. 994 p.
Поступила в редакцию " 02.07.2009
V.M. Yevstigneev, A.V. Kislov, M.V. Sidorova
INFLUENCE OF CLIMATE CHANGES ON THE ANNUAL RIVER RUNOFF
OVER THE EAST EUROPEAN PLAIN IN THE 21st CENTURY
A number of methodological issues are discussed concerning the evaluation of possible river flow changes on the basis of global climate calculations using the models of the general atmosphere circulation integrated in the CMIP3 project. The results of temperature and precipitation modeling made it possible to calculate variations of annual river runoff over the East European Plain by the middle and the end of the 21st century for the A2 global warming scenario (a most unfavorable one).Particular attention was given to the study of the influence of inter-model spread in values on the evaluation of runoff changes. For example, it was found out that under A2 scenario possible changes are statistically insignificant to the north of 54—55° n.l., while to the south an overall decrease in river runoff is quite probable.
Key words: annual runoff, future climate change, models of the general circulation of the atmosphere, inter-model spread (IMS).
