Исследуется реакция растительности Крыма (лиственные, сосновые, можжевеловые породы, степная яйла) на изменения дальнодействующих климатических индексов, на примере вегетационного нормализованного разностного индекса NDVI по данным дистанционного зондирования за период 2000-2023 гг. Рассмотрена взаимосвязь NDVI и девяти климатических индексов в Северном полушарии с использованием коэффициента корреляции Пирсона, мультирегрессионного моделирования и композитного анализа. Обнаружено, что Североатлантическое, Восточно-Атлантическое, Арктическое и Полярное/Евразийское колебания с декабря по май объясняют 80 % изменения вегетационного индекса лесных сообществ в апреле-июне. При этом сигналы Восточно-Атлантического и Средиземноморского колебаний с января по май объясняют 59 % изменения индекса NDVI степных сообществ в апреле-июне. Вегетационный индекс всех растительных сообществ возрастает при тех фазах климатических индексов, которые сопровождаются, как правило, усилением циклонической активности. При этом NDVI лесных сообществ увеличивается при ослаблении циклонической активности в зимние месяцы, что может быть связано с более морозными условиями для сохранения твердых осадков в горах.
Идентификаторы и классификаторы
- SCI
- Науки о Земле
Растительный покров играет важную роль в глобальном углеродном цикле, выполняя функцию поглощения углекислого газа и влияя на климатические процессы [12, 27].
Список литературы
1. Воскресенская Е.Н., Сухонос О.Ю. Антициклоны и экстремальная температура воздуха в Черноморско-Средиземноморском регионе. Севастополь: ИПТС, 2020. 172 с. EDN: FGIMOR
2. Бардин М.Ю. Изменчивость характеристик циклоничности в средней тропосфере умеренных широт Северного полушария // Метеорология и гидрология. 1995. № 11. С. 24-37.
3. Воскресенская Е.Н., Маслова В.Н. Циклоническая активность в Черноморско-Средиземноморском регионе. Проявления глобальных процессов в системе океан-атмосфера. Saarbrucken: LAP LAMBERT Academic Publishing, 2014. 168 с.
4. Гармаев Е.Ж., Аюржанаев А.А., Цыдыпов Б.З., Алымбаева Ж.Б., Содномов Б.В., Андреев С.Г., Жарникова М.А., Батомункуев В.С., Мандах Н., Салихов Т.К., Тулохонов А.К. Оценка пространственно-временной изменчивости засушливых экосистем республики Бурятия // Аридные экосистемы. 2020. Т. 26, № 2. С. 34-42. EDN: XCLHWY
5. Дегерменджи А.Г., Высоцкая Г.С., Сомова Л.А., Письман Т.И., Шевырногов А.П. Многолетняя динамика NDVI-растительности различных классов тундры в зависимости от температуры и осадков // Доклады РАН. Науки о Земле. 2020. Т. 493, № 2. С. 103-106.
6. Как использовать NDVI для анализа своих полей. 2018-2023. https://blog.onesoil.ai/ru/what-is-ndvi.
7. Лычак А.И., Бобра Т.В. Геоэкологическая ситуация и проблема формирования экологической сети в Крыму // Геополитика и экогеодинамика регионов. 2009. Т. 5, № 1. С. 63-69. EDN: VJWVXD
8. Маслова В.Н., Воскресенская Е.Н., Дунаевская Е.В. Декадные аномалии циклонической активности в Черноморско-Средиземноморском регионе и урожайность озимой пшеницы в Украине // Системы контроля окружающей среды. 2009. Т. 66, № 12. С. 327-330.
9. Маслова В.Н., Воскресенская Е.Н. Закономерности изменчивости урожайности агрокультур в новых субъектах РФ // Использование и охрана природных ресурсов в России. 2024. № 4 (180). С. 79-86. EDN: MZSQCH
10. Попова В.В. Современные изменения температуры приземного воздуха на севере Евразии: региональные тенденции и роль атмосферной циркуляции // Известия РАН. Серия географическая. 2009. № 6. С. 59-69.
