STUDY OF CHANGES IN THE CONCENTRATION OF GREENHOUSE GASES IN THE ATMOSPHERE IN THE URAL REGION BASED ON REANALYSIS AND SATELLITE MEASUREMENTS. PART 1. SPATIAL-TEMPORAL VARIATIONS IN THE CO2 AND CH4 CONCENTRATION

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The paper considers spatiotemporal variations in the atmospheric CO2 and CH4 concentrations near the surface based on the CAMS reanalysis data and GOSAT satellite measurements in the Ural Federal District (UFD) for the period 2010–2021. The uncertainty of the used data is estimated. The total uncertainty of CO2 and CH4 concentrations is primarily due to the uncertainty of ground-based measurements. The CAMS reanalysis data most accurately reflect the results of ground-based CO2 concentration measurements. On average, they overestimate these data by 0.59 ± 0.102 ppm. At the same time, the CH4 concentration values obtained on the basis of reanalysis are, on average, 71.57 ± 4.04 ppb lower compared to the results of ground-based measurements. In contrast, the results of GOSAT satellite measurements are in good agreement with the data of ground-based CH4 concentration measurements. On average, they show overestimated values by 4.68 ± 4.05 ppb, while for carbon dioxide CO2 there is an underestimation of 3.51 ± 0.104 ppm. An analysis of the spatial distribution of interannual changes showed that in the eastern and northeastern parts of the Urals Federal District, in some years, there is a significant annual increase in the concentration of CO2 and CH4, reaching values of 16 ppm and 90 ppb, respectively. Particularly high values are recorded in the hot season, when the air temperature exceeds 15 °C. According to the reanalysis, in the Tyumen Region, the Khanty-Mansi and Yamalo-Nenets Autonomous Okrugs, the maximum values of methane CH4 concentration during the year are observed in July-August and exceed the values in the winter period. A sharp increase in CO2 concentration was established for the entire territory of the Urals Federal District in 2012 and 2016. For CH4, a sharp increase in concentration occurred in 2012, 2016 and 2019.

Sobre autores

S. Dzholumbetov

Institute of Industrial Ecology of the Ural Branch of the RAS

Email: S.K.Dzholumbetov@ecko.uran.ru
Ekaterinburg, Russia

Yu. Markelov

Institute of Industrial Ecology of the Ural Branch of the RAS; Ural Federal University named after the first President of Russia B.N. Yeltsin

