ЭНЕРГИЯ
ПРИРОДА
И КЛИМАТ

Никогда не постигнуть силы и величия
природы, если дух будет схватывать
только ее части, а не целое.
Плинии
ВВЕДЕНИЕ
Климат планеты стремительно изменяется. Из пятнадцати
последних лет (1981-1995 гг.) девять оказались самыми теплыми за
всю историю метеорологических наблюдений (начиная с середины
XVII в.), а 1995 г. — на 0,75°С теплее климатической нормы конца
прошлого века. В чем причина столь значительной климатической
аномалии? Происходит ли она под действием естественных причин
или является следствием антропогенной деятельности? Эта
проблема — одна из крупнейших научных загадок столетия, над
решением которой работают многие тысячи исследователей разных
специальностей в десятках стран мира.
Если верны наши представления, то в результате сложения
итогов хозяйственной деятельности человека с действиями мощных
естественных факторов в ближайшие 60-70 лет средняя
температура планеты повысится еще на 1 градус. Для России, большая часть
территории которой находится в области умеренного и холодного
климата, предстоящее потепление будет значительно более
заметным, чем в целом по земному шару. Произойдет кардинальное
перераспределение количества выпадающих осадков, увеличится
частота и интенсивность различных климатических аномалий,
связанных с глобальной перестройкой циркуляции атмосферы.
Хотя влияние изменения климата на экосистему и здоровье
человека не так определенно, как, скажем, воздействие кислотных

дождей или загрязнение воздуха в помещениях, потенциальный
ущерб, который эта тенденция может нанести, ставит ее на первое
место по мнению большинства экологов. Компенсация прямого
экономического ущерба от обусловленного изменением климата
подъема уровня мирового океана и затопления прибрежных
территорий, а также географического смещения зон
сельскохозяйственного производства потребует уже в первой половине следующего
столетия столь ощутимой доли мирового валового продукта, что
это заметно скажется на уровне жизни населения. Проблемы,
волновавшие до сих пор лишь специалистов, затронули все общество.
С самого начала интенсивных исследований в этом
направлении (70-80-е годы) точка зрения на масштаб предстоящих
изменений климата формировалась как антропоцентрическая, в
которой центральное место отводилось антропогенным факторам. В
широком общественном сознании укрепилась следующая схема
взаимодействия энергетики и климата:
образующийся при сжигании органического топлива
углекислый газ, накапливается в атмосфере и задерживает часть
отраженного поверхностью Земли солнечного излучения, что приводит
к возрастанию температуры (так называемый парниковый эффект).
Эта точка зрения, по сути игнорирующая существование
целого ряда иных, кроме концентраций парниковых газов, факторов,
и сейчас является доминирующей. Соответствующие ей прогнозы
повышения среднеглобальной температуры к концу следующего
века приводит к угрожающим результатам. Так, по расчетам,
выполненным в 1990 г., наиболее авторитетной в мире организацией
действующей при широкой поддержке ООН — Международной
комиссией по климатическим изменениям (IPCC) , в состав которой
входят более 300 видных специалистов из многих стран мира, —

при сохранении действующих тенденций в потреблении
органического топлива температура к 2100 г. может повыситься на 6,3°С по
сравнению с 1850 г. Столь существенный рост температуры (если
он действительно произойдет) вызывает обоснованную тревогу за
устойчивость климатической системы и зависящей от нее системы
мирового хозяйства.
Однако уже сейчас, всего шесть лет спустя после
опубликования первого отчета IPCC стало ясно, что его наиболее
драматические выводы явились в лучшем случае грубейшей ошибкой, а в
худшем случае — сознательной фальсификацией, что уже дало
повод некоторым острословам назвать IPCC "туристическим
агентством для людей, зарабатывающих свои деньги на поддержании
страха перед глобальным потеплением". Тем не менее, слово было
сказано и теперь считается установленным, что для эффективной
защиты климата необходимо ограничить верхний предел
температурной аномалии 2°С (от нормы конца прошлого века) и скорость
повышения температуры О, ГС за 10 лет.
Мировое сообщество спешно готовится к принятию
глобальных мер по защите климата, понимая под этим необходимость
сокращения выбросов углерода, что может быть достигнуто только
за счет сокращения потребления ископаемого топлива. В марте
1994 г. вступила в действие Рамочная Конвенция ООН об
изменении климата, предлагающая присоединившимся к ней странам
ограничить эмиссию углекислого газа на уровне 1990 г. В марте-
апреле 1995 г. 116 странами-участницами Конвенции и
Европейским союзом был принят Берлинский мандат, призывающий уже к
сокращению эмиссии парниковых газов после 2000 г.
Реализация программы реконструкции энергетики с целью
сокращения эмиссии углекислого газа требует гигантских матери-

альных затрат и может привести к тяжелым последствиям для
экономики ряда стран. В то же время научная обоснованность
указанных мероприятий явно недостаточна. Дело в том, что как всякое
сложное геофизическое явление, изменение климата обусловлено
целым рядом причин, из которых антропогенная деятельность
является всего лишь одним, хотя и очень важным фактором. Вектор
же эволюции естественного климата совершенно определенно
указывает в сторону похолодания. Будущие изменения климата будут
представлять собой сложную суперпозицию антропогенных и
естественных факторов, уровень понимания которых оставляет все еще
слишком широкое поле для неопределенностей. Наступает момент,
когда необходимо еще раз взвесить все существенные для проблемы
глобального климата факторы. Это и является целью настоящего
исследования.
Следует особо подчеркнуть, что развиваемый нами подход
принципиально отличается от общепринятого. Дело в том, что
практически безальтернативным инструментом, используемым
ныне для прогнозирования долговременных изменений климата,
являются модели общей циркуляции (МОЦ), основанные на решении
сопряженной системы дифференциальных уравнений сохранения
массы, энергии и количества движения для атмосферы и океана. Их
общий недостаток —грубая схематизация реальных процессов,
недостаток огромного числа замыкающих уравнений, проблема
"холодного старта", необычайно высокие требования к машинным
средствам реализации и др. Несмотря на все усилия, до сих пор не
удалось создать МОЦ, способную в необходимых деталях
воспроизводить климат настоящего и хотя бы ближайшего прошлого.
Разработанная же нами на основе объединения нестационарной
энергобалансовой и статистической моделей система прогнозиро-

вания климатических изменений верифицирована данными по
истории климата последних трех тысячелетий и показала прекрасное
совпадение прогноза среднеглобальной температуры в 1992—
1995 гг. с реальными данными.
Данное издание посвящено анализу различных аспектов
антропогенного влияния на климат, а также изучению основных
естественных климатообразующих факторов (солнечная активность,
вулканическая активность, параметры гелиоцентрической орбиты
и др.) и степени их влияния на будущие и прошлые изменения
климата. Делается обзор истории и перспектив развития глобальной
энергетики (гл. 2) и связанных с этим развитием изменений
концентрации тропосферного сульфатного аэрозоля (гл. 3) и
изменений радиационного форсинга (гл. 6). В главе 4 представлена
усовершенствованная модель углеродного цикла, применяемая для
анализа и предсказания атмосферной концентрации углекислого
газа и учитывающая последствия антропогенной деятельности.
Глава 5 и главы 7-10 посвящены истории и прогнозам
естественных климатообразующих факторов: концентрации малых
парниковых составляющих атмосферы, солнечной и вулканической
активности, явлению Эль-Ниньо — Южное колебание (ENSO) и
орбитальным факторам. Рассматриваются основные инструменты, с
помощью которых анализируется связь климатических изменений
и климатообразующих факторов — глобальная энергобалансовая
модель (гл.11) и регрессионно-аналитическая модель климата
(гл. 12).

1. ФИЛОСОФСКИЕ АСПЕКТЫ ПРОБЛЕМЫ
В последнее десятилетие стало очевидным, что человек в
результате хозяйственной деятельности способен оказать сильное
влияние на климат уже в ближайшие 20-30 лет. Ожидаемое
изменение климата может стать беспрецедентным по своим масштабам и
скорости за всю историю человеческой цивилизации. Даже
поверхностное сравнение хронологии событий климатической истории и
истории цивилизации [I] обнаруживает существенное влияние
климата на все без исключения важнейшие аспекты человеческой
деятельности. Не подлежит сомнению, что и предстоящее изменение
климата существенным образом отразится на состоянии экосистем,
производстве сельскохозяйственных продуктов, уровне мирового
океана, состоянии береговой линии на всем её протяжении и
многом другом. Наиболее трагические оценки размеров материального
ущерба превышают 1 триллион долларов или 10% мирового
валового продукта к середине следующего столетия [2], не говоря уже о
колоссальных людских потерях, оцениваемых примерно в 100 млн
человек. !
Конечно необходимо критически относиться к этим цифрам,
но во всяком случае они показывают порядок ответственности в
случае принятия поверхностных решений и объясняют, почему
проблема предстоящего изменения климата безусловно является
центральной во всем комплексе взаимоотношений человека и
окружающего его мира. Роль энергетики, которая понимается здесь
в расширительном смысле как потребление всех видов энергии, в
предстоящих изменениях климата необычайно велика, поскольку
потребление энергии человечеством прямо или косвенно определяет

сильное изменение газового состава атмосферы и, таким образом,
формирует мощный возмущающий фактор, приводящий к
нарушению теплового баланса планеты.
Следует четко осознавать, что антропогенные изменения
климата и перераспределение содержания озона в атмосфере тесно
связаны с другими мировыми проблемами, такими как рост
народонаселения, голод, истощение природных ресурсов, неравенство
между развитыми и развивающимися странами, политическое
насилие в отношениях между государствами, распространение
опасных радиоактивных и химических материалов, отравление воздуха,
воды и почвы, эрозия генетических ресурсов и др. Все эти процессы
являются непосредственной угрозой существованию человека как
биологического вида.
Не боясь обвинений в излишнем пессимизме, современный
статус отношений человека с природой можно охарактеризовать
как кризис, который, однако, не обязательно ведет к катастрофе,
во всяком случае в той части, которая касается климата. Вместе с
тем, понимание кризиса необходимо хотя бы с целью построения
обоснованного прогноза, но сделать это, оставаясь на дегуманизи-
рованной, техницизированной точке зрения, невозможно. Только
лишенный достаточного кругозора или предельно циничный
наблюдатель может предполагать, что он вызван беспримерно
возросшими производительными силами и технологической мощью,
вышедшими из-под контроля и превратившимися в средство
разрушения.
С нашей точки зрения, этот кризис не является ни
экологическим, ни энергетическим. Он имеет прежде всего нравственный и
психологический характер. Нравственная природа кризиса
определяется гигантским, все возрастающим разрывом между этическими

задачами и реальным поведением человека. Этот разрыв стал
особенно явным в последние два столетия и привел к формированию
принципиально новых, рациональных и антигуманных отношений
с природой, носящих характер жесткого противостояния.
Отраженный и усиленный этой стеной отчуждения, импульс
функциональных, прагматических отношений вернулся и в само
человеческое общество, сделав его глубоко враждебным человеку, и развив
до необычайной силы институты техно- и бюрократии,
воплощающие в себе антигуманное начало.
Психологическая суть*кризиса заключается в том, что
человек, разорвав естественные связи, поставлен в ситуацию
неразрешимого конфликта. По своим физиологическим функциям люди
принадлежат к миру животных, существование которых
определяется инстинктами и гармонией с природой. Поступки же
человека уже не определяются только инстинктами. Самосознание, разум,
воображение и способность к творчеству нарушают единство со
средой обитания и отделяют человека от остального живого мира.
И эта его раздвоенность составляет суть психологического
экзистенциального противоречия. Человек возвышается над природой,
но дальнейшее развитие разума влечет его на путь новых
страданий, поскольку постоянно воспроизводит перед ним неразрешимую
ситуацию.
Таким образом, проблема взаимоотношений человека и
окружающей среды, в том числе и климата — это проблема
нравственная, психологическая, но не политическая, экономическая и
тем более не техническая.
Следовательно, она не может быть решена чисто
техническими средствами, такими как строительство АЭС вместо угольных
станций, повышение эффективности энергосбережения или

