WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 | 4 |

Статистические модели требуют обширного экспериментального материала, но при этом недостаточно гибки и универсальны. Они могут успешно применяться для решения определенных прикладных задач в условиях, достаточно близких к тем, для которых были получены. Хотя имеется опыт применения подобного подхода к температурному режиму лесных почв [Bocock et al. 1977; Paul et al, 2004], довольно сложно найти достаточное количество экспериментальных данных для построения более-менее универсальной модели, основанной на подобном принципе. Более универсальным мог бы оказаться подход, основанный на численном решении уравнения теплопроводности. При этом открываются богатые возможности исследования поведения системы в широком диапазоне условий. Однако существует опасность "перегрузить" модель слишком большим количеством параметров, которые достаточно редко определяются экспериментально для лесных почв и в особенности – лесных подстилок.

Модели водного режима более многочисленны, чем модели теплового режима или сопряженные модели тепло- и влагообмена. Собственно статистический подход применяется редко, наиболее широко распространены как простые воднобалансовые модели (в англоязычной литературе часто называемые «bucket models»), так и собственно динамические модели, основанные на решении уравнения влагопереноса, а также ряд промежуточных вариантов: многослойные воднобалансовые и «квазидинамические» (semidynamic) [de Jong, Bootsma, 1996; Tiktak, van Grinsven, 1995]. Динамические модели, как и в предыдущем случае, наиболее универсальны, но требуют знания большого количества трудноопределяемых параметров.

В качестве примеров рассмотрены «климатические» компоненты наиболее известных моделей динамики органического вещества почвы, при этом показано, что поставленная задача может решаться на разном уровне сложности, от использования весьма детализированной динамической модели водно-теплового режима (система моделей CoupModel [Jansson, Karlberg, 2002]) до полного отсутствия почвенно-гидротермического блока, и использования регрессионных зависимостей скоростей почвеннобиогеохимических процессов непосредственно от «внешних» климатических переменных (модель Yasso [Liski et al., 2005]).

Кратко рассмотрена система моделей биологического круговорота углерода и азота в лесных экосистемах EFIMOD, проанализированы методы определения параметров и определена чувствительность блоков продуктивности и разложения органического вещества почвы к изменениям начальных данных и параметров. Описаны методы оценки зависимостей параметров от климатических данных. Учитывая уровень описания основных процессов в системе EFIMOD и существующие экспериментальные данные по гидротермическому режиму почвы, для сравнительного анализа роли климатических изменений и других внешних воздйствий было решено остановиться на сочетании простой статистической модели температурного режима почвы и простой воднобалансовой модели для оценки влажности почвы.

Вторая глава посвящена формированию «входных» рядов климатических данных (в базовом варианте – температуры воздуха и осадков). При этом могут использоваться как ряды фактических наблюдений (данные близлежащих метеорологических станций), так и ряды, сгенерированные c помощью модели, основанной на ряде предположений, вытекающих из анализа климатологической литературы [Жуковский и др., 1976; Кобышева, Наровлянский, 1978; Исаев, 1988, 2002; Бельченко, 1989; Швер, 1976, 1984;

Климат..., 2001; Heino, 1994; и др.]. Месячные суммы осадков rm представляются независимой случайной величиной с логнормальным распределением:

rm = exp(µm + n1) (1) m µm = ln rm = (ln rm ) где m – номер месяца, – параметры логнормального и m распределения, которые могут быть выражены через традиционно используемые климатологами характеристики: многолетнюю среднюю rm и коэффициент вариации Cv(rm ) :

2 µ = ln(rm 1 + Cv (rm )) = ln(1 + Cv (rm )) m m n1- нормально распределенная случайная величина N(0,1).

