Гидрологические и климатические характеристики Каспийского моря в эпоху последнего ледникового максимума, оптимума голоцена и доиндустриальных условий по данным численного моделирования

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье представлены результаты расчетов компонентов водного баланса Каспийского моря для широкого диапазона уровней озера (–85–50 м над у. м.) для двух наиболее контрастных климатических эпох за последние несколько десятков тысяч лет: среднего голоцена (6 тыс. л. н.) и последнего ледникового максимума (21 тыс. л. н.), а также доиндустриальных условий (~1850 г.). Была использована вихредопускающая океаническая модель INMIO, объединенная с моделью льда CICE. В качестве входных данных были использованы данные климатического моделирования INM–CM4.8 для указанных периодов. Получено, что объемы речного стока, необходимые для поддержания уровня озера на различных отметках для эпохи голоцена ниже доиндустриальных значений на 6–7%, а для последнего ледникового максимума – на 13–14% для регрессивных состояний и 20–21% для трансгрессивных. Исследована чувствительность к набору входных данных: их временному разрешению и источникам поступления воды в Каспий. Показано, что исключение внутрисуточной и внутримесячной изменчивости во входных метеоданных приводит к занижению объемов испарения с поверхности Каспия. Наибольшее влияние на данную величину оказывает исключение внутримесячной изменчивости динамического поля ветра, это приводит к уменьшению равновесного стока на 35%. Для корректного расчета продолжительности ледового сезона необходим учет внутрисуточного цикла приходящей радиации и температуры воздуха. Период таяния значительно удлиняется при использовании данных среднесуточного и среднемесячного разрешения, наибольшее влияние это оказывает при трансгрессивных состояниях Каспия. Перераспределение точек поступления речного стока вдоль побережья существенно не влияет на величину полного равновесного стока, что позволяет с большой вероятностью исключить неопределенность этой величины, связанную с недостатком данных о соотношении полноводности древних рек. Приводятся оценки гидроклиматических характеристик для Каспийского региона для среднего голоцена и позднего плейстоцена по данным климатического моделирования, выполненного в рамках проекта PMIP4.

Об авторах

П. А. Морозова

Институт географии РАН

Email: morozova_polina@mail.ru
Москва, Россия

К. В. Ушаков

Институт океанологии имени П.П. Ширшова РАН

Email: morozova_polina@mail.ru
Москва, Россия

В. А. Семенов

Институт географии РАН; Институт физики атмосферы имени А.М. Обухова РАН

Email: morozova_polina@mail.ru
Москва, Россия; Москва, Россия

Е. М. Володин

Институт вычислительной математики имени Г.И. Марчука РАН

Email: morozova_polina@mail.ru
Москва, Россия

Р. А. Ибраев

Институт океанологии имени П.П. Ширшова РАН; Институт вычислительной математики имени Г.И. Марчука РАН

Автор, ответственный за переписку.
Email: morozova_polina@mail.ru
Москва, Россия; Москва, Россия

