Analysis of climatic extremity since the 1950s in the Mountain Altai Territory.pdf Развитие комплексных исследований в регионе Горного Алтая имеет ряд научных обоснований. К первому относится интерес гляциогидрометеороло-гического научного сообщества к изучению ледников в районе бассейна р. Актру, что обусловлено выгодным географическим положением и наличием длительного ряда непосредственных наблюдений по основным гляциогидроклиматическим параметрам [Нарожный, 2001]. По этой причине ледники Актру относят к опорным объектам Сибири по исследованию почвенно-покровного обледенения как индикатора изменения климата [Галахов и др., 1987]. В горноледниковом бассейне Актру была создана исследовательская площадка, которая включена в крупномасштабный международный сетевой инфраструктурный проект в рамках крупнейшей Программы Европейского союза «Горизонт-2020» «ИНТЕРАКТ-II: международная сеть для наземных исследований и мониторинга в Арктике» (https://eu-interact.org/field-sites/aktru-research-station/). Все вышесказанное формирует базу для анализа тенденций динамики ледников в условиях глубоко континентальных районов (Алтай, Салаир, Кузнецкий Алатау) и оценки формирования циркуляционных особенностей регионов юго-востока Западной Сибири. Отметим, что изменения атмосферной циркуляции отражаются в режиме атмосферных осадков [Адаменко, Гутак, 2017] и оказывают отчетливое влияние на возникновение экстремальных погодных явлений [Ленская, Быков, 2008; Немировская, Климов, 2014; Шумихина, 2017]. В данном регионе, как правило, наибольшие экономические последствия связаны с наводнениями и паводками в результате сильных дождей, которые оказывают неблагоприятную нагрузку на малые ГЭС на реках Горного Алтая. В частности, весной и в начале лета 2014 г. от паводка пострадала малая ГЭС «Кайру». Другим проявлением экстремальности является аномально жаркая погода, что приводит к дефициту кормов в результате стихийный пожаров на пастбищах и всем вытекающим негативным последствиям для основной специализации агропромышленного комплекса (животноводства) Республики Алтай. Экстремальные события также влияют и на сектор туризма, являющегося основным источником дохода для региона Горный Алтай. Замечено (https://www. alpconv. org/fileadmin/user_upload/Conve ntion/EN/Protocol_Tourism_EN.pdf), что горные территории страдают от повышения температуры сильнее, чем другие регионы. Таким образом, целью исследования является изучение проявлений тенденции увеличения повторяемости и интенсивности гидрометеорологических аномалий в Горном Алтае на фоне происходящих глобальных климатических изменений. Индексы экстремальности климата Для изучения постоянной перспективы наблюдаемых изменений климата и экстремальных погодных явлений, группа экспертов по обнаружению изменения климата и показателям ВМО (ETCCDI) определила основной набор описательных экстремальных индексов. Индексы описывают особые характеристики экстремальных значений, включая амплитуду, частоту и продолжительность [Halimatou et al., 2017]. Основной набор включает в себя 27 показателей экстремальности для осадков и температуры. Согласно МГЭИК, под экстремальными климатическими явлениями понимают «возникновение значения погодной или климатической переменной выше (или ниже) порогового значения вблизи верхних (или нижних) границ диапазона наблюдаемых значений переменной» [Обобщающий доклад..., 2007]. Экстремальные климатические явления могут относиться либо к экстремальным значениям отдельных атмосферных переменных, либо к погодным и климатическим явлениям, которые имеют отрицательное воздействие на природную среду [Seneviratne et al., 2012]. Настоящее исследование отнесено к первой категории, в котором рассмотрены отдельные атмосферные переменные, а именно температура и осадки. Заметим, что экстремальные явления погоды связаны с малыми вероятностями, но обладают большей изменчивостью [Кошкин, Кочугова, 2011]. Начиная с 2007 г. аналитические материалы с использованием этих индексов включаются в отчеты МГЭИК. Более глубокое понимание того, как следует учитывать изменяющийся климат при определении и оценке экстремальных явлений, представлено в Руководящих положениях по анализу экстремальных явлений в условиях изменяющегося климата [Guidelines on analysis of extremes..., 2009]. © Кужевская И.