ИЗМЕНЕНИЯ КЛИМАТА

МАТЕМАТИЧЕСКИЕ МОДЕЛИ КЛИМАТИЧЕСКОЙ СИСТЕМЫ И МОДЕЛИ ЗЕМНОЙ СИСТЕМЫ

Глобальные процессы, формирующие климат, изучают с помощью математического моделирования. Этот подход применяется и для осуществления климатического прогноза.

Математическая модель климата — это модель климатической системы (см. гл. 1). Каждый ее элемент представлен отдельным модулем, которые увязываются в единую конструкцию за счет обмена между ними энергией, импульсом, массой. Климатическая система координируется внешними воздействиями и заданными параметрами. Обобщением модели климатической системы являются развиваемые в настоящее время модели Земной системы. Этот термин пока что не устоялся, однако базовой служит модель климата, которая сопрягается с различными блоками, в первую очередь блоком углеродного цикла, выходным результатом работы которого является, в частности, вычисление эмиссии и стока углерода в атмосферу, от чего зависит концентрация в атмосфере углекислого газа и метана, определяющих изменения парниковых свойств.

Поскольку элементы климатической системы обладают различной инерционностью, объединение модулей накладывает отпечаток на динамику каждого блока и создает особенности временного поведения всей системы. Имеется в виду то, что, с одной стороны, малоинерционные компоненты приспосабливаются к более инерционным. Так, атмосфера приспосабливается к состоянию Мирового океана. Однако отклики на быстрые флуктуации не погашают друг друга, и накопление воздействия вызывает изменения состояния инерционных элементов, которое ощущается как так называемый красный шум. При этом и динамика быстрой подсистемы, ощущая изменения медленной подсистемы, в этих условиях взаимодействия оказывается своеобразной. Этим закладываются основы физики климата, а также порождаются технологические проблемы, связанные с поисками правильной методики осуществления моделирования климата.

Модель климата всегда ориентирована на определенный временной масштаб (т). При ее конструировании применяется следующий принципиальный подход: те процессы и явления, которые протекают очень медленно по сравнению с т, принимают характер константного фона, на котором развиваются более быстрые процессы. В то же время очень быстрые по сравнению с т процессы не моделируются в деталях: считается возможным учесть их опосредованный эффект. Данный подход позволяет (вместе с предложениями, основанными на гипотезах несколько иного сорта) редуцировать исходные уравнения (см. введение), адаптируя их к конкретной задаче. Имеется в виду, в частности, что можно вообще не подключать те модули, которые ответственны за медленные изменения. В последние годы стали говорить о «бесшовных» моделях, как единой структуре, предназначенной для моделирования процессов различных масштабов. Однако это лишь несколько расширяет т, т.е. диапазон явно моделируемых процессов, не отвергая основной принцип.

Рассмотрим кратко особенности математического моделирования на примере моделирования одной лишь атмосферы для целей прогноза погоды. Погода — это «мгновенный» срез, «фотоснимок» состояния атмосферы в данный момент времени. Оно известно на основе данных измерений, синтезированных системой усвоения (см. введение). Прогноз погоды — это прогноз состояния атмосферы в определенном регионе с заданной заблаговременностью. Это задача исключительной сложности, поскольку предлагается получение точной информации о будущем состоянии метеорологических полей, что в условиях турбулентной (т.е. обладающей хаотичностью) атмосферы невозможно. Поэтому формулировка прогноза несколько мягче: прогнозируемое значение метеорологической величины надлежит рассматривать как наиболее вероятное значение из некоторого диапазона возможных состояний. Это же относится и к прогнозируемому моменту появления того или иного явления — речь идет о некотором интервале времени. Однако тенденцией развития метеорологии всегда было сокращение этих интервалов и диапазонов.

Продуктом прогноза является информация о температуре, осадках, скорости ветра и др., а также не менее важно и прогнозирование содержания в воздухе вредных химических соединений (обычно это СО, S02, NO, N02, содержание аэрозольных частиц и биологически активных веществ). В этом же ряду стоят прогнозы распространения в атмосфере продуктов извержения вулканов (представляющих опасность для авиации), распространение в атмосфере загрязнений при различных авариях (на химических или атомных предприятиях) и террористических атаках, дыма природных пожаров, концентрации веществ, вызывающих аллергические последствия, прогнозирование общей экологической ситуации.