Список литературы

  1. Водный баланс и колебания уровня Каспийского моря: моделирование и прогноз. (2016). Под ред. Е.С. Нестерова. М.: Триада лтд. 378 с.
  2. Морозова П.А., Ушаков К.В., Семенов В.А. и др. (2021). Водный баланс Каспийского моря в эпоху последнего ледникового максимума по данным экспериментов с математическими моделями. Водные ресурсы. Т. 48. № 6. С. 601–608. https://doi.org/10.31857/S0321059621060134
  3. Морозова П.А., Ушаков К.В., Семенов В.А., Володин Е.М. (2024). Водный баланс Каспийского моря в эпоху максимума последнего оледенения и преиндустриальных условиях по данным экспериментов с моделью общей циркуляции моря INMIO–CICE. Доклады Российской академии наук. Науки о Земле. Т. 515. № 2. С. 282–288. https://doi.org/10.31857/S2686739724040131
  4. Панин Г.Н. (1987). Испарение и теплообмен Каспийского моря. М.: Наука. 88 с.
  5. Тужилкин В.С., Косарев А.Н., Архипкин В.С., Никонова Р.Е. (2011). Многолетняя изменчивость гидрологического режима Каспийского моря в связи с вариациями климата. Вестник Московского университета. Серия 5. География. № 2. С. 62–71.
  6. Argus D.F., Peltier W.R., Drummond R. et al. (2014). The Antarctic component of postglacial rebound Model ICE-6G_C (VM5a) based upon GPS positioning, exposure age dating of ice thicknesses and sea level histories. Geophys. J. Int. Vol. 198. No. 1. P. 537–563. https://doi.org/10.1093/gji/ggu140
  7. Brierley C.M., Zhao A., Harrison S.P. et al. (2020). Large-scale features and evaluation of the PMIP4–CMIP6 mid-Holocene simulations. Climate of the Past. Vol. 16. Iss. 5. P. 1847–1872. https://doi.org/10.5194/cp-16-1847-2020
  8. Elguindi N., Somot S., Deque M. et al. (2011). Climate change evolution of the hydrological balance of the Mediterranean, Black and Caspian Seas: impact of climate model resolution. Climate Dynamics. Vol. 36. P. 205–228. https://doi.org/10.1007/s00382-009-0715-4
  9. Fadeev R., Ushakov K., Tolstykh M. et al. (2018). Design and development of the SLAV–INMIO–CICE coupled model for seasonal prediction and climate research. Russian J. of Numerical Analysis and Mathematical Modelling. Vol. 33. No. 6. P. 333–340. https://doi.org/10.1515/rnam-2018-0028
  10. Garstang M. (1967). Sensible and latent heat exchange in low lati-tude synoptic scale systems. Tellus. Vol. 19. Iss. 3. P. 492–508. https://doi.org/10.1111/j.2153-3490.1967.tb01504.x
  11. Gelfan A., Panin A., Kalugin A. et al. (2024). Hydroclimatic processes as the primary drivers of the Early Khvalynian transgression of the Caspian Sea: new developments. Hydrol. Earth Syst. Sci. Vol. 28. Iss. 1. P. 241–259. https://doi.org/10.5194/hess-28-241-2024
  12. Giorgi F. (2019). Thirty years of regional climate modeling: Where are we and where are we going next? J. Geophys. Res.: Atmos. Vol. 124. P. 5696–5723. https://doi.org/10.1029/2018JD030094
  13. Griffies S.M., Biastoch A., Böning C. et al. (2009). Coordinated Ocean-ice Reference Experiments (COREs). Ocean Modelling. Vol. 26. Iss. 1–2. P. 1–46. https://doi.org/10.1016/j.ocemod.2008.08.007
  14. Hajima T., Watanabe M., Yamamoto A. et al. (2020). Development of the MIROC-ES2L Earth system model and the evaluation of biogeochemical processes and feedbacks. Geosci. Model Dev. Vol. 13. Iss. 5. P. 2197–2244. https://doi.org/10.5194/gmd-13-2197-2020
  15. Hunke E.C., Lipscomb W.H., Turner A.K. et al. (2015). CICE: the Los Alamos Sea Ice Model. Documentation and Software User’s Manual Version 5.1. Los Alamos National Laboratory. 116 p. http://www.ccpo.odu.edu/~klinck/Reprints/PDF/cicedoc2015.pdf (access date: 04.04.2024).