При моделировании температуры воздуха учитывается автокорреляция с месячным сдвигом, а также взаимная корреляция температуры воздуха и осадков (в качестве "нормализованной" характеристики осадков используется логарифм их месячной суммы). Таким образом, средняя месячная температура воздуха m-го месяца Ta,m моделируется периодически коррелированным случайным процессом вида:

Ta,m = Ta,m + Baa,m (Ta,m-1 -Ta,m-1)+ Bar,m (lnrm - lnrm)+ n2 STa,m (2) где: Ta,m-1 - температура предыдущего месяца, rm - сумма осадков текущего месяца, Ta,m, Ta,m-1 и ln rm - средние значения соответствующих величин, n2 - нормально распределенная случайная величина N(0,1);

(Ta,m ) (Ta,m,Ta,m-1) - (Ta,m,ln rm ) (ln rm,Ta,m-1) Baa,m = (Ta,m-1) 1- (ln rm,Ta,m-1) (Ta,m ) (Ta,m,ln rm ) - (Ta,m,Ta,m-1) (ln rm,Ta,m-1) Bar,m = (ln rm ) 1- (ln rm,Ta,m-1) – соответствующие коэффициенты регрессии, 2 2 1- (Ta,m,ln rm ) - (Ta,m,Ta,m-1) - (lnrm,Ta,m-1) + 2 (Ta,m,lnrm ) (Ta,m,Ta,m-1) (lnrm,Ta,m-1) STa,m =(Ta,m ) 1- (lnrm,Ta,m-1) остаточное отклонение; (Ta,m,Ta,m-1) – коэффициент корреляции температур mго и (m-1)-го месяцев (значение автокорреляционной функции со сдвигом 1), (Ta,m,ln rm ) и (ln rm,Ta,m-1) – коэффициенты корреляции логарифма месячной суммы осадков m-го месяца со средними температурами m-го и (m-1)-го месяцев (значения взаимной корреляционной функции со сдвигом 0 и 1).

Требуемые статистические данные частично могут быть найдены в литературе (многолетние средние месячные температуры и их стандартные отклонения, месячные суммы осадков и их коэффициенты вариации достаточно подробно представлены в климатологических справочниках); а частично (или полностью) – рассчитаны по данным ближайших станций с опубликованными длинными рядами (взаимно- и автокорреляционные функции, которые в региональном масштабе можно считать относительно однородными в пространстве).

В качестве модельных климатических сценариев, учитывающих ожидаемые изменения климата в XXI веке, могут использоваться как сгенерированные, так и «экстраполированные» ряды аномалий температуры и осадков, в сочетании с трендами, прогнозируемыми на основании моделирования «будущего» климата с иcпользованием моделей общей циркуляции атмосферы и модельных сценариев роста содержания СО2 в атмосфере [IPCC, 2000, 2003; Mitchell et al., 2004].

В Главе 3 описана субмодель температурного режима почвы. Прежде всего, следует определить, что мы понимаем под температурой почвы (учитывая, что данная величина существенно зависит от глубины) и температурой лесной подстилки. На данном этапе модель строится на следующих допущениях:

- тепловое состояние корнеобитаемого слоя минеральной почвы может быть охарактеризовано ее температурой на глубине 20 см [Димо, 1972];

- температура подстилки считается равной температуре воздуха в теплое время года (Ta >0), и температуре почвы на глубине 20 см – в холодное.

Температура почвы на заданной глубине, подобно температуре воздуха, может генерироваться на основе нормального распределения. При этом, представляется целесообразным учесть как автокорреляцию температуры почвы так и ее связь с температурой воздуха (их относительная роль заметно изменяется в годовом ходе). Соответствующая модель принимает вид:

Ts,m = Ts,m + Bss,m (Ts,m-1 - Ts,m-1)+ Bsa,m (Ta,m - Ta,m)+ n3 STs,m (3) где Ts,m и Ts,m-1 – температура почвы за текущий и предыдущий месяцы, Ta,m – температура воздуха (текущая), Ts,m, Ts,m-1 и Ta,m – соответствующие многолетние средние, Bss,m и Bsa,m – коэффициенты регрессии, STs.m – остаточное отклонение (определяются подобно параметрам предыдущей субмодели).