Прогноз погоды осуществляется в виде интегрирования уравнений по времени от начальных данных. С точки зрения математики, это — задача Коши, которую можно представить как процедуру экстраполяции, когда, зная исходное состояние метеорологических полей, требуется экстраполировать их на определенный момент будущего.

В качестве средства экстраполяции выступает математическая модель атмосферы. Она основана на уравнениях гидродинамики (см. введение), состыкованных с моделью деятельного слоя суши. Модуль океана в задаче прогноза погоды заменяют задаваемые температура поверхности воды и распределение морского льда. Решение уравнений осуществляется методом численного решения в форме компьютерного моделирования. Оно подразумевает то, что исходные непрерывные уравнения заменяются их аналогами для точек трехмерной сетки (три пространственные координаты — широта, долгота, высота), покрывающей всю атмосферу земного шара по горизонтали и вертикали. Эта процедура конечномерной аппроксимацией уравнений различна: сетки строятся, например, так, что между узлами оказываются не обязательно прямоугольники или трапеции, а более сложные фигуры, сетки не обязательно регулярные (их густота может увеличиваться в требуемом месте), расположение полюсов может выбираться (если это удобно для организации вычислений) и т.д. Вычисления метеорологических величин и их тенденций осуществляются в узлах этой сетки, а между ними значения интерполируются.

Организацию вычислений можно представить следующим образом. Рассчитанная на конкретном шаге тенденция используется для расчетов на следующий шаг времени, затем — на следующий шаг и т.д., и это повторяется до тех пор, пока не будет достигнута требуемая заблаговременность прогноза. Данная процедура представляет собой численное интегрированием по времени. Обычно используется весьма короткий шаг времени — порядка 10 мин (его размер мотивируется требованиями правильности выбора конечномерной аппроксимации).

Иной подход аппроксимации и численного решения задачи заключается в том, что атмосферные переменные изначально раскладываются в ряды Фурье с конечным числом членов разложения. Для этой цели используются базисные сферические функции, наиболее удобные для сферической области. После подстановки рядов в каждое исходное уравнение (см. введение) и поочередного его умножения на базисные функции оно заменяется системой обыкновенных дифференциальных уравнений для амплитуд этих функций. Интегрирование этой системы уравнений по времени позволяет определить набор амплитуд в требуемый момент времени, и атмосферные переменные могут быть восстановлены в этот момент с помощью обратного преобразования Фурье.

С одной стороны, чем больше количество узлов сетки (т.е. меньше расстояние между ними) или чем большее число членов используется в разложении Фурье, тем выше разрешающая способность модели, т.е. тем ближе конечномерная система к исходной, непрерывной. Однако, с другой стороны, количество узлов определяет объем вычислительной работы компьютера, что особенно критично для прогностической модели, которая должна давать информацию оперативно. Поэтому количество счетных узлов подбирается компромиссно.

Выбор сетки определенной густоты не только просто ограничивает разрешающую способность, а создает, кроме этого, глубокие проблемы. Дело в том, что изменчивость любой переменной (скорости ветра, давления, температуры, удельной влажности и др.) складывается из флуктуаций, спектр которых простирается от самых больших масштабов до самых малых значений, контролируемых вязкостью среды. Использование сетки разрезает этот непрерывный спектр на две части. Флуктуации, масштаб которых превышает выбранный размер, могут быть явно вычислены на основе численного решения уравнений, а флуктуации, которые меньше размера сетки, никак не могут быть определены (они «подсеточные» и образно говорят, что они «проваливаются в ячейки сетки»). За счет этого нарушается фундаментальное свойство гидродинамических систем — возможность взаимодействия циркуляций разных масштабов, и из-за этого в сеточных (крупномасштабных) модельных полях возникают ошибки. Чтобы бороться с этим, подсеточные значения приходится восстанавливать, применяя так называемые параметризации — алгоритмы, формализованно вычисляющие вклад подсеточных процессов, используя для этого сеточные величины (в случае параметризации турбулентных эффектов это называют решением проблемы замыкания). В этой связи понятна мотивировка постоянного развития моделей в сторону увеличения пространственной детализации — эта работа направлена в первую очередь на уменьшение в моделях удельного веса параметризаций.

В настоящее время глобальные (т.е. реализованные во всей атмосфере Земли) прогностические модели для прогнозов на несколько суток имеют разрешение около 15 км и количество уровней по вертикали порядка 40—50 (причем они расположены неравномерно — с максимальной густотой представлен пограничный слой, отличающийся наибольшей пространственно-временной изменчивостью). Несмотря на это, в зоне подсеточных остаются радиационные процессы (для них требуется информация о поле облаков, которое очень изменчиво), конвективные движения, взаимодействие атмосферы с подстилающей поверхностью и некоторые другие.

