Модельные исследования климата

Задавались ли вы когда‑нибудь вопросом: «Для чего существует та или иная наука, какова ее “сверхзадача”? Химия? Физика? Математика? Проведи мы такой опрос, уверены, мнения бы разделились. С климатологией в этом плане дело обстоит намного проще. Основное ее предназначение – в ответе на вопрос о климате в будущем. Обычному человеку нет дела до того, что было с климатом двадцать (сто, тысяча…) лет назад, да и климат сегодняшний (ведь его уже не изменишь!) интересен лишь через призму его грядущих изменений. Тут и извечное человеческое любопытство («что там ждет впереди?») и вполне прагматичный расчет: на предполагаемые изменения есть время адекватно отреагировать («предупрежден, значит, вооружен»).

Под решение объявленной «сверхзадачи» выстроена структура современной климатологии (да простят нас коллеги – метеорологи, гидрологи и др., это нисколько не принижает значимость их труда). Всесторонние измерения дают нам представление о прошлом и настоящем климата Земли. Анализ их результатов позволяет определить и оценить причины климатических пертурбаций. А знать эти причины нужно именно для того, чтобы правильно предсказать, как под их «патронажем» изменится климат в будущем.

Известный швейцарский физик В. Паули (1900–1958) шутил, что когда он предстанет перед Богом, то спросит Всевышнего о двух вещах: об уравнении объединения всех физических полей и об описании атмосферных процессов и будто бы услышит в ответ: «Уравнение – пожалуйста, а вот в атмосферных процессах я и сам ничего не могу понять». Львиная доля этой шутки приходится на истину.

Скажем прямо: абсолютно точно учесть протекающие в атмосфере и океане взаимовлияющие друг на друга процессы во всем многообразии и даже просто их пересчитать вряд ли возможно. Однако впадать по этому поводу в пессимизм все же не стоит. Лишь сравнительно небольшое количество таких процессов решающим образом сказывается на глобальном климате Земли. Остальные же участвуют только в формировании климата регионального (например, падение содержания озона над Антарктидой каждой весной, разумеется, проявляется при формировании антарктического климата, но неощутимо для климата, скажем, Евразии). Таким образом, если мы сможем корректно учесть вышеупомянутые основные процессы (а их список более или менее хорошо известен), то получим качественно правильную общую картину формирования глобального климата. Но для того чтобы эта картина оказалась более подробной и достоверной, придется заметно расширить набор учитываемых процессов, тем самым многократно осложнив себе задачу. Решать подобные задачи стало возможным только с появлением мощной вычислительной техники, позволяющей создавать сложные комплексные климатические модели и проводить огромный объем модельных вычислений.

Однако между словом и делом здесь дистанция огромного размера. Практически каждый из нас, вооружившись справочниками и внимательно прочитав воспоминания бывалых альпинистов, может вполне квалифицированно рассказать, как надо покорять Эверест, но многие ли в состоянии подкрепить свой рассказ личным примером? В который раз уже приходится констатировать чрезвычайную сложность климатической системы.

Даже если самонадеянно предположить, что нам известны все без исключения климатообразующие механизмы и их количественный вклад в изменение климата, то итоговое его изменение не есть результат механического сложения всех упомянутых вкладов (согласно принципу Ле Шателье, итоговое изменение всегда меньше такой «механической» суммы, но вот насколько меньше?). «Собака зарыта» в огромном количестве положительных и отрицательных обратных связей, где‑то усиливающих, где‑то ослабляющих действие основных климатообразующих механизмов. Учесть все их хитросплетения значительно сложнее, чем, к примеру, успешно противостоять в лесу туче мошкары, вознамерившейся одновременно атаковать каждый квадратный сантиметр твоего тела. Для ревнителей абсолютно точных решений ситуация безысходная, но если удовлетвориться решениями приближенными, все складывается гораздо оптимистичнее. Для этого нужно «всего‑то» создать модель, правильно описывающую основные процессы и явления в их взаимодействии. Согласно словарю иностранных слов, «модель – схема, изображение или описание какого‑либо предмета, явления или процесса в природе и обществе, изучаемые как их аналог».

