Глобальная климатическая модель

Глобальная климатическая модель — это математическая модель, основанная на физических законах, описывающая поведение климатической системы Земли (атмосферы, океана, суши, криосферы и биосферы) и используемая для воспроизведения прошлого климата, прогнозирования его будущих изменений, а также для изучения механизмов климатических процессов. Глобальные климатические модели (ГКМ) являются наиболее сложным и всеобъемлющим инструментом в науке о климате, позволяя проводить численные эксперименты, которые невозможно осуществить в реальном мире.

История развития

Ранние этапы (1950-е — 1970-е годы)

Первые попытки численного моделирования атмосферы относятся к началу 1950-х годов, когда американский метеоролог Джон фон Нейман и его коллеги начали использовать компьютеры для прогноза погоды. В 1956 году Норман Филлипс создал первую упрощённую модель общей циркуляции атмосферы, которая, хотя и была крайне примитивной, продемонстрировала принципиальную возможность моделирования крупномасштабных атмосферных процессов. В 1960-х годах началось развитие моделей, включающих океан, что привело к появлению первых моделей общей циркуляции (AOGCM — Atmosphere-Ocean General Circulation Model). Ключевую роль в этот период сыграли работы Сюкуро Манабэ (США) и Кирка Брайана, которые в 1969 году представили первую модель, объединяющую атмосферу и океан.

Эра комплексных моделей (1980-е — 2000-е годы)

С ростом вычислительных мощностей модели становились всё более детальными. В 1980-х годах в модели начали включать процессы формирования облаков, переноса излучения и взаимодействия с сушей. В 1990-х годах, после осознания важности биогеохимических циклов, в ГКМ стали добавлять блоки углеродного цикла, что позволило моделировать обратную связь между климатом и концентрацией парниковых газов. В этот период были созданы такие известные модели, как HadCM3 (Великобритания) и CCSM (США). С 1990-х годов началось регулярное проведение межмодельных сравнений в рамках проекта CMIP (Coupled Model Intercomparison Project), который координирует работу десятков научных групп по всему миру.

Современный этап (2010-е — настоящее время)

Современные ГКМ, такие как MPI-ESM (Германия), CESM2 (США) и INM-CM (Россия), включают в себя десятки тысяч строк кода и учитывают сотни физических процессов. Они работают на суперкомпьютерах с тысячами процессоров. В последние годы активно развиваются модели с высоким разрешением (до 10–25 км для атмосферы), которые способны напрямую разрешать отдельные циклоны и мезомасштабные конвективные системы. Также всё большее внимание уделяется включению процессов, связанных с деятельностью человека (антропогенные выбросы, изменение землепользования).

Устройство и принципы работы

Основные уравнения

В основе любой ГКМ лежат фундаментальные уравнения физики:

• Уравнения Навье — Стокса — описывают движение воздуха и воды (законы сохранения импульса).
• Уравнение неразрывности — закон сохранения массы.
• Первое начало термодинамики — закон сохранения энергии.
• Уравнение состояния — связь между давлением, температурой и плотностью (для атмосферы — уравнение состояния идеального газа).

Эти уравнения решаются численно на трёхмерной сетке, покрывающей весь земной шар. Шаг сетки (разрешение) определяет, насколько мелкие детали рельефа и атмосферных процессов может воспроизвести модель.

Компоненты модели

ГКМ состоит из взаимосвязанных блоков, каждый из которых описывает одну из сфер Земли:

• Атмосферный блок — рассчитывает ветер, температуру, влажность, облачность, осадки, радиационный баланс.
• Океанический блок — моделирует течения, температуру, солёность, морской лёд.
• Блок суши — описывает процессы в почве (влажность, температура), сток рек, эвапотранспирацию растений.
• Криосферный блок — моделирует динамику ледников, снежного покрова, морского льда.
• Биогеохимический блок — рассчитывает потоки углерода, азота, серы между океаном, атмосферой и сушей (включая фотосинтез, дыхание, разложение органики).

Параметризация

Многие процессы, такие как образование облаков, турбулентность, микрофизика аэрозолей, происходят в масштабах, меньших, чем шаг сетки модели. Для их учёта используются параметризации — эмпирические или полуэмпирические формулы, которые связывают крупномасштабные переменные (например, среднюю влажность в ячейке) с эффектами мелкомасштабных процессов (например, количеством осадков). Параметризации являются одним из главных источников неопределённости в прогнозах.

Классификация

По сложности и целям

• Модели общей циркуляции (AOGCM) — полные, трёхмерные модели, включающие атмосферу и океан. Используются для долгосрочных климатических прогнозов (на столетия).
• Модели промежуточной сложности (EMIC) — упрощённые модели, которые жертвуют детализацией (например, используют двумерную атмосферу) ради возможности проводить тысячелетние эксперименты или изучать взаимодействие с углеродным циклом.
• Модели земной системы (ESM) — расширение AOGCM, включающее биогеохимические циклы (углерод, азот) и динамику растительности. Именно ESM используются для сценариев, описываемых в докладах МГЭИК.
• Региональные климатические модели (RCM) — модели с высоким разрешением, которые «вкладываются» в глобальную модель и покрывают ограниченную территорию (например, Европу или Россию). Позволяют детализировать прогнозы для конкретного региона.