В., Нечепуренко О.Е., Чурсин В.В., Мацуяма Х., 2020 DOI: 10.17223/25421379/16/8 Следует обратить внимание, что индивидуальные показатели экстремальности часто не позволяют предсказать воздействие сразу нескольких факторов на природу и общество [Heim, 2015; Christidis, Stott, 2016]. В этом случае предлагается использовать составные показатели экстремальности, т.е. одновременное или последовательное возникновение многих экстремумов разного рода в одной или нескольких локациях [Hao et al., 2018]. Для этого применяются разные подходы к статистической обработке и моделированию составных показателей в гидроклиматологии, включая эмпирический подход, многомерные распределения, регрессионный анализ квантилей, модели цепей Маркова и др. [Волкова и др., 2012; Sedlmeier et al., 2017; Hao et al., 2018]. С этой точки зрения представляет интерес анализ паводков смешанного происхождения [Benestad et al., 2007; Wahl et al., 2015, 2016; Ikeuchi et al., 2017; Bevacqua et al., 2019], оценка и прогнозирование смешанных экстремальных событий [Biasutti et al., 2016; Leng et al., 2016], региональный подход к анализу экстремумов [Ren et al., 2018]. Материалы и методы исследования Материалами для формирования баз данных и расчета индексов экстремальности послужили суточные данные по температуре воздуха и атмосферным осадкам из архива ВНИИГМИ-МЦД (http://aisori-m.meteo.ru/waisori/) на станциях Горного Алтая (рис. 1): Усть-Кокса (50,16° с.ш., 85,37° в.д.) и Кара-Тюрек (50,03° с.ш., 86,45° в.д.). Выбор станций обусловлен пересекающейся зоной интереса изучения температурно-влажностного режима и параллельными исследованиями в области моделирования водного цикла на участке р. Катунь и ее притока р. Кучерла. Показатели экстремальности рассчитывались за период с 1950 по 2018 г. на основе авторского алгоритма на html-языке FoxPro 6.0. Проверка результатов расчетов проводилась с использованием пакета RClimdex 3.2.0 [Zhang, Yang, 2004]. Для исследования проявлений экстремальности были выбраны 15 показателей для температурного режима и девять - для осадков (табл. 1), предложенных объединенной рабочей группой ВМО по обнаружению изменения климата - STARDEX Diagnostic Extremes Indices (http://www.cru.uea.ac.uk/projects/ stardex/). Выбранные индексы пригодны для изучения характеристики климата в средних широтах [Козлова, 2014]. Составленные базы данных с гидрометеорологической информацией и выбранные статистические принципы обработки данных и расчета климатических характеристик соответствуют руководящим документам [ВМО-№ 100, 2014; ВМО-№ 49, 2015]. Результаты и обсуждение В целом тенденции региональных гидрометеорологических аномалий представлены в Оценочных докладах об изменениях климата и их последствиях на территории Российской Федерации [Второй оценочный доклад Росгидромета, 2014], а также в докладе IPCC [Climate change, 2014]. Температура. Индексы экстремальности температурного режима выявили общую тенденцию к потеплению с устойчивым трендом к снижению повторяемости холодных дней и ночей в году (рис. 2, а, b). Наблюдаются согласованные изменения и для критериев TN90p и TX90p по территории: увеличение повторяемости теплых дней и ночей в году замечено в последнюю декаду (рис. 2, с, d). В целом положительная тенденция в отношении суточной максимальной и минимальной температуры