Наряду с глобальными развиваются так называемые региональные модели. Они реализуются на ограниченных территориях (но привязаны через граничные условия к глобальным моделям или архивам данных) и потому требуют меньше вычислительных ресурсов. Это позволяет использовать уравнения в несколько более общем виде (мезомасштабная модель). Поэтому оправдано использование сетки с расстоянием между узлами порядка километра — первых километров. Эти модели уже способны явным образом воспроизводить многие аспекты конвективных движений, однако и они «обрезают» важные короткомасштабные процессы. Распространить этот подход высокодетального моделирования на глобус пока что затруднительно из-за недостаточности компьютерных ресурсов.

Однако вычислительная техника быстро развивается. Уже сейчас получили распространение петафлопсные (1015 арифметических операций в секунду) вычислительные системы, а в перспективе текущего десятилетия ожидается, что производительность суперкомпьютеров достигнет экзафлопсного уровня (1018 операций в секунду). Тогда глобальные атмосферные модели способны будут иметь разрешение порядка 1 км по горизонтали.

Казалось бы, высокое разрешение должно решить проблемы ошибок, появляющихся при моделировании в крупномасштабных полях. Однако простые аргументы, предложенные Т. Пальмером (Т. Palmer), показывают, что это не так. Дело в том, что в любом случае некоторая область атмосферной динамики остается подсеточной, что, как отмечалось, нарушает естественно происходящее взаимодействие возмущений разного масштаба. Рассмотрим эти закономерности.

В «самой» высокочастотной области спектра плотность энергии движений (Е) уменьшается с ростом волнового числа (к) по «закону -5/3» Колмогорова — Обухова: Е ~ к~5/3. Используя энергию и волновое число, определим масштаб

т{к)~к-3/2Е~1/2.

Найдем теперь время, нужное для того, чтобы возмущение, идущее от малого масштаба, характеризуемого волновым числом 2NkL (такое представление выбрано для удобства последующих выкладок), инфицировало, «переползая» от одного масштаба к другому, волну с волновым числом kL. Требуемое для этого время представим, разделив его по шагам, как время перехода по удваивающимся масштабам:

Используя введенный масштаб времени, имеем в случае закона «-5/3»

следовательно

N

При больших N ряд ^ 2~1п/3 сходится, т.е.

я=0

Итог этого простого примера в том, что, оказывается, существует конечное время «переползания» возмущения от малых масштабов т(2Nkj) до x(/cL). Это означает, что крупные циркуляции не экранированы от возмущений мелких масштабов, так что неправильное описание даже самых малых масштабов исказит через конечное время крупномасштабные поля, т.е. от ошибок избавиться невозможно даже при самом высоком разрешении.

Существование этого эффекта явным образом управляется тем, что турбулентность на малых масштабах подчиняется закону «-5/3». Если использовать закон «-3», характерный уже не для трехмерной, а для двумерной турбулентности, то, как можно получить, повторив выкладки, время перехода бесконечно, т.е. крупномасштабные циркуляции экранированы от мелкомасштабных. Однако при выборе больших шагов пространственной аппроксимации теряется (как уже отмечено) возможность явного описания важных атмосферных процессов. Поэтому современной тенденцией является все-таки повышение (по возможности) детализации моделирования и, одновременно, понимание того, что ошибки будут существовать за счет проблемы «-5/3».

Теоретически при очень маленьких расстояниях между счетными узлами (доли миллиметра по горизонтали и вертикали) возможен переход к полным (не редуцированным) уравнениям Навье — Стокса, однако с математической точки зрения останутся проблемы обоснования существования решения, а с практической точки зрения получение решения будет крайне затруднительно, потому что для реализации моделирования нужно будет знать структуру земной поверхности с точностью до каждой травинки растительного покрова, каждой детали всех движущихся автомашин или конфигурации перьев всех летящих птиц. Если же вводить какие-то «осред- ненные» или «типичные» значения, то не нужно будет сверхвысокое разрешение уравнений. Вероятно, что задача наращивания детали-

зации будет решена эмпирически, когда станет ясно, что достигнут оптимум с точки зрения практической удовлетворительности воспроизведения метеорологических полей.

