Влияние глобальных климатических изменений на развитие агроэкосистем России

Результаты исследований и прогноз изменения климата в многолетнем периоде

Прогнозы Межправительственной группы экспертов по измене ниям климата свидетельствуют о том, что XXI век будет периодом беспрецедентно быстрых изменений климата, которые окажут су щественное влияние на многие отрасли экономики и в первую оче редь на сельское хозяйство.

Исследования основных особенностей климата за последние 1015 лет показали, что этот период является самым теплым и влаж ным не только за 100, но и за 1000 лет. Анализ эмпирических кли матических данных, проведенный в Институте водных проблем РАН, выявил статистически значимый тренд изменения разнооб разных показателей климата, таких как даты вскрытия и замерза ния наиболее крупных рек России, преждевременные сроки насту пления весны, увеличение продолжительности вегетационного пе риода в северном полушарии и т.д.

В научной литературе отражены и другие аномалии, вызванные быстрыми темпами потепления и похолодания. Основные из них следующие:

• ускорение процессов аридизации климата, повторяемость за сух;

• рост содержания СО2и СН4 в атмосфере;

• влияние наблюдаемого «взрывного» потепления на биоклиматический потенциал сельскохозяйственных территорий;

• снижение и вариабельность биопродуктивности агроэкоси стем;

• снижение уровня плодородия почв, их деградация;

• снижение устойчивости развития агроэкосистем.

Согласно расчетам и прогнозам международной группы экспер тов, в которую входят ученые России, повышение глобальной средней температуры воздуха за 1990-2100 годы может составить от 1,5 до 5,8°С. Такое потепление не имеет прецедентов за про шедшие 10 тыс. лет.

На весеннем 2008 г. совместном заседании Совета по проблемам экологии в АПК с участием бюро Отделения земледелия, бюро От деления мелиорации, водного и лесного хозяйства Россельхозакадемии, ученых ФГБУ «ВНИИСХМ », ГНУ «Агрофизический ин ститут Россельхозакадемии» (АФИ), Госкомгидромета, ФГБНУ ВНИИ «Радуга», Главной географической обсерватории (ГТО) и др., а также производственников АПК была признана важность проблемы потепления климата и влияния его на сельское хозяйст во, а также необходимость разработки единой стратегии адаптации сельского хозяйства к глобальным климатическим изменениям с учетом сохранения почвенного плодородия, ресурсосбережения в условиях нарастающего техногенного загрязнения биосферы.

Намечены тематика исследований и современные методы их проведения. Для решения названной проблемы в системе «климатпочва-урожай» обоснована тема исследований, направленная на разработку научно -методических основ оценки трендов изменения климатических факторов, их влияния на биопродуктивность агро экосистем во взаимосвязи с почвенными показателями и согласо ванием с производственными циклами, становление трендов изме нения климатиче ских показателей, включая интегральный показа тель тепло-, влагообеспеченности К у 9 а следовательно, температур воздуха (t°C)9 осадков (Р, мм), испаряемости (Е, мм). Расчет ведет ся по годам многолетнего ряда с использованием усоверш енство ванных расчетных моделей ФГБНУ ВНИИ «Радуга» и специальной компьютерной программы.

Для оперативной оценки влияния наблюдаемых изменений при родной среды на сельское хозяйство требуется система норматив ных характеристик. Актуальной при этом представляется задача создания системы мониторинга влияния изменений климата.

Так, в ГНУ АФИ систематизированы и обобщены теоретические и опытные данные, мониторинговые наблюдения, а также результаты работ других научных и производственных организаций. Сформулированы основные задачи, на основе которых составляется комплексная программа исследований.

Изменения агроклимата приводят к изменению структуры посевных площадей, потенциала продуктивности агроэкосистем, к увеличению или уменьшению применения агрохимических средств, их пространственному перераспределению.

Парниковый эффект (изменение состава атмосферы) обусловлен тем, что в зависимости от способа и интенсивности сельскохозяйственного использования земель, уровня агротехники и регулирования уровня плодородия почв, по мере прогрева они становятся источником СО2.

Зональная эффективность удобрений проявляется в том, что прибавки урожайности от внесенного количества удобрений убывают при продвижении от влажных районов к зонам засушливого климата. Климатический фактор оказывает более сильное влияние, чем почвенный.

Перераспределение агроклиматических ресурсов ведет к расширению ареалов возделывания культур, их сортов и гибридов, что в свою очередь потребует дополнительного использования минеральных удобрений.

В связи с динамичностью погодных условий меняются агротехнические и мелиоративные приемы. Потребность в регулировании параметров водного и теплового баланса распределяется следующим образом:

Исследования комплекса проблем, вызванных глобальными изменениями климата, широко отражены в литературе. Большинство работ посвящено исследованиям и расчетам влияния потепления глобального климата на основные показатели системы «климат-почва-урожай».

Как меняется климат и урожайность: вековые тренды

Климатические изменения напрямую влияют на работу в поле. Снижение обеспеченности теплом и влагой заставляет агрономов сдвигать сроки сева, менять график агротехнических мероприятий и пересматривать режимы полива. Из-за капризов погоды урожайность яровых зерновых в южных степных регионах может колебаться в разы.