"разумными" политическими и экономическими мерами. В отличие
от традиционных задач технической физики, проблема вообще не
имеет решения, если под ним понимать так назьтаемую "охрану
климата". Во всяком случае в масштабе времени жизни одного или
нескольких поколений, поскольку ментальная сторона жизни
человека изменяется крайне медленно. Поэтому позволительно
говорить лишь об анализе ситуации, а также о прогнозе будущих
изменений и поиске путей, обеспечивающих минимальный ущерб для
проигравших и максимальную выгоду для выигравших.
Однако, и эти цели не могут быть достигнуты
традиционными средствами, поскольку нравственная и психологическая задача
не формализована в обычном понимании. Поэтому отказ авторов
от формализованного подхода, связанного с построением
изощренных моделей, или других механических или жестких логических
структур, является принципиальным. Внимательного читателя не
удивит в таком случае отсутствие экономической линии в
развиваемом нами подходе — в иерархической структуре
взаимоотношений человека с природой она занимает вспомогательное место,
являясь средством осуществления истинных потребностей человека,
но не системообразующим фактором.
В центре той части проблемы, которая связана с нанесением
антропогенного возмущения, стоит человек с его истинными
потребностями и, в первую очередь, основополагающей
потребностью к продолжению рода. Человек во всех его природопреобра-
зующих проявлениях, в том числе касающихся промышленности,
сельского и лесного хозяйства, производства и потребления
энергии, суть продукт исторической эволюции и определенных
врожденных механизмов, а это значит, что он может изучаться на
основе исторического экстраполяционного подхода. Сейчас трудно

определить кто является его автором — вероятно, идея о том, что
человек — пленник своего прошлого, известна со времен первых
литературных памятников.
Однако, можно утверждать, что в настоящее время эта идея
переживает свое новое рождение, воплотившись в современных
социологии и экономике в виде известной теории
институциональных изменений [3].
В основу развиваемого далее подхода положен исторический
принцип минимизации изменений. Он предполагает, что из всех
возможных вариантов трансформации общества реализуется тот,
который позволяет адаптировать общество к заданным ему
объективно условиям при минимальном изменении в системе
социокультурного целого. Носителем социокультурного целого во всей
сложности его социальных, поведенческих, конфессиональных
проявлений выступает нация — институт, чрезвычайно устойчиво
сохраняющий свои аутентичные признаки в течение весьма
длительного времени. Отсюда непосредственно следует, что наблюдение за
различными аспектами деятельности человека, в том числе за
интересующей нас в первую очередь природообразующей
деятельностью, на историческом промежутке времени способно дать
фундамент для весьма надежного прогноза. Поэтому принципиально
отбросим идею "проигрывания" различных сценариев будущих
изменений и будем оперировать только понятием прогноза, имея в
виду, что в будущее ведет единственная дорога, и не стоит
представлять дело так, будто перед человечеством расстилается целый
спектр вариантов и существует возможность выбора. Нам остается
лишь, опираясь на максимально полный архив корректных
данных, попытаться отыскать естественную траекторию будущих гло-

бальных изменений, практически полностью определенную
сложившейся к настоящему времени культурой.
В настоящее время в мире налажена система глобального
мониторинга почти всех существенных параметров: производства и
потребления энергии, промышленного и сельскохозяйственного
производстьа, площадей, занятых различными природными
зонами, температурных аномалий, концентраций основных
парниковых компонентов атмосферы, солнечной постоянной, численности
населения и многих других. Проблема заключается в том, что
продолжительность непрерывных рядов наблюдений за этими
параметрами все еще недостаточна — так, удовлетворительная
энергетическая статистика по сельскому и лесному хозяйству — с 1946 г.,
концентрации диоксида углерода — с 1957 г., метана — с 1971 г.,
внеатмосферных измерений солнечной постоянной и контроля
площадей снежного покрова и плавающих льдов — лишь с конца
70-х годов. Другая проблема состоит в том, что данные различных
научных групп и международных научных организаций часто
заметно отличаются друг от друга и, будучи положенными в основу
того или иного сценария будущих глобальных изменений,
приводят к совершенно разным выводам.
Можно с уверенностью утверждать, что еще ни одна научная
группа в мире не взяла на себя миссию обобщения уже довольно
обширного экспериментального материала во всей его
необходимой полноте. Именно такая, в высшей степени амбициозная,
задача ставится авторами настоящего исследования. При этом
необходимо четко осознавать, что объективно существующий дефицит
информации по отдельным аспектам рассматриваемой проблемы
заставляет до сих пор осторожно относиться к главным выводам
работы. В рамках развиваемого исторического подхода этот дефи-

цит может быть устранен только удлинением ряда наблюдений, а
следовательно, требует времени. Существует, правда, и другой
способ удлинения рядов — обращение к событиям прошлого, которое
содержит почти полные аналоги будущих ситуаций. К сожалению,
по мере удаления в прошлое точность наблюдений и их
деятельность (имеется в виду пространственно временное разрешение)
снижаются, но, тем не менее, метод палеореконструкций способен
давать четкие качественные ответы там, где современные
инструментальные, аналитические и численные методы оставляют
широкое поле для сомнений.
Окончательно, в нашем понимании "естественная"
траектория будущих глобальных изменений может быть получена
экстраполяцией тенденций, извлеченных из тщательно
откорректированных результатов прошлых и настоящих наблюдений. В этом случае
глубина устойчивого прогноза соответствует времени действия
установленных закономерностей и исчисляется, по крайней мере,
несколькими столетиями.
Работа лаборатории организована в виде последовательной
системы полных этапов расчета, выполняемых на постоянно
расширяемой информационной основе приблизительно один раз в год
после сбора, осмысления и обобщения сведений по наиболее
важным аспектам проблемы. В настоящей книге представлены
обобщенные результаты шести этапов расчетов, выполненных в 1990—
95 гг.

2. ПЕРСПЕКТИВЫ РАЗВИТИЯ ЭНЕРГЕТИКИ
2.1. Современные тенденции развития энергетики
Общепринятая классификация подразделяет источники
первичной энергии на коммерческие и некоммерческие. Коммерческие
источники энергии включают в себя твердые (каменный и бурый
уголь, торф, горючие сланцы, битуминозные пески), жидкие (нефть
и газовый конденсат), газообразные (природный газ) виды топлива
и первичное электричество (электроэнергия, произведенная на
ядерных, гидро-, ветровых, геотермальных, солнечных, приливных
и волновых станциях). К некоммерческим относят все остальные
источники энергии (дрова, сельскохозяйственные и промьшшенные
отходы, мускульная сила рабочего скота и собственно человека).
Мировая энергетика в целом основана преимущественно на
коммерческих энергоресурсах (свыше 90% общего потребления
энергии в 1995 г.). Подобный акцент характерен для длительной
индустриальной фазы развития общества в прошлом и, вне всякого
сомнения, сохранится в будущем. Необходимо при этом отметить,
что существует целая группа стран (экваториальная зона Африки,
Юго-Восточная Азия), многочисленное население которых
поддерживает свое существование почти исключительно за счет
некоммерческих источников энергии.
Мировая энергетика 50-х, 60-х и начала 70-х годов
нынешнего столетия характеризовалась чрезвычайно быстрым увеличением
потребления коммерческой энергии (среднегодовой темп прироста
более 5%), что при годовом темпе прироста численности населения
земного шара несколько менее 2% обусловило почти двукратное

увеличение душевого потребления коммерческой энергии с
0,98 т у.т./чел в 1950 г. до 1,97 т у.т./чел в 1973 г. (рис. 2.1, 2.2).
Е, Гт у.т. Р, клрд.чел.
1950 I960 1970 19В0 1990
Год
Рис. 2.1. Мировое потребление коммерческой энергии Е и численность населения Р
Однако за последующие 1S-20 лет произошли значительные
изменения в мировой энергетике, связанные прежде всего с
переходом от экстенсивных путей ее развития, от энергетической эйфории
к энергетической политике, основанной на повышении
эффективности использования энергии и всемерной ее экономии. Поводом
для этих изменений стали энергетические кризисы 1973 и 1979 гг.,
стабилизация запасов ископаемых топлив и удорожание их
добычи, желание уменьшить обусловленную экспортом энергоресурсов
зависимость экономики от политической нестабильности в мире. К
этому стоит добавить всевозрастающее осознание
правительствами цивилизованных стран потенциальной опасности
крупномасштабных последствий развития энергетики и озабоченность по
поводу растущей деградации условий жизни в связи с экологическим

прессом на локальном уровне (кислотные дожди, загрязнение
воздуха и воды, тепловое загрязнение и т. д.).
2 2 е, д у.т./(men-год)
2.0 - /-/X*SV_/'—
1.8 ■ /S
1.6 ■ у'
1.4 - ^^/
1.2 - /^
1.0 *>
0.8 I ' ' ' ' ' ' ' '
1950 1960 1970 1980 1990
Год
Рис. 2.2. Мцювое потрсблсмк коммерческой энерпш на душу населения е
В 1993 г. современное мировое потребление коммерческих
энергоресурсов составило 11,63 Гт у.т., из которых на долю
твердого топлива приходится 3,21 Гту.т., жидкого — 4,29 Гт у.т.,
газообразного — 2,66 Гт у.т., первичного электричества — 1,47 Гт у.т.
Динамика изменения структуры потребления коммерческих
энергоресурсов представлена на рис. 2.3. В течение всей первой
половины ньшешнего столетия уголь с явным преимуществом держит
первенство среди источников коммерческой энергии (60% в 1950 г.).
Однако в послевоенные годы резко увеличивается добыча
нефти, что связано с открытием новых месторождений и с
колоссальными потребительскими достоинствами этого вида
ископаемого топлива. Мировые достоверные запасы быстро возрастали —

с 76 млрд баррелей1 в 1950 г. до 664 млрд в 1973 г. Увеличение
запасов нефти в 50-е и 60-е годы в основном шло за счет Ближнего
Востока, где были открыты крупнейшие за всю историю
нефтедобычи месторождения. В период 1970-1977 гг. прирост запасов
обеспечивался уже более скромными новыми ближневосточными
месторождениями, а также за счет Аляски, Северного моря и
Мексики.
60
50
40
эо
20
ю
Ч Твердое
^"~—^топливо
Жидкое
топливо
^ ~__^_.
_. ;
Первичное
электричество
1950
60
50
40
30
20
- 10
1960
1970
Год
1980
1990
Рнс. 2.3. Структура потребления коммерческой энергии в мире
Потребление нефти в период 1950-1973 гг. возрастало
гигантскими темпами (около 7,5% в год) и уже в 1967 г. превзошло
резко сокращавшееся потребление угля. Именно нефть была
движущей силой индустриализации и способствовала повышению
уровня жизни во всех странах мира. Мировая цена на нефть после
нефтяного кризиса 1973 г. и последовавшего затем кризиса 1979 г.
1 1 тонна в 7,3 барреля

увеличилась на порядок. Это привело к тому, что с 1973 г. на
нашей планете было сэкономлено гораздо больше энергии, чем
получено из всех новых источников энергоснабжения вместе взятых.
Именно рост эффективности энергетики помог всему миру не
только выкарабкаться из глубокого спада 1981-1982 гг., но и привел к
70% падению цен на нефть в период 1981-1986 гт. Потребление
нефти после 1973 г. стабилизировалось на уровне 3,5-
4,0 Гт у.т./год, и, хотя в последние годы наметился некоторый его
рост, есть все основания полагать, что тенденция к стабилизации и
последующему снижению потребления нефти будет доминирующей.
Одним из основных факторов здесь является истощение запасов.
Современная оценка разведанных извлекаемых и дополнительно
извлекаемых ресурсов нефти составляет 202 Гт у.т. и 85 Гт у.т.
соответственно. При текущем уровне потребления (4,07 Гт у.т./год без
учета бункеровочного топлива) полное исчерпание ресурсов нефти
наступит в районе 2065 г.
Потребление природного газа монотонно возрастало с
темпом около 5% за год и достигло 2,66 Гт у.т. в 1995 г. Запасы
природного газа в настоящее время примерно равны запасам нефти:
175 Гт у.т.—разведанные извлекаемые и 140 Гт у.т.—
дополнительно извлекаемые, причем около 40% мировых запасов газа
приходится на территорию бывшего СССР. Как экологически
наиболее чистый вид ископаемого топлива, природный газ имеет
хорошую перспективу энергетического использования, однако
трудности с транспортировкой и распределением не дают оснований
рассчитывать на то, что газ займет ведущее место в мировом
энергобалансе.
Удельный вес угля в структуре первичных источников
коммерческой энергии упал с 58% в 1950 г. до 28% в 1973 г. Энергети-

ческий кризис 1973 г. в качестве вынужденной меры несколько
повысил интерес к использованию угля, в результате чего в период
1973-1995 гг. доля угля возросла до 30% (потребление 3.21 Гт у.т. в
1995 г.). Наиболее серьезным препятствием на пути использования
угля, рынок которого насыщен и в Европе, и в Северной Америке,
выступают природоохранные проблемы. Кислотные дожди,
вызываемые выбросами двуокиси серы и окислов азота на ТЭС,
уничтожают жизнь в озерах, реках и лесах, а также и сами леса во
многих районах мира. Значительную проблему представляет выброс
золы в атмосферу. Несмотря на всю серьезность этих вопросов, их
разрешение не имеет принципиальных проблем и лежит сугубо в
технической области. Есть все основания полагать, что в
ближайшее время эти трудности будут успешно преодолены. Запасы угля
намного превышают суммарные запасы нефти и газа и, по-
видимому, энергетика будущего, по крайней мере до времени
промышленного освоения альтернативных источников энергии, будет
опираться именно на уголь.
Вклад первичного электричества в мировой энергобаланс не
являлся определяющим в прошлом (4,3% в 1950 г.), не определяет
энергетику мира в целом и в настоящее время (около 12,6% в
1995 г.). Отметим, что пересчет первичного электричества
производился на основе соотношения, учитывающего глобально осреднен-
ный кпд ТЭС равный 0,385 — это равносильно утверждению,
1 кВт-ч = 0,319 кг у.т.
Атомная энергетика (5,9% мирового потребления
коммерческой энергии в 1995 г.) после периода быстрого роста в 70-е годы
и начале 80-х испытывает жесточайший кризис, чему причиной
всплеск социальных противоречий и политическая оппозиция во
многих странах, технические трудности обеспечения возросших

требований безопасности АЭС и проблема захоронения
радиоактивных отходов, перерасход затрат на строительство и сильный
рост себестоимости электроэнергии, произведенной на АЭС. Нет
сомнений, что у атомной энергетики есть хорошее будущее, причем,
по-видимому, путь к успеху лежит в реализации новых физических
принципов. Эффективное развитие атомной энергетики за счет
совершенствования традиционных подходов, основа которых
заложена еще в 40-е и 50-е годы, значительно менее вероятно.
Гидроэнергетика (около 6,7% в 1995 г.), монотонно
развивавшаяся до последнего времени, также переживает трудный
период. Одна из наиболее серьезных проблем связана с затоплением
земель при строительстве ГЭС. В развитых странах, где значительная
часть гидроэнергетического потенциала уже освоена (в Северной
Америке — более 60%, в Европе — более 40%), практически нет
подходящих для строительства ГЭС мест. Проектирование и
строительство крупных ГЭС ведется преимущественно в
развивающихся странах, а наиболее крупные программы реализуются в
Бразилии и Китае. Однако использование оставшегося достаточно
большого гидроэнергетического потенциала в развивающихся
странах ограничивается острой нехваткой инвестиционного
капитала в связи с ростом внешнего долга и экологическими
проблемами гидроэнергетики. По-видимому, трудно ожидать в будущем
заметного увеличения роли гидроэнергии в мировом энергобалансе,
хотя для целого ряда стран, прежде всего развивающихся, именно
гидроэнергетика может дать существенный импульс экономике.
Другие источники первичного электричества (солнечная,
ветровая, геотермальная энергия) находятся лишь на пути к
промышленному освоению, и в настоящее время их суммарный вклад в
мировой энергобаланс измеряется долями процента. Такое поло-

жение вызывается причинами экономического характера. Однако,
по мере технического прогресса, появления новых технологических
разработок и перехода к массовому производству оборудования,
себестоимость электроэнергии, произведенной на базе этих
возобновляемых источников энергии, снижается, приближаясь к уровню,
характерному для традиционной энергетики.
2.2. Геополитическое распределение потребителей энергии
В основу нашей классификации регионов земного шара
положены две определяющие потребность в энергии характеристики:
удельное энергопотребление на душу населения е, дающее
одновременно представленл. о степени экономического развития, и
динамика изменения численности населения (годовой естественный
прирост AGR) — интегральный демографический показатель, в
известной мере отражающий социальное благополучие нации.
Считается установленным, что беднейшие страны мира имеют
максимальные значения естественного прироста, наиболее богатые —
минимальные. Двухпарамстрическая карта "потребление энергии
на душу населения — годовой естественный прирост населения",
составленная по данным за 1990 г., позволяет разделить все страны
на пять регионов [4].
Регион 1. Развитые индустриальные страны характеризуются
оптимальным уровнем потребления энергии (е=2-14 т у.т./(челгод))
и низкими AGR (<1,0%), значительно ниже среднемирового (1,57%
в год) в 1990-95 гг. В состав входят следующие страны: Австралия,
Австрия, Бельгия, Великобритания, Греция, Дания, Израиль,
Ирландия, Исландия, Испания, Италия, Канада, Кипр, Люксембург,
Мальта, Нидерланды, Новая Зеландия, Норвегия, Сингапур,
Словакия, Словения, США, Финляндия, Франция, ФРГ, Чехия, Швей-

цария, Швеция, Эстония и Япония. Отличительной особенностью
данного региона является факт стабилизации душевого
потребления энергии для большинства стран, в него входящих (рис. 2.4).
е, т у.т. I (чел >год)
14 ,
О 1 . 1 . . ■ > — 1—
1950 1960 1970 1980 1990
Год
Рис. 2.4. Потребление энергии на душу населения е в индустриально развитых странах
Регион 2. Переходная группа, в которой демографическая
стабилизация практически достигнута (AGR значительно ниже
среднемирового), но насыщение энергией еще не наступило.
Интересно, что эта группа более чем наполовину состоит из бывших
европейских социалистических стран и европейских республик
бывшего СССР. В состав входят: Аргентина, Беларусь, Болгария,
Босния, Венгрия, Гонконг, Киргизия, Латвия, Литва, Маврикий,
Македония, Польша, Португалия, Россия, Румыния, Украина,
Уругвай, Хорватия, Югославия. Душевое потребление энергии для
ряда стран этой группы показано на рис. 2.5.

е, т у.т./(чел-год)
10
1950
1990
8
10
1960 1970 19В0
Год
Рис. 2.5. Потребление энергии на душу населения С в странах с переходным типом
экономики
Регион 3. Новые развитые страны характеризуются
потреблением энергии ниже оптимального и средними AGR, на уровне
выше 1,0% в год. Граничное значение потребления энергии,
отделяющее новые развитые страны от развивающихся, было оценено
ранее [5] в абсолютных цифрах в 1,35ту.т./(челгод) и является
нижним пределом удельного энергопотребления, обеспечивающего
исполнение базовых жизненных потребностей человека. В состав
входят: Азербайджан, Армения, Габон, Иран, Казахстан, КНДР,
Корея, Коста-Рика, Куба, Ливан, Малайзия, Мексика, Молдова,
Монголия, Панама, Пуэрто Рико, Реюньон, Сирия, Суринам,
Таиланд, Узбекистан, Фиджи, Чили, Эквадор, ЮАР. Динамика
потребления энергии для ряда стран этого региона представлена на
рис. 2.6.

e, т у. т. / (чел • год)
10
в
2 ;
1950
Казахстан/
10
I960
1970 1990
Год
1990
Рис. 2.6. Потребление энергии на душу населения е в новых индустриальных странах
Регион 4. Страны-экспортеры нефти с потреблением энергии
выше оптимального и приростом населения выше среднемирового.
Эта группа может рассматриваться как особая переходная
категория, в которой насыщение энергией произошло раньше
демографической стабилизации, в противоположность тому что имело
место в регионе 1. В состав входят: Бахрейн, Бруней, Венесуэла, Катар,
Кувейт, Ливия, ОАЭ, Оман, Саудовская Аравия, Тринидад,
Туркмения.
Регион 5. Развивающиеся страны характеризуются уровнем
потребления энергии значительно ниже оптимального и AGR, как
правило, выше мирового. В состав региона входят все остальные
страны. Малые страны с населением менее 1 млн человек каждая
условно отнесены к региону 5.

Статистические данные по потреблению коммерческих
энергоресурсов в отдельных странах, входящих в регионы 1-5, а также
характеристики регионов в целом приведены в табл. 2.1.
Таблица 2.1
Потребление коммерческих энер горесурсов в 1993 году (Мт у т.)*
Страна
РЕГИОН 1
Канада
США
Швеция
Австралия
Германия
Велико брит алия
Франция
Япония
Италия
Греция
Испания
РЕГИОН 2
Россия
Болгария
Польша
Уругвай
РЕГИОН 3
Казахстан
Корея
ЮАР
Мексика
Панама
Таиланд
РЕГИОН 4
Катар
Венесуэла
РЕГИОН 5
Бразилия
Китай
Индия
МИР

Твердые
1270
34
644
4
57
140
84
21
121
15
12
26
498
226
И
109
325
70
37
96
6
0,1
6
1
1114
0,4
1114
15
803
214
3207

Жидкие
2387
109
1095
20
52
176
113
109
293
133
21
55
404
232
11
18
2
474
28
86
24
115
2
37
124
686
30
686
76
167
77
4074
Газ 1
1387
98
763
1
23
92
92
45
76
67
0,1
9
747
503
5
12
185
16
8
35
0
12
174
166
35
166
6
23
16
2659
1ервич-
ное
электр.
973
125
300
44
5
56
36
120
114
28
1
27
163
88
5
0
2
72
6
20
2
12
1
1
15
244
15
244
84
51
25
1467
Всего
6016
367
2801
68
137
465
325
294
603
243
34
117
1811
1049
33
139
4
1056
119
152
12,1
167
3
56
314
2210
80
2210
181
1043
332
11406
На душу
насел,
(т у.т.)
7.24
13,23
10,87
7.84
7,67
5,77
5,59
5,13
4,83
4,21
3,34
2,99
4,75
7,10
3,65
3,60
1,15
2,27
7,03
3.41
2,62
1,86
1,01
0.98
5,83
40,88
3,90
0,58
1.16
0,87
0.37
2,05
Население
(млн чел)
831,0
27,8
257,8
8,7
17,8
80,6
58,0
57,4
125,0
57,8
10,3
39,2
381,6
147,8
8,9
38,5
3.1
465,4
17,0
44,5
46,4
90,0
2.5
57.8
53,9
0,5
20,6
3840,2
156,6
1205,2
896,6
5572,0
Источник информации: 1993 Energy Statistics Yearbook, UN, 1995; World Population
Prospects 1994, UN, 1995.

В данной работе сделана попытка максимально полно учесть
некоммерческие источники энергии — дрова, сельскохозяйственные
и муниципальные отходы, мускульную силу животных и человека.
В подавляющем большинстве случаев при анализе современной
энергетической ситуации и тем более при построении
долгосрочных прогнозов эти источники энергии не учитываются. Рис. 2.7
показывает, что такой подход может привести к серьезным ошибкам,
поскольку в настоящее время некоммерческие источники энергии
занимают второе место в энергобалансе региона развивающихся
стран. Это тем более важно, если принять во внимание, что речь
идет о наиболее населенном регионе планеты, удельный вес
населения которого, по нашим оценкам, возрастет в период с 1995 по
^050 г. с 69 до 77% от населения земного шара.
Рис. 2.7. Структура потребления энергии. Данные 1993 г.
Коммерческие энергоресурсы: а — жидкие; 6 — твердые; в — газ; г — первичное
электричество. Некоммерческие энергоресурсы — д

2.3. Эмиссия диоксида углерода в атмосферу
Существует четыре основных антропогенных источника
поступления диоксида углерода в атмосферу:
сжигание органического топлива;
сжигание попутного газа;
производство цемента;
биотический источник (изменения в землепользовании —
вьфубка или гибель лесов, распашка саванн или степей и т. п.).
Расчет эмиссии углерода из трех первых источников
производился с помощью модифицированной авторами методики Мар-
ланда-Ротти иа основе данных по потреблению органического
топлива, производству попутного газа и цемента. Основной вклад
в глобальный антропогенный выброс вносит сжигание
органического топлива — 80% в 1990 г. Суммарный выброс из второго и
третьего источников относительно невелик и составляет не более
3%, но тем не менее он также учитывался в расчетах. Биотический
выброс подробно рассмотрен в главе 4 работы. На основании
расчетов в 1993 г. полный антропогенный выброс составил 7,2 Гт С (в
пересчете на тонны углерода).
Эмиссия на единицу потребляемого топлива. В расчетах
эмиссии диоксида углерода традиционно используется методика Мар-
ланда-Ротти [6], разработанная на основе фундаментального
анализа содержания углерода в многочисленных образцах
органического топлива, изучения технологии сжигания, энергетических
потоков в различных странах мира. В качестве информационной
базы Марланд и Ротти использовали энергетическую статистику
ООН по производству энергоресурсов, считая эти данные более
точными, чем данные по потреблению.

Однако более логичным и естественным выглядит выбор
данных по потреблению, поскольку именно на этом этапе
технологической цепи происходит выброс углерода в атмосферу. Между
производством и потреблением пролегает довольно длинная цепь,
включающая экспорт, импорт, изменения в складируемых запасах,
неэнергетическое использование и, наконец, бункеровку топлива
для воздушных и морских перевозок. Необходимость учета всех
этих факторов в значительной мере снижает точность расчетов
эмиссии на основе данных по производству. В то же время данные
по потреблению автоматически учитывают все перечисленные
факторы и, кроме того, позволяют проводить расчеты эмиссии
углерода на локальном (по странам) и региональном уровнях, что
совершенно невозможно на основе данных по производству. В этом же
случае возникает возможность сведения глобального баланса на
основе локальных и региональных данных.
Осуществлена модификация методики Марланда-Ротти по
адаптации выбросов углерода на единицу тепловой энергии к
данным по потреблению энергоресурсов. С учетом потерь при
транспортировке и распределении, неполноты сгорания,
неэнергетического использования разработаны коэффициенты, определяющие
выброс углерода на единицу тонны условного топлива,
используемого в энергетических целях (табл. 2.2).
Таблица 2.2
Выброс углерода на единицу топлива, используемого в энергетических целях
Твердое топливо (уголь)
Жидкое топливо (нефть)
Природный газ
0,733 т С/т у.т.
0,586 т C/t у.т.
0,398 т СУт у.т.
Некоторое количество диоксида углерода выбрасывается в
атмосферу при сжигании попутного газа. Для количественной

оценки и прогноза эмиссии из этого источника были
проанализированы данные [7], которые можно связать с добычей нефти.
Результаты анализа показывают, что количество сжигаемого газа на
1 т у.т. добьшаемой нефти медленно падало с 55 м3/т у.т. в 1950 г.
до 25 м3/т у.т. в начале 90-х годов, а в ряде стран (США, Канада)
оно стабилизировалось на уровне 5-10 м3/т у.т. Предполагается, в
результате анализа этой тенденции, что количество сжигаемого
попутного газа будет снижаться до 15 м3/т у.т. добьшаемой нефти к
2025 г. и в дальнейшем стабилизируется на этой отметке.
Содержание углерода в попутном газе составляет 0,525 кг С/м3.
2.4. Изотермический прогноз развития мировой энергетики
до 2100 г.
Традиционно используется процедура вычисления
энергопотребления (Е) в будущем через уравнение
E=P«(GNP/P).(E/GNP), (2.1)
где Р — численность населения; GNP — валовой национальный
продукт.
На планируемый промежуток времени делаются
предположения о скорости изменения janoeoro национального ^одукта на
душу населения (GNP/P) и его энергоинтенсивности (E/GNP).
Такого рода сценарии могут быть названы телеологическими,
поскольку в их основе лежит назначенная в будущем цель, пути и
средства достижения которой и подлежат определению.
Представления о физическом насыщении потребностей в энергии или
разумном самоограничении человека или целой страны здесь
отсутствуют. Неудивительно поэтому, что некоторые прогнозы,
выполненные на основе этого подхода, дают совершенно невероятные цифры

мирового энергопотребления на уровне 60 Гт у.т./год к середине
следующего столетия [8]. Дополнительной трудностью при
реализации телеологических установок является то обстоятельство, что
величины (GNP/P) и (E/GNP) не имеют ясных асимптот, в
частности, благодаря тому, что стандартная единица измерения
GNP — доллар США — испытывает сильные временные
колебания.
Противоположный подход к прогнозированию энергетики
— генетический, в основе которого лежит утверждение, что
история развития определяет настоящее и будущее на много лет вперед.
Это положение хорошо известно и широко используется в
гуманитарных и общественных науках и, на наш взгляд, для изучения
фундаментального детерминанта социального развития, которым,
несомненно, является энергетика, может принести полезный
результат. Информационной базой генетического сценария служат
временные ряды энергопотребления в различных странах мира.
Естественно, что качество получаемых результатов зависит от
продолжительности этих рядов. К сожалению, опорный отрезок
времени ограничен четырьмя последними десятилетиями, поскольку
более или менее хорошо документированные данные за более
ранний период (1929-1949) гг. приходятся на время Великой Депрессии
и Второй Мировой войны и являются нехарактерными для
нынешней стадии исторического развития. Искомое потребление
первичной энергии Е в момент времени т представляет собой сумму для
пяти регионов земного шара и выражается следующим образом:
E(t) = iei(T)Pi(x). (2.2)

Принимая постулат о стабилизации потребления энергии на
душу населения, т. е. о реализации для каждой страны, региона и
мира в целом установленного предельного уровня потребления,
определенного экономическими, социальными, экологическими
ограничениями, используем предельный метод построения
прогноза энергопотребления. В наилучшем виде траектория прогноза
такого типа описывается логистической функцией, имеющей
начальный экспоненциальный участок роста и асимптоту.
Прогноз разрабатывался раздельно для потребления на душу
населения коммерческих ее и некоммерческих епс энергоресурсов.
Для каждого региона уровень стабилизации коммерческого
энергопотребления ес определялся путем экспертных оценок с
привлечением национальных энергетических прогнозов и широкого
использования концепции подобия развития энергетики в различных
странах.
Потребление некоммерческой энергии на душу населения —
величина практически постоянная для каждого из регионов на
протяжении всего базового периода, поэтому в качестве прогноза
впс принималась соответствующая константа. Результирующие
кривые прогноза потребления энергии для мира в целом
представлены на рис. 2.8, 2.9.
Полагая безусловной тенденцию к стабилизации душевого
потребления энергии во всех без исключения странах мира,
отметим, что уровень стабилизации и сроки его достижения
существенно различаются для каждой страны. Различия в сроках
стабилизации для пяти регионов мира обуславливают неравномерный
характер роста мирового потребления энергии. В течение ближайших
15-20 лет доминирующую роль в мировом энергобалансе будут
играть страны, входящие в состав регионов 1 и 2 (63% в 1993 г., 57% в

2.6
е. у у.т./(чел-год)
1950
2000
2050
2100
Год
Рис. 2.8. Изотермический прогноз мирового потребления энергии на душу населения е
1950
2000
2050
2100
Год
Рис. 2.9. Изотермический прогноз потребления энергии в мире Е

2010 г.), для которых насыщение энергопотребления либо
реальность (регион 1), либо дело ближайшего будущего (регион 2). В
результате в период до 2010 г. ожидается сохранение современного
темпа роста мирового потребления энергии — несколько менее 2%
в год и временная стабилизация мирового душевого потребления
на уровне 2,31-2,36 т у.т./(чел-год). Некоторое ускорение прироста
будет происходить в основном за счет новых индустриальных
стран — регион 3. В период 2005-2030 гг. ожидается, что мировая
энергетика будет развиваться более интенсивно за счет резкого
увеличения влияния региона 5.
Подтягивание уровня жизни и реализация наметившейся уже
сегодня тенденции перемещения энергоемких производств из
индустриально развитых в развивающиеся страны приведет к росту
душевого энергопотребления в 2010-2040 гг., что при высоких
темпах роста численности населения развивающихся стран (до 59% от
мирового в 2040 г.) выведет регион 5 на ведущие позиции в
мировой энергетике (25, 28 и 37% общего потребления энергии в 1993,
2010 и 2040 гг. соответственно). После 2040 г. прогноз
предполагает достижение среднемирового уровня насыщения энергией в 2,5-
2,6 т у.т./(челтод), что соответствует современному уровню
потребления в таких странах, как Аргентина и Португалия.
При заданной динамике потребления коммерческой энергии
эмиссия углерода от сжигания органического топлива может быть
определена по коэффициенту углеродной интенсивности Сс,
который характеризует величину эмиссии углерода, приходящуюся на
единицу коммерческой энергии. Таким образом, рассчитывая
выброс углерода от сжигания органического топлива по
модифицированной методике Марланда-Ротти (параграф 2.3), коэффициент
углеродной интенсивности определяется следующим образом:

cc =
0,733E5+0,586E,+0,398E
(2.3)
где Es, Ei, Eg — потребление твердого, жидкого и газообразного
топлива, Ее — потребление коммерческой энергии.
Величину Сс до 2100 г. можно определить путем
аппроксимации динамического ряда по данным за 1900-1993 гг. (рис. 2.10).
Анализ рис. 2.10 показывает, что линейная аппроксимация
коэффициента углеродной интенсивности представляется наиболее
оправданной и позволяет дать .прогноз эмиссии углерода из
энергетических источников.
Сс, * С/"Р у.Т.
0.7
0.6 •
0.5
0.4
0.3
0.2
0.7
О.б
0.5
0.4
0.3
0.2
1900
1950
2000
Год
2050
2100
Рие. 2.10. Среднемировой коэффициент углеродной интенсивности Сс
Полный антропогенный выброс углерода до 2100 г. с учетом
эмиссии от сжигания попутного газа и производства цемента
представлен на рис. 2.11.

g 3C, Гт С/год
6 jS
5 f-'
4 //
3 у/
2 ^X
1 -
0 I . . . . . , 1 . .
19S0 2000 2050 2100
Год
Рис. 2.11. Прогноз эмиссии углерода Зс
Прогноз структуры мировой энергетики до 2100 г.,
обеспечивающей вычисленную потребность в энергии и соответствующей
динамике эмиссии углерода от сжигания органического топлива,
разработан с помощью экспертных оценок (рис. 2.12 и 2.13).
Основная особенность рассматриваемого прогноза —
приоритетная роль угля в мировом энергобалансе (36% в 2050 г.
против 28% в 1993 г. и снижение вновь до 30% к 2100 г.) Доля
жидкого топлива монотонно снижается с 37% в 1993 г. до 10% в 2050 г.
и до 3% к 2100 г. Однако в абсолютном исчислении предполагается
стабилизация потребления жидкого топлива практически на
современном уровне (4,2 Гт у.т./год) и лишь после 2020 г. — его
снижение. Потребление газа, как ожидается, будет расти до 2020 г. и,
почти достигнув уровня потребления жидкого топлива
(3,6 Гт у.т./год), снизится до 0,5 Гт у.т./год к 2100 г. Первичное
электричество уже после 2020 г. должно стать вторым по важности

60
50
40
30
20
10
Первичное
электричестве
Газ
О
1950
2000
2050
Год
Рис. 2.12. Структура потребления коммерческих энергоресурсов
Ее, Гт У.Т.
14
12
10
8
6
4
2
0
19
■
■
-
-
■_^
50
Первичное
электричество.
Твердое
топливо
Жидкое
топливо
Газ
2000
2050
60
50
40
30
- 20
10
0
2100
14
i
1 12
] 10
-i
-| в
4 s
i
-I 4
\-
2100
Год
Рис. 2.13. Прогноз потребления коммерческих энергоресурсов Ес

видом энергоресурсов, достигнув к 2100 г. 64% мирового
энергобаланса.
Одним из важнейших факторов, учитывавшихся при
разработке прогноза, является обеспеченность ресурсами мировой
энергетики, базирующейся на сжигании ископаемого органического
топлива. В рамках нашего прогноза, безусловно относящегося к
категории умеренных по абсолютным цифрам потребления
энергии, исчерпание разведанных извлекаемых запасов нефти и газа
наступит не ранее 2040 г. (рис. 2.14), а с учетом дополнительных
извлекаемых ресурсов — в последней четверти XXI столетия. Если
принять во внимание, что разведанные извлекаемые запасы угля
значительно превосходят запасы нефти и газа, вместе взятые, то
можно утверждать, что развитие мировой энергетики по данному
сценарию обеспечено в ресурсном отношении более чем на
столетие.
Гт у.т.
700
600
500
400
300
200
100
УТолк/
Извлекаемые ресурсы гава ..—
Извлекаемые" pe'dypW ^Wp^'ilLZJ
Локаваяные аапасы неф^йг «VJ.^srs:
Докааанные тагааа^^^^'
1980 2000 2020 2040 2060
Год
Рис. 2.14. Кумулятивное потребление органического
2080
топлива
700
600
500
400
300
200
100
2100

2.5. Обратные связи в системе энергетика-климат
Оценка потенциального экологического ущерба от развития
энергетики и антропогенной деятельности в целом будет неполной,
если не попытаться выявить и по возможности более полно учесть
отрицательные обратные связи в системе человек-окружающая
среда и прежде всего человек-климат. Одной из таких связей
является возрастание биопродукции бореальных и умеренных лесов
Северного полушария в результате повышения температуры,
увлажненности и стимулирующего воздействия повышенной
концентрации диоксида углерода в атмосфере, а также расширение
границы их распространения на север, в зону современной
лесотундры. Учет этой обратной связи производится с помощью
модели углеродного цикла.
Другая обратная связь в системе человек-климат
обусловлена зависимостью уровня потребления энергии от климатических
условий и в первую очередь от температуры окружающего воздуха.
Учет этой обратной связи дает возможность непосредственно
оценить перспективы сбережения энергии в результате развития
процесса глобального потепления и перейти к неизотермическому
(базовому) варианту прогноза потребления энергии.
Разработанная методика кроме оценки непосредственного сокращения
потребности в энергии при развитии глобального потепления,
учитывает эффект локального потепления (теплового острова),
характерного для районов крупных городских агломераций и регионов с
высокой плотностью сосредоточения индустриальных объектов.
Экономия энергии в результате развития глобального
потепления. Оценка производится на основе зависимости удельного (на
душу населения) потребления энергии от среднегодовой
температуры воздуха, полученной на основе анализа данных по
энергопотреблению для наиболее продвинутых в экономическом отношении

стран, которые входят или уже вошли в стадию
постиндустриального общества [9].
9,3-0,4Т3, приТа<17°С
2,5, приТа>17°С'
где Та — среднегодовая температура приземного слоя воздуха.
Уравнение (2.4) имеет чрезвычайно важное следствие,
проистекающее из обстоятельства, что все без исключения развитые
страны мира, а также страны с переходной экономикой (бьгешие
социалистические), потребляющие почти 70% энергоресурсов,
расположены в областях с Та<17°С. Это означает, что в случае
развития значительного глобального потепления, которое наиболее ярко
будет выражено в умеренных и высоких широтах, следует ожидать
существенного и притом автоматического сокращения потребления
энергии именно в тех регионах, где она сейчас используется
особенно интенсивно.
При базовом прогнозе изменения глобальной температуры
воздуха соответствующее сокращение потребности в энергии по
миру в целом составит по сравнению с 1990 г.: 0,38 Гт у.т. в 2020 г.
и 0,82 Гт у.т. в 2050 г.
Экономия энергии в результате урбанизации. Современные
крупные города являются местами сосредоточения
многоотраслевой промышленности, транспортных средств, густо населенных
жилых массивов. Их бурное развитие сопровождается увеличением
интенсивности выбросов тепла, химических и газбобразных
компонент, активно влияющих на метеорологический режим крупных
городов.
Наличие на городской территории асфальтированных улиц и
площадей, а также содержание в городской атмосфере газовых и
е(т у.т./(челгод)) = ■

аэрозольных загрязнений приводят к изменению баланса
солнечной радиации. Совокупность перечисленных факторов приводит к
образованию городского "острова тепла", т. е. к тому, что
приземный слой воздуха на несколько градусов теплее в пределах города,
чем в пригородной зоне. Величина нагрева зависит от времени
суток, времени года, местоположения и численности населения
города.
С учетом увеличения числа и интенсивного роста крупных
городских агломераций в нетропической зоне возникает
необходимость учета экономии энергии в расчетах потребления
энергоресурсов в мире в целом.
В данной главе ставится задача по расчету экономии энергии
в результате процесса урбанизации на основе данных по динамике
роста городского населения, населения городов-мегаполисов в
нетропической зоне, с использованием эмпирических и модельных
оценок средней интенсивности городского "острова тепла".
Оценка экономии энергии ДЕ может быть проведена по
следующему соотношению:
ДЕ=ХР,Де, . (2.5)
где
Дв| = ДТД^),. ( 2.6)
Здесь ДТ|=Р|(—); —повышение температуры в городе с
ЭР
населением Pj, (—){ — изменение потребности в энергии на душу
дТ
населения при изменении температуры.

Считается, что (—) =0,4 т у.т./(челгодград) для нетропи-
ЭТ
Зе
ческой зоны (Та <17°С), (—) =0 для тропической зоны (Та > 17°С).
ЭТ
С учетом (2.6) имеем:
AE = 0,4EPiAT, - (2.7)
Таким образом, задача по расчету экономии энергии в
результате процесса урбанизации заключается в определении
величины локального потепления и населения крупных городов в
нетропической зоне.
Численность городского население в период 2025-2100 гг.
может быть найдена из следующих соображений: по прогнозу ООН
[10] сельское население уже в конце XX в. стабилизируется на
уровне 3,0 млрд чел. Динамика роста городского населения в XXI в.
приводится в табл. 2.3.
Таблица 2.3
Прогноз численности населения поданным ООН
Год
Общая численность, млрд чел.
Городское население, млрд чел.
2000 2025 2050 2075 2100
6,158 8,294 9,83 10,6 10,9
3,16 5,283 6,83 7,6 7,7
Дальнейшая идея заключается в том, чтобы определить
численность городского населения в нетропической зоне. Она
складывается из двух составляющих: численности населения
мегаполисов в "более развитых" (по терминологии ООН) странах и
некоторой доли К населения мегаполисов, расположенных в
нетропической зоне "менее развитых" стран:

PMW -AMMPUM h-KAmlPul,
(2.8)
Здесь PMW, Pum'^ul— население мегаполисов в мире,
городское население в "более развитых" и "менее развитых" странах,
соответственно. Коэффициент К определен из данных ООН 1991 г.
и равен 0,207.
Теперь необходимо избрать прогнозы, по которым будут
изменяться доли городского населения, проживающего в городах-
мегаполисах "более развитых" и "менее развитых" стран Амм и
.Aml . Известно, что обе указанные величины растут со временем
[11], причем AML растет гораздо быстрее (табл. 2.4).
Таблица 2.4
Доли городского населения, проживающего в городах-мвгаполисах
Год
•^мм > 0/°
"ML » '°
1950 1960 1970 1980 1990 2000 2025 2050 2075 2100
28,2 30,4 32,5 33,4 34,3 35,2 37,5 38,6 38,6 38,6
25,8 28,4 31,0 34,6 37,2 39,8 46,3 52,8 55,1 57,3
Предположим, что тенденция к замедлению роста Амм,
обнаружившаяся в последние десятилетия, сохранится н А^^ будет
расти дальше, как в 70-е годы, до 2025 г., после чего к 2050 г.
скорость изменения Амм экспоненциально упадет до нуля и
дальнейший рост населения городов и городов-мегаполисов в "более
развитых" странах прекратится. Что касается AML , то
предположим, что ее дальнейший рост будет происходить с минимальной
скоростью, зафиксированной в 50-е - 80-е годы, т. е. на 2,6% в
десятилетие, вплоть до 2050 г., а потом сменится фазой медленного
роста на 0,9% в десятилетие, аналогично нынешней для Амм.
Прогноз изменения Амм и AML в XXI столетии представлен в
табл. 2.4. Всего согласно прогнозу к 2050 г. в мегаполисах будет
проживать примерно 35% населения (в 1990 г. — 15%). В настоящее

время в мире насчитываются десятки стран, в которых, такая
ситуация уже достигнута (Аргентина, Австралия, Южная Корея,
Ирландия и т. д.).
Данные табл. 2.5 и 2.6 позволяют оценить прирост
городского населения до конца следующего столетия в мире в целом, в
"более развитых" и "менее развитых" странах.
Таблица 2.S
Темпы роста городского населения в развитых странах
Период
%
1950-60
2,46
1960-70
. 2,04
1970-80
1,33
1980-90
0,94
90-2000
0,76
2000-10
0,61
2010-20
0,41
Таблица 2.6
Прогноз численности городского населения до 2100 г.,
млн чел. (по данным ООН)
Год
Городское
население
"Более
развитые"
страны
"Менее
развитые"
страны
1990
2260
876
1385
2000
3158
1023
2134
2025
5283
1102
4180
2050
6830
1113
5716
2075
7600
1170
6430
2100
7700
1170
6530
Изучение данных [12] позволяет сделать следующие важные
выводы:
1) эффект "теплового острова" проявляется не только для
городов-мегаполисов (с населением более 1 млн чел.) и даже не с
населением в 750 тыс. чел., а с гораздо меньших значений
численности населения. Так, для Хартфорда разность температур между
городом и сельской местностью достигает 0,89°С при населении в
510 тыс, чел., и даже для Колумбуса с населением в 215 тыс. чел.

она составляет 0,83°С (таким образом, есть все основания
предполагать, что эффект "теплового острова" наблюдается для городов с
населением в 100 тыс. чел. и более);
2) данные по интенсивности городского острова тепла для 30
городов США [12] описываются зависимостью:
ДТи_г= 1,18+ 1,06 log P, (2.9)
где ДТи-г — разность среднегодовых температур в городе и
окружающей его местности, °С; Р — численность населения,
выраженная в млн чел.
Однако те же самые данные еще лучше описываются
зависимостью вида (рис. 2.15):
ATu~r = 1,2Р0'31. (2.10)
Дт"~г, °с
10 г
0,11 I 1—I I мм i I I 1 i i м I
0,1 1 10
Р, млн.чел.
Рис. 2.15. Антропогенный нагрев городов США (данные по |12|)

Зависимость (2.10) предсказывает ДТи~г=3,04°С для
Р = 20 млн чел. (проектируемая численность населения
крупнейшего в нетропической зоне мегаполиса Токио-Иокогама к 2000 г.).
Этот результат прекрасно согласуется с уже достигнутым
ДТи~г _30оС (Нью-Йорк, Р=15,6 млн чел.).
Следовательно, для расчетов в первом приближении можно
воспользоваться средним значением ДТ""Г мегаполисов, равным
2,1°С±43%. Очевидно, этот расчет будет приводить к завышению
экономии для городов с населением менее 5 млн чел. ( дти_г <2,ГС)
и к занижению для городов с населением более 5 млн чел.
(ДТи_г > 2,1°С). Учитывая, что доля населения, проживающая в той
и другой категории городов, примерно одинакова [13], итоговая
погрешность от введения средней для мегаполиса ДТи"г должна
быть близка к нулю.
3) Экономия энергии в городах с населением от 100 тыс. чел.
до 1 млн чел. может рассчитываться, исходя из средней расчетной
величины ДТи-г =(0,9±0,3)°С. При этом погрешность расчетов от
введения средней ЛТи_г по указанным причинам будет весьма
невелика.
Теперь необходимо сделать предположение о динамике
населения городов рассматриваемого диапазона (100 тыс.-1 млн чел.).
В регионе "более развитых" стран доля населения этих городов
обнаруживает замечательную стабильность в 1950-80 гг. и составляет
(29,9±0,4)%. Доля населения таких городов в "менее развитых"
странах обнаруживает тенденцию к снижению, однако наиболее
урбанизированный в мире регион Латинской Америки показывает
четкую тенденцию к стабилизации (табл. 2.7).

Таблица 2.7
Доля городов с населением 100 тыс-1 млн чел. в Латинской Америке
Год
%
1950
29,2
I960
28,1
1970
27,8
1980
27,7
Это дает основание сделать следующее предположение: доля
населения крупных городов (100 тыс-1 млн чел.) будет в "менее
развитых" странах падать с минимальной скоростью (1% за
декаду) до 2000 г., после чего стабилизируется на уровне 24,3%.
Таким образом, расчетная формула для экономии энергии в
результате процесса урбанизации относительно уровня 1970 г.
запишется следующим образом:
АЕ = 0,84(Р-Р1970)М+0>36(Р-Р1970)В, (2.11 )
где (P-Pi97o)m — увеличение численности населения в мегаполисах,
(Р-Р|97о)в — увеличение численности населения в больших городах.
Результаты расчетов сведены в табл. 2.8.
Таблица 2.8
Данные по экономии энергии в результате урбанизации
Зоны1
А
В
Год
Городское население, млн чел.
Городское население в
мегаполисах, млн чел.
Городское население в крупны
городах, млн чел.
Городское население, млн чел.
Городское население в
мегаполисах, млн чел.
Городское население в крупны
городах, млн чел.
1970
699
227
212
675
209
190
1990
876
300
262
1385
515
35
2000
1023
333
283
2134
785
479
2025
1102
401
319
4180
1876
984
2050
1113
436
338
5716
3062
1409
2075
1170
452
350
6430
3543
1562
2100
1170
452
350
6530
3742
1587
1 А — "Более развитые" страны; В — "менее развитые" страны; С — нетропическая
зона.

Продолжение табл. 2.8
Зоны
С
Год
Городское население в
мегаполисах нетропической зоны, млн
чел.
Городское население в крупны
городах нетропической зоны,
млн чел.
Экономия энергии по
сравнению с 1970 г., Мт у.т./год
Экономия энергии по
сравнению с 1970 г.
(скорректированное значение,
учитывающее увеличение доли
городского населения согласно
прогнозу ООН [14]
1970
226
251
1990
407
334
182
2000
495
382
273
192
2025
789
523
571
290
2050
1070
630
845
904
2075
1185
673
957
904
2100
1227
679
995
1024
2.6. Базовый прогноз развития мировой энергетики до 2100 г.
В качестве базового энергетического прогноза для оценки
долговременных антропогенных изменений природной среды и
климата принимаем прогноз, представленный на рис. 2.8 и 2.9,
скорректированный с учетом действующих в системе энергетика-
климат обратных связей. Окончательные результаты на период до
2100 г. представлены на рис. 2.16 и 2.18, а также в табл. 2,9.
Таблица 2.9
Базовый прогноз: прогноз численности населения, потребления первичной энергии
и эмиссии диоксида углерода в мире до 2100 г.
Год
Численность населения, млрд чел.
Потребление первичной энергии, Гт у.т./год
в том числе из коммерческих источников
Потребление первичной энергии на душу населения,
г у.т./(чел год)
Эмиссия диоксида углерода из энергетических и
индустриальных источников, Гт С/год
1993
5,57
12,89
11,6
2,31
6,15
2050
9,83
23.9
21,6
2,43
8,64
2100
10,88
24,8
22,4
2,28
6,20

е, т у.т./(чая-год)
1950
2000
2050
2100
Год
Рие. 2.16. Базовый прогноз мирового потребления энергии на душу населении с
1950
2000
2050
2100
Год
Рие. 2.17. Базовый прогноз мирового потреблении энергии Б

Суммарная -жономия -шергин для мира в целом при
ожидаемом повышении глобальной температуры составит в 2050 г. около
1,5 Гт у.т. Эта величина намного превышает современное
потребление энергии в России или в Китае и соответствует современному
энергопотреблению Японии, Германии, Великобритании и
Испании вместе взятых. Таким образом, рассмотренные обратные связи
в системе энергетика климат представляют собой важнейший
фактор, влияющий на развитие мировой энергетики.
Sc, Мт С/год
8000 - ^^" ~~-~-~^__^
7000 - yS ^~~ч\^^
6000 - /^ ^N.
5000 - /v/
4000 - у
3000 - /
2000 у
1000 1 ■ ' ■ ■ ' ■ • ■ ■ ' ■ ■ ' ■
1950 2000 2050 2100
Год
Рис. 2.18. Ьазпцый прппгоз эмиссии углерода S
Выяснение долговременных тенденций энергопотребления
имеет большое практическое значение, поскольку сроки
сооружения и эксплуатации энергетических объектов измеряются обычно
многими десятилетиями. Поэтому выявленные перспективы
сокращения энергозатрат вследствие глобального потепления
необходимо учитывать при разработке энергетических программ и решении
вопросов о судьбе энергообъектов, представляющих собой наи-

большую опасность для здоровья человека и состояния
окружающей среды.
Итоги данной главе, можно подвести двумя главными
выводами:
базовый прогноз развития энергетики, разработанный
авторами, хорошо отражает действующие тенденции в мировой
энергетике, согласуется с наиболее реалистичными представлениями о
путях ее будущего развития и может служить надежной основой
для оценки последствий антропогенного влияния на окружающую
среду;
некоторая неопределенность в отношении прогноза
структуры энергопотребления не оказывает существенного влияния на
прогноз эмиссии диоксида углерода — главного парникового
компонента атмосферы.
3. ТРОПОСФЕРНЫЙ СУЛЬФАТНЫЙ АЭРОЗОЛЬ
АНТРОПОГЕННОГО ПРОИСХОЖДЕНИЯ
3.1. Общие сведения о климатической роли тропосферного
сульфатного аэрозоля
Частицы аэрозоля играют важную роль в климатической
системе, поскольку они непосредственно влияют на характеристики
прямого или отраженного солнечного излучения. В атмосфере
постоянно содержится большое количество разнообразных
аэрозолей, концентрация которых изменяется от 10-*г/м3 над полюсами
или океаном до 1(Н г/м3 в районах пыльных бурь или интенсивной
промышленной деятельности. Атмосфера обычно содержит аэро-

золи самого различного происхождения и состава: минеральную
пыль, сульфат аммония, капли серной кислоты, органический
материал, углерод (сажевые частицы). Наибольшее климатическое
значение имеют частицы размером менее одного микрона, они
образуются в атмосфере в результате газохимических превращений, в
которые вовлечены в основном серосодержащие газы и в первую
очередь SCh. В результате реакций с ионом гидроксила сернистый
ангидрид превращается в серную кислоту, которая немедленно
конденсируется в виде мельчайших капелек. Такие процессы всегда
имели место в атмосфере Земли, куда достаточное количество серы
поступало с поверхности океанов и в результате вулканической
деятельности, но в XX в. тысячелетиями наблюдавшееся равновесие
оказалось нарушенным. Сейчас большая часть (примерно 60%)
серы, попадающей в атмосферу, имеет антропогенное происхождение
и обусловлена сжиганием ископаемых тогашв и биомассы. Поэтому
концентрация тропосферного сульфатного аэрозоля (ТСА) в
последнее столетие, несомненно, возросла.
3.2. Общая картина эмиссии серы в атмосфере в результате
антропогенной деятельности во второй половине XX столетия
Основным источником поступления оксидов серы в
атмосферу в результате антропогенной деятельности является сжигание
серосодержащего органического топлива (главным образом нефти и
угля), в результате которого сера, содержащаяся в топливе,
вступает в реакцию с кислородом с образованием SO2. Небольшая часть
(2-20%) образовавшихся оксидов серы может вступать в реакцию с
золой и улавливаться золоуловителями. (При сжигании сланцев до
50-60% оксидов серы может вступать в реакцию с золой. Однако
доля сланцев в топливном балансе мира незначительна). Кроме

этого оксиды серы выбрасываются в атмосферу при производстве
серной кислоты, меди, цинка и некоторых других производствах.
Однако доля эмиссии оксидов серы от этих производств никогда не
превышает 12% и в течение последних 80 лет устойчиво находится
на уровне (9±2)%, (рис. 3.1). Поэтому в настоящей главе
сосредоточимся в основном на оценке эмиссии серы при сжигании
серосодержащих топлив — угля и нефти.
%
12 | 1
го - / V\
1950 1870 1890 1910 1930 1950 1970 1990
Год
Рис. 3.1. Изменение доли эмиссии серы, обусловленной неэнергетическим источником в
1860-1985 гг. (данные |15|)
К сожалению, вплоть до настоящего времени глобальная
статистика выбросов серы с детализацией по странам или хотя бы
регионам отсутствует и делаются лишь первые шаги в этом
направлении. В этом отношении чрезвычайно полезными и
своевременными оказались недавние работы [16, 17], в которых впервые
была дана оценка существующих выбросов оксидов серы в целом
по миру и по отдельным регионам, а также приводится прогноз

этих выбросов на 2020 г. Поэтому оценка эмиссии SC>2,
выполненная в данной главе, во многом базируется на обработке
результатов, приведенных в [16, 17], а также на анализе потребления
серосодержащих топлив странами различных регионов.
Годовое потребление нефти и угля в мире резко возрастало
до конца 70-х годов (с 1950 по 1979 г. потребление нефти и угля в
мире возросло с 2,1 до 6,53 млрдт у.т., т. е. в 3,11 раза или на 3,85%
в год). Энергетические кризисы 1973 и 1979—1980 гг. привели к
значительному абсолютному снижению потребления нефти в мире.
Потребление нефти в мире снижалось до середины 80-х годов, а
затем снова стало медленно возрастать. Уровень потребления нефти
1979 г. был снова достигнут лишь через 10 лет.
Предполагается, что с 1990 по 2020 г. потребление угля и
нефти будет возрастать с умеренной скоростью. По нашим
прогнозам [18], оно возрастет с 7,31 до 9,39 млрд т у.т., т. е. в 1,3 раза, что
примерно составляет 0,8% в год. Причем в экономически развитых
странах — США, Канаде, странах Западной Европы, а также в
странах Восточной Европы и СНГ будет происходить даже
некоторое снижение потребления угля и нефти с 1990 по 2020 г. за счет
проводимой ими политики энергосбережения. Весь рост
потребления нефти и угля в мире будет связан с увеличением их потребления
в Китае, развивающихся и новых развитых странах.
После 2020 г. потребление угля в мире будет продолжать
возрастать, а потребление нефти, в связи с ограниченностью ее
запасов, начнет медленно снижаться. Это будет приводить к
постепенному увеличению доли угля в топливном балансе мира после
2020 г.
В странах регионов 4-5 (см. гл. 1), где потребление топлива
на душу населения в настоящее время очень низкое, будет происхо-

дить значительный рост потт^ления топлива, что приведет к
увеличению выбросов оксидов серы.
В целом, по оценке Мирового энергетического совета [16, 17],
в мире с 1990 по 2020 г. ожидается незначительное увеличение
выброса оксидов серы с 64 до 67 млн т S/год (здесь и ниже все цифры
приведены в пересчете на чистую серу). При этом в экономически
развитых странах Северной Америки и Европы абсолютные
выбросы оксидов серы снизятся в 1,9 раза, а в развивающихся
странах, особенно в странах Азии, возрастут. Так, если в 1990 г.
выбросы оксидов серы в экономически развитых странах Северной
Америки и Европы (США, Канада, страны Восточной и Западной
Европы, СНГ) составляли 59% от всех мировых выбросов, а выбросы
стран Азии 16%, то в 2020 г. выбросы оксидов серы составят:
29% — для экономически развитых стран Северной Америки и
Европы, 34% — для стран Азии. Таким образом, в начале следующего
столетия определяющими в глобальном загрязнении атмосферы
выбросами оксидов серы постепенно будут становиться
развивающиеся страны, в то время как роль экономически развитых
стран будет снижаться.
Удельный выброс серы в атмосферу Cs, приведенный к
одной т у.т. потребленной нефти и угля, показан на рис. 3.2. Из
рисунка видно, что удельный выброс серы снизился с 17,5 кг S/т у.т.
до 11,5 кг S/т у.т. с 1950 по 1975 г. В этот период времени снижение
было вызвано увеличением доли менее сернистых топлив в
топливном балансе мира. Так, доля менее сернистых по сравнению с углем
продуктов переработки нефти возросла с 33 до 60%. Если принять,
что при сжигании угля 10% оксидов серы вступают в реакцию с
золой и не выбрасываются в атмосферу, а при сжигании нефти 2%
оксидов серы будет связываться золой, то приведенная к тонне

условного топлива сернистость угля и нефти в 1950 г. составляла
1,9%, а в 1975 г. 1,2%.
После 1975 г. удельный выброс оксидов серы продолжает
снижаться, что связано как со снижением сернистости
используемых топлив, так и с внедрением процессов очистки дымовых газов
от оксидов серы в экономически развитых странах.
Предполагается, что к 2020 г. удельный выброс оксидов серы снизится до
6,8KrS/ry.T., причем в экономически развитых странах Западной
Европы и Северной Америки он будет составлять 3,5-3,6 кг SAr у.т.
потребленного угля и нефти.
Ся, кг З/т у.т.
18 | 1
16 ^ч
14 - \^
12 ^v
10 - N.
8 - ^^~""^-—____^^
б I 1 1 . 1 1 1 1 1
1950 1970 1990 2010 2030
Год
Рис. 3.2. Удельный выброс серы Са в мире
Представляет определенной интерес изменение выброса серы
на душу населения Ss с течением времени (рис. 3.3). Как видно из
рис. 3.3, до 70-х годов наблюдался рост этой величины, и это
свидетельствует о том, что рост потребления серосодержащего топлива и
отсутствие мер по сероочистке опережали рост численности насе-

ления. После 70-х годов происходит значительное снижение
выброса серы на душу населения, так как в это время происходит
значительное снижение выбросов оксидов серы при продолжающемся
росте численности населения на земле.
Ss, кг 3/чел.
16 - ^-^^^\.
14 - ^Ч
12 - \.
ю - ^n.
8 I • 1 i ' > 1 ■
1950 1970 1990 2010 2030
Год
Рис. 3.3. Изменение выброса серы на душу населения За в мире
Обращает на себя внимание тот факт, что экономически
развитые страны, как правило (за исключением Японии), имеют в
настоящее время и в ближайшей перспективе большую величину
выброса на душу населения, чем среднемировые значения/
Объясняется это высоким потреблением энергоресурсов в экономически
развитых странах при относительно небольшой, по сравнению с
развивающимися странами, численности населения.
В литературе отсутствуют прогнозные оценки по выбросам
оксидов серы за пределами 2020 г. Оценим динамику изменения
выбросов оксидов серы в интервале с 2020 по 2050 г. Как
указывалось ранее, следует ожидать, что в 2020-2030 гг. потребление нефти

в мире начнет незначительно снижаться за счет ограниченности ее
запасов. Потребление угля будет возрастать главным образом за
счет роста энергопотребления в развивающихся странах. В целом
потребление угля и нефти в 2050 г. составит около Юмлрдту.т.,
причем доля угля значительно превысит долю нефти.
Сжигание угля будет вносить наибольший вклад в эмиссию
оксидов серы ввиду его большей сернистости по сравнению с
продуктами переработки нефти. Можно предположить, что к середине
следующего столетия около 60-70% топливосжигающих установок
будет оборудовано сероочистными установками со степенью
очистки 85-90%. Это позволит получить в середине следующего
столетия удельный выброс серы на одну тонну условного топлива
нефти и угля в мире равным 5,5-6,2 кг S/т у.т.
3.3. Эмиссия серы в атмосферу в 1800-2100 гг.
В качестве основы исторического ряда эмиссии SOx в
атмосферу взяты данные Мёллера [15] для периода 1860-1977 гг.
Поскольку для этого ряда последним реальным годом является 1977 г.,
экстраполяция до 1980 г. осуществлялась по данным [19], где
реальные данные по миру представлены для 1960-80 гг. В итоге
оценка для 1980 г. дает 78,8 Мт S.
Оценка для 1990 г. производилась по данным [20, 21],
согласно которым в период с 1980 до 1990 г. произошло увеличение
выброса серы с 71 до 75 MtS/год, т. е. на 5,6%. Объединение этих
данных с рядом Мёллера дает значение выброса в 1990 г. 83,2 Мт S.
Обратимся теперь к вопросу более далекого (до 2100 г.)
прогноза эмиссии SOx в атмосферу. Для этой цели необходимо
привлечь экспертные оценки. Найдем прежде всего количество серы,

выбрасываемое в атмосферу при сжигании жидкого и твердого
топлива. Анализ исторических рядов для 1950-1977 гг. показьшает,
что, несмотря на колебания сернистости топлива, среднеглобаль-
ные коэффициенты обнаруживают замечательное постоянство на
уровне 18кг8/ту.т. для угля и 6,2кг8/ту.т. для нефти (рис. 3.4,
3.5).
лл С, eoi, кг S/т у.т.
20 г
15 ■ ^-^
10 • N.
5 • ""-*«.
0 !...-.■..— » -■■■—I——— <,■■■■■■■■!.!■!*»-,——Х---——4—-——*———Д 1 1..........Л....... <l.
1950 2000 2050 2100
Год
Рис. 3.4. Коэффициент эмиссии серы Cs ао1 для твердых топлив
В середине 70-х годов началось внедрение природоохранного
законодательства, что привело в развитых странах к сокращению
удельных выбросов примерно на 16% [19]. Учитывая, что
энергопотребление развитых стран составляет примерно 50% от мирового,
это должно было привести к изменению удельных глобальных
выбросов примерно на 8%. Проверим, соответствует ли
действительности это предположение.
Как отмечалось, величина полного глобального выброса
оценивается в 83,2 Мт S в 1990 г. Доля выброса, не связанная со

сжиганием органических тошшв, по историческим данным
обнаруживает замечательное постоянство и находится в пределах
(9±2)% от общей величины для периода 1915-1985 гг. (см. рис. 3.1).
Отсюда следует, что объем выбросов из энергетического источника
составил в 1990 г. 76,3 Мт S (это неплохо соответствует оценке [16,
17] в 63,7 Мт S). Считая, что мероприятия по сероулавливанию
одинаково эффективны как для твердых, так и для жидких тошшв,
получим для 1990 г. оценку в 16,2 и 5,6кг8/ту.т. соответственно.
Таким образом, сделанное выше предположение прекрасно
соответствует действительности. Средняя глобальная величина
коэффициента эмиссии серы при сжигании твердых и жидких топлив в
1990 г. составила 10,4 кг S/т у.т.
с« и,, кг s/* у.т.
. 7
^-f^ N. . 6
N. 5
\. 4
"^-\ ' 3
j, , 1 , 1—;—, , _,! j iii , ^J_—, _, 1 J
1950 2000 2050. 2100
Год
Рис. 3.5. Коэффициент эмиссии серы Cs ц„ для жидких топлив
б
5
4
3
2

По данным [16, 17], к 2020 г. планируется сокращение
удельных выбросов на 22%, т. е. до 8,14 кг S/т у.т. сжигаемого топлива1.
При одинаковой эффективности сероочистки коэффициент Cs для
угля и нефти составит 11,0 и 3,8 кг S/т у.т. соответственно.
К 2050 г. около 60-70% топливосжигающих установок будет
оборудовано сероочистными установками с эффективностью
очистки 85-90%, что позволит снизить удельный выброс до
(5,85±0,35) кг S/т у.т. органического топлива2. Поскольку к 2020 г.
выбросы от сжигания угля достигнут 80% от общего выброса,
можно предположить, что дальнейшие усилия будут направлены на
борьбу именно с этим источником эмиссии. Будем полагать для
определенности, что темпы снижения серного коэффициента для
угля будут вдвое превышать аналогичные значения для нефти, и
тогда они составят к 2050 г. 7,0 и 3,0 кг S/т у.т. соответственно.
Теперь необходимо найти разумные асимптоты, к которым
стремятся обе указанные величины. Серный коэффициент для угля
может быть определен из простого соображения, что к концу
следующего столетия все установки, использующие уголь, будут
снабжены сероулавливающими устройствами с эффективностью
90%. Это равносильно утверждению, что к концу столетия серный
коэффициент упадет до 1,8 кг S/т у.т.
Асимптота для жидких топлив может быть определена из
следующих соображений. Вероятно, уже в ближайшие десятилетия
перегонка нефти в мазут с высоким содержанием серы будет
прекращена и нефть будет использоваться почти исключительно для
1 Такой уровень достигнут в настоящее время в европейских странах (Великобритания,
Италия).
2 Такой уровень достигнут в настоящее время в странах с сильным природоохранным
законодательством (США, Финляндия).

