Байесовы оценки изменения стока российских рек в XXI веке на основе результатов ансамблевых модельных расчетов CMIP6

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

По расчетам с ансамблем климатических моделей CMIP6 (Coupled Models Intercomparison Project, phase 6) с использованием байесова осреднения проведен анализ изменений в XXI в. стока ряда российских рек — Волги, Оби, Енисея, Лены, Амура и Селенги. Байесовы веса учитывали качество воспроизведения моделями стока (многолетнего среднего стока, линейного тренда стока на временном интервале с доступными наблюдениями за стоком, межгодовой и междесятилетней изменчивости). Качество воспроизведения характеристик стока отдельными моделями ансамбля CMIP6 наиболее сильно различается для среднего многолетнего стока, тренда стока и, в меньшей степени, для межгодовой изменчивости. В XXI в. средний по ансамблю сток увеличивается для большинства анализируемых рек, за исключением Волги. Это увеличение более выражено при сценариях с большими антропогенными воздействиями. Особенно оно значимо для сценария SSP5-8.5 (Shared Socioeconomic Pathways, 5-8.5), при котором тренд увеличения стока в 2015–2100 гг. относительно его современного среднего многолетнего значения составляет (10 ± 4)% для Оби, (16 ± 3)% для Енисея, (39 ± 7)% для Лены, (36 ± 7)% для Амура и (18 ± 6)% для Селенги. Основной причиной изменения ансамблевого среднего стока в XXI в. в моделях при всех сценариях SSP является изменение осадков. Учет различий качества моделей при воспроизведении стока рек в среднем для 2015–2100 гг. уменьшает межмодельные отклонения относительно соответствующих значений при однородном взвешивании результатов модельных расчетов на 6–26% в зависимости от сценария SSP и речного водосбора.

Полный текст

Доступ закрыт

Об авторах

А. И. Медведев

Московский государственный университет им. М.В. Ломоносова

Email: eliseev.alexey.v@mail.ru

физический факультет

Россия, 119991, Москва, Ленинские горы, 1с2

А. В. Елисеев

Московский государственный университет им. М.В. Ломоносова; Институт физики атмосферы им. А.М. Обухова РАН; Институт вычислительной математики им. Г.И. Марчука РАН; Институт прикладной физики Российской Академии наук

Автор, ответственный за переписку.
Email: eliseev.alexey.v@gmail.com

физический факультет

Россия, 119991, Москва, Ленинские горы, 1с2; 119017, Москва, Пыжевский пер., 3; 119333, Москва, ул. Губкина, 8; 603950, Нижний Новгород, ул. Ульянова, 46

И. И. Мохов

Московский государственный университет им. М.В. Ломоносова; Институт физики атмосферы им. А.М. Обухова РАН