• Колебания урожайности яровых зерновых — от 0,5–1 до 2–2,5 т/га
• Рост климатически обусловленной урожайности — на 30%
• Обеспеченность урожая в 2 т/га — повысилась более чем в 5 раз
• Рост глобальной приземной температуры за век — на 0,6 ± 0,2 °C

В последние десятилетия XX века в южных степных регионах климатообусловленная урожайность зерновых выросла на 30% по сравнению с серединой прошлого века. При этом гарантированное получение 2 тонн с гектара стало более чем в 5 раз вероятнее. Однако потепление идет неравномерно и затрагивает только тропосферу — приземный слой воздуха высотой в несколько километров, тогда как в верхних слоях атмосферы температура снижается.

Динамика температурных аномалий за столетний период наблюдений показывает выраженную цикличность. Основные фазы изменения температур распределились следующим образом:

Моделирование векового хода урожайности яровой пшеницы при нелимитированном минеральном питании (для условий умеренного климата за период 1891–1990 годов) выявило четкие закономерности. Было зафиксировано два периода роста климатически обусловленной урожайности: в 1910–1920 годах и с 1991 года. В это время на полях складывалось наиболее благоприятное сочетание тепла и влаги.

Адаптация и прогнозирование: новые инструменты агронома

Чтобы свести к минимуму риски засух, пыльных бурь или подтоплений, необходимо подстраивать мелиоративные системы под новые циклы. Мелиорация остается главным управляющим фактором на поле, но ее эффективность зависит от точности расчетов. Режимы орошения и осушения должны соответствовать текущим изменениям водного, теплового и радиационного баланса посевов.

Для научно-методического обоснования поливов и прогнозирования коэффициента увлажнения (К_у) применяются современные компьютерные программы и математические модели. Они обрабатывают многолетние данные метеостанций за любые периоды. На основе этих расчетов агрономы могут точнее планировать поливной сезон.

Новые программные комплексы позволяют оперативно решать следующие задачи:

• рассчитывать хронологические и вероятностные ряды любых климатических показателей;
• определять степень и направление погодных трендов для конкретных точек расположения метеостанций;
• прогнозировать циклы изменения климата для их синхронизации с фазами развития культур.

Использование прогнозных моделей позволяет заблаговременно внедрять адаптационные приемы на полях. В результате предотвращается развитие экологических кризисов, прекращается снижение плодородия почв и падение биологической продуктивности угодий.

На основе произведенных расчетов и их оценки по метеостанциям регионов России создана информационная и методическая база и получены предварительные результаты. Для решения поставленной задачи использован региональный подход. При этом учтена необходимость разделения понятий «изменчивость» и «изменения» климата, по-разному влияющих на урожайность.

Для предварительной и в определенной степени приближенной оценки изменений климатических показателей температур воздуха и осадков на территории ЦФО проведены расчеты по данным наблюдений за 60 лет на метеостанциях региона.

При построении графиков использовались среднемесячные температуры воздуха и суммы осадков за период с апреля по октябрь каждого года (1945–2003 гг.) по метеостанции Коломна. Применен интегральный метод динамического моделирования исходных показателей.

Современные методы выбора вероятностных оросительных норм какой-либо сельскохозяйственной культуры основаны на анализе ряда значений оросительных норм данной культуры, рассчитанных по имеющимся в этом районе рядам соответствующих метеорологических наблюдений. При этом предполагается, что наблюдаемые в прошлом метеорологические условия, определившие изменчивость оросительных норм по годам, являются однозначным прогнозом на будущее.

Между тем такой подход противоречит вероятностной природе оросительной нормы, так как метеорологическая ситуация за имеющийся период наблюдений представляет собой случайный процесс, который может уже никогда не повториться. Более того, анализ метеорологических наблюдений указывает на возможность появления новых, не отмеченных ранее, экстремальных явлений. Все это указывает на то, что в целом изменчивость климата такова, что имеющийся период регулярных метеонаблюдений не позволяет вычислить устойчивые значения требуемых статистических характеристик.

Иными словами, ряд оросительных норм, вычисленных по имеющимся рядам метеонаблюдений, особенно в Нечерноземной зоне России, где изменчивость климата от года к году очень высо ка, недостаточно репрезентативен, т.е. не охватывает весь ряд или генеральную совокупность. Поэтому традиционный подход к мо делированию случайных последовательностей способом статисти ческих испытаний (методом Монте-Карло) не всегда обеспечивает желаемый результат, так как модельный ряд должен иметь те же статистические характеристики, что и исходная последователь ность.

Применяемые методы построения аппроксимирующей кривой обеспеченности по Фостеру-Рыбкину на основе трехпараметриче ского гамма-распределения или по кривым распределения Пирсона III типа и их модификациям по Крицкому-Менкелю зачастую не пригодны для адекватного описания эмпирического распределения, особенно экстраполяции в области больших значений ороситель ной нормы.

