Model assessments of the Northern Hemisphere continental permafrost changes in the 21st century

Full Text

Введение

Данные инструментальных измерений и результаты численного моделирования свидетельствуют о повышении температуры многолетнемёрзлых пород при наблюдаемых климатических изменениях (Zhang, Stamnes, 1998; Smith et al., 2010; Anisimov, Zimov, 2020; Vasiliev et al., 2020), наиболее значительных в высоких широтах Северного полушария (Анисимов и др., 2002; Мохов и др., 2002; Мохов и др., 2005; Мохов и др., 2008). При этом отмечено, что максимальный тренд среднегодовой температуры пород для верхних горизонтов (до 10 м) в Евразии, в северной части Западной Сибири, во второй половине XX в. – около 0.05 °С/год (Павлов, Малкова, 2009; Аржанов, Мохов, 2013), увеличился до 0.20 °С/год в 2008–2017 гг. (Бабкина и др., 2019). Прогнозируется, что подобная тенденция сохранится при ожидаемых в ХХI в. климатических изменениях (Anisimov, Nelson, 1996; Stendel, Christensen, 2002; Lawrence, Slater, 2005; Павлова и др., 2007; Аржанов и др., 2013).

Повышение температуры мёрзлых пород способствует активизации деструктивных геокриологических процессов, в том числе развитию термокарста и просадкам поверхности грунта (Аржанов и др., 2010; Wagner et al., 2018) с неблагоприятными последствиями для природных экосистем и инфраструктуры (Jorgenson et al., 2001; IPCC, 2022). Также при повышении температуры мёрзлых пород снижается их прочность и нарушаются равновесные термобарические условия реликтовых газогидратов, сформированных под действием внешней нагрузки в периоды оледенения (Аржанов, Мохов, 2017; Аржанов, Малахова, 2023), с увеличением риска выбросов газа в результате дестабилизации (Kizyakov et al., 2017; Dvornikov et al., 2019; Arzhanov et al., 2020). Деградация многолетнемёрзлых пород способствует включению в глобальный биогеохимический цикл слоёв грунта с высоким содержанием органического вещества (Hugelius et al., 2013; Аржанов, Мохов, 2014; Schuur et al., 2015; Kleinen, Brovkin, 2018), что наряду с изменением гидрологического режима (Мохов, Хон, 2002; Аржанов и др., 2008; Gelfan et al., 2017) способствует увеличению эмиссии метана в атмосферу с соответствующим усилением парникового эффекта (Wahlen, 1993; Елисеев и др., 2008; Денисов и др., 2015; Anisimov, Zimov, 2020).

Важно отметить, что скорость современного потепления на временных масштабах нескольких десятилетий существенно превышает значения для эпох климатических оптимумов прошлого, длившихся тысячи и десятки тысяч лет (Демченко и др., 2002). В (Мохов, Елисеев, 2012) показано, что при изменениях климата в соответствии со сценариями семейства RCP (van Vuuren et al., 2011), в частности, при наиболее агрессивном сценарии RCP8.5 для XXI в. и фиксированными на уровне 2100 г. антропогенными воздействиями в соответствии с протоколом CMIP5 (Taylor et al., 2012) для XXII–XXIII вв. приповерхностные многолетнемёрзлые породы в Северном полушарии должны исчезнуть в XXIII в. При этом модельные оценки скорости деградации мёрзлых пород в Западной Сибири (п-ов Ямал) в XXII–XXIII вв. достигают максимальных значений около 0.2 м/год, а полная деградация мёрзлой толщи мощностью около 450 м в этом регионе может произойти в течение последующих 15 тыс. лет (Мохов и др., 2022).

В работе анализируется отклик на прогнозируемые изменения климата в XXI в. приповерхностных многолетнемёрзлых пород с сезонным протаиванием в верхних горизонтах (далее ММП). При этом использовались различные индексы на основе приповерхностной температуры атмосферы (на высоте 2 м) и температуры пород по расчётам с ансамблем глобальных климатических моделей международного проекта CMIP6 (Eyring et al., 2016) при различных сценариях антропогенных воздействий.