11. Цыдыпов Б.З. Трансформация отдельных компонентов природной среды севера Центральной Азии в условиях изменения климата // Материалы Международной научно-практической конференции “Деградация земель и опустынивание: проблемы устойчивого природопользования и адаптации”. Москва: ООО “МАКС Пресс”, 2020. С. 185-190. EDN: KPVPQM
12. Bonan G.B. Forests and climate change: forcings, feedbacks, and the climate benefits of forests // Science. 2008. Vol. 320, no. 5882. P. 1444-1449. EDN: MMZZFF
13. Bossard M., Feranec J., Otahel J. CORINE land cover technical guide: Addendum 2000. Copenhagen: European Environment Agency, 2000. 105 p.
14. Climate Prediction Center - East Atlantic (EA). 2012. https://www.cpc.ncep.noaa.gov/data/teledoc/ea.shtml.
15. Climate Prediction Center - Polar Eurasia: Associated Precipitation Patterns. 2005. https://www.cpc.ncep.noaa.gov/data/teledoc/poleur_pmap.shtml.
16. Didan K., Munoz A.B., Comptom T.J., Pinzon J.E. MODIS vegetation index user’s guide (MOD13 series). University of Arizona: Vegetation Index and Phenology Lab, 2015. 33 p.
17. Le Quéré C., Andrew R.M., Friedlingstein P., Sitch S., Hauck J., Pongratz J. et al. Global carbon budget 2018 // Earth System Science Data. 2018. Vol. 10, no. 4. P. 2141-2194. EDN: KQWNJL
18. Gong D.Y., Ho C.H. Detection of large-scale climate signals in spring vegetation index (normalized difference vegetation index) over the Northern Hemisphere // Journal of Geophysical Research: Atmospheres. 2003. Vol. 108, no. D16. P. 4498.
19. Hawcroft M., Walsh E., Hodges K., Zappa G. Significantly increased extreme precipitation expected in Europe and North America from extratropical cyclones // Environmental research letters. 2018. Vol. 13, no. 12. P. 124006. EDN: MDDFHY
20. Liu C., Li J., Liu Q., Gao J., Mumtaz F., Dong Y., Wang C., Gu C., Zhao J.Combined influence of ENSO and North Atlantic Oscillation (NAO) on Eurasian Steppe during 1982-2018 // Science of the total environment. 2023. Vol. 892. P. 164735. EDN: AMUCOH
21. Maheras P., Kutiel H. Spatial and temporal variations in the temperature regime in the Mediterranean and their relationship with circulation during the last century // International Journal of Climatology. 1999. Vol. 19, no. 7. P. 745-764.
22. Mahyou H., Tychon B., Lang M., Balaghi R. (2018). Phytomass estimation using eMODIS NDVI and ground data in arid rangelands of Morocco // African Journal of Range & Forage Science. 2018. Vol. 35, no. 1. P. 1-12.
23. Martin-Vide J., Lopez-Bustins J. The western Mediterranean oscillation and rainfall in the Iberian Peninsula // International Journal of Climatology. 2006. Vol. 26, no. 11. P. 1455-1475.
24. Science Strategy - Science Mission Directorate. 2008. https://web.archive.org/web/20090117171543/http://nasascience.nasa.gov/about-us/science-strategy.
25. CPC - Monitoring & Data: Daily Arctic Oscillation Index. 2002. https://www.cpc.ncep.noaa.gov.
26. Schultz P.A., Halpert M.S. Global correlation of temperature, NDVI and precipitation // Advances in Space Research. 1993. Vol. 13, no. 5. P. 277-280.
27. Padrón R.S., Gudmundsson L., Decharme B., Ducharne A., Lawrence D.M., Mao J., Peano D., Krinner G., Kim H., Seneviratne S.I. Observed changes in dry-season water availability attributed to human-induced climate change // Nat. Geosci. 2020. Vol. 13, no. 7. P. 477-481. EDN: YRMCXI
28. Polonsky A.B., Bardin M.Yu., Voskresenskaya E.N. Statistical characteristics of cyclones and anticyclones over the Black Sea in the second half of the 20th century // Physical Oceanography. 2007. Vol. 17, no. 6. P. 348-359. EDN: LKPRBF
29. Rogers J., McHugh M. On the separability of the North Atlantic oscillation and Arctic oscillation // Climate Dynamics. 2002. Vol. 19. P. 599-608. EDN: BDXYDZ
30. Rouse J.W., Haas R.H., Schell J.A., Deering, D.W. Monitoring vegetation systems in the Great Plains with ERTS // NASA Spec. Publ. 1974. Vol. 351, no. 1. P. 309-317.