Качество прогноза погоды ухудшается с увеличением времени его заблаговременности. Дело в том, что математическая задача, описывающая эволюцию турбулентного течения, обладает сильной зависимостью от точности задания исходных величин. Имеется в виду, что если в начальный момент заданные значения отличаются от истинных даже очень немного, то с течением времени различия в двух эволюционных траекториях будут увеличиваться и наступит момент, когда модельное состояние атмосферы и наблюдаемое расходятся настолько, что прогноз теряет смысл. Это называется пределом детерминированной предсказуемости, составляющим от 2 нед. до 1 мес.

Отметим, что речь идет о прогнозе «наиболее хорошо прогнозируемых полей», таких как геопотенциал Н-500. Для других переменных (температура воздуха у земной поверхности или количество осадков), предел предсказуемости не превышает нескольких дней. Однако это уже не та фундаментальная по своей сути величина, о которой речь шла выше. Здесь существует потенциал улучшения ситуации.

Предел предсказуемости означает потерю синхронности с реальным процессом, однако воспроизведение динамики продолжается и за его пределами, и она остается (если модель хорошо работает) похожей на настоящую, но теперь только в статистическом смысле.

Неопределенность исходного набора данных, как и «проблема -5/3», неустранимы в принципе. Это означает, что ошибки присутствуют всегда, и методы интерпретации решений уравнений должны учитывать это. Для минимизации влияния погрешностей в практику внедрен так называемый ансамблевый прогноз. Он заключается в том, что на основе начального поля готовится несколько стартовых наборов данных: каждый похож на исходный, но искусственно «зашумлен» в пределах априорно известных погрешностей. Прогноз, осуществленный от каждого такого набора, представляет собой вклад в статистический ансамбль. Иной подход формирования начальных полей для проведения ансамблевых экспериментов основан на применении в рамках одной модели разных параметризаций или использования выходных данных моделирования разных (реализованных с разной разрешающей способностью, с разным набором параметризаций и т.д.) моделей. Среднее по ансамблю оказывается, как правило, точнее, чем результат отдельной реализации. Разброс значений служит мерой надежности результатов: степень доверия высока, когда все члены такого ансамбля демонстрируют близкие результаты; и она мала, когда межмодельный разброс велик.

Ансамблевый метод эффективен тогда, когда количество прогнозов достаточно велико. Однако из-за требования параллельного проведения расчетов резко возрастают затраты компьютерного времени, что иногда оказывается недопустимо из-за превышения заданного времени выработки прогноза погоды. Отсюда возникает необходимость выбора и компромисса: какие версии модели запускать — с высоким разрешением, но требующие больших компьютерных затрат и, следовательно, малого числа членов ансамбля? Или ставить гораздо больше экспериментов, но с моделью грубого разрешения? Приблизительные оценки таковы: у современных модельных комплексов загрубение горизонтальной сетки в два раза обеспечивает ускорение расчетов в восемь раз, поэтому вместо одного численного эксперимента можно провести расчеты восьми членов ансамбля. При загрублении в четыре раза количество членов ансамбля увеличится до 64.

Модель климатической системы основана на тех же принципах, что и модель одной атмосферы. Каждый модуль описывается соответствующей системой уравнений. Для атмосферы и океана это уравнения гидромеханики (см. введение); на тех же принципах течения вязко-пластичной жидкости построены уравнения ледниковых щитов, однако их реальная «живая» динамика применяется только в так называемых климатических моделях промежуточной сложности (см. ниже), которые специально ориентированы на выполнение длительных (на десятки и сотни тысяч лет) интегрирований. В полных климатических моделях щиты задаются в форме суши, обладающей специфическими свойствами (высокие значения альбедо, и др.).

Как уже было отмечено, модули связаны между собой потоками тепла, массы, импульса. Однако, если объединить модуль атмосферы и модуль океана и стартовать от начальной ситуации за какое-то число, то численный эксперимент будет воспроизводить изменения модельного климата за счет медленной (занимающей десятки и сотни лет) подстройки океана к заданным условиям радиационного баланса на внешней границе атмосферы. В этом случае даже если вводить в модель сильный форсинг, то отклик все равно будет искажен. Поэтому предварительно, до начала основного эксперимента, выполняется процедура согласования (инициализации), призванная взаимно согласовать модули и активировать наиболее инерционные компоненты, такие как глубинные слои Мирового океана («разбудить их», по выражению А.С. Саркисяна). Практические приемы, применяемые для этого, могут несколько различаться, в частности из-за различной обеспеченности компьютерными ресурсами.