Используемые данные и методы анализа

Для определения границ сплошной, прерывистой и островной мерзлоты, а также соответствующих площадей использовались индексы, характеризующие локальные климатические условия существования мёрзлых пород (Демченко и др., 2002) (см. также (Анисимов, Нельсон, 1990; Мохов и др., 2002; Демченко и др., 2006). В том числе использовались модифицированный воздушно-мерзлотный индекс (FI) на основе приповерхностной температуры (Nelson, Outcalt, 1987) и почвенно-мерзлотный индекс (SFI), дополнительно учитывающий теплоизолирующее влияние снежного покрова (Guo, Wang, 2016). Индексы, в частности, рассчитывались согласно (Nelson, Outcalt, 1987) при синусоидальном годовом ходе температуры. При этом границам зон сплошной, прерывистой и островной мерзлоты соответствуют значения индексов 0.5, 0.6 и 0.67, соответственно. Пространственное положение границ и площадь многолетнемёрзлых пород определялись также по достижению отрицательных значений среднегодовой температуры пород на протяжении не менее двух лет (Slater, Lawrence, 2013).

При анализе использовались расчёты с климатическими моделями, содержащие необходимые переменные – приповерхностную температуру, водно-эквивалентную и геометрическую толщину снежного покрова, профили температуры грунта (табл. 1). Глубина расчётной области в грунте для выбранного ансамбля моделей изменяется от 2 до 65 м. В связи с этим для всех выбранных моделей анализировалась среднегодовая температура грунта на глубине 2 м (индекс MST2). Следует отметить, что при относительно небольшой глубине расчётной области, сопоставимой с глубиной сезонного промерзания/протаивания, можно ожидать ухудшения точности расчёта распределения температуры пород по глубине из-за влияния нижнего граничного условия (Alexeev et al., 2007). Так, в (Slater, Lawrence, 2013) наличие/отсутствие ММП определялось на основе температуры пород ниже границы слоя сезонного протаивания/промерзания – на глубине 3.5 м. В работе был проведён также анализ температуры пород на глубине 3.5 м (индекс MST3) для шести моделей ансамбля: CNRM-ESM2-1, CanESM5, IPSL-CM6A-LR, MIROC6, MRI-ESM2-0, NorESM2-LM.

 

Таблица 1. Используемые глобальные климатические модели международного проекта CMIP6

Модели		Разрешение	Глубина в грунте, м	Институт, страна
1	BCC-CSM2-MR	320×160 (T106)	2.9	Beijing Climate Center, Китай
2	CNRM-ESM2-1	256×128 (T127)	10.0	Centre National de Recherches Meteorologiques, Франция
3	CanESM5	128×64 (T63)	4.1	Canadian Centre for Climate Modelling and Analysis, Environment and Climate Change, Канада
4	GISS-E2-1-G	144×90	2.7	Goddard Institute for Space Studies, США
5	IPSL-CM6A-LR	144×143	65.6	Institut Pierre Simon Laplace, Франция
6	MIROC6	256×128 (Т85)	9.0	Japan Agency for Marine-Earth Science and Technology, Atmosphere and Ocean Research Institute, The University of Tokyo, Япония
7	MRI-ESM2-0	320×160 (TL159)	8.5	Meteorological Research Institute, Япония
8	NorESM2-LM	144×96	42.0	Center for International Climate and Environmental Research, Norwegian Meteorological Institute, Nansen Environmental and Remote Sensing Center, Норвегия
9	UKESM1-0-LL	192×144 (N96)	2.0	Met Office Hadley Centre, Великобритания

 

Результаты модельных расчётов применялись при сценарии “Historical” для периода 2000–2014 гг. и при трёх сценариях антропогенных воздействий (ssp1-2.6, ssp2-4.5 и ssp5-8.5) для 2015–2100 гг.

Результаты

На рис. 1 и 2 представлены области сплошной (изолиния 0.67), прерывистой (изолиния 0.6) и островной (изолиния 0.5) мерзлоты, рассчитанные для каждой модели с использованием индексов FI, SFI, MST2, MST3 для первых 20 лет XXI в. при сценарии “Historical” (2000–2014 гг.) и умеренном сценарии антропогенных воздействий ssp2-4.5 (2015–2019 гг.). В климатических моделях температурный режим пород, позволяющий диагностировать наличие/отсутствие мёрзлых пород, определяется соответствующими доминирующими климатическими условиями в модельной ячейке (блоки теплофизических процессов в грунте не воспроизводят подсеточное распределение мёрзлых пород, в частности, островную мерзлоту) (Демченко и др., 2002; Аржанов и др., 2009). В связи с этим для сравнения с модельными оценками для данных наблюдений (Brown et al., 2002) была выбрана объединённая область сплошной и прерывистой мерзлоты, что соответствует 50–100% площади (Slater, Lawrence, 2013; Burke et al., 2020), занятой мёрзлыми породами (см. рис. 1–2, область, ограниченная зелёной изолинией).