Поскольку мы не располагаем достаточными данными для оценки параметров данной модели непосредственно для температуры почвы в лесу, то сперва с ее помощью моделируется температура почвы под «естественной поверхностью» (косимой травой) на метеорологической площадке (для чего параметры модели оцениваются по данным близлежащих метеорологических станций). А затем, с учетом разностей температур «лес – метеорологическая площадка», -полученных для разных типов леса -из анализа литературных данных Ель -Сосна [Молчанов, 1961; Елагин, Изотов, Береза -Дуб 1968; Павлов, 1975; Казимиров и -0 1 2 3 4 5 6 7 8 9 10 11 др., 1978; Воронков и др., 1979;

Месяц Галенко, 1983; Еруков, Власкова, Рисунок 1. Годовой ход разностей температур почвы (на глубине 0.2 м) под пологом леса и под 1986 и др.], оценивается косимой травой (на метеорологической станции) температура почвы в лесу.

в зависимости от доминанты древостоя Температура почвы измеряется на более редкой сети станций, чем «основные» метеорологические элементы, а для ряда интересовавших нас стран Европы сведений по температуре почвы найти вообще не удалось. Поэтому нами, на основе многолетних данных Справочника по климату СССР [19641968], с использованием идей В.Н. Димо [1967, 1982] и В.Р. Волобуева [1983], были получены регрессионные зависимости средней температуры почвы на глубине 20 см от температуры воздуха. Это позволяет оценить многолетние нормы средней месячной температуры почвы для каждого месяца в случае отсутствия фактических данных:

a0 + a1ta при ta ts = a + a2ta при ta < 0. (4) Значения коэффициентов a0, a1 и a2 приведены в таблице 1.

Разность температур, С Таблица 1.

Значения коэффициентов в уравнении регрессии (4) Месяц a0±s.e. a1±s.e a2±s.e R2 SEE I 2.53 ± 0.17 0.57 ± 0.13 0.45 ± 0.01 0.753 2.II 2.55 ± 0.17 0.69 ± 0.09 0.51 ± 0.01 0.791 2.III 1.66 ± 0.12 0.86 ± 0.03 0.59 ± 0.01 0.894 1.IV -0.69 ± 0.08 1.10 ± 0.01 0.69 ± 0.02 0.951 1.V -2.95 ± 0.18 1.21 ± 0.01 – 0.925 1.VI -4.26 ± 0.34 1.26 ± 0.02 – 0.861 2.VII -4.34 ± 0.38 1.25 ± 0.02 – 0.868 1.VIII -2.25 ± 0.26 1.20 ± 0.01 – 0.919 1.IX 0.41 ± 0.13 1.14 ± 0.01 – 0.951 1.X 2.80 ± 0.07 0.97 ± 0.01 0.43 ± 0.02 0.958 1.XI 2.77 ± 0.08 0.90 ± 0.02 0.41 ± 0.01 0.914 1.XII 2.26 ± 0.13 0.76 ± 0.06 0.40 ± 0.01 0.802 2.Примечание: s.e. – стандартная ошибка соответствующего коэффициента, R2 – коэффициент детерминации, SEE – ошибка уравнения регрессии.

Полученные уравнения позволяют оценить среднюю температуру почвы с погрешностью 1-2°C. Несколько большая погрешность в зимние месяцы, очевидно, обусловлена неучтенным влиянием снежного покрова.

Соответствующие зависимости с учетом снежного покрова также построены и могут быть использованы при наличии сведений о последнем.