воздуха, обнаруженная в этом исследовании, отмечена на обеих станциях. Все индексы экстремальной температуры демонстрируют явные тенденции к ее росту в течение рассматриваемого периода (табл. 2). Тенденции TXx, TNx, TXn и TNn показывают, что самые сильные теплые события увеличились, а самые сильные холодные - уменьшились. Экстремальные изменения температуры в ночное время проявляются больше, чем в дневное. Подобное заключение сделано и для Алтайских гор в Синьцзян-Уйгурском автономном округе (КНР) [Zhou et al., 2016]. Рис. 1. Расположение станций Усть-Кокса и Кара-Тюрек с гистограммой высот над у.м. Fig. 1. The location of Ust'-Koksa and Kara-Turek weather stations asl Таблица 1 Индексы экстремальности для режима температуры и осадков Table 1 Temperature and precipitation extreme indices Индекс Описание Единица измерения TN10p Повторяемость холодных ночей в году % дней TX10p Повторяемость холодных дней в году % дней TX90p Повторяемость теплых дней в году % дней TN90p Повторяемость теплых ночей в году % дней TNn Годовой минимум температуры воздуха °С TXn Минимальное значение зимнего максимума температуры воздуха °С TNx Максимальное значение летнего минимума температуры воздуха °С TXx Годовой максимум температуры воздуха °С GSL Длина вегетационного периода дни ID Суммарное число дней со льдом дни SU Суммарное число жарких дней дни FD Суммарное число дней с морозом дни R1d Максимальная сумма осадков за сутки мм R5d Максимальная пентадная сумма осадков мм SDII Суточный индекс интенсивности осадков мм/сут R10mm Число суток с осадками > 10 мм/сут дни R20mm Число суток с осадками > 20 мм/сут дни CDD Максимальная продолжительность сухих периодов дни CWD Максимальная продолжительность влажных периодов дни R95p Сумма сильных осадков мм PRCPTOT Количество осадков мм Продолжительность вегетационного периода (GSL) меняется незначительно. Для расположенной в Уймонской степи станции Усть-Кокса продолжительность вегетационного периода в среднем равна 170 дням (табл. 3). В этом регионе существует достаточно длинный безморозный период в течение зимы, в среднем 134 дня в году. В отношении индексов FD, SU и ID, важных для сельского хозяйства и растениеводства, значимых изменений не выявлено. Среднее число дней с льдом для ст. Усть-Кокса не превышает 129. В среднем в горах Алтая наблюдается до 40 жарких дней в году. Характер направленности изменения тренда исследуемых индексов согласуется с результатами в работе [Zhou et al., 2016]. Таким образом, в рассматриваемом регионе складываются благоприятные агротехнические условия, а также для развития природно-рекреационного потенциала территории. Рис. 2. Повторяемость холодных дней в году TX10p (a), холодных ночей в году TN10p (b), теплых ночей в году TN90p (с) и теплых дней в году TX90p (d) Fig. 2. The repeatability of cold days in the year TX10p (a), cold nights in the year TN10p (b), warm nights in the year TN90p (с) and warm days in the year TX90p (d) Table 2 Таблица 2 Значения тренда температурных индексов (°С/10 лет) Trends of temperature indices over the Altay (°С per 10 years) Станция Усть-Кокса Кара-Тюрек Индекс Тренд P-уровень Тренд P-уровень TN10p -0,13 0,00 -0,08 0,00 TX10p -0,18 0,00 -0,08 0,00 TX90p 0,12 0,00 0,09 0,00 TN90p 0,10 0,00 0,01 0,00 TNn 0,78 0,00 0,38 0,04 TXn 1,01 0,00 0,02 0,21 TNx 0,15 0,06 0,17 0,13 TXx 0,25 0,04 0,09 0,50 Таблица 3 Статистические характеристики индексов GSL, FD, SU и ID Table 3 Statistical characteristics of GSL, FD, SU and ID Станция Характеристика Индекс GSL FD SU ID Среднее, дни 169 214 37 129 СКО, дни 14 8 15 11 Усть-Кокса Тренд, % 0,35 -0,20 0,27 -0,19 P-уровень 0,02 0,00 0,00 0,01 Среднее, дни 76 271 - 199 СКО, дни 27 11 - 13 Кара-Тюрек Тренд, % 0,26 -0,19 - -0,2 P-уровень 0,24 0,01 - 0,01 Осадки. Атмосферные осадки характеризуются высокой