 

Рис. 1. Рассчитанные на основе индексов FI и SFI области сплошной (синий), прерывистой (оранжевый) и островной (красный) ММП при сценарии “historical” за 2000–2014 гг. и умеренном сценарии антропогенных воздействий ssp2-4.5 за 2015–2019 гг. Зелёной изолинией обозначена область сплошной и прерывистой мерзлоты по данным наблюдений (Brown et al., 2002)

Fig. 1. Areas of continuous (blue), discontinuous (orange) and sporadic (red) permafrost calculated using the FI and SFI indices under the “historical” scenario for 2000–2014 and anthropogenic scenario ssp2-4.5 for 2015–2019. The green isoline indicates the area of continuous and discontinuous permafrost according to observational data (Brown et al., 2002)

 

Рис. 2. Рассчитанная на основе температуры грунта на глубине 2 м (MST2) и 3.5 м (MST3) область ММП при сценарии “historical” за 2000–2014 гг. и умеренном сценарии антропогенных воздействий ssp2-4.5 за 2015–2019 гг. Зелёной изолинией обозначена область сплошной и прерывистой мерзлоты по данным наблюдений (Brown et al., 2002)

Fig. 2. The permafrost area calculated from the ground temperature at a depth of 2 m (MST2) and 3.5 m (MST3) under the “historical” scenario for 2000–2014 and anthropogenic scenario ssp2-4.5 for 2015–2019. The green isoline indicates the area of continuous and discontinuous permafrost according to observational data (Brown et al., 2002)

 

Сопоставление с данными наблюдений (Brown et al., 2002) свидетельствует, что границы областей с ММП, оцененные с использованием индексов, в целом согласуются с наблюдаемыми границами области сплошной и прерывистой мерзлоты в Евразии и Северной Америке. При использовании индексов на основе приповерхностной температуры (FI и SFI) хорошее согласие пространственного распределения ММП по модельным оценкам с данными наблюдений получено для моделей BCC-CSM2-MR, GISS-E2-1-G, NorESM2-LM и UKESM1-0-LL (см. рис. 1). Отдельные модели недооценивают распространение ММП на южной границе криолитозоны в Восточной Сибири (CanESM5, MIROC6, MRI-ESM2-0) и на Аляске (CanESM5, CNRM-ESM2-1, IPSL-CM6A-LR, MRI-ESM2-0). Учёт утепляющего влияния снежного покрова при использовании индекса SFI по сравнению с индексом FI приводит к смещению южной границы ММП к северу, наиболее существенному в Восточной Сибири и на Аляске для моделей CanESM5 и MIROC6.

Границы областей ММП, оцененные на основе температуры грунта, хорошо воспроизводятся на севере Евразии в расчётах с моделью NorESM2-LM (см. рис. 2). По расчётам с моделями CNRM-ESM2-1 и GISS-E2-1-G область ММП переоценивается в Евразии и Северной Америке. Для остальных моделей распространение ММП недооценивается в Евразии (за исключением Тибета) и в Северной Америке (в том числе NorESM2-LM) при использовании индексов MST2 и MST3. Для модели BCC-CSM2-MR отмечена недооценка области распространения ММП в Евразии и Северной Америке при использовании индексов MST2 и MST3 по сравнению с данными наблюдений и с оценками на основе индексов FI и SFI. Так, в (Burke et al., 2020) для модели BCC-CSM2-MR отмечается существенное различие между приповерхностной температурой и температурой грунта, значительно превосходящее наблюдаемые значения в холодный период года в связи с переоценкой влияния снежного покрова. Для модели CNRM-ESM2-1 область ММП воспроизводится в том числе на севере Европы (на севере Скандинавии) с использованием индексов MST2 и MST3 и не воспроизводится с использованием индексов FI и SFI. Также для этой модели отмечена переоценка распространения ММП на южной границе криолитозоны в Западной Сибири при использовании индексов MST2 и MST3. Выявленные особенности воспроизведения областей ММП на основе температуры грунта могут быть связаны с учётом влияния гидрологического режима, а также снежного и растительного покровов в блоках наземных экосистем. В частности, в высоких широтах в регионах распространения многолетнемёрзлых пород растительный покров оказывает теплоизолирующее влияние на термическое состояние мёрзлых пород в тёплый период года, что может приводить к более высоким значениям площади, оцененной по температуре грунта, по сравнению с оценками на основе приповерхностной температуры.