Существуют две разновидности климатических моделей – аналоговые (статистические) и детерминистские. Аналоговые модели используют архивы данных измерений климатических элементов (температура воздуха, воды и почвы, скорость и направление ветра, интенсивность осадков, тип и балл облачности и др.) в данной области в течение продолжительного времени. Это «черный ящик», в котором устанавливаются статистические связи между «входящими» изменениями климатоформирующих факторов (обычно в большом регионе) и «выходящими» климатическими элементами в какойто его части или в отдельной точке – на метеостанции. Например, установив скорость увеличения приземной температуры Западной Сибири в период 1976–2010 гг. (см. прямую на рис. 2) и предположив, что она и далее будет расти с той же скоростью, мы легко определим ее значение в г. Омске в 2030 или 2040 г. По своей сути аналоговые модели являются диагностическими, т. е. численно отражают существующее и зафиксированное измерениями положение дел, но они мало пригодны для прогнозирования и «работают» только при сохранении связей в климатической системе региона в рассматриваемый период времени.

Приведем «гастрономическую» аналогию. Положим, вам предстоит отсутствовать пять дней. Дома остается ваш достаточно взрослый ребенок, который обожает сосиски и в среднем за обедом съедает по три штуки. Спрогнозировав расход, вы оставляете в холодильнике 15 сосисок. Если размеренный уклад жизни вашего чада сохранится – всё в порядке. А если условия хозяйствования поменяются? И отсутствие родительского контроля повлечет за собой повышенную активность, а с ней – усиление среднестатистического аппетита до размера волчьего?

Значительно более распространены детерминистские модели. Построение такой модели начинается с определения системы уравнений, являющихся математическим описанием законов физики, действующих в климатической системе. Основные физические законы хорошо известны многим еще со школьной скамьи – это второй закон Ньютона, первое начало термодинамики, закон сохранения массы и др. Трудность состоит в том, что применительно к жидкостям, движущимся на сфере (а таковыми в допустимом приближении являются и атмосферный воздух, и вода в океане), математическая запись этих законов существенно усложняется. Появляется необходимость использования так называемых дифференциальных уравнений в частных производных, решить которые привычным способом – аналитически, написав ответ в виде формулы, – невозможно. Здесь приходит на помощь специальный раздел математики – вычислительная математика. Ее методы позволяют с определенной точностью приблизить – аппроксимировать – дифференциальные уравнения с помощью алгебраических уравнений, аналитическое решение которых затрудняется уже лишь их количеством, которое и определяет точность аппроксимации.

Существуют разные способы аппроксимации дифференциальных уравнений, описывающих движение атмосферы и океана. Проще всего представить себе такой: вся атмосфера и весь океан разбиваются на слои (обычно толщина этих слоев значительно убывает по мере приближения к поверхности раздела атмосферы и океана); затем параллели и меридианы рассекают эти слои на «кубики», которых тем больше, чем меньшее угловое расстояние задается между параллелями и меридианами. Количество «кубиков» или, как их называют, ячеек характеризует пространственное разрешение модели. Чем больше размеры ячейки и, следовательно, меньше их общее число, тем грубее модель описывает реальные процессы, так как внутри ячейки никакие изменения не учитываются. К примеру, если в один «кубик» поместить всю Московскую область, то окажется, что во всех ее концах одна и та же температура и одинаковый по силе и направлению ветер. Решив таким образом сформированную систему алгебраических уравнений, мы получим набор (для каждой ячейки свой!) взаимосогласованных значений искомых климатических величин. Совокупность этих наборов характеризует состояние климатической системы в конкретный момент времени. Для того чтобы узнать, как изменятся значения величин в каждом из наборов через некоторый заданный промежуток времени, нужно снова решить ту же систему алгебраических уравнений, но на сей раз ее коэффициенты будут сформированы, исходя из уже вычисленных нами значений климатических величин и с учетом продолжительности заданного промежутка времени. Выбранный нами промежуток времени называется шагом модели по времени.

К сожалению, в соответствии с методами вычислительной математики, выбор величины шага по времени, как правило, жестко связан с размерами наших «кубиков», поэтому уменьшая габариты модельной ячейки (увеличивая количество алгебраических уравнений в системе), мы часто обрекаем себя на измельчение шага по времени, а значит, на рост объема вычислений, так как нашу систему придется решать большее число раз.

Многократно повторяя эту процедуру, можно вычислить последовательность наборов климатических величин, описывающих эволюцию состояния климатической системы. Выбор сетки – набора узлов, в которых нужно определить значения неизвестных (климатических элементов), – всегда компромисс между желанием сократить расстояние между узлами (тем самым улучшив точность расчетов, но значительно увеличив объем вычислений) и возможностями компьютера. Быстродействие в данном случае является определяющим фактором: скажите, кому нужен даже очень точный прогноз на завтра, если получен он будет не ранее, чем послезавтра? Не вдаваясь в подробности, заметим, что в современных глобальных климатических моделях расстояния между узлами составляют 200–300 км по горизонтали и около одного километра по вертикали в атмосфере и 50–200 км и 200–400 м соответственно в океане.