По пространственному разрешению

• Низкое разрешение (100–200 км) — исторические модели, используемые для грубых оценок.
• Среднее разрешение (50–100 км) — типичное для моделей CMIP5 (2013 год).
• Высокое разрешение (10–25 км) — современные модели, способные разрешать отдельные циклоны.
• Очень высокое разрешение (< 10 км) — экспериментальные модели, требующие огромных вычислительных ресурсов.

Применение

Научные исследования

ГКМ используются для понимания механизмов климатических изменений. Например, с их помощью было показано, что наблюдаемое с середины XX века глобальное потепление не может быть объяснено только естественными факторами (солнечная активность, вулканы) и требует учёта антропогенных выбросов парниковых газов. Модели также позволяют изучать эффекты обратной связи (например, таяние морского льда, уменьшающее альбедо Земли и усиливающее потепление).

Прогнозирование климата

Основное практическое применение — прогнозирование климата на десятилетия и столетия вперёд. Для этого используются сценарии будущих выбросов парниковых газов (например, SSP — Shared Socioeconomic Pathways), разработанные в рамках МГЭИК. Результаты моделирования показывают, что при сохранении высоких выбросов (SSP5-8.5) к концу XXI века глобальная температура может повыситься на 4–5 °C, а при агрессивном сокращении выбросов (SSP1-1.9) — на 1,0–1,5 °C.

Оценка рисков и адаптация

Данные ГКМ используются для оценки региональных последствий изменения климата: повышения уровня моря, изменения частоты и интенсивности экстремальных погодных явлений (засух, наводнений, ураганов), таяния вечной мерзлоты. На основе этих данных разрабатываются национальные и региональные планы адаптации (например, в России — План адаптации к изменениям климата до 2025 года).

Ограничения и неопределённости

Неполнота знаний

Не все процессы в климатической системе полностью поняты. Например, до сих пор существуют значительные неопределённости в моделировании облаков, аэрозолей и динамики ледниковых щитов Гренландии и Антарктиды. Разные модели могут давать разные результаты для одного и того же сценария, особенно на региональном уровне.

Вычислительные ограничения

Даже на самых мощных суперкомпьютерах невозможно смоделировать каждый атом или каждую каплю воды. Приходится идти на компромисс между разрешением, длительностью эксперимента и количеством учтённых процессов. Высокое разрешение требует огромных затрат времени и энергии.

Чувствительность к начальным условиям

Климатическая система является хаотической, что означает, что небольшие ошибки в начальных данных могут со временем расти. Поэтому для получения достоверных результатов используются ансамбли — наборы расчётов с небольшими возмущениями начальных условий, а затем усреднение результатов.

Критика и альтернативные подходы

Критика

ГКМ подвергаются критике за:

• Недостаточную точность региональных прогнозов — модели хорошо работают на глобальном уровне, но плохо предсказывают локальные изменения (например, количество осадков в конкретном районе).
• Сложность верификации — невозможно провести полный эксперимент с реальным климатом, чтобы проверить модель.
• Зависимость от сценариев — прогнозы сильно зависят от предположений о будущих выбросах, которые сами по себе являются предметом социально-экономического моделирования.

Альтернативы

В некоторых случаях вместо полных ГКМ используются более простые модели (например, модели энергетического баланса), которые позволяют быстро оценить общие тенденции. Также существуют эмпирические модели, основанные на статистических связях между прошлыми климатическими данными, но они не способны предсказывать поведение системы в условиях, не имеющих аналогов в прошлом.

Интересные факты

• Первая глобальная климатическая модель, разработанная в СССР, была создана в Институте вычислительной математики РАН под руководством академика Г. И. Марчука в 1970-х годах.
• Современные модели, участвующие в проекте CMIP6, содержат до 1–2 миллионов строк кода.
• Для хранения результатов одного эксперимента с моделью высокого разрешения может потребоваться до 100 терабайт дискового пространства.
• В 2021 году Нобелевская премия по физике была присуждена Сюкуро Манабэ и Клаусу Хассельману за «физическое моделирование климата Земли, количественную оценку изменчивости и надёжное прогнозирование глобального потепления».

Источники

• IPCC (2021). Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change.
• Манабэ, С., Брайан, К. (1969). Climate and the Ocean Circulation. Monthly Weather Review.
• Марчук, Г. И. (1974). Численное решение задач динамики атмосферы и океана. Л.: Гидрометеоиздат.
• Randall, D. A. et al. (2007). Climate Models and Their Evaluation. In: Climate Change 2007: The Physical Science Basis.
• Проект CMIP (Coupled Model Intercomparison Project) — официальный сайт: https://pcmdi.llnl.gov/CMIP/