По модельным расчётам в целом переоценивается наблюдаемое распространение ММП в Тибете, за исключением моделей NorESM2-LM и UKESM1-0-LL. Завышение площади распространения мёрзлых пород в Тибете также отмечалось и для климатических моделей предыдущего поколения в рамках проекта CMIP5 (Slater, Lawrence, 2013).

На рис. 3 представлены количественные оценки площади ММП (сплошной и прерывистой) в Северном полушарии в XXI в. при сценариях антропогенных воздействий ssp1-2.6, ssp2-4.5 и ssp5-8.5 для выбранных моделей. Для сравнения приведён интервал современных оценок для площади многолетнемёрзлых пород – от площади сплошной мерзлоты 10.8 млн км² (Biskaborn et al., 2019) до общей площади континентальной криолитозоны Северного полушария 22.8 млн км² (Zhang et al., 2008) (см. рис. 3, область, выделенная серым).

 

Рис. 3. Максимальные и минимальные значения (синие кружки), 10-й и 90-й процентили (чёрные линии с засечками), 1-й и 3-й квартили (прямоугольники), медианы (чёрная линия) и средние значения (красная линия) площади ММП (сплошной и прерывистой) в Северном полушарии в XXI в. при сценариях антропогенных воздействий ssp1-2.6, ssp2-4.5 и ssp5-8.5 по индексам FI, SFI, MST2 и MST3. Диапазон значений площади мерзлоты от сплошной до полной по данным наблюдений (Zhang et al., 2008; Biskaborn et al., 2019) показан серой областью

Fig. 3. Maximum and minimum values (blue dots), 10th and 90th percentiles (black serif lines), 1^st and 3^rd quartiles (rectangles), medians (black lines) and average (red lines) values of permafrost area (continuous and discontinuous) in the Northern Hemisphere in the 21^st century under anthropogenic scenarios ssp1-2.6, ssp2-4.5 and ssp5-8.5 according to the FI, SFI, MST2 and MST3 indices. The range of permafrost area values from continuous to complete according to observational data (Zhang et al., 2008; Biskaborn et al., 2019) is shaded in gray

 

Сопоставление полученных модельных оценок площади ММП с данными наблюдений для современного периода показывает, что для большинства моделей оценки находятся в отмеченном интервале значений при расчётах с использованием индексов на основе приповерхностной температуры и температуры грунта. Средние по ансамблю моделей значения площади ММП для индексов на основе приповерхностной температуры составляют 13.1±3.4 млн км² (для FI) и 11.5±3.3 млн км² (для SFI), на основе температуры грунта – 12.2±4.1 млн км² (для MST2) и 12.0±3.6 млн км² (для MST3), что согласуется с имеющимися модельными оценками – 13.9 млн км² (Obu et al., 2019). При использовании индекса SFI оценки по расчётам с моделями CanESM5 и MIROC6 меньше соответствующих значений при использовании других индексов и меньше значений площади сплошной мерзлоты по данным наблюдений (Biskaborn et al., 2019).

Межмодельный интервал оценок площади ММП, определяемой с использованием индексов FI и SFI, в начале XXI в. составляет 10.3 и 10.7 млн км², соответственно. Минимальное значение площади получено для модели MIROC6 и составляет 9.8 и 8.2 млн км², максимальное – для модели UKESM1-0-LL – 20.1 и 18.9 млн км² при использовании индексов FI и SFI соответственно. Интервал оценок площади, полученных на основе температуры грунта, превышает аналогичные оценки на основе других индексов и составляет 11.3 млн км² для MST2 и 11.0 млн км² для MST3, что можно объяснить дополнительными погрешностями в модельных блоках тепло- и гидрофизических процессов в грунте. В то же время полученный интервал оценок площади ММП на основе температуры грунта меньше аналогичных оценок, составляющих 21.8 млн км² для начала XXI в. по расчётам с ансамблем моделей проекта CMIP5 (Slater, Lawrence, 2013). Это свидетельствует об улучшении воспроизведения температуры грунта, в том числе за счёт увеличения глубины расчётной области и количества модельных уровней в грунте, а также использования более детальных параметризаций снежного покрова по сравнению с моделями ансамбля CMIP5. При использовании индекса MST2 минимальное значение площади 9.8 млн км² получено для модели CanESM5, максимальное 21.1 млн км² – для модели GISS-E2-1-G. При использовании индекса MST3 минимальное значение 9.5 млн км² получено для CanESM5, максимальное 20.5 млн км² – для CNRM-ESM2-1. Модель GISS-E2-1-G, для которой получено максимальное значение площади при использовании индекса MST2, отсутствует в наборе моделей с использованием индекса MST3 в связи с тем, что глубина расчётной области в грунте только 2.7 м. Минимальные для периода 2000–2100 гг. значения площади ММП (менее 0.5 млн км²) получены при наиболее агрессивном сценарии антропогенных воздействий ssp5-8.5 по расчётам с моделями MIROC6 и UKESM1-0-LL (см. рис. 3). При сценариях ssp2-4.5 и ssp5-8.5 наибольшие значения площади ММП в конце XXI в., оцененные с использованием индексов FI, SFI и MST2, получены для модели GISS-E2-1-G.