Процедура согласования 15—20 лет назад выполнялась следующим образом. Сначала блок «атмосфера — суша» интегрировался на несколько десятков модельных лет при заданном неизменном сезонном ходе температуры поверхности океана, состояния морского льда, а также инсоляции на В ГА. Затем выходные данные этого установившегося режима использовались для моделирования океана на длительное время, создавая его приспособление к заданным условиям. Причем отдельно для блока океана выполнялась искусственная процедура корректировки (flux adjustments), обеспечивающая «притягивание» температуры поверхности и солености к данным наблюдений. Согласованные таким путем модули атмосферы и океана соединялись в дальнейшем для выполнения совместных экспериментов.

В текущих версиях моделей климата такая корректировка не производится: в процессе контрольного эксперимента происходит взаимное приспосабливание модулей климатической системы друг к другу и к заданному на В ГА притоку к Земле солнечного тепла для выбранного эталонного этапа времени. В таком качестве выступает чаще всего доиндустриальное состояние климата, относящееся по задаваемым параметрам (значения солнечной постоянной, концентрация С02, СН4, состояние землепользования и др.) к середине XVIII или XIX в. Главная проблема связана с преодолением инерционности Мирового океана и установления его равновесного состояния. Она решается путем интегрирования климатической модели на несколько сотен модельных лет (от 200—300 лет до 1500 лет в разных модельных центрах), причем значения инсоляции, концентрация оптически активных газов и аэрозоля, распределения альбедо суши и др. не меняются год от года, атмосфера и суша находятся в равновесном, согласованном состоянии, состояние морского льда задано и старт океанского модуля начинается отданных наблюдений (архива С. Левитуса). Изменения модельного океана активируются потоками тепла, водяного пара и напряжения трения из атмосферного блока. Впрочем, в некоторых моделях напряжение трения берется из данных наблюдений — это связано с тем, что результирующий климат океана очень чувствителен к пространственно-временной структуре напряжения трения, и ошибки в модельном воспроизведении порождают погрешности климата океана. Поэтому приходится идти на такие искусственные приемы, которые, тем не менее, позволяют привести модель в правильное состояние.

После объединения и старта от начальных условий климатическая система дрейфует к некоторому устойчивому состоянию. Дрейф проявляется как тренд в температуре, солености, параметрах циркуляции, он различен в разных регионах, выражен по-разному в верхних слоях океана и у дна (глубинные водные массы эволюционируют гораздо медленнее). Полностью ликвидировать дрейф очень сложно — именно в этом заключаются предпосылки длительного интегрирования. Там, где ресурсов недостаточно, идут по несколько

другому пути: считая, что от дрейфа все равно избавиться невозможно, обрывают эксперимент весьма быстро, тогда, когда представляется, что достигнут «достаточно малый тренд».

Выбор в качестве эталонных доиндустриальных условий климата связан с тем, что, например, в условиях середины XIX в. неравновес- ность термодинамического состояния мала — для ее характеристики можно привести величину нагрева океана, обусловленную притоком лишь 0,3 Вт/м2. Отметим, что в условиях конца XX в. эта неравно- весность существенно больше и составляет 1 Вт/м2. Такая разбалансировка системы вызывает долговременный дрейф в модельных результатах, т.е. модель не столько вырабатывает прогноз, сколько сама эволюционирует к некоторому равновесному режиму.

Модели климата находятся в состоянии постоянного развития, поэтому кратко рассмотрим их структуру обобщенным образом, без привязки к конкретной модели.

Атмосферный блок модели климата часто базируется на той же версии, которая апробирована в численном прогнозе погоды. Уравнения аппроксимируются для численного интегрирования различным способом (см. выше), однако в любом варианте горизонтальное разрешение составляет 1—2° по широте и долготе. Количество счетных уровней равно 30—50. Верхний уровень часто задается 10 гПа, однако в современных версиях существует тенденция выполнять единое моделирование тропосферы, стратосферы и мезосферы, поэтому верхний уровень поднимается до 0,01 гПа (примерно 80 км).

Для описания конвекции используется специальная параметризация на основе двух показателей: величины конвергенции водяного пара в нижней тропосфере и температурной стратификации. Кроме того, предполагается, что восходящее движение в облаках компенсируется оседанием воздуха на окружающей территории. Отдельно от кучевой конвекции параметризуются облака слоистых форм, связанные с ними осадки и выделение скрытого тепла. Микрофизиче- ские процессы, приводящие к образованию капель воды и кристаллов льда, описываются упрощенно (но с очень разной степенью детализации в различных моделях).