Системы таких алгебраических уравнений огромны, поэтому решать эти уравнения «вручную» невозможно, зато именно такие уравнения подвластны компьютерам. Для этого необходимо лишь представить их на «понятном» компьютеру языке – в виде компьютерной программы. Все остальное определяется только мощностью и быстродействием компьютера.

Задачу компьютеру можно облегчить разными способами, начиная с упрощения исходной системы уравнений (например, исключая описания процессов, которые в рамках поставленной задачи не очень важны), оптимизируя вычислительные алгоритмы (допустим, уменьшая пространственное разрешение модели) и кончая совершенствованием компьютерной программы (учитывая особенности используемого компьютера – количество работающих одновременно процессоров, объем оперативной памяти и т. д.).

Очевидно, определение исходной системы уравнений – задача физика, разработка вычислительного алгоритма – ответственность математика, а создание компьютерной программы – искусство программиста. По этой причине для создания климатической модели, проведения исследований с ее помощью и, главное, анализа полученных модельных результатов одного человека недостаточно. Моделирование климата на современном уровне – задача, с которой способна справиться лишь группа специалистов в указанных областях. По мере развития климатической модели возникает потребность все в новых специалистах – химиках, биологах и др.

Детерминистские (физико‑биохимические) модели наиболее часто сегодня используются при изучении климата.

Их можно разделить на три основных класса (в порядке возрастания сложности): (1) простые климатические модели, в частности двумерные (учитывающие только изменения климатических величин с высотой и от полюса до полюса), одномерные (определяющие лишь изменения климатических параметров с высотой) или даже нульмерные (для одной точки пространства); (2) так называемые модели промежуточной сложности и, наконец, (3) сложные трехмерные модели совместной циркуляции атмосферы и океана, занимающие высшую ступень в иерархии климатических моделей.

В настоящее время наиболее мощным и одновременно перспективным инструментом оценки возможных в будущем изменений климата большинство специалистов считают глобальные объединенные модели общей циркуляции атмосферы и океана. Такие модели воспроизводят климатически значимые процессы и обратные связи между ними, благодаря чему позволяют оценивать будущие состояния климатической системы.

Простые модели могут быть использованы сами по себе (например, для оценки эффектов сокращения выбросов в атмосферу в соответствии с международными договоренностями), либо как часть так называемых моделей совокупной оценки, например для анализа стоимости подобных сокращений выбросов. Необходимые для работы простых моделей параметры подбираются или из данных измерений, или из результатов расчетов по более сложным моделям общей циркуляции атмосферы и океана, ледниковых моделей и т. п.

Модели промежуточной сложности не столько уступают моделям общей циркуляции атмосферы и океана в количестве описываемых процессов, сколько превосходят их в степени упрощенности этих описаний. Модели промежуточной сложности полезны в исследованиях отдельных физических процессов, их взаимодействий и обратных связей между ними, они также применяются в исследованиях палеоклимата (климата далеких прошлых эпох). Основным преимуществом моделей, находящихся на более низких ступенях иерархии, является их вычислительная эффективность, что позволяет проводить с простыми моделями и моделями промежуточной сложности многочисленные расчеты при различных дополнительных предположениях, а также осуществлять на их основе вычисления, охватывающие сравнительно долгие (от тысячи лет и более) сроки в истории климата Земли. Использование простых моделей и моделей промежуточной сложности в исследованиях возможных изменений климата в будущем носит вспомогательный характер.

Усовершенствование детерминистских моделей происходит традиционно – от простого к сложному. Напомним, что первые гидродинамические модели были сформулированы в СССР в 1930‑е гг. Н. Е. Кочиным и в 1940‑е гг. И. А. Кибелем, но для их полноценной реализации в ту пору не хватало вычислительных ресурсов. Об эволюции детерминистских моделей в последней четверти ХХ в. можно судить, обратившись к следующей таблице.

Таблица 5. Этапы развития климатических моделей

Стартовав с рассмотрения состояния одной лишь атмосферы, к концу ХХ в. модели уже включали в себя особенности земного рельефа, учитывали углеродный цикл и различные виды аэрозолей, состояние океана и морского льда. Сегодня во многие климатические модели включены и блоки атмосферной химии. При этом развитие моделей происходит не только вширь (за счет увеличения количества блоков), но и вглубь (совершенствуется качество ранее включенных блоков). Таким образом, современные модели уже в состоянии учесть многие сложнейшие процессы и явления, происходящие в климатической системе Земли. Нелишне добавить, что развитию моделей в значительной степени способствует регулярно проводимое сравнение полученных с их помощью результатов в рамках международных программ.