Сравнение оценок площади ММП в XXI в., полученных с использованием разных индексов, выявляет различия, существенные для отдельных моделей, которые могут быть связаны с учётом влияния напочвенных покровов, а также тепло- и гидрофизических процессов в грунте в соответствующих блоках климатических моделей. Так, при расчёте площади с использованием индексов MST2 и MST3 различия для выбранных моделей незначительны при всех трёх сценариях антропогенных воздействий (рис. 4, а). Значения площади ММП с использованием индекса MST2 превышают значения площади при использовании индекса SFI для рассматриваемых моделей, кроме моделей BCC-CSM2-MR и UKESM1-0-LL на протяжении всего периода 2000–2100 гг. (рис. 4, б). Самые близкие значения площади при использовании индексов SFI и MST2 получены для трёх моделей: CanESM5, IPSL-CM6A-LR и MRI-ESM2-0.

 

Рис. 4. Сопоставление оценок площади ММП S с использованием индексов MST2 и MST3 (а) и MST2 и SFI (б) за 2000–2100 гг. при сценариях антропогенных воздействий ssp1-2.6, ssp2-4.5 и ssp5-8.5

Fig. 4. Comparison of permafrost area estimates using the MST2 and MST3 (a) and MST2 and SFI (б) indices for 2000–2100 under anthropogenic scenarios ssp1-2.6, ssp2-4.5 and ssp5-8.5

 

В табл. 2 приведены оценки тренда площади ММП с использованием индексов при трёх сценариях антропогенных воздействий в XXI в. При наименее агрессивном сценарии антропогенных воздействий ssp1-2.6 абсолютные значения тренда площади ММП, оцененной с использованием приповерхностной температуры (индексы FI и SFI) и температуры грунта (индексы MST2 и MST3), за 2000–2050 гг. превосходят соответствующие значения для периода 2050–2100 гг. для всех моделей.

 

Таблица 2. Полученные с использованием индексов FI, SFI, MST2, MST3 модельные оценки тренда площади ММП континентальной криолитозоны Северного полушария в XXI в. (тыс. км²/год), значимые на уровне 0.05. Незначимые значения выделены