Ekaterinburg, Russia

Bibliografia

  1. Биненко В.И., Решетников А.И. Парниковые газы в атмосфере // Региональная экология. 2010. №. 3. С. 24–38.
  2. Глаголев М.В. и др. Изучение потоков углеродсодержащих парниковых газов в болотных экосистемах Западной Сибири // Вестник Томского государственного педагогического университета. 2010. №. 3. С. 120–127.
  3. ГОСТ 34100.3–2017/ISO/IEC Guide 98-3:2008. Неопределенность измерения. Часть 3. Руководство по выражению неопределенности измерения. М.: Стандартинформ, 2018. 104 с.
  4. Елисеев А.В. Глобальный цикл метана: обзор // Фундаментальная и прикладная климатология. 2018. Т. 1. С. 52.
  5. Кирпотин С.Н. и др. Западная Сибирь как природный коллайдер: климаторегулирующая функция водно-болотных угодий // Западно-Сибирские торфяники и цикл углерода: прошлое и настоящее. 2021. С. 23–26.
  6. Матвеев Л.Т. Курс общей метеорологии. Физика атмосферы. Ленинград: Гидрометеоиздат, 1984. 738 с.
  7. Махныкина А.В. и др. Влияние климатических факторов на эмиссию CO2 из почв в среднетаежных лесах Центральной Сибири: Эмиссия как функция температуры и влажности почвы // Экология. 2020. № 1. С. 51–61.
  8. Мельников Е.С. и др. Динамика сезонноталого слоя в Западной Сибири // Криосфера Земли. 2005. Т. 9. № 2. С. 23–32.
  9. Мониторинг потоков парниковых газов в природных экосистемах: монография / Под. ред. Д.Г. Замолодчикова, Д.В. Карелина, М.Л. Гитарского, В.Г. Блинова. Саратов: Амирит, 2017. 279 с.
  10. Никонова Л.Г. и др. Оценка влияния температуры на разложение растений-торфообразователей в длительном инкубационном эксперименте // Западно-Сибирские торфяники и цикл углерода: прошлое и настоящее. 2021. С. 46–48.
  11. Олссон Р. Использовать или охранять? Бореальные леса и изменение климата // Устойчивое лесопользование. 2013. № 3. С. 31–41.
  12. Тарко А.М., Курбатова А.И., Григоров Е.А. Применение методов системного анализа в исследованиях лесных пожаров на территории Российской федерации // Географическая среда и живые системы. 2021. № 1. С. 17–41.
  13. Тимохина А.В. Динамика концентрации атмосферного диоксида углерода над среднетаежными экосистемами Приенисейской Сибири (по данным измерений на обсерватории «ZOTTO»): дис. канд. биол. наук: 03.02.08; ФИЦКНИСОРАН. Красноярск, 2017. 165 с.
  14. Трефилова О.В. Интенсивность гетеротрофного дыхания в сосняках средней тайги: сравнительный анализ методов оценки // Хвойные бореальной зоны. 2007. Т. 24. № 4–5. С. 467–473.
  15. Шепелев А.Г. Влияние различных гидротермических условий почвы на продуцирование CO2 из чернозема выщелоченного (модельный опыт) // Природные ресурсы Арктики и Субарктики. 2017. № 1 (85). С. 53–57.
  16. Beaudoing H. and Rodell M., NASA/GSFC/HSL (2020), GLDAS Noah Land Surface Model L4 monthly 0.25 x 0.25-degree V2.1, Greenbelt, Maryland, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [13-Jun-2022], 10.5067/SXAVCZFAQLNO
  17. Cao M., Gregson K., Marshall S. Global methane emission from wetlands and its sensitivity to climate change // Atmospheric environment. 1998. V. 32. № 19. P. 3293–3299.
  18. Cheng C.H., Redfern S.A.T. Impact of interannual and multidecadal trends on methane-climate feedbacks and sensitivity // Nature communications. 2022. V. 13. № 1. P. 1–11.
  19. Chevallier F. Evaluation and Quality Control document for observation-based CO2 flux estimates for the period 1979–2021, v21r1 Version 2.0. CAMS255_2021SC1_D55.1.4.2-2022_202208_Validation inversion CO2 fluxes_v2.
  20. Crippa M. et al. High resolution temporal profiles in the Emissions Database for Global Atmospheric Research // Scientific Data. 2020. V. 7. № 1. P. 1–17.
  21. Didan K. MOD13C2 MODIS/Terra Vegetation Indices Monthly L3 Global 0.05Deg CMG V006. 2015, distributed by NASA EOSDIS Land Processes DAAC, https://lpdaac.usgs.gov/products/mod13c2v006/ Accessed: [25.01.2021]
  22. European Union (2016). Copernicus Knowledge Base for the Copernicus Climate Change Service and the Copernicus Atmosphere Service, implemented by ECMWF. Available at: [Accessed 20.01.2021]. http://copernicus-support.ecmwf.int/knowledgebase
  23. Gao J. et al. Effects of temperature, soil moisture, soil type and their interactions on soil carbon mineralization in Zoige alpine wetland, Qinghai-Tibet Plateau // Chinese Geographical Science. 2011. V. 21. № 1. P. 27–35.