  16. Kageyama M., Albani S., Braconnot P. et al. (2017). The PMIP4 contribution to CMIP6 – Part 4: Scientific objectives and experimental design of the PMIP4– CMIP6 Last Glacial Maximum experiments and PMIP4 sensitivity experiments. Geosci. Model Dev. Vol. 10. Iss. 11. P. 4035–4055. https://doi.org/10.5194/gmd-10-4035-2017
  17. Kageyama M., Harrison S.P., Kapsch M.L.et al. (2021). The PMIP4 Last Glacial Maximum experiments: preliminary results and comparison with the PMIP3 simulations. Climate of the Past. Vol. 17. Iss. 3. P. 1065–1089. https://doi.org/10.5194/cp-17-1065-2021
  18. Kalmykov V.V., Ibrayev R.A., Kaurkin M.N. et al. (2018). Compact Modeling Framework v3.0 for high-resolution global ocean–ice–atmosphere models. Geosci. Model Dev. Vol. 11. Iss. 10. P. 3983–3997. https://doi.org/10.5194/gmd-11-3983-2018
  19. Kislov A., Toropov P. (2011). Modeling extreme Black Sea and Caspian Sea levels of the past 21000 years with general circulation models. Geological Society of America Special Papers. P. 27–32. https://doi.org/10.1130/2011.2473(02)
  20. Koriche S.A., Singarayer J.S., Cloke H.L. et al. (2022). What are the drivers of Caspian Sea level variation during the late Quaternary? Quat. Sci. Rev. Vol. 283. 107457. https://doi.org/10.1016/j.quascirev.2022.107457
  21. Kurbanov R., Murray A., Thompson W. et al. (2021). First reliable chronology for the Early Khvalynian Caspian Sea transgression in the Lower Volga River valley. Boreas. Vol. 50. P. 134–146. https://doi.org/10.1111/bor.12478
  22. Launiainen J., Vihma T. (1990). Derivation of turbulent surface fluxes – an iterative flux-profile method allowing arbitrary observing heights. Environmental Software. Vol. 5. No. 3. P. 113–124. https://doi.org/10.1016/0266-9838(90)90021-W
  23. Mauritsen T., Bader J., Becker T. et al. (2019). Developments in the MPI–M Earth System Model version 1.2 (MPI-ESM1.2) and its response to increasing CO2. J. of Advances in Modeling Earth Systems. Vol. 11. Iss. 4. P. 998–1038. https://doi.org/10.1029/2018MS001400
  24. Peltier W.R., Argus D.F., Drummond R. (2015). Space geodesy constrains ice age terminal deglaciation: The global ICE-6G_C (VM5a) model. J. Geophys. Res.: Solid Earth. Vol. 120. Iss. 1. P. 450–487. https://doi.org/10.1002/2014JB011176
  25. PMIP4. https://pmip4.lsce.ipsl.fr/doku.php/exp_design: index (access date: 04.04.2024).
  26. Sidorenko D., Rackow T., Jung T. et al. (2015). Towards multi-resolution global climate modeling with ECHAM6–FESOM. Part I: model formulation and mean climate. Climate Dynamics. Vol. 44. P. 757–780. https://doi.org/10.1007/s00382-014-2290-6
  27. Ushakov K.V., Ibrayev R.A. (2018). Assessment of mean world ocean meridional heat transport characteristics by a high-resolution model. Russ. J. Earth Sci. Vol. 18. ES1004. https://doi.org/10.2205/2018ES000616
  28. Volodin E.M., Mortikov E.V., Kostrykin S.V. et al. (2018). Simulation of the modern climate using the INM–CM4.8 climate model. Russian J. of Numerical Analysis and Mathematical Modelling. Vol. 33. No. 6. P. 367–374. https://doi.org/10.1515/rnam-2018-0032
  29. Yanina T.A., Sorokin V., Bezrodnykh Yu. et al. (2018). Late Pleistocene climatic events reflected in the Caspian Sea geological history (based on drilling data). Quat. Int. Vol. 465. Part A. P. 130–141. https://doi.org/10.1016/j.quaint.2017.08.003
  30. Yanina T. (2020). Environmental variability of the Ponto-Caspian and Mediterranean basins during the last climatic macrocycle. Geography, Environment, Sustainability. Vol. 13. No. 4. P. 6–23. https://doi.org/10.24057/2071-9388-2020-120

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

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».