Модели	2000–2050 гг.			2050–2100 гг.			2000–2100 гг.
	ssp126	ssp245	ssp585	ssp126	ssp245	ssp585	ssp126	ssp245	ssp585
FI
1	–84±12	–114±16	–122±18	–27±4	–94±14	–206±30	–65±7	–111±11	–182±18
2	–49±7	–75±11	–85±12	–42±6	–100±14	–141±20	–38±4	–69±7	–111±11
3	–104±15	–115±17	–134±19	–8±1	–51±7	–53±8	–68±7	–91±9	–110±11
4	–85±12	–82±12	–94±14	2±0	–42±6	–115±17	–56±6	–64±6	–104±10
5	–115±17	–117±17	–134±19	–33±5	–79±11	–92±13	–90±9	–132±13	–148±15
6	–83±12	–99±14	–110±16	–40±6	–48±7	–68±10	–69±7	–84±8	–100±10
7	–108±16	–100±14	–148±21	7±1	–35±5	–53±8	–53±5	–78±8	–100±10
8	–94±14	–104±15	–118±17	–2±0	–63±9	–137±20	–50±5	–79±8	–119±12
9	–178±26	–193±28	–210±30	–50±7	–123±18	–188±27	–129±13	–166±17	–219±22
SFI
1	–97±14	–124±18	–136±20	–20±3	–99±14	–160±23	–66±7	–114±11	–171±17
2	–48±7	–66±10	–86±12	–43±6	–93±13	–108±16	–39±4	–66±7	–99±10
3	–92±13	–102±15	–115±17	–8±1	–34±5	–43±6	–60±6	–74±7	–90±9
4	–94±14	–90±13	–95±14	4±1	–41±6	–110±16	–57±6	–65±7	–104±11
5	–122±18	–135±20	–129±19	–23±3	–44±6	–58±8	–80±8	–105±11	–116±12
6	–74±11	–91±13	–99±14	–32±5	–32±5	–53±8	–62±6	–73±7	–85±9
7	–101±15	–96±14	–134±19	5±1	–28±4	–38±6	–47±5	–68±7	–86±9
8	–97±14	–104±15	–112±16	0±0	–64±9	–118±17	–47±5	–77±8	–110±11
9	–177±26	–192±28	–207±30	–44±6	–126±18	–160±23	–127±13	–165±17	–207±21
MST2
1	–130±19	–149±22	–172±25	–41±6	–81±12	–82±12	–80±8	–111±11	–134±14
2	–70±10	–89±13	–102±15	–54±8	–115±17	–239±35	–52±5	–86±9	–153±15
3	–113±16	–116±17	–139±20	–14±2	–64±9	–56±8	–78±8	–98±10	–117±12
4	–100±14	–108±16	–112±16	–8±1	–42±6	–112±16	–69±7	–73±7	–112±11
5	–112±16	–118±17	–116±17	–40±6	–70±10	–89±13	–80±8	–104±10	–123±12
6	–96±14	–105±15	–104±15	–36±5	–75±11	–154±22	–71±7	–92±9	–128±13
7	–90±13	–85±12	–116±17	–22±3	–37±5	–68±10	–57±6	–75±8	–97±10
8	–72±10	–72±10	–84±12	–14±2	–64±9	–168±24	–38±4	–63±6	–117±12
9	–180±26	–187±27	–202±29	–50±7	–96±14	–88±13	–124±13	–150±15	–172±17
MST3
2	–71±10	–86±12	–96±14	–51±7	–104±15	–224±32	–52±5	–83±8	–144±15
3	–113±16	–118±17	–139±20	–13±2	–59±9	–54±8	–78±8	–96±10	–115±12
5	–108±16	–113±16	–112±16	–41±6	–71±10	–94±14	–78±8	–101±10	–120±12
6	–97±14	–103±15	–102±15	–45±7	–79±11	–157±23	–75±8	–94±9	–126±13
7	–72±10	–66±10	–93±13	–30±4	–53±8	–79±11	–58±6	–74±7	–96±10
8	–71±10	–70±10	–80±12	–16±2	–63±9	–167±24	–39±4	–63±6	–115±12

 

Следует отметить, что при сценарии ssp1-2.6 для второй половины XXI в. для отдельных моделей значения тренда площади, оцененной с использованием приповерхностной температуры (GISS-E2-1-G, MRI-ESM2-0 и NorESM2-LM для индекса FI и MRI-ESM2-0 и NorESM2-LM для индекса SFI), статистически незначимы. Значения тренда площади ММП, оцененной на основе одного и того же индекса, существенно различаются для отдельных моделей (до двух раз и более). Различия отмечаются и для значений тренда ММП, полученных для одной модели с использованием разных индексов – на основе приповерхностной температуры и температуры грунта. В частности, для модели CNRM-ESM2-1 при сценарии ssp5-8.5 во второй половине XXI в. тренд ММП на основе индекса MST2 более чем в два раза превышает соответствующие оценки на основе SFI. Для модели UKESM1-0-LL тренд площади на основе SFI в два раза превышает оценки на основе MST2. Для этой же модели получены максимальные оценки тренда для периода 2000–2100 гг. по расчётам с использованием индекса FI, составляющие –129±13, –166±17 и –219±22 тыс. км²/год при сценариях ssp1-2.6, ssp2-4.5 и ssp5-8.5, соответственно. Среднеансамблевые значения тренда площади ММП для периода 2000–2100 гг. при каждом сценарии совпадают в пределах среднеквадратического отклонения для всех индексов. Максимальное значение тренда площади для периода 2000–2100 гг. (–125 тыс. км²/год) получено при сценарии ssp5–8.5 и почти вдвое превосходит оценки тренда при сценарии ssp1.2-6.

На рис. 5 представлена зависимость от глобальной среднегодовой приповерхностной температуры (T_a), оцененной для различных индексов площади ММП (S) для климатических моделей при сценариях антропогенных воздействий ssp1-2.6, ssp2-4.5 и ssp5-8.5 для XXI в. Параметр температурной чувствительности dS/dT_a определялся с использованием соответствующей линейной регрессии S на T_a.