Email: eliseev.alexey.v@gmail.com

физический факультет

Россия, 119991, Москва, Ленинские горы, 1с2; 119017, Москва, Пыжевский пер., 3

Список литературы

  1. Аржанов М.М., Елисеев А.В., Демченко П.Ф. и др. Моделирование температурного и гидрологического режима водосборов сибирских рек в условиях вечной мерзлоты с использованием данных реанализа // Изв. РАН. Физика атмосферы и океана. 2008. Т. 44. № 1. С. 86–93.
  2. Арпе К., Бенгтссон Л., Голицын Г.С. и др. Анализ и моделирование изменений гидрологического режима в бассейне Каспийского моря // Докл. РАН. 1999. Т. 366. № 2. С. 248–252.
  3. Арпе К., Бенгтссон Л., Голицын Г.С. и др. Анализ изменений гидрологического режима на водосборе Ладожского озера и стока Невы в XX и XXI веках с помощью глобальной климатической модели // Метеорология и гидрология. 2000. № 12. С. 5–13.
  4. Гельфан А.Н., Калугин А.С., Мотовилов Ю.Г. Оценка изменений водного режима реки Амур в XXI веке при двух способах задания климатических проекций в модели формирования речного стока // Водные ресурсы. 2018. Т. 45. № 3. С. 223–234.
  5. Елисеев А.В., Аржанов М.М., Демченко П.Ф. и др. Изменения климатических характеристик суши внетропических широт Северного полушария в XXI веке: оценки с использованием климатической модели ИФА РАН // Изв. РАН. Физика атмосферы океана. 2009. Т. 45. № 3. С. 291–304.
  6. Калюжный И.Л., Лавров С.А. Основные физические процессы и закономерности формирования зимнего и весеннего стока рек в условиях потепления климата // Метеорология и гидрология. 2012. № 1. С. 68–81.
  7. Кибанова О.В., Елисеев А.В., Мохов И.И. и др. Изменения продолжительности навигационного периода Северного морского пути в ХХI в. по расчетам с ансамблем климатических моделей: байесовские оценки // Докл. АН. 2018. Т. 481. № 1. С. 88–92.
  8. Липавский А.С., Елисеев А.В., Мохов И.И. Байесовы оценки изменения стока Амура и Селенги в XXI веке по результатам ансамблевых модельных расчетов CMIP6 // Метеорология и гидрология. 2022. № 5. С. 64–82.
  9. Марченко О.Ю., Мордвинов В.И., Бережных Т.В. Экстремальная водность р. Селенга и особенности летней циркуляции атмосферы // Метеорология и гидрология. 2012. № 10. С. 81–93.
  10. Мелешко В.П., Голицын Г.С., Говоркова В.А. и др. Возможные антропогенные изменения климата России в XXI в.: оценки по ансамблю климатических моделей // Метеорология и гидрология. 2004. № 4. С. 38–49.
  11. Мохов И.И., Хон В.Ч. Гидрологический режим в бассейнах сибирских рек: модельные оценки изменений в ХХI веке // Метеорология и гидрология. 2002. № 8. С. 77–93.
  12. Мохов И.И., Хон В.Ч. Модельные сценарии изменений стока сибирских рек в ХХI веке // Докл. АН. 2002. Т. 383. № 5. С. 684–687.
  13. Мохов И.И., Семенов В.А., Хон В.Ч. Оценки возможных региональных изменений гидрологического режима в ХХI веке на основе глобальных климатических моделей // Изв. РАН. Физика атмосферы и океана. 2003. Т. 39. № 2. С. 150–165.
  14. Мохов И.И. Гидрологические аномалии и тенденции изменения в бассейне реки Амур в условиях глобального потепления // Докл. АН. 2014. Т. 455. № 5. С. 585–588.
  15. Мохов И.И. Экстремальные атмосферные и гидрологические явления в российских регионах: связь с Тихоокеанской десятилетней осцилляцией // Докл. АН. Науки о Земле. 2021. Т. 500. № 2. С. 73–78.
  16. Парфенова М.Р., Елисеев А.В., Мохов И.И. Изменения периода навигации в арктических морях на Северном морском пути в 21 веке: байесовы оценки по расчетам с ансамблем климатических моделей // Докл. АН. Науки о Земле. 2022. Т. 507. № 1. С. 118–125.
  17. Романовский Н.Н., Булдович С.Н., Типенко Г.С. и др. Оценка влияния климатических изменений на поверхностный сток с помощью моделирования теплового взаимодействия многолетнемерзлых пород и подземных вод (на примере верхней части водосборного бассейна р. Лены) // Криосфера Земли. 2009. Т. 13. № 1. С. 55–64.
  18. Фролова Н.Л., Белякова П.А., Григорьев В.Ю. и др. Многолетние колебания стока рек в бассейне Селенги // Водные ресурсы. 2017. Т. 44. № 3. С. 243–255.
  19. Хон В.Ч., Мохов И.И. Гидрологический режим бассейнов крупнейших рек Северной Евразии в ХХ– ХХI вв. // Водные ресурсы. 2012. Т. 39. № 1. С. 3–12.
  20. Adler R.F., Sapiano M.R.P., Huffman G.J. et al. The Global Precipitation Climatology Project (GPCP) monthly analysis (new version 2.3) and a review of 2017 global precipitation // Atmosphere. 2018. V. 9. № 4. P. 138.
  21. Berezovskaya S., Yang D., Kane D. L. Compatibility analysis of precipitation and runoff trends over the large Siberian watersheds // Geophys. Res. Lett. 2004. V. 31. № 21. L21502.
  22. Bronstert A., Carrera J., Kabat P., Lütkemeier S. Coupled Models for the Hydrological Cycle: Integrating Atmosphere, Biosphere, and Pedosphere // Berlin, heidelberg: Springer. 2005. P. 345.
  23. Brunner L., Pendergrass A.G., Lehner F. et al. Reduced global warming from CMIP6 projections when weighting models by performance and independence // Earth Syst. Dyn. 2020. V. 11. № 11. P. 995–1012.
  24. Cook B.I., Shukla S.P., Puma M.J. et al. Irrigation as an historical climate forcing // CD. 2015. V. 44. № 5–6. P. 1715–1730.
  25. de Vries I.E., Sippel S., Pendergrass A.G. et al. Robust global detection of forced changes in mean and extreme precipitation despite observational disagreement on the magnitude of change // Earth Syst. Dyn. 2023. V. 14. № 1. P. 81–100.
  26. Duchon C.E. Lanczos filtering in one and two dimensions // Journal of Applied Meteorology and Climatology. 1979. V. 18. № 8. P. 1016–1022.
  27. Eyring V. et al. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. // Geoscientific Model Development. 2016. V. 9. № 5. P. 1937–1958.
  28. Gerten D., Rost S., von Bloh W. et al. Causes of Change in 20th Century Global River Discharge // Geophys. Res. Lett. 2004. V. 35. № 20. L20405
  29. Gidden M.J. et al. Global emissions pathways under different socioeconomic scenarios for use in CMIP6: a dataset of harmonized emissions trajectories through the end of the century // Geoscientific model development. 2019. V. 12. № 4. P. 1443–1475.
  30. Graham S.T., Famiglietti J.S., Maidment D.R. Five minute, 1/2˚, and 1˚ data sets of continental watersheds and river networks for use in regional and global hydrologic and climate system modeling studies // Water Resour. Res. 1999. № 2. P. 583–587.
  31. Hawkins E., Sutton R. The potential to narrow uncertainty in regional climate predictions // Bull. Amer. Meteorol. Soc. 2009. V. 90. № 8. P. 1095–1107.
  32. Held I.M., Soden B.J. Robust Responses of the Hydrological Cycle to Global Warming // J. Climate. 2006. V. 19. P. 5686–5699.
  33. Hoeting J.A., Madigan D., Raftery A.E. et al. Bayesian model averaging: A tutorial // Stat. Sci. 1999. V. 14. № 4. P. 382–401.
  34. Jun M., Knutti R., Nychka D.W. Spatial analysis to quantify numerical model bias and dependence: How many climate models are there? // JASA. 2008. V. 103. № 483. P. 934–947.
  35. Kattsov V.M., Walsh J.E., Chapman W.L. et al. Simulation and Projection of Arctic Freshwater Budget Components by the IPCC AR4 Global Climate Models // J. Hydrology. 2007. V. 8. № 3. P. 571–589.
  36. Lehner F., Deser C., Maher N. et al. Partitioning climate projection uncertainty with multiple large ensembles and CMIP5/6 // Earth Syst. Dyn. 2020. V. 11. № 2. P. 491–508.
  37. Liu C., Allan R.P., Huffman G.J. Co-variation of temperature and precipitation in CMIP5 models and satellite observations // Geophys. Res. Lett. 2012. V. 39. № 13. P. L13803.
  38. Masson-Delmotte V. et al. Climate Change 2021: The Physical Science Basis. Working Group I contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change // Cambridge Univ. Press. 2021.
  39. Pendergrass A.G. The Global-mean precipitation response to CO2-induced warming in CMIP6 models // Geophys. Res. Lett. 2020. V. 47. № 17. e2020GL089964.
  40. Reichler T., Kim J. How well do coupled models simulate today’s climate? // Bull. Amer. Meteorol. Soc. 2008. V. 89. № 3. P. 303–311.
  41. Taylor R.G., Scanlon B., Döll P. et al. Ground water and climate change // NatCC. 2013. V. 3. № 4. P. 322–329.
  42. von Storch H., Zwiers F.W. Statistical Analysis in Climate Research // Cambridge Univ. Press. 2003. P. 484.
  43. Weigel A.P., Knutti R., Liniger M.A. et al. Risks of modelweighting in multimodel climate projections // J. Climate. 2010. V. 23. № 15. P. 4175–4191.
  44. Yang H., Zhou F., Piao S. et al. Regional Patterns of Future Runoff Changes from Earth System Models Constrained by Observation // Geophys. Res. Lett. 2017. V. 44. № 11. P. 5540–5549.
  45. Zhang X., Tang Q., Zhang X. et al. Runoff sensitivity to global mean temperature change in the CMIP5 models // Geophys. Res. Lett. 2014. V. 41. № 15. P. 5492–5498.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Границы водосборов рек, сток которых анализируется в данной работе: Волга (оранжевая линия), Обь (синяя), Енисей (красная), Лена (фиолетовая), Амур (голубая), Селенга (зеленая).