  24. Global Modeling and Assimilation Office (GMAO) (2015), MERRA-2 tavgU_2d_fix_Nx: 2d, diurnal, Time-Averaged, Single-Level, Assimilation, Surface Flux Diagnostics V5.12.4, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [07-Jun-2022], 10.5067/LUHPNWAKI03
  25. Golovatskaya E.A., Dyukarev E.A. The influence of environmental factors on the CO2 emission from the surface of oligotrophic peat soils in West Siberia // Eurasian Soil Science. 2012. V. 45. № 6. P. 588–597.
  26. Guo M. et al. Assessment of global carbon dioxide concentration using MODIS and GOSAT data // Sensors. 2012. V. 12. № 12. P. 16368–16389.
  27. Inness A., Ades M., Agusti-Panareda A. et al. (2019): CAMS global inversion-optimised greenhouse gas fluxes and concentrations. Copernicus Atmosphere Monitoring Service (CAMS) Atmosphere Data Store (ADS). (Accessed on <29-Dec-2020>), https://ads.atmosphere.copernicus.eu/cdsapp#!/dataset/cams-global-reanalysis-eac4?tab=overview
  28. Kim et al. Algorithm theoretical basis document (ATBD) for regional fluxes estimation of CH4 from GOSAT retrievals and ground-based observation. NIES GOSAT Project, Version 1.03, 2018.
  29. Koffi E.N. et al. An observation-constrained assessment of the climate sensitivity and future trajectories of wetland methane emissions // Science advances. 2020. V. 6. № 15. P. 1–11.
  30. Luzhetskaya A.P. et al. Temporal variations of CO2 and CH4 concentrations in the surface atmospheric layer according to measurements in the Middle Urals // 29th International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics. SPIE, 2023. V. 12780. P. 566–570.
  31. Maksyutov S. et al. Regional CO2 flux estimates for 2009–2010 based on GOSAT and ground-based CO2 observations // Atmospheric Chemistry and Physics. 2013. V. 13. № 18. P. 9351–9373.
  32. Maksyutov S. et al. Algorithm theoretical basis document (ATBD) for the estimation of CO2 fluxes and concentration distribution from GOSAT and surface-based CO2 data. NIES GOSAT Project, Version 1.0, 2014.
  33. NIES GOSAT Level 4 Data Product Format Description. National Institute for Environmental Studies GOSAT Project. 2023. Version 3.40 (October 31, 2023).
  34. Nikitkin V.A. et al. Changes in the microbial community structure triggered by permafrost peat thawing // IOP Conference Series: Earth and Environmental Science. IOP Publishing, 2021. V. 928. № 1. P. 012008.
  35. Peng S. et al. Wetland emission and atmospheric sink changes explain methane growth in 2020 // Nature. 2022. V. 612. № 7940. P. 477–482.
  36. Rantanen M. et al. The Arctic has warmed nearly four times faster than the globe since 1979 // Communications Earth & Environment. 2022. V. 3. № 1. P. 1–10.
  37. Rodell M et al. The global land data assimilation system // Bulletin of the American Meteorological society. 2004. V. 85. № 3. P. 381–394.
  38. Schaefer K. et al. The impact of the permafrost carbon feedback on global climate // Environmental Research Letters. 2014. V. 9. № 8. P. 085003.
  39. Segers et al. CAMS255_2021SC1_D55.2.4.1-2023 Evaluation and Quality Control document for observation-based CH4 flux estimates for the period 1979-2022 v1 Official reference number service contract: 2021/CAMS2_55_CEA/SCI.
  40. Serikova S. et al. High carbon emissions from thermokarst lakes of Western Siberia // Nature Communications. 2019. V. 10. № 1. P. 1–7.
  41. Svirejeva-Hopkins A., Schellnhuber H.J., Pomaz V.L. Urbanised territories as a specific component of the Global Carbon Cycle // Ecological Modelling. 2004. V. 173. № 2–3. P. 295–312.
  42. Taylor K.E. Summarizing multiple aspects of model performance in a single diagram // Journal of geophysical research: atmospheres. 2001. V. 106. No. D7. P. 7183–7192.
  43. Van Der Werf G.R. et al. Global fire emissions estimates during 1997–2016 // Earth System Science Data. 2017. V. 9. № 2. P. 697–720.
  44. Walker X.J. et al. Increasing wildfires threaten historic carbon sink of boreal forest soils // Nature. 2019. V. 572. № 7770. P. 520–523.
  45. Wei T., Wu J., Chen S. Keeping track of greenhouse gas emission reduction progress and targets in 167 cities worldwide // Frontiers in Sustainable Cities. 2021. V. 3.
  46. WMO Greenhouse Gas Bulletin. The State of Greenhouse Gases in the Atmosphere Based on Global Observations through. 2022. No. 18 (October 26, 2022).

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial–SemDerivações 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».