 

Рис. 5. Площадь ММП в зависимости от глобальной среднегодовой приповерхностной температуры Та на основе индексов FI, SFI, MST2 и MST3 для трёх сценариев антропогенных воздействий в XXI в. Пунктирными линиями показаны линейные регрессии каждой модели, сплошной чёрной линией показана среднеансамблевая линейная регрессия

Fig. 5. Permafrost area depending on the global average annual surface temperature based on the FI, SFI, MST2 and MST3 indices for three anthropogenic scenarios in the 21^st century. The dotted lines show the linear regressions of each model, and the solid black line shows the ensemble mean linear regression

 

На рис. 6 приведены количественные оценки температурной чувствительности площади ММП (характеризуемые коэффициентом соответствующей линейной регрессии) по расчётам с каждой моделью при разных сценариях антропогенных воздействий. Наибольшие значения чувствительности площади к изменению температуры для всех сценариев получены по расчётам с моделью BCC-CSM2-MR при использовании индексов FI и SFI (см. рис. 6). Оценки чувствительности площади ММП на основе приповерхностной температуры и температуры грунта различаются для отдельных моделей ансамбля. Так, чувствительность площади на основе индексов FI и SFI значимо (на уровне среднеквадратических отклонений) превышает соответствующие оценки чувствительности при использовании индексов MST2 и MST3 для моделей BCC-CSM2-MR и UKESM1-0-LL при всех трёх сценариях антропогенных воздействий. Для модели CNRM-ESM2-1 чувствительность площади, оцененной по температуре грунта, значимо превышает оценки на основе приповерхностной температуры (см. рис. 6). Для моделей CanESM5, GISS-E2-1-G и MRI-ESM2-0 оценки чувствительности площади при использовании разных индексов совпадают в приделах стреднеквадратического отклонения.

 

Рис. 6. Чувствительность dS/dTa площади ММП, оцененной на основе индексов FI (1), SFI (2), MST2 (3) и MST3 (4) для XXI в. Вертикальный размер фигур соответствует интервалу среднеквадратического отклонения коэффициента линейной регрессии. Горизонтальные линии (5) соответствуют средним для ансамбля моделей значениям чувствительности площади ММП для каждого сценария

Fig. 6. Sensitivity dS/dT_a of permafrost area estimated based on FI (1), SFI (2), MST2 (3) and MST3 (4) indices for the 21^st century. The vertical size of the figures corresponds to the interval of the standard deviation of the linear regression coefficient. The horizontal lines (5) correspond to the model ensemble average sensitivity values of the permafrost area for each scenario

 

Чувствительность площади ММП по расчётам с ансамблем моделей уменьшается по абсолютной величине от наименее агрессивного сценария антропогенных воздействий ssp1-2.6 к наиболее агрессивному ssp5-8.5 (см. рис. 5 и 6). Средние для ансамбля моделей значения чувствительности площади ММП оценены равными –3.3±0.8 млн км²/⁠°С при сценарии ssp1-2.6, –2.9±0.7 млн км²/⁠°С при сценарии ssp2-4.5 и –2.1±0.7 млн км²/⁠°С при сценарии ssp5-8.5. Максимальный разброс полученных оценок чувствительности площади ММП достигает 30%, при этом различия оценок чувствительности при использовании разных индексов статистически незначимы. Полученные значения согласуются с оценками чувствительности площади мёрзлых пород на основе воздушно-мерзлотного индекса и аналитического решения задачи Стефана на основе модели Кудрявцева для ансамбля моделей CMIP5, при сценарии RCP8.5 составляющих –1.67 млн км²/°С (Slater, Lawrence, 2013), а также с оценками на основе температурной зависимости площади мёрзлых пород (Chadburn et al., 2017) (см. также Alexandrov et al., 2021) для ансамбля моделей CMIP6 в интервале от –4.8 млн км²/⁠°С до –3.0 млн км²/⁠°C (5-й и 95-й процентили соответственно) (Burke et al., 2020).