Схема расчета радиационного притока тепла построена на отдельных вычислениях переноса солнечной и длинноволновой радиации. В блоке солнечной радиации выполняется расчет переноса радиации в мутной среде во всем спектре (от 0,2 до 4 мкм), с учетом рэлеевского рассеяния, поглощения водяным паром и озоном (содержание которых также вычисляется в атмосферной модели путем решения соответствующих уравнений бюджета — см. параграф. 6.1), а также С02, N20, СО, СН4, 02. Учитывается ослабление радиации аэрозолями, причем используются несколько (в разных моделях по- разному) его различных форм: серосодержащий, органический, сажевый, морской соли, минеральной пыли и стратосферный (с учетом вулканического аэрозоля). В длинноволновом диапазоне рассматривается порядка 15 главных полос поглощения Н20, С02, 03, СН4, N20, CFC-11, CFC-12. Расчеты происходят по разным алгоритмам в облачной (капельной, кристаллической) среде и в безоблачной части атмосферы.

Модуль суши (описывающий земную поверхность в тех узлах сетки, которые относятся к континентам и островам), включает схемы распространения тепла и влаги вглубь почвы и грунта, а также обмен с атмосферой теплом и водяным паром. В этом блоке учитывается (с различной степенью детальности — здесь, как и везде, определяющую роль играет компромиссный выбор сложности описания, достаточности информационного обеспечения и наличие требуемых вычислительных ресурсов) влияние растительности, почвы и снежного покрова.

Наиболее распространены модели двухслойного растительного покрова с несколькими слоями почвы. Такая схема описывает траву и древесную растительность, способна дать перераспределение тепла, солнечной радиации и водяного пара внутри растительного покрова, а также описать гидрологические процессы. Под последними имеется в виду перераспределение осадков растительностью (в том числе перехват некоторой доли, в зависимости от густоты растительности, которая в дальнейшем изымается из водного бюджета почво-грунтов), испарение и транспирация (с учетом фотосинтетически активной радиации, устьичного сопротивления и др.), фильтрация влаги в почву, ее капиллярный подъем, перенос воды корневой системой и доставка в устьица для обеспечения транспирации, и горизонтальный сток.

Эти процессы теплового и водного баланса при их полном рассмотрении содержат множество тонкостей физического, химического и биологического характера, которые невозможно воспроизвести во всех деталях просто потому, что многие процессы известны далеко не полностью. Кроме того, тепловлагообмен над растительностью и внутри растительного покрова требует воспроизведения режима турбулентных движений внутри проницаемой среды. Все это создает проблемы, которые решаются путем приблизительного (па- раметризационного) описания. В частности, это касается и описания многообразия форм растительности в разных регионах земного шара: применяется подход, когда реальная растительность/почва в данном узле сетки заменяется некоторым типичным набором, содержащим количественную характеристику всех необходимых параметров (альбедо, листовой индекс, коэффициент фильтрации влаги в почву, плотность корневой системы и др. — порядка 30 показателей), свойственных данному региону, с учетом сезонного цикла. В другом подходе используются базы данных, содержащих эти необходимые для расчетов элементы, описывающие их географическое распределение по земному шару с дискретностью порядка 1 км.

Снежный покров (как на суше, так на поверхности морского льда) представляется одним или несколькими слоями, позволяющими рассчитывать таяние, перенос тепла, и, значит, учесть эффекты снежного покрова как эффективного изолятора. Более сложные (и медленно протекающие) процессы, происходящие в снежном покрове, такие, как метаморфизация, учитываются упрощенным способом. Ледниковые щиты (Гренландский и Антарктический) тают и накапливают влагу, однако их конфигурация не меняется.

Наличие на поверхности суши озер учитывается не только тем, что происходит переход к другим значениям теплоемкости, альбедо и др., но и параметризациями, описывающими формирование температуры на их поверхности в условиях двухслойной модели (верхний перемешанный и глубинный слои). В очень редких пока случаях в самом крупном озере — Каспийском море — учитывается трехмерная динамика водных масс (по принципу динамики океана), оказывающая влияние на результирующую температуру поверхности, соленость, поток тепла и водяного пара. Однако изменение конфигурации Каспия при изменениях уровня во внимание не принимается: избыток воды, если он получается при расчетах, принудительно сбрасывается в Мировой океан.