степенью кластеризации в пространстве и во времени и не формируют классического скалярного поля [Золина, Булыгина, 2016] как другие характеристики атмосферы (температура, давление). Проявлением этой кластеризации являются пространственная неоднородность выпадения ливневых осадков вообще и экстремальных осадков с интен-сивностями в десятки раз превосходящими уровень средних значений в частности. Для исследуемого региона ранее было получено [Волкова, Огурцов, 2015; Огурцов и др., 2016] некоторое увеличение числа дней с осадками более 5 мм при отрицательной среднесуточной температуре воздуха на большей части территории Западной Сибири. По данным авторов [Огурцов и др., 2016] Южная часть Западной Сибири характеризуется ростом на 1-2 дня числа дней с осадками различной интенсивности, а изменения в динамике индексов экстремальности осадков в среднем от периода к периоду в большинстве случаев незначимы, что может быть связано отчасти с редкой наблюдательной сетью. На рис. 3 представлен годовой ход числа случаев максимальной пентадной суммы осадков по десятилетиям. Наиболее часто условия, которые обусловливают выпадение сильных осадков за последовательные пять суток, формируются в июле. Если анализировать перераспределение этой повторяемости по десятилетиям, то можно отметить относительную стабильность в годовом ходе проявления условий формирования пентад сильных осадков. В целом временной ход индекса r5d имеет вид колебаний около среднего без выраженной тенденции. Нужно отметить, что в 70-75 % случаев при формировании максимального в году количества осадков, выпавших за последовательные пять суток, участвуют значения максимального количества осадков в году, выпавших за сутки, временной ряд которых также не имеет четко выраженной тенденции. Анализ сильных осадков продолжают индексы, выражающие количество дней в году с суточной суммой осадков не менее 10 мм - R10mm и 20 мм -R20mm. Временной ход этих индексов осадков не имеет тенденции. Отношение годовой суммы осадков к числу дней с осадками, суммы которых за сутки превысили > 1 мм в году, выражает интенсивность осадков (индекс SDII). Значения интенсивности осадков более 5 мм/сут характерны для станций Усть-Кокса и Кара-Тюрек. Временной ход интенсивности осадков также не имеет тенденции, различаясь по территории средними значениями (табл. 4). Рассчитанные значения индексов r5d, r1d, SDII, R10mm, R20mm и R95p одновременно обеих станций были выбраны как признаковое пространство для кластеризации по методике итерационных алгоритмов k-mean. Действие алгоритма таково, что он стремится минимизировать среднеквадратичное отклонение внутри каждого кластера, что дает наибольшую математическую плотность - общность временных изменений. Алгоритм построен на принципе разбиения множества элементов векторного пространства на заранее известное число кластеров k. На начальном этапе принимали в качестве центров самые отдаленные друг от друга объекты (в этом исследовании - годы). На каждой итерации заново вычисляется математический центр масс для каждого кластера, полученного на предыдущем шаге, затем векторы разбиваются на кластеры вновь в соответствии с тем, какой из новых центров оказался ближе по выбранной метрике. Алгоритм завершается в случае, если на очередной итерации не происходит изменения в составе кластеров. На рис. 4 представлены средние значения признакового пространства классов для каждой станции. Класс с наибольшей плотностью объектов имеет номер 3 и содержит годы со значениями всех признаков, близких к средним многолетним. Значения признаков, сгруппированные в классе 4, характеризуются наибольшими отклонениями от среднего и представляют класс «аномалий», во временном ряду проявляясь периодически. В класс с номером 2 попали все значения, охарактеризовать которые можно как «ниже