Уменьшение чувствительности площади ММП к изменениям глобальной приповерхностной температуры от наименее агрессивного к наиболее агрессивному сценарию антропогенных воздействий отмечалось для глобальных климатических моделей предыдущего поколения (ансамбль CMIP5) при сценариях семейства RCP (Slater, Lawrence, 2013), а также в численных расчётах с глобальной климатической моделью ИФА РАН при сценариях семейства SRES и в идеализированных экспериментах с изменением содержания углекислого газа в атмосфере (Демченко и др., 2006). Анализ полученных результатов показал, что при увеличении скорости глобального потепления (при наиболее агрессивных сценариях антропогенных воздействий) значительный рост температуры в высоких широтах приводит к быстрой деградации ММП во второй половине XXI в. на севере Евразии (по отдельным моделям и в Тибете) и в Северной Америке за исключением Канадского Арктического архипелага. При дальнейшем увеличении приповерхностной температуры площадь оставшихся ММП практически не меняется, что проявляется в уменьшении абсолютных значений dS/dT_a. Полученные результаты относятся к верхним горизонтам криолитозоны (Анисимов, Нельсон, 1990) и выявленная деградация ММП в XXI в. в отдельных регионах может означать смену режима сезонного протаивания сезонным промерзанием (формирование таликов), а не полное оттаивание толщи мёрзлых пород.

Заключение

С использованием результатов расчётов с ансамблем глобальных климатических моделей в рамках международного проекта CMIP6 проведён анализ режимов континентальной криолитозоны Северного полушария в XXI в. на основе индексов, характеризующие локальные климатические условия существования мёрзлых пород в зависимости от приповерхностной температуры, а также от температуры грунта. Отмечены особенности воспроизведения наблюдаемых границ многолетнемёрзлых пород для отдельных моделей, а также при использовании различных индексов. Выявлена более высокая оценка области распространения ММП в Тибете для ряда климатических моделей. Учёт отепляющего влияния снежного покрова при использовании индекса SFI по сравнению с индексом FI приводит к смещению южной границы ММП к северу, для отдельных моделей наиболее существенному на юге Восточной Сибири и на Аляске.

Полученные оценки площади ММП для периода 2000–2019 гг. на основе различных индексов находятся в пределах 11.5–13.1 млн км², при этом выявлены различия, существенные для отдельных моделей. Диапазон оценок площади ММП по расчётам с ансамблем моделей CMIP6 для начала XXI в. на основе температуры грунта близок к аналогичным значениям на основе приповерхностной температуры (около 11 млн км²) и вдвое меньше оценок для моделей предыдущего поколения (ансамбль CMIP5). Это можно объяснить улучшением воспроизведения температуры грунта, в том числе за счёт увеличения глубины расчётной области и количества модельных уровней в грунте, а также использования более детальных параметризаций снежного покрова. Различие трендов площади ММП, полученных для каждой модели с использованием различных индексов, сопоставимо с межмодельным разбросом при использовании одного и того же индекса. Максимальное значение тренда площади ММП по расчётам с ансамблем моделей для периода 2000–2100 гг. (–125 тыс. км²/год) получено при сценарии ssp5-8.5. Это почти вдвое превосходит оценки тренда при сценарии ssp1.2-6. Оценки чувствительности площади ММП к изменению глобальной приповерхностной температуры в среднем по ансамблю моделей для всех индексов составляют –3.3±0.8 млн км²/°С при сценарии ssp1-2.6, –2.9±0.7 млн км²/°С при сценарии ssp2-4.5 и –2.1±0.7 млн км²/°С при сценарии ssp5-8.5. Отмечено уменьшение оценок чувствительности площади ММП к изменениям глобальной приповерхностной температуры от наименее агрессивного к наиболее агрессивному сценарию антропогенных воздействий.

Анализ результатов свидетельствует о согласованном воспроизведении основных тенденций изменения областей распространения ММП с использованием различных индексов, в том числе на основе приповерхностной температуры и температуры грунта. Полученные результаты согласуются с оценками, полученными на основе эмпирической температурной зависимости площади ММП, а также аналитического решения задачи Стефана для климатических моделей предыдущего поколения (ансамбль CMIP5).

Благодарности. Работа выполнена в рамках проекта РНФ 24-17-00211 с использованием результатов, полученных в рамках государственного задания Института физики атмосферы им. А.М. Обухова РАН (ФМВР-2022-0014).

Acknowledgements. This work was carried out within the framework of the RSF project 24-17-00211 using the results obtained within the framework of the state assignment of the A.M. Obukhov Institute of Atmospheric Physics of the Russian Academy of Sciences (FMVR-2022-0014).

About the authors

M. M. Arzhanov

Obukhov Institute of Atmospheric Physics, Russian Academy of Sciences

Author for correspondence.
Email: arzhanov@ifaran.ru
Russian Federation, Moscow

I. I. Mokhov

Obukhov Institute of Atmospheric Physics, Russian Academy of Sciences; Moscow State University

Email: arzhanov@ifaran.ru
Russian Federation, Moscow; Moscow

References

Supplementary files