Рассчитываемый в каждой ячейке сток (поверхностный и подповерхностный, связанный с грунтовыми водами) собирается в речные системы, которые определены в рамках используемой цифровой модели рельефа. Эти пока что грубые расчеты (поскольку горизонтальное разрешение атмосферного блока порядка 100 км (см. выше)), способны описывать только самые большие речные системы.

Модель Мирового океана для практических вычислений строится на сетке, в которой северный полюс сдвинут на сушу, а в некоторых моделях для сеточной аппроксимации используется сетка с тремя полюсами, у которой южный полюс расположен «на своем месте», а еще два вынесены на сушу в северную часть континентов Северной Америки и Азии. За счет этого автоматически улучшается пространственное разрешение Северного ледовитого океана и исчезает необходимость выполнять искусственную интерполяцию гидрологических полей в точке полюса.

Во внетропических широтах горизонтальное разрешение обычно ~1°. Этого недостаточно для корректного воспроизведения вихрей в океане (см. параграф 1.4), поэтому для расчета вихревых переносов приходится применять параметризации. В тропиках используется разрешение -1/3° х Г по широте и долготе. Такое — более детальное разрешение по широте требуется для более правильного описания сложной структуры приповерхностных и подповерхностных течений и противотечений у экваториального волновода, захватывающего волны Россби и Кельвина, структура которых гораздо более изменчива в межширотном направлении, чем вдоль круга широты. Это позволяет правильно моделировать явление Эль-Ниньо — Южное колебание. По вертикали модель океана содержит порядка 40 счетных уровней.

Динамическое ядро модели описывается различными способами в разных моделях. Вертикальное разрешение недостаточно для явного воспроизведения динамики верхнего перемешанного слоя океана, поэтому применяют различные параметризационные схемы, основанные на использовании уравнения турбулентной кинетической энергии. Также параметризуются эффекты вихрей Ленгмюра и обрушения волн. Солнечная радиация распределяется в верхних слоях океана с учетом содержания хлорофилла. Скорость перемешивания вод у дна параметризуется с учетом приливного механизма.

На поверхности океана модель имеет свободную поверхность. В качестве граничных условий задаются потоки тепла, солености (в некоторых моделях — непосредственно потоки пресной воды, т.е. разность «осадки минус испарение») и импульса.

Для того чтобы продемонстрировать суть приближенных приемов параметризаций, рассмотрим кратко подходы, позволяющие воспроизвести пограничный слой на боковых границах модели океана. Для этого в уравнениях движения задается нереалистично большая горизонтальная вязкость, присутствие которой создает нарастающее при приближении к берегу торможение движения воды, приводящее в конечном счете к отсутствию потоков на боковых границах. Однако, как оказалось, из-за этого расширяется и замедляется экваториальное противотечение, играющее важную роль в механизме Эль- Ниньо. Поэтому предложено компромиссное решение — использование в тропиках анизотропной вязкости, когда большие значения применяются в зональном направлении и относительно небольшие — в меридиональном направлении вне пограничных течений.

В модели океана организовано поступление в океан пресной воды в тех узлах сетки, которые соответствуют устьям рек. В реальных условиях речная вода распространяется вдоль побережья и перемешивается за счет прибоя и действия приливов. В модели этот эффект автоматически не воспроизводится. Поэтому, чтобы избежать постоянного распреснения верхнего модельного слоя (и, соответственно, резкого роста устойчивости и прекращения перемешивания), пресная вода искусственно распределяется по нескольким верхним горизонтам.

Модель морского льда включает термодинамическую схему, описывающую намерзание льда, и таяние. Внешним фактором выступает тепловой баланс поверхности, причем солнечная радиация рассчитывается в зависимости от альбедо, которое зависит от возраста льдины, а при ее таянии — и от луж на ее поверхности. Другой блок — это блок движения и эволюции ледяного поля за счет воздействия ветра, поверхностных течений океана, взаимодействия льдин друг с другом, выпадения осадков в виде снега.

Важным показателем качества модели океана является ее способность воспроизводить вихри. Параметром, надежно измеряемым с хорошим пространственным и временным разрешением, по которому можно было бы судить о качестве воспроизведения вихрей в океане, являются вариации уровня моря, измеряемого с помощью специальных спутниковых систем (например, ТОРЕХ/POSEIDON). Наблюдаемое и моделируемое среднеквадратичное отклонение уровня моря характеризуется наличием максимумов после отрыва от берегов Куросио, Гольфстрима, Бразильского и Агульясского течений, обусловленных интенсивным образованием вихрей в этих районах, причем модельное значение близко к наблюдаемому.