Скачать (321KB)
Метаданные
3. Рис. 2. Байесовы веса wm для многолетнего среднего стока. Горизонтальными линиями отмечены веса арифметического среднего.

Скачать (492KB)
Метаданные
4. Рис. 3. Подобно рис. 2, но для весов wtr, характеризующих воспроизведение моделями линейного тренда стока.

Скачать (492KB)
Метаданные
5. Рис. 4. Подобно рис. 2, но для весов , характеризующих воспроизведение моделями междесятилетней изменчивости стока.

Скачать (540KB)
Метаданные
6. Рис. 5. Подобно рис. 2, но для весов характеризующих воспроизведение моделями межгодовой изменчивости стока.

Скачать (552KB)
Метаданные
7. Рис. 6. Подобно рис. 2, но для комбинированных весов.

Скачать (525KB)
Метаданные
8. Рис. 7. Ансамблевые средние (a, в, д) и межмодельное стандартное отклонение (б, г, е) для годового стока Волги при сценариях SSP1-2.6 (а, б), SSP2-4.5 (в, г) и SSP5-8.5 (д, е).

Скачать (805KB)
Метаданные
9. Рис. 8. Подобно рис. 7, но для Оби.

Скачать (735KB)
Метаданные
10. Рис. 9. Подобно рис. 7, но для Енисея.

Скачать (670KB)
Метаданные
11. Рис. 10. Подобно рис. 7, но для Лены.

Скачать (664KB)
Метаданные
12. Рис. 11. Подобно рис. 7, но для Амура.

Скачать (729KB)
Метаданные
13. Рис. 12. Подобно рис. 7, но для Селенги.

Скачать (714KB)
Метаданные

© Российская академия наук, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.