Возникает закономерный вопрос: если модели уже сегодня достаточно хороши и с каждым годом становятся все лучше, откуда берется недоверие к ним?

Пожалуй, самая банальная причина заключается в неудачных прогнозах погоды, о которых мы уже упоминали. «Подливают масла в огонь» и климатологи‑практики, занятые непосредственно мониторингом, обработкой и анализом данных наблюдений. Для них результаты измерений – единственно объективное отражение действительности, а построение моделей – забава «не знающих жизни» теоретиков.

Другим поводом к недоверию служат публичные ошибки. Так, к примеру, в феврале 2006 г. по инициативе Би‑би‑си каждый владелец персонального компьютера мог получить копию сложной модели, разработанной в Центре прогнозирования и исследования климата в Экстере, и с ее помощью самостоятельно рассчитать изменение климата Великобритании в период 1920–2080 гг. Откликнулись около 200 тыс. пользователей. Однако создатели программы забыли заложить часть необходимых для ее работы данных. А когда каких‑то значений, необходимых для расчетов, не хватает, компьютер восполняет дефицит числами, не имеющими никакого отношения к реальным величинам этого параметра. При этом формально модель продолжает работать, но результаты выдает, конечно же, неверные. В упомянутой ситуации потепление климата Британии «пошло» беспрецедентно высокими темпами, и модель, «добравшись» до 2013 г., не смогла продолжать вычисления и остановилась. Свидетелями этой ошибки оказались сразу 200 тыс. человек! Безусловно, от ошибок никто не застрахован, но когда они столь растиражированы, возникает сомнение в способности создателя уверенно управлять своим детищем.

Еще одна причина кроется в неспособности существующих моделей отражать некоторые реально происходящие в климатической системе процессы. Известно, например, что все попытки модельно воспроизвести антарктическую «озоновую дыру» сразу после ее обнаружения в середине 1980‑х гг. завершились неудачей. Экспресс‑анализ показал, что та неудача была обусловлена неучетом в моделях гетерогенных (протекающих на поверхности аэрозольных частиц) химических реакций, играющих определяющую роль в балансе стратосферного полярного озона в весенние месяцы. Поговорка гласит: «Падая и вставая, ты растешь». Так и модели совершенствуются по мере отыскания объяснений еще вчера необъяснимым фактам.

Не способствуют популярности моделей и расхождения модельных оценок (иногда оказывающихся даже противоположными) у разных авторов. В ходе вышеупомянутых международных сравнений в десятки созданных в разных странах моделей закладываются одни и те же входные параметры, после чего синхронно производятся заранее оговоренные расчеты (например, для определения, какие значения примут модельные неизвестные через 10 расчетных лет). В итоге построенные на одних и тех же физических законах модели дают неодинаковые результаты. Безусловно, это может быть следствием ошибки по недосмотру или из‑за пренебрежения каким‑либо природным явлением в конкретной модели. Но скорее всего корень зла заключается в различиях приближенных модельных описаний сложных («проблемных») или плохо изученных процессов.

Яркой иллюстрацией к сказанному служит «проблемная» облачность. Состояние облачности оказывает огромное влияние на климат, и потому ни одна климатическая модель не может обойтись без ее учета. В то же время формирование облачности происходит с участием химических, радиационных, динамических и многих других процессов, имеющих масштабы от микрофизического до глобального. Достаточно полно описать этот комплекс процессов со всеми их хитросплетениями не в силах ни одна современная модель. А потому создатели моделей вынуждены лишь приближенно описывать («параметризовать») результаты участия этих процессов в формировании облачности, связывая их с моделируемыми величинами. Разумеется, авторы заботятся о том, чтобы в результате работы их параметризаций полученная картина облачности максимально походила на наблюдаемую, но упомянутые упрощения неизбежно вносят в нее заметные искажения – у каждой модели свои. Увы, таких малоизученных или просто «слишком сложных» для современных моделей процессов пока еще достаточно много.

Наконец, нет уверенности в том, что связи и взаимодействия, положенные в основу модели при ее составлении, сохранятся в будущем. В основном это относится к аналоговым моделям, строящимся на данных продолжительных измерений в данном регионе. Известны случаи, когда аналоговые модели климата и прогноза его изменений даже использовали результаты исследований климата далекого прошлого для отыскания их сходства с современным состоянием и характеристиками отдельных частей климатической системы.

Такие прогнозы составлялись академиком М. И. Будыко с сотрудниками в 1960–70‑х гг. для изменений климата Северного полушария по аналогам состояний климатического оптимума плейстоцена (периода примерно 6 тыс. лет до н. э.) и микулинского межледниковья (125–130 тыс. лет до н. э.). Согласно палеореконструкциям, в первый из этих периодов средняя температура приземного воздуха в средних северных широтах была на 1,0–1,5 °C, а во второй – на 2,0–2,5 °C выше ее значения в середине ХХ в. Эти реконструкции, по мнению авторов, могли соответствовать климатическим условиям начала и середины ХХI века. В развитие этого подхода были осуществлены прогнозы изменений климатического режима средних и высоких северных широт в конце ХХ – начале ХХI в. Прогноз, сделанный с помощью палеоаналоговой и статистической моделей, предсказывавший максимальное потепление в нижней атмосфере околополюсных районов Европы и Западной Евразии зимой, не оправдался. Наблюдения последних десятилетий показали максимальное потепление на материках в средних широтах зимой (в России – западнее озера Байкал), но не около полюса. Причина такого расхождения результатов – использование в указанных моделях данных наблюдений за реальным зимним потеплением в средних широтах и на западе Евразийского сектора Арктики 1930–40‑х гг. Тогда, как и в палеоклимате 6 тыс. и 125 тыс. лет до н. э., измеренная концентрация углекислого газа в атмосфере не превосходила 300–310 ppm (300–310 молекул CO₂ на миллион молекул газов воздуха). Регулярные современные измерения концентрации CO₂ дают значительно большую величину – 370–390 ppm концентрации этого ныне основного парникового газа. Так заметное неучтенное различие даже одной, но важной климатической величины может привести к неудаче прогноза. И напротив, современные детерминистские модели, учитывающие этот рост CO₂, правильно предсказали наблюдаемые в средних широтах потепление над материками зимой и летнее уменьшение осадков.

Итак, можно заключить, что пока еще не все ладно в «модельном королевстве», современные климатические модели имеют серьезные недостатки. Но если модели все же создаются, «значит это кому‑нибудь нужно»?

Существование и развитие моделей неразрывно связаны с всесторонними наблюдениями за нашей климатической системой: данные измерений используются в качестве входных модельных параметров, они же служат мерилом качества работы моделей. Уникальность же моделей состоит в том, что они и только они (!) могут помочь: а) выявить и оценить основные механизмы формирования климата в условиях их комплексного постоянного взаимодействия; б) дать прогноз наиболее вероятных изменений климата в целом и отдельных его характеристик; в) проверить (не нанося какого‑либо вреда окружающей среде!), какими последствиями чреваты для климата те или иные крупномасштабные человеческие акции.

Резюмируем сказанное: климатический мониторинг ответственен за поставку достоверных фактов и призван давать ответы на вопросы «что?», «где?» и «когда?», а предназначение моделирования – в истолковании этих фактов с позиции современных знаний и в ответах на вопросы «как?» и «почему?».

Остановимся на нескольких фактах, которые модели могут занести себе в актив. В 1970–80‑е гг., когда основным объектом исследований была атмосфера (см. таблицу 5, с. 175), проводилось интенсивное модельное изучение формирования и поведения ее газовых составляющих. В то время основную часть общего объема поступающей информации составляли модельные результаты, поскольку возможности атмосферного мониторинга были крайне скудны. Как следствие, очень низкие, практически недоступные измерениям того времени концентрации атмосферных радикалов (гидроксила, атомарного кислорода и др.) определялись с помощью модельных расчетов, правильность которых подтвердилась дальнейшими измерениями. Тогда же именно модели предсказали наличие в атмосфере хлористого нитрозила ClONO₂, который лишь впоследствии был обнаружен в пробах воздуха.

Чуть позже, во второй половине 1980‑х гг., были развернуты исследования, посвященные возможным последствиям ядерной войны. Модельные оценки (до «натурных экспериментов», подтверждающих правоту моделей, к счастью, дело не дошло) показали, что в результате массового применения ядерного оружия в климатической системе установится режим «ядерной зимы», когда резкое увеличение концентрации аэрозоля (продуктов массовых пожаров) на продолжительный срок приведет к росту оптической толщины атмосферы, значительной трансформации в ней радиационных и динамических процессов и появлению в тропиках губительных для растительности низких температур.

Упомянутые примеры интересны только узкому кругу специалистов. Другое дело – предсказания климата будущего, они затрагивают каждого человека. Для обычного человека этот интерес ограничен, как правило, сугубо практическими вопросами: какую одежду взять с собой на курорт, стоит ли планировать лыжные каникулы под Петербургом ближайшей зимой или как уменьшить риск попадания в зону участившихся в последние годы природных катаклизмов. Но для моделиста сделанный им прогноз – это и очередной шаг в познании климата, и определенная ответственность, так как с учетом его прогноза зачастую принимаются важные хозяйственно‑экономические, а то и политические решения. «Позвольте! – вправе возразить читатель. – О какой ответственности может идти речь, если моделисты не в состоянии, как было сказано выше, получить идентичные результаты даже при проведении вычислений разными моделями с одинаковыми параметрами». Что ж, если результаты отдельно взятой модели не вызывают доверия, можно рассмотреть комплекс результатов, полученных с помощью всех моделей (а их в мире – несколько десятков), участвующих, например, в программе их сравнения. Поскольку все они созданы на одних принципах, но независимо друг от друга, то эти результаты могут представлять собой статистический ансамбль, и, проведя их обработку по всем правилам математической статистики, мы получим наиболее вероятное значение («математическое ожидание») климатического элемента, например температуры воздуха или количества осадков, а также границы его вероятных изменений («среднеквадратическое отклонение»).

Успешность такого подхода уже нашла свое подтверждение. Из‑за нелинейности климатической системы (этим термином кратко обозначают весь комплекс сложных взаимодействий между отдельными ее компонентами) модельные расчеты ее эволюции могут оказаться различными даже при малых возмущениях в начальных условиях (т. е. стартовых значениях модельных параметров). Поэтому в исследованиях реакции климатической системы на те или иные внешние воздействия (как в прошлом, так и в будущем) опять же важно использовать ансамблевый подход – повторять расчеты для одного и того же временного интервала при одном и том же внешнем воздействии, но стартуя от разных начальных условий.

В конце 1980‑х – начале 1990‑х гг. была создана Межправительственная группа экспертов по изменению климата (МГЭИК). В ее задачу, в частности, входит координация всесторонних усилий, направленных на изучение эволюции климата. В регулярно издаваемых отчетах МГЭИК приводятся модельные оценки вероятных изменений основных климатических элементов в обозримом будущем, полученные с использованием вышеописанного подхода. Упомянем, что при подготовке последнего, вышедшего в 2007 г. отчета, МГЭИК использовала около 20 моделей глобального климата Земли. В частности, в отчете указано, что в период 1990–2007 гг. зафиксировано увеличение среднеглобальной температуры воздуха на 0,2 °C и именно такая величина была предсказана модельными оценками.

«Ну, хорошо, один раз совпало, – усомнится читатель, – но изменения климата напрямую зависят от содержания в атмосфере парниковых газов – CO₂, метана и других. Понятно, их концентрации в моделях учитывают. Только кто может знать, сколько будет в атмосфере, скажем, того же метана через полвека – он же попадает туда и с газо– и нефтедобывающих установок, и из болот, и с рисовых полей, и даже от крупного рогатого скота… Как все это учтешь?» Действительно, эволюция содержания в атмосфере парниковых газов во многом определяет изменения климата, а то, какими будут их концентрации, зависит от интенсивности и методов хозяйствования ведущих мировых держав, а также от международных соглашений, регламентирующих выбросы таких газов в атмосферу. Неопределенность в этом вопросе очень велика, поэтому экспертами МГЭИК были разработаны несколько десятков сценариев эмиссии парниковых газов – от наиболее вероятных до весьма экзотических и в соответствии с каждым из них были сделаны модельные расчеты изменения климатических элементов вплоть до конца XXI в.

Относительно недавно было высказано опасение, что парниковое потепление поверхности океана со временем (через 100–200 лет, так как океан обладает много большей инерцией, чем атмосфера) способно изменить скорость водооборота в системе глубинных течений Мирового океана, и это может привести к отклонению течения Гольфстрим от Европы. Известно, что Гольфстрим «обогревает» Западную Европу, и, случись такое отклонение, оно может серьезно отразиться на европейском климате. Однако, как показали модельные расчеты, отклонение Гольфстрима от Европы не приведет тем не менее к климатической катастрофе, поскольку к тому времени уровень глобального парникового потепления перекроет ожидаемое похолодание Западной Европы от ухода Гольфстрима. Несомненно, случай проверить этот вывод представится еще очень нескоро, но констатируем: модели – единственный инструмент, позволяющий оценивать результат сложного многофакторного взаимодействия частей климатической системы.