В настоящее время существует несколько десятков климатических моделей. Все они обладают одинаковой структурой, различаясь, в то же время, способами конечномерной аппроксимации, методами построения схем интегрирования по времени, наборами параметризаций и др. В то же время практикой стало использование одинаковых блоков: это могут быть одинаковые динамические ядра или одинаковые параметризации пограничного слоя, одни и те же схемы радиационных расчетов, микрофизики и др. Казалось бы, что нет ничего плохого, если каждая научная группа стремится усовершенствовать свою модель за счет использования алгоритмов, положительно зарекомендовавших себя в других моделях. Однако увеличивающееся родство моделей приводит к тому, что результаты их интегрирования становятся не независимыми, и использование ансамблевого подхода при климатическом моделировании требует корректировки и обоснования.

Модели климата используются для моделирования изменений климата. Важную роль как для проверки качества моделей, так и для детектирования генезиса происходивших изменений имеет численное воспроизведение климата тех или иных исторических отрезков или надежно реконструированные события палеовремени. В настоящее время широкое распространение получили эксперименты этого типа, в которых выполняется моделирование изменений климата с 1850 по 2009 г., с 850 по 1850 г., моделирование условий 6 тыс. лет назад (середины голоцена) и др., в которых воздействующие факторы (светимость Солнца, концентрации углекислого газа, метана, фреонов, вулканического аэрозоля, состояние землепользования) изменяются во времени так, как это зафиксировано

данными наблюдений либо реконструкциями. В качестве стартовых берутся данные из архива контрольного эксперимента.

Анализ результатов моделирования привел к выводу, что при моделировании декадных и вековых изменений следует принимать во внимание некоторые важные эффекты, которые не включены в классические модели климата. Прежде всего речь идет о том, что состояние парниковых газов в атмосфере определяется динамикой глобального биогеохимического углеродного цикла, которая, в свою очередь, находится под влиянием климатических изменений. Понимание этой ситуации и важность данной обратной связи вызвали необходимость подключения к модели климата нового модуля, описывающего глобальный цикл углерода. При этом новый модельный комплекс стали называть моделью Земной системы.

Как уже было отмечено, этот термин окончательно не установился. Если первоначально речь шла о включении дополнительного модуля для улучшения качества моделирования климата, то в последнее время в некоторых случаях стали говорить о модели Земной системы как о средстве познания не только климата, но и окружающей среды. В этом контексте термин «Земная система» расширяет понятие климатическая система за счет включения новых модулей, призванных обеспечить описание более широкого круга геофизических, геохимических, биологических (а также, возможно, социальных) процессов и явлений. С помощью таких моделей можно надеяться воспроизводить в численных экспериментах и прогнозировать не только состояние климата (обогатив результат учетом многих обратных связей), но и другие аспекты Земной системы, в частности, концентрации малых газовых примесей, концентрации заряженных частиц, характеристики электрических и магнитных полей и др.

В случае ориентации исследований на «медленные» процессы развитие получают так называемые «модели Земной системы промежуточной сложности». В настоящее время нет устоявшегося определения того, какие модули должны быть в них включены и с какой степенью детальности. Общее, что их объединяет, это грубая «маска» распределения материков и океанов (в некоторых моделях используются сетки 30 х 30° широты и долготы) и, соответственно, упрощенное параметризованное описание общей циркуляции атмосферы и океана. Однако именно благодаря этому обстоятельству модели данного класса не требовательны к вычислительным мощностям и с ними можно производить численные эксперименты на сотни тысяч лет, компьютерно проигрывая ситуации палеоклиматических изменений.

Модели промежуточной сложности исторически возникали для решения различных задач, и это накладывает отпечаток на состав модулей и детальность описания тех или иных характеристик. Так, в моделях, нацеленных на исследование реакции климата на динамику астрономических и планетарных показателей, важную роль

играет детальное описание планетного радиационного режима и обратных связей в Земной системе. Некоторые модели посвящены оценке возможных катастрофических изменений термохалинной циркуляции Мирового океана. Другие модели используются для исследования деградации метаногидратов при потеплении климата. В моделях, ориентированных на исследование природных пожаров, максимально полно описана биота и т.д.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >