Геоинформационное моделирование температуры многолетнемёрзлых пород и оценка влияния климатических параметров на его результаты

В настоящее время сеть точек мониторинга состояния многолетнемёрзлых пород (ММП) недостаточно плотна для обеспечения детальной оценки состояния грунта, поэтому возникает потребность в разработке и применении методик геоинформационного моделирования характеристик сезонноталого слоя (СТС) и сезонномерзлого слоя (СМС), в частности, их среднегодовой температуры.
Существующие подходы к моделированию геокриологических характеристик можно разделить на две основные группы: 1) методы моделирования на основе приближённых формул и аналитических зависимостей по данным дистанционного зондирования Земли и натурным наблюдениям; 2) моделирование теплофизических свойств ММП, основанное на применении численных методов. В текущей работе была рассмотрена методика определения среднегодовой температуры пород и глубины сезонного оттаивания/промерзания, предложенная С.Н. Булдовичем (Булдович, 2016) и опирающаяся на аналитические зависимости.
Полный набор входных параметров выбранной модели включает три группы: 1) теплофизические свойства пород — теплопроводность пород СТС/СМС в талом и в мерзлом состоянии, объёмная теплоемкость пород СТС/СМС в талом и в мерзлом состоянии, теплопроводность и объёмная теплоемкость подстилающих пород, объемная теплота фазовых переходов воды; 2) параметры, характеризующие температурный режим дневной поверхности — сумма положительных градусочасов, сумма отрицательных градусочасов, длительность периода с положительными температурами, длительность периода с отрицательными температурами; 3) характеристики термического сопротивления напочвенных покровов — растительности в летний и зимний период, снега в зимний период. Имея численные значения всех перечисленных характеристик для некоторой точки местности, можно вычислить величину годового теплооборота, а из неё — среднегодовую температуру пород на подошве слоя сезонного промерзания (оттаивания) и глубину сезонного оттаивания (промерзания).
Геоинформационная реализация модели основана на алгебре карт и выполнена в виде кода на языке программирования Python с использованием библиотеки numpy. Моделирование было проведено для территории Западной и Средней Сибири за период 2000–2021 гг.
Характеристики теплофизических свойств пород рассчитаны по данным SoilGrids (www.isric.org), термическое сопротивление снежного покрова — по данным ERA5-Land (Muñoz-Sabater et al., 2021), растительного — по картам наземного покрова ESA CCI LC (https://esa-landcover-cci.org) и данным о водно-болотных угодьях Global Lakes and Wetlands Database (Lehner, Döll, 2004). При этом для температуры дневной поверхности было использовано 4 варианта входных данных, так как это один из основных параметров модели.
Первый источник данных о температуре — среднемесячная температура воздуха по данным климатической модели реанализа ERA5-Land (Muñoz-Sabater et al., 2021), хорошо характеризующая природные особенности формирования поля приземной температуры воздуха на высоте 2 м. Второй — температура дневной поверхности так же по данным ERA5-Land; в холодный период года такая температура значительно ниже температуры воздуха на всей территории моделирования, что важно учитывать при интерпретации результатов моделирования. Третий — температура воздуха по данным климатической модели WorldClim 2.1 (Fick, Hijmans, 2017), где данные представлены средними минимальными и максимальными месячными температурами, что не учитывает особенности суточного хода температур. Четвёртый — температура земной поверхности по данным спектрорадиометра MODIS со спутника Terra (продукт MOD11C3). Поскольку данные MODIS (Wan et al., 2021) содержат раздельно ночные и дневные измерения, для получения среднесуточных значений вычислялась средневзвешенная величина температуры дневной поверхности с учётом продолжительности светового дня. Кроме того, так как использование данных MODIS возможно только на основе безоблачных сцен, то это приводит к зимнему смещению температур, связанному с радиационным выхолаживанием поверхности при ясном небе и ошибочной идентификацией облачных пикселей как безоблачных в высоких широтах.
Полученные результаты моделирования по всем наборам входных данных демонстрируют зональное распределение температур, которое слегка искажается орографическим фактором в горах Юга Сибири и в районе плато Путорана.
Для количественной оценки результатов моделирования были вычислены разности температур, полученных в результате моделирования, и температур, измеренных в скважинах проекта GTN-P (GTN-P metadata, 2015), а также получено среднеквадратическое отклонение (СКО) разности. Для покрытия, где температура грунта была рассчитана по данным температуры поверхности ERA5-Land, разность со скважинами составила в среднем –4,5 °C (СКО = 2,0 °С). Для покрытия с температурой воздуха по ERA5-Land она достигла –4,0 °C (СКО = 1,7 °С). Для покрытия, рассчитанного по данным WorldClim, составила –4,3 °C (СКО = 2,1 °С), а для MODIS дошла до отметки –5,5 °C (СКО = 1,9 °С). Таким образом, во всех случаях мы наблюдаем значительное отклонение рассчитанных модельных значений от фактических, причём наименьшие отклонения (и по среднему, и по СКО) наблюдаются в покрытии, которое было получено по данным температуры воздуха из ERA5-Land.
Для оценки влияния ошибок во входных температурных данных на полученный результат был также применён метод Монте-Карло (1000 итераций) для наилучшего и наихудшего результатов моделирования, выявленных по вычисленным разностям температур. Оказалось, что СКО среднегодовой температуры грунта для данных MODIS составило 0,04–0,13 °C, что на порядок ниже среднего значения полученных разностей (–5,5 °C), тогда как СКО для данных ERA5-Land изменяется от 0,79 до 1,35 °C, что тоже почти вдвое меньше средней разности со скважинами. Это позволяет сделать вывод о том, что отклонение модельных температур грунта от фактических не может быть объяснено ошибками в этих источниках данных. Основной причиной систематического занижения расчётных температур грунта является влияние прочих факторов, заложенных в модель, например, высоты снежного покрова или характеристик грунта, исходно обладающих значительными ошибками.