Поиски путей повышения достоверности построения кривых обеспеченности в этих условиях привели к выводу о необходимо сти предварительной обработки эмпирических распределений с целью выявления основных закономерностей распределения оро сительной нормы, как бы затушеванных случайными вариациями значений частностей оросительной нормы от одного интервала к другому. В основе этого вывода лежит предпосылка, что природа, действуя случайным образом, не может иметь предпочтительных состояний, обусловливающих высокие значения частностей ороси тельных норм в одних интервалах и их низкие значения в соседних с ними интервалах. Поэтому на протяжении многих лет природа должна привести к сравнительно равномерному заполнению ин тервалов с плавным закономерным переходом значений частностей от одного интервала к другому.

Эта предпосылка и лежит в основе аппроксимирующей анали тической кривой, описывающей более или менее точно аппрокси мируемое эмпирическое распределение. Методика вычисления рядов Фурье Пусть функция f(x) определена на отрезке [-1; 1] и ее период - 21. Тогда имеют место равенства: г/ \ /о / 7TYIX. 7TYIX /1 jl\ f(x)=ao/2+ y (ancos----- \-bnsin-----), (1ф) n=\ l l j a„=(l/l) f (x)cos— dx (n=0,l,2,...), (2ф)

b n = (l/l)j/(x)sin — dx (n = l,2,..). (ЗФ)

Ряд (1ф) с коэффициентами, вычисляемыми по формулам (2ф), (Зф), называется рядом Фурье для функции f(x) с периодом Т=21.

Пусть теперь y=f(x) - непериодическая функция (например, f(x) - это среднее значение температуры или суммы осадков за пе риод апрель-октябрь, х - в данном случае текущий год). Такая функция не может быть разложена в ряд Фурье непосредственно, однако, может быть представлена в виде ряда Фурье на любом ко нечном промежутке [а, Ь] (в нашем случае а и b - начальный и ко нечный годы рассматриваемого хронологического ряда). Для этого необходимо поместить начало координат в середину отрезка [а, Ь] и построить функцию fi(x) периода Т=21=|б-а| такую, что fi(x)=f(x) при -!<х<1. Разлагаем теперь функцию fi(x) в ряд Фу рье. Сумма этого ряда во всех точках отрезка [а, Ь] совпадает с за данной функцией f(x).

В рассматриваемом примере для приближенного вычисления функции f(x) достаточно рассчитать сумму первых членов ряда Фурье: f(x)=ao/2+aiCos(7CxA)+bisin(7cx/l)+a2COs(27Cx/l)+b2sin(27ix/l), где ао/2 - среднее значение температуры или суммы осадков за период апрель-октябрь;

1- половина рассматриваемого периода |б —а |; х (из-за переноса начала координат) соответствует текущему го ду - |й —а| /2 - начальный год.

Коэффициенты аь а2, Ьь Ь2 вычислены по формулам (2ф), (Зф), в них интегралы заменены на конечные суммы, рассчи тываемые на отрезке [a, b] (dx = Ах = 1 год).

Тренд изменения климатических факторов, вычисленных с ис пользованием рядов Фурье, для метеостанции Коломна представ лен на рис. 6.

Анализ данных на основе построения сплайн-функций для прогноза

Математический расчет климатических циклов для планирования орошения

Для эффективного орошения важно понимать, в какой фазе природно-климатического цикла находится поле в конкретный период. Расчетные модели многолетней цикличности помогают агроному прогнозировать динамику урожайности и заранее выбирать адекватные мелиоративные меры. Это позволяет синхронизировать производственные циклы хозяйства с естественными колебаниями погоды.

В качестве основы для построения прогнозных моделей используется сплайн-функция. Метод позволяет выявить математическую зависимость последующих значений коэффициента увлажнения от предыдущих. На основе полученных циклов определяется тенденция развития климатических условий на будущие периоды.

Зависимость коэффициента увлажнения (K_у) от времени рассчитывается по следующей формуле:

F(t) = a₀ + a₁t + a₂t² + a_K1cos(tw₁) + a_K2cos(tw₂) + a_K3cos(tw₃) + b_K1sin(tw₁) + b_K2sin(tw₂) + b_K3sin(tw₃)

Для оценки точности полученной сплайн-функции и метеоданных анализируют следующие параметры:

• коэффициенты автокорреляции, показывающие связь между отклонениями расчетных показателей от фактических во времени;
• коэффициенты корреляции между суммами температур воздуха и объемами осадков;
• среднеквадратичное отклонение, максимальные и минимальные значения коэффициента увлажнения с вероятностью попадания в интервал не менее 95%.

В таблице приведены расчетные коэффициенты сплайн-функции для ключевых климатических показателей по данным многолетних наблюдений метеостанций:

Для практических расчетов применяется компьютерная программа, которая автоматически выбирает вариант сплайн-функции с минимальным отклонением от реальных показателей метеостанций. Это позволяет построить наиболее вероятный тренд тепло- и влагообеспеченности почв.

• Точность метеопрогнозов — выше на 15–20%
• Корреляционное отношение — 0,72–0,83
• Вероятность попадания в интервал — не менее 95%