Еще с советских времен известен такой анекдот. «Сладкая парочка» в составе Героя Гражданской войны В. И. Чапаева (руководитель) и его ординарца П. Исаева (ассистент) – оба в белых халатах – проводит научный эксперимент. Василий Иванович берет блоху и командует: «Блоха, прыгай!», после чего обращается к помощнику: «Петька, пиши – блоха прыгнула высоко». Снова берет блоху, отрывает ей одну лапу, повторяет команду и затем констатирует: «Петька, пиши – блоха прыгнула чуть‑чуть ниже». Далее процедура повторяется, но каждый раз блоха лишается еще одной лапы. Наконец, когда удалена последняя лапа, приказ «Блоха, прыгай!» остается невыполненным. И Василий Иванович, слегка подумав, заключает: «Петька, пиши – блоха оглохла!». «К чему это?» – спросит читатель. А вот к чему. Важнейшим аспектом при работе с моделями является искусство правильно истолковывать полученные модельные результаты.

Допустим, модель успешно отработала и выдала безошибочные результаты в виде набора чисел, количество которых вполне соизмеримо с многомегабайтным объемом спутникового мониторинга. Поэтому прежде чем предстать «пред светлы очи» моделиста, этот набор чисел преобразуется в карты, графики, диаграммы. Графическое представление результатов сопровождается стандартным «сглаживанием» исходного набора, причем зачастую алгоритм этого сглаживания разработчику модели детально неизвестен. Другими словами, процедура обработки данных может «пройтись катком» по важному модельному результату и уничтожить его. Отсюда имеющийся риск (правда, небольшой) «выплеснуть с водой и младенца». Но вот перед группой моделистов – десятки карт, отражающих результаты проведенного модельного эксперимента. Каждый – физик и химик, гидролог и радиационщик, оптик и биолог – анализируют свою «зону ответственности», после чего наиболее опытный и знающий специалист – координатор – делает обобщающие выводы. Качество этих выводов целиком зависит от квалификации всех членов группы и ее «сыгранности». Как правило, усложняет ситуацию временной фактор: результаты должны быть подготовлены к определенному сроку (к крупной конференции, к заранее оговоренному моменту публикации сравнения модельных результатов и т. д.), а устранить обнаруженные «шероховатости» нет возможности, так как время, необходимое на проведение дополнительного или повторного расчета, составляет несколько месяцев.

Повторимся, интерпретация модельных результатов – архиважный момент в исследованиях. Только специалист, хорошо знающий особенности модели, в состоянии корректно установить соответствие между полученными модельными значениями и данными мониторинга.

К примеру, казалось бы, естественно напрямую сравнить результаты, полученные в модельной ячейке, с наблюдениями в ближайшей географической точке. Однако так поступать нельзя, поскольку модельное решение соответствует среднему значению по всей модельной ячейке. Так, отношение массы сажи, выброшенной из заводской трубы, к объему воздуха в окрестности этой трубы (т. е. концентрация сажи в окрестности трубы) значительно выше отношения той же массы к объему модельной ячейки, охватывающей, скажем, уже упоминавшуюся Московскую область (средней концентрации по модельной ячейке).

Еще одной «головной болью» моделистов является неравномерность расположения метеостанций на поверхности Земли. «А какая‑тут связь?» – возможно, удивится читатель. Прямая: информация, поступающая с этих метеостанций, необходима для работы моделей, но модель «привязана» к узлам регулярной сетки, не совпадающим с местоположением станций. На практике это означает, что в окрестности одного модельного узла может не оказаться ни одной станции, в то время как около другого «роится» сразу несколько. Однако значения метеопараметров должны быть присвоены каждому узлу. В первом случае не понятно, откуда такие значения брать, а во втором – какому из них отдавать предпочтение (или по какому правилу учесть все из них). Во многом ситуацию спасает спутниковый мониторинг, но все же не полностью, поскольку он не охватывает измерениями абсолютно всю поверхность земного шара.

Для восполнения дефицита данных и получения взаимосогласованных полей метеорологических характеристик применяют разные методы, например интерполяцию на основе объективного анализа или ныне наиболее популярный ре‑анализ. Ре‑анализы представляют собой результаты модельных расчетов атмосферных полей, произведенные с учетом всего комплекса имеющихся данных наблюдений таких ключевых характеристик, как температура, влажность, атмосферное давление и др. Там, где такие данные отсутствуют, они восполняются соответствующими модельными результатами. После этого весь комплекс значений каждой из характеристик подвергается процедуре ассимиляции – созданию такого результирующего «гладкого» взаимосогласованного поля в заданных точках поверхности земного шара и атмосферы (в узлах модельной сетки), которое максимально приближено к значениям исходного комплекса. Достоверность ре‑анализов для разных атмосферных характеристик неодинакова, а для некоторых характеристик (например, для осадков или облачности) данные наблюдений плохо или совсем не ассимилируются, несмотря на их наличие. Вместо этого указанные характеристики рассчитываются – с погрешностями, присущими их модельным описаниям.