среднего». Нужно заметить, что во временном ряду их наибольшая повторяемость отмечается до 1980 г. В класс с номером 1 сгруппировались годы со значениями признакового пространства «выше среднего», такие значения отмечаются во временном ряду лишь с 1979 г. Рис. 3. Число случаев событий r5d по десятилетиям Fig. 3. Events of r5d index over decades Таблица 4 Значения тренда индексов экстремальности для осадков, мм/10 лет Table 4 Trends of precipitation indices over the Altay, mm per 10 years Станция Усть-Кокса Кара-Тюрек Индекс Среднее СКО Среднее СКО r5d 50,1 13,0 52,7 15,6 r1d 28,9 9,3 27,2 8,0 SDII 5,75 0,68 5,22 0,60 R10mm 12,3 4,3 12,6 5,0 R20mm 2,5 1,8 2,1 1,9 CDD 6 2 7 2 CWD 18 5 13 6 R95p 122,4 59,5 148,7 74,3 PRCPTOT 463,6 93,5 557,5 138,5 Годы Месяц 1950-1959| 1960-196911970-197911980-198911990-199912000-200912010-2018 Кара-Тюрек январь февраль март апрель 1 1 1 май 1 1 2 июнь 3 1 3 3 2 2 2 июль 5 4 1 2 2 5 2 август 2 3 2 3 2 2 3 сентябрь 1 1 1 октябрь 1 ноябрь 1 декабрь Усть-Кокса январь февраль март 1 апрель май 4 3 1 2 3 июнь 3 2 2 3 3 1 июль 5 4 1 2 3 1 август 1 4 1 2 2 4 2 сентябрь 2 1 1 2 октябрь 1 1 1 ноябрь 1 декабрь С 1996 г. возрастает межгодовая изменчивость значений в признаковом поле, изменяя свое положение от «ниже среднего» до «выше среднего» и «аномалия», минуя положение среднего, замеченное во временных отрезках 1995-2000 и 2006-2013 гг. Временной ход годовой суммы атмосферных осадков (PRCPTOT) представлен на рис. 5. Нужно отметить, что вклад сильных осадков (r95p) в PRCPTOT в отдельные годы может превышать 50 %; до 10% составляет вклад осадков, выпавших за последовательные 5 сут (r5d). Вклад максимального в году количества осадков, выпавших за последовательные пять суток, для всей территории составляет около 10% и осадки, выпавшие за 1 сут, в среднем, не превышают 6%. Полное совпадение абсолютных максимальных значений индексов r95p и PRCPTOT отмечено для станции Кара-Тюрек зарегистрировано в 1999 г. В целом степень взаимосвязи участия сильных осадков в формировании годовой суммы осадков высока - коэффициент корреляции Пирсона превышает 0,7 для всех станций. Одним важным показателем экстремальности режима осадков являются периоды с осадками и без осадков, определяемыми индексами CWD и CDD соответственно. Для анализа были рассчитаны индексы за период с апреля по октябрь (рис. 6, 7). Временной ход максимального числа последовательных сухих или влажных дней в году не имеет никаких тенденций, характеризуется устойчивостью средних значений. Наиболее продолжительные влажные периоды вероятны для высокогорной южной станции Кара-Тюрек. Среднее значение и вариабельность максимального числа последовательных сухих дней в году уменьшаются. Для Горного Алтая распределение повторяемости влажных дней имеет максимум в апреле-мае и минимум в октябре. Максимальная повторяемость сухих дней в теплом периоде приходится на апрель для всех станций, повторно увеличиваясь в сентябре. Усть-Кокса Кара-Тюрек Усть-Кокса Кара-Тюрек Усть-Кокса Кара-Тюрек Усть-Кокса Кара-Тюрек sdii 6.5 5.1 5.7 5.2 5.3 4.7 5.9 6.2 r10mm 17.0 12.3 11.3 13.1 9.4 8.3 13.1 20.1 r20mm 4.6 1.5 1.9 2.2 1.8 0.8 2.0 4.9 rid 35.7 26.1 28.0 28.8 25.1 21.2 27.5 32.6 r5d 64.4 46.5 47.1 52.1 44.7 44.5 50.7 73.5 r95p 208.9 117.6 93.1 157.5 92.7 76.4 129.5 277.3 О о ffi а о Q О о о э о О о а> J й cn tn счсмгчгчсчгчгчсчсчсч Рис. 4. Среднее значение признакового поля для каждого класса Fig. 4. The average value of the feature space for each group rt wwmv™ wti FT f M | ' ■ prep tot ■ r95p/prcptot ■ r5d/prcptot 100.0 90,0 80,0 £ 1 70,0 60,0 ш £ 50,0 £2 Q = 1 40,0 а 30,11 £ 20,0 S 10,0 А 0,0 900 800 700 600 a 500 О u 400 rr 11 300 200 100 0 500 5 * 400 p и зоо CC CL 200 100 Кара-Тюрек I i ЭМ^СОСОО(Ч^-С£>СООСЧ^-!ОСО aoimroaoooooooooc э

Скачать электронную версию публикации