31. РП5. 2004-2025. https://m.rp5.ru.
32. National Centers for Environmental Information (NCEI). https://www.ncei.noaa.gov.
33. Venables W.N., Ripley B.D. Modern Applied Statistics with S-PLUS. 3rd ed. // Statistics and Computing. NY: Springer, 1999. 501 p.
34. Vyshkvarkova E., Voskresenskaya E., Martin-Vide J. Spatial distribution of the daily precipitation concentration index in Southern Russia // Atmospheric Research. 2018. Vol. 203. P. 36-43. EDN: XXMIPR
Выпуск
Другие статьи выпуска
Проверяется синхронизация опасных гидрометеорологических явлений с максимумами-максиморумами приливных сил Луны и Солнца. В качестве индикаторов последних используются циклы лунно-солнечных затмений - Сарос и Экселигмос. Сравниваются уровни половодий на реках Урал, Тобол, Ишим, Вагай и Ока в 2024 и 1970 гг. Показано, что катастрофическим уровням половодий 2024 г. предшествовали рекордные уровни половодий в 1970 г. С этим же циклом Экселигмос связаны жестокие засухи 1921 и 1975 гг. в Поволжье и аномальные морозы 1924 и 1978 гг. в Москве.
Изучены современные особенности распределения показателей температуры воздуха в Прикаспийском регионе Азербайджана с использованием первичных данных 27 гидрометеорологических станций Национальной гидрометеорологической службы Азербайджана, расположенных в Прикаспийском регионе, за период с 1961 по 2023 год. Уточнена статистическая значимость временных рядов, определены математические средние показатели и особенности их распределения. Показано, что 90 % самых теплых лет наблюдались после 2005 года, самые холодные - до 1993 года, что является наглядным доказательством резкого потепления в регионе. В период 1991-2023 гг. среднегодовые значения температуры воздуха увеличились на 0,9 °C (наибольший рост показателей в августе - на 1,5 °C). Изменение климата в Прикаспийском регионе усиливает процессы опустынивания, засоления и эрозии почвы. Рекомендуется учитывать эти данные при решении задач строительства, энергетики и выработки политики по смягчению последствий изменения климата.
Предложена система методик прогнозирования притока воды в Ириклинское водохранилище на реке Урал. Система включает методики получения ежегодно выпускаемого 5 марта долгосрочного прогноза объема притока за период весеннего половодья и за второй квартал, а также методики получения ежегодно выпускаемого в январе и феврале предварительного долгосрочного прогноза этих величин. В этих методиках использованы линейные зависимости притока воды в водохранилище от максимального запаса воды в снеге и от показателя предзимнего увлажнения водосбора. На основе метода экстраполяции гидрографа разработаны схемы ежедневного краткосрочного и среднесрочного прогнозирования притока в водохранилище за 1, 3, 5, 7 и 10 суток. Проверка по данным за период с 2003 по 2024 год показала удовлетворительное качество предлагаемых методик, что позволяет рекомендовать их к применению в целях повышения эффективности использования водных ресурсов Ириклинского водохранилища.
Представлен анализ измерений уровня моря и параметров ветрового волнения в заливе Анива, выполненных при помощи датчиков гидростатического давления в июне-августе 2023 года на заякоренных станциях на глубинах 10 и 15 м. Данные гидростатического давления при анализе ветровых волн корректировались с учетом теории линейного затухания колебаний с глубиной. Общий размах колебаний уровня моря составил 1.63 м в сизигию и 0.3 м в квадратуру. Максимальная высота значительных волн составила 1.73 м, а максимальная высота индивидуальной волны - 2.82 м. Обнаружено присутствие аномальных волн с индексом аномальности более 2. При сопоставлении высоты волн по результатам моделирования с данными измерений получено, что коэффициент корреляции составляет 0.84, а среднеквадратическая ошибка 0.17 м.
Проведен сравнительный анализ синоптических условий и численных прогнозов двух случаев опасных конвективных явлений в Московском регионе: 5-6 и 20 июня 2024 г. Рассмотрены прогнозы явлений мезомасштабной модели COSMO-Ru2, усваивающей данные радиолокаторов, и рассчитанные на основе данных региональной модели Гидрометцентра России. Радиолокационные данные ДМРЛ-С «Внуково» и полученные на основе сети ДМРЛ-С в экспериментальной технологии диагноза дополняют картину синоптических процессов и их особенностей. Даны рекомендации по использованию синоптической информации в случаях формирования активной конвекции с опасными явлениями в дополнение к численным прогнозам для повышения точности штормового предупреждения и прогноза.