Однако «лучше один раз увидеть, чем сто раз услышать». Рис. 19 и 20 цв. вклейки иллюстрируют возможности современных климатических моделей. На них показаны попарно модельные и наблюдаемые распределения годовых сумм осадков (рис. 19) и температуры приземного воздуха (рис. 20) по поверхности земного шара. Модельные распределения – это средние величины, полученные в результате работы 19 моделей, а наблюдаемые – данные ре‑анализа за период 1980–1999 гг. Конечно, теория и практика расходятся, но, согласитесь, «картинки» во всех основных деталях получаются весьма похожими и вполне подошли бы для популярной игры «Найди десять отличий».

Обнаружение расхождений между модельным и наблюдаемым климатами чаще всего не позволяет сразу же внести исправления в модель. Высокая сложность взаимодействий в модельной климатической системе маскирует связь между причиной и следствием. Это вынуждает разработчиков проводить многочисленные, подчас дорогостоящие и не всегда успешные эксперименты для оценки того, насколько чувствительны полученные с помощью модели результаты к изменению ее параметров. Улучшение воспроизведения моделью некоего среднего состояния, отвечающего, например, современному климату, может быть достигнуто, в частности, путем так называемой «настройки», состоящей в подборе свободных (недостаточно известных или изменяющихся в широких пределах) параметров модели в целях наилучшего соответствия как можно большего числа характеристик модельного климата наблюдаемым значениям (нелишне заметить, что улучшение воспроизведения моделью одной характеристики может сопровождаться ухудшением другой).

«Настройка» моделей традиционно является объектом критики со стороны исследователей, скептически относящихся к физико‑математическому моделированию как методу исследования и предсказания климата. Однако повторимся, в контексте исследований будущих изменений климата удовлетворительное воспроизведение его современного среднего состояния не является самоцелью. Дело в том, что даже при использовании одного и того же сценария внешнего воздействия современные модели демонстрируют значительный разброс в оценках возможных изменений климата в будущем. А контролировать чувствительность модели к внешним воздействиям – задача куда более сложная, нежели воспроизведение современного состояния климатической системы.

Если же помимо современного климата модель позволяет воспроизводить различные состояния климатической системы, наблюдавшиеся в далеком прошлом (когда внешние воздействия сильно отличались от современных), а также известную эволюцию климатической системы (например, в течение ХХ и предыдущих веков), можно надеяться, что полученные с помощью этой модели оценки изменений климата при тех или иных ожидаемых в будущем сценариях внешнего воздействия заслуживают доверия.

Сегодня не существует модели, лучше прочих описывающей, например, современный климат. Обычно каждая модель хорошо воспроизводит лишь часть искомых климатических величин, в то время как остальные воспроизводятся значительно хуже. Сравнительный анализ показывает, что наиболее высокую успешность, как правило, демонстрирует «средняя» (по ансамблю) модель. Это связано с тем, что систематические ошибки разных моделей (а они присущи каждой) не зависят друг от друга и при осреднении по ансамблю могут взаимно компенсироваться. Например, если две модели регулярно «завышают» температуру воздуха на 0,3 °C и 0,4 °C, а две другие ее «занижают» на 0,25 °C и 0,3 °C соответственно, то средняя ошибка (0,3 + 0,4–0,25 – 0,3 = 0,15 °C) окажется меньше, чем у любой из четырех моделей.

Разумеется, при всем огромном и далеко не исчерпанном потенциале моделей, их возможности не безграничны.

На многие вопросы, связанные с предсказуемостью климатической системы, еще предстоит получить ответы. Кроме того, мы вряд ли когда‑нибудь будем уверены в том, что модели включают надлежащее описание всех климатически значимых процессов. Не исключено, что сегодня мы недооцениваем роль каких‑либо факторов в будущих изменениях климата, и, возможно, на этом пути нас еще ждут сюрпризы.

Тем не менее не подлежит сомнению то, что современные модели отвечают наивысшему уровню знаний, накопленных человечеством за время исследований климатической системы.

Когда‑то Уинстон Черчилль говорил, что демократия несовершенна, но ничего лучше человечество пока не придумало. Аналогичное утверждение справедливо и в приложении к климатическим моделям: они несовершенны, но им нет альтернативы в оценках возможных изменений климата в будущем.