В Главе 4 описана субмодель влажности почвы. Построение для влажности почвы статистической модели, аналогичной описанной в предыдущей главе, в принципе возможно, но мы не располагаем для этого достаточным количеством данных. Поэтому, мы использовали простую воднобалансовую модель. За основу такой модели принят широко известный комплексный метод расчета испарения [Будыко, 1956, 1971; Зубенок, 1976], основанный на сопряженном расчете составляющих водного баланса и их зависимости от влажности почвы. При этом суммарная испаряемость оценивалась упрощенным способом по температуре воздуха, поскольку ее определение в соответствии с комплексным методом требует дополнительных входных данных.

Такая модель удовлетворительно описывает режим влажности в зональных биогеоценозах, в т.ч. лесах (по крайней мере, зрелых древостоях зональных типов), однако, для более адекватного описания ряда особенностей водного режима лесных почв и влияния изменений возраста и состава растительности, потребовался ряд модификаций модели, в частности:

- Оценка влажности лесной подстилки. Поскольку, при месячном шаге модели послойный расчет водного баланса не имеет смысла, запас влаги в «активном» слое представлялся в виде суммы запасов влаги в подстилке и соответствующем слое минеральной почвы, а соотношение влажностей этих слоев задавалось коэффициентом, определявшимся из опубликованных экспериментальных данных [Верхоланцева, 1972, 1977, и др.] и, в общем случае, зависящим от типа леса или типа условий местопроизрастания.

- Детализация учета структуры эвапотранспирации. Суммарное испарение (эвапотранспирация) лесной экосистемы может быть представлено в виде суммы трех компонент: испарения осадков, задержанных (перехваченных) кронами деревьев EP ; транспирации древесного яруса ET и эвапотранспирации напочвенного покрова EG (без разделения последней на собственно транспирацию живого напочвенного покрова и физическое испарение):

E = EP + ET + EG, причем, очевидно, EP, ET и EG являются функциями как метеорологических условий, так и характеристик растительности. Для параметризации этих зависимостей использованы эмпирические обобщения [Федоров, 1977;

Крестовский, 1986; Книзе, Крестовский, 1993; Бондарик, Карпечко, 1999; и др.] основанные на экспериментальном материале для лесов Европейской России.

Для оценки параметров субмодели влажности почвы (объемной плотности, влажности устойчивого завядания, наименьшей полевой и полной влагоемкости, а также отношения влажностей подстилки и нижележащего минерального горизонта) были собраны и проанализированы литературные данные о водно-физических свойствах лесных почв [Абражко и др., 1973;

Алифанов, Лошакова, 1981; Васильев, 1950, 1959; Верхоланцева, 1972, 1972а, 1977; Верхоланцева, Бобкова, 1972; Воронина, 1975; Газизуллин, Хасаншин, 1980; Еруков, Власкова; 1986; Забоева, 1975; Кашанский, 1974; Кононенко, 1986; Подзолистые почвы..., 1977, 1979, 1980, 1981; Почвы зоны переброски..., 1983; Руднева, 1973, 1983; Структура..., 1973; Структурно-функциональная..., 2001 и др.]. В настоящее время входные параметры модели задаются на основе подбора аналогов (по типу леса, типу и гранулометрическому составу почвы). Представляется перспективной параметризация, основанная на их зависимости от гранулометрического состава почвы и содержания органического вещества [Полуэктов, Терлеев, 2005; Rawls et al., 2003; Wsten et al., 2001].

Глава 5 посвящена верификации модели.

Очевидно, статистические модели, подобные использованной нами для генерирования рядов осадков, температуры воздуха и почвы, при использовании адекватных параметров (в частности, рассчитанных по материалам фактических наблюдений в искомой точке), “по определению” воспроизводят ряды с заданными статистическими свойствами (естественно, при условии, что лежащие в основе модели предположения о статистических свойствах рядов соответствуют действительности). Соответственно, само по себе совпадение статистических характеристик фактических и моделируемых рядов является достаточно тривиальным результатом.

В таких случаях верификация модели может сводиться к:

- исследованию “географической” и “почвенно-микроклиматической” изменчивости параметров или определению пределов применимости их конкретного набора;

Pages:     | 1 || 3 | 4 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»