Рассмотрено качество воспроизведения сезонного цикла и среднегодовых величин атмосферных осадков, выпадающих над Черным морем, по данным расчетов, полученных с помощью 36 глобальных численных моделей (173 реализации) из международного проекта Coupled Model Intercomparison Project Phase 6 (CMIP6). Результаты расчетов сопоставляются с данными реанализа ERA5 за исторический период 1959-2022 гг. Показано, что большинство моделей проекта CMIP6 неудовлетворительно воспроизводит климатический сезонный ход и среднегодовые величины осадков над Черным морем. В целом, с данными реанализа ERA5 лучше согласуются результаты моделирования зимних осадков. Это свидетельствует о низком качестве параметризации осадков конвективного типа в средних широтах Северного полушария в большей части моделей из консорциума CMIP6. Отобраны 5 моделей из 36, которые можно использовать для оценки среднегодовых величин осадков над Черным морем, из них только 3 целесообразно использовать для оценки месячных осадков.
Описывается вычислительная система RANGES (от англ. range - «диапазон»), предназначенная для расчета климатической области распространения (КОР) природного явления на основе климатических характеристик и переменных (климатических предикторов) - гидрометеорологических величин и индексов, рассчитанных на их основе, - определяющих формирование КОР. Методология системы основана на байесовском подходе, позволяющем оценивать вероятность принадлежности географической точки к КОР исследуемого явления. Система RANGES реализована в виде комплекса программ и снабжена дружественным интерфейсом, построенным таким образом, чтобы автоматизировать процесс ввода данных, минимизируя ошибки. Система поддерживает работу как с данными наблюдений, так и с данными глобальных и региональных моделей (в данной версии системы - это модели Института вычислительной математики им. Г. И. Марчука РАН и Главной геофизической обсерватории им. А. И. Воейкова). Программный комплекс позволяет учитывать многочисленные климатические предикторы для описания условий, влияющих на природное явление. На основе анализа климатических предикторов система определяет вероятностные оценки принадлежности точек географического пространства к КОР и ранжирует эти оценки по методологии МГЭИК. Приведен пример использования системы RANGES при вычислении КОР доминирования теплой части года (когда число суток с положительными среднесуточными температурами превышает 182). Рассчитаны изменения КОР для базового периода (1990-1999 гг.) и для 2030-2039 и 2050-2059 гг. в условиях сценария RCP8.5. Показаны смещения границ КОР доминирования теплой части года, иллюстрирующие влияние изменений климата.
Разработана иерархическая ансамблевая система краткосрочного прогноза погоды, основанная на негидростатической модели ICON. Глобальная система ICON-Ru-EPS с шагом горизонтальной сетки модели 40 км по глобусу и 20 км по Европейской территории России является источником начальных и граничных условий для региональной системы ICON-Ru2-EPS по территории Центрального федерального округа (ЦФО) с шагом сетки около 2,2 км и явным разрешением глубокой конвекции. Верификация прогнозов по региональной ансамблевой системе ICON-Ru2-EPS с помощью пакета METplus показала высокое качество вероятностных прогнозов и необходимость сочетания разнообразных метрик при анализе результатов. Исследована эффективность метода случайного возмущения параметров схем подсеточных процессов для учета несовершенства модели в ансамблевом прогнозе высокого разрешения по территории ЦФO. Подготовлены рекомендации по выбору возмущаемых параметров и размеру регионального ансамбля.
Издательство
- Издательство
- ГИДРОМЕТЦЕНТР РОССИИ
- Регион
- Россия, Москва
- Почтовый адрес
- 123376, Россия, Москва, Большой Предтеченский переулок, д.13, строение 1
- Юр. адрес
- 123376, г Москва, Пресненский р-н, Большой Предтеченский пер, д 13 стр 1
- ФИО
- Борщ Сергей Васильевич (ДИРЕКТОР)
- E-mail адрес
- hmc@mecom.ru
- Контактный телефон
- +7 (499) 2523448