производства керосина и моторных топлив. В последнем случае
значительная часть серы извлекается на этапе перегонки и не
попадает в продукты сгорания. Среднеглобальное содержание серы в
керосине и моторных топливах составляет 0,23% или 2,3 кг S на
тонну, что эквивалентно содержанию 1,6 KrS/ту.т. Вероятно,
дальнейшая очистка является экономически нецелесообразной, тем
более, что жидкие топлива будут составлять к концу следующего
столетия ничтожную часть мирового энергобаланса.
Среднеглобальный коэффициент органических топлив CSOrg
составит к концу следующего столетия примерно 1,8 кг S/т у.т.
Такая величина уже достигнута в настоящее время в Японии.
Результаты расчетов сведены в табл. 3.1.
Таблица 3.1
Динамика удельных и абсолютных значений выброса серы в 1980-2100 гг.
Годы
1980 1990 2020 2050 2100
Серный коэффициент Cs , кг S/т у.т.
Твердые топлива Cssol
Жидкие топлива Csli
Органические топлива Csorg
18,3 16,2 11,0 7,0 1,8
6,3 5,6 3,8 3,0 1,6
11,2 10,4 8,14 6,11 1,78
Выброс серы, Мт S
Выброс серы из энергетического
источника Csen
Полный выброс серы Cs lot
72,3 76,3 77,0 61,5 13,4
78,8 83,2 83,9 67,0 14,6
Исторический ряд эмиссии в 1800-1990 гг. и прогноз до
конца следующего столетия представлены на рис. 3.6. Часть ряда для
1800-1860 гг. была восстановлена нами по данным [22-25].
Эмиссия серы, возрастая непрерывно в течение почти двухсот
лет, достигла ныне поворотного пункта в виде очень пологого мак-

симума (см. рис. 3.6). Из расчетов видно, что в течение примерно
тридцати лет глобальная эмиссия серы будет оставаться
фактически постоянной на уровне 83-85 Мт S/год. Это происходит в
результате уравновешивания двух противоположно направленных
тенденций: с одной стороны, снижения эмиссии серы в развитых
странах на фоне фактически стабильного потребления
органических топлив и быстрого прогресса технологий сероулавливания, с
другой стороны — роста эмиссии в Китае, развивающихся и новых
развитых странах в связи с увеличением потребления органических
топлив и слабом контроле за выбросами. После 2020 г. по мере
распространения передовых технологий сероулавливания начнется
быстрый спад глобальной эмиссии в условиях продолжающегося
роста потребления энергии. Наконец, в начале XXII столетия
поступление серы в атмосферу из антропогенного источника
прекратится.
„ S, tot, М« 3
-| 90
• 60
■ 70
■ 60
• 50
- 40
- 30
г 20
■ 10
- О
1600 1650 1900 1950 2000 2050 2100
ГОД
Рис. 3.6. Эволюция полной эмиссии серы 3S tot в атмосферу в 1800-2100 гг.
60
70
60
50
40
30
20
10

4. МОДЕЛЬ УГЛЕРОДНОГО ЦИКЛА
4.1. История изменения атмосферной концентрации СХЬвI-XX
столетиях
Источниками информации для возможно более точного
определения значений Ра атмосферной концентрации CCh в XVI-
XX столетиях для этой главы служат ряд среднегодовых значений
Ра по данным станции Мауна-Лоа (Гавайи) в период 1958-1993 гг.
[26], а также результаты измерений Ра в пузырьках воздуха,
захваченных старыми льдами Гренландии и Антарктиды [26-32]. Как
можно видеть из рис. 4.1, несмотря на весьма значительный
разброс данных в полосе от 259 млн-1 [27] до 289 млн-1 [28], до XIX в.
прослеживается едва заметный тренд концентрации СОг, начало
роста Ра от довольно стабильных значений можно отнести лишь к
1800 г. Есть все основания считать период, предшествующий
1800 г., когда антропогенные воздействия по своей величине
терялись на естественном фоне, доиндустриальной эпохой.
В первой половине XIX в. уже имело место нарастание Ра,
связанное, по-видимому, исключительно с биотическим выбросом
из-за интенсивного сведения лесов для удовлетворения
потребностей промышленности и сельского хозяйства. В данной работе
значение доиндустриальной концентрации ССЬ принимается равным
277 млн-1, таким образом, к 1995 г. содержание атмосферного СОг
увеличилось на 30%, что связано, в основном, с резко возросшим
антропогенным выбросом углерода в атмосферу из-за сжигания
ископаемого топлива и сельскохозяйственного освоения земель.

Жг » » Ш%тлтш
О 500 1000 1500 2000
Год
Рис. 4.1. Атмосферная концентрация COi Pa по данным работ |26—32] и
аппроксимирующая кривая за два последних тысячелетия
Гладкая аппроксимирующая кривая, представляющая собой
статистическую оценку эмпирических данных [26-31] и данных по
атмосферной концентрации СОг в I-XVb., полученных на основе
линейной регрессионой оценки [33-34] рядов концентрации СШ за
0-1500 гг. и температурных данных за этот же период
(реконструкции [35-38]) также представлена на рис. 4.1.
4.2. Основные предположения и обозначения
Атмосферный резервуар углерода не является замкнутым, а
находится во взаимодействии с другими резервуарами — океаном и
биосферой, причем естественные потоки углерода во много раз
превышают антропогенную эмиссию. Для того чтобы рассчитать
современный уровень атмосферной концентрации СО:, необходимо

знать, как дополнительный углерод антропогенного
происхождения распределяется между различными резервуарами.
Сравнительно новым этапом в исследовании этого процесса
является моделирование углеродного обмена как внутри отдельных
резервуаров, так и между ними. Если предположения, лежащие в
основе теоретической конструкции модели, близки к реальности, а
полученные с помощью модели результаты достаточно хорошо
согласуются с наблюдаемыми значениями, то это делает возможным
реконструкцию и предсказание состояний углеродного цикла.
В 1975 г. в Бернском университете была создана боксово-
диффузионная модель, в которой в отличие от предшествующих
обменных моделей углерод в океане ниже слоя перемешивания
распространяется в соответствии с одномерным уравнением диффузии
[39]:
где С означает суммарную концентрацию всех форм
неорганического углерода в океане и является функцией глубины z и времени
t. Коэффициент турбулентной диффузии К может быть
интерпретирован как мера "проводимости", т. е. эффективности больших и
малых циркуляционных систем, которые обеспечивают
вертикальное перемешивание.
За основу при проведении настоящей работы была взята
модель Зигенталера [40], являющаяся продолжением боксово-
диффузионной модели и учитывающая интенсивный обмен
углерода между атмосферой и океаном в полярных широтах. Однако
модель Зигенталера, решающая проблему "недостающего стока"
углерода в океан, не содержит компонент, описывающих процессы

взаимодействия атмосферы и биосферы, что является серьезным
препятствием на пути реконструкции и прогнозирования
атмосферной концентрации ССЬ.
Предлагаемая в данной работе модель включает в себя три
блока: атмосферу, океан и биосферу, причем последние два состоят
из нескольких резервуаров. Явление интенсивного углеродного
обмена в высокоширотных областях моделируется как
соприкосновение небольшой части глубинных вод с атмосферой (Рис. 4.2).
Штрихом показаны уровни постоянной плотности воды.
Авмоафара
1
i
Г
«1,2
Слой пврвиовмааиж
Глубокий окааа
587
У
G26
^>
1 J
7,2
i
i
*
1259В
„Ffoi
18,5
37,0
55,5
щ ,
w
37,
17,
1,0
G
2 i
100
37,
r
0
w
480
18,5
IF
L
3 i
72,1
ie,3
t
И
'
1,0
t
s
Бкоафара
513
521
Рис. 4.2, Модель глобального углеродного цикла
Резервуары биосферного блока: W — долгоживущая биота, G — короткоживущая
биота, Н — гумус, S — устойчивые соединения углерода в почве, Ffor — поток за счет
сведения и восстановления лесов. Содержание углерода в резервуарах (Гт С) и потоки
(ГтС/год) соответствуют доиндустриальиому состоянию (середина XVIII в.)

Таблица 4.1
Символы и параметры модели углеродного цикла
Символ
n:
Р°
К
R °
RS
ас
Noc
^ос
С0
hoc
hm
F°
* as
К
rm
U
X
p
Параметры
Доиндустриальное содержание углерода в
атмосфере
Доиндустриальная концентрация СОг в
атмосфере
Доиндустриальный атмосферный уровень |4С
Доиндустриальный уровень |4С в слое
перемешивания
Средний доиндустриальный уровень 14С в
глубоком океане
Относительная площадь контакта глубинных
вод с атмосферой в полярных широтах
Содержание углерода в донндустриальном
океане (включая органический углерод)
Площадь поверхности океана
Доиндустриальная концентрация
неорганического углерода в поверхностных водах океана
Средняя глубина океана
Глубина слоя перемешивания
Доиндустриальный поток углерода из
атмосферы в океан
Коэффициент турбулентной диффузии
Доиндустриальное значение буферного
фактора для слоя перемешивания
Доиндустриальное значение буферного
фактора для глубокого океана
Постоянная радиоактивного распада 14С
Стандартное отношение количества атомов
|4С к количеству атомов 12С
Значение1
587 Гт С
277'млн-'
1
0,95
0,84
0,065*
38400 Гт С
3,62-10"«м2
24,62 г С/мЗ
3729 м
75 м
189,0*гС(м*тод)
2610*м2/год
9
14
1/8267 лет
1,176-10-12
1 Значении, помеченные (*), подбирались при калибровке модели.

Следуя обозначениям работы [40], введем V — изменение
содержания углерода N в атмосфере (а), слое перемешивания (т),
глубоком океане (d) относительно доиндустриального состояния
№:
v (t)=Na(t)-N°
Va(t) к '
vm(t)=Nm(^o"NS». (4.2)
NS(z)
Аналогично, пусть Ra(t), Rm(t), Rd(t,z) —доля атомов 14С
в общем числе атомов углерода в атмосфере, слое перемешивания,
глубоком океане относительно атмосферного доиндустриального
уровня МС/12С. Здесь и далее t — время, z — глубина ниже слоя
перемешивания. Стартовый год модели 1750 (или t = 0) отнесен к до-
индустриальному состоянию, которое в модели характеризуется
стационарным распределением углерода между резервуарами.
Значения переменных, соответствующие стационарному
распределению, обозначаются верхним индексом "°".
Стационарные потоки между атмосферой и слоем
перемешивания, а также между атмосферой и океаном в области холодных
поверхностных вод в полярных широтах обозначим через F^ и
Fad (Гт С/(м2тод)). Для стационарного состояния прямые и
обратные потоки равны по величине: F°m = F^a и F°d = Fda. Если
атмосферная концентрация углерода изменяется на долю va, тогда
потоки в океан равны F^„(l+va) и F°d(l + va). Обратные потоки
углерода в атмосферу изменяются быстрее, чем общее содержание
неорганического углерода в поверхностных водах. Это явление мож-

но понимать здесь как отражение того факта, что CCh
задерживается в океане главным образом благодаря реакции с
диссоциированным карбонат-ионом [С03] ~, запасы которого ограничены.
Вводя буферные коэффициенты £т и £d, запишем обратные
потоки из океана в атмосферу в виде: F^,(l + ^mvm) и F°d(l + £dvd) ,
hd
где vd(t)= Jvd(t,z)dz. Тогда нетто-потоки углерода в атмосферу
о
могут быть вычислены как F^^v,,, - va) и F°d(£dvd - va).
4.3. Атмосфера и океан
Известно, что благодаря интенсивному перемешиванию СОг
распределяется в тропосфере практически равномерно. Различия
среднегодовых концентраций СОг, замеренных на разных фоновых
станциях, как правило, не превышают 1-И ,5% [41]. Перемешивание
со стратосферой осуществляется несколько медленнее. В
стратосфере сосредоточено меньше 15% всего атмосферного СОг, поэтому
будем рассматривать атмосферу как хорошо перемешиваемый
резервуар СОг.
Поверхностный слой океана (приблизительно до
термоклина) достаточно быстро перемешивается ветром и также может
считаться однородным резервуаром. Огромная масса океана ниже слоя
перемешивания может взаимодействовать с атмосферой только в
результате проникновения на поверхность вдоль линий постоянной
плотности (штриховые кривые на рис. 4.2) и глубокого
перемешивания океана в высоких широтах.
Тогда уравнения баланса СОг для резервуаров можно
представить в следующем виде:

^- = -^-+^-+kam(^mvm-va)+kad(^vd-va),
dvm _,, ,.. t. .. ч^ 1 V^A
Kma(va Smvm) + „ v« "~~
(43)
z=0
dt n,BV a 'ш '"' (l-ac)hm dz
^- = K^-+kda(va-5dvd). 0^z<hd, t>0,
где величины Qa и Qb равны, соответственно, антропогенному
индустриальному потоку углерода в атмосферу и нетто-потоку из
биосферы, для стационарного распределения принимается
Qa=Qg=0.
Буферные коэффициенты £т и £d находятся из
эмпирических уравнений:
1т = €ш + 4.^mvm -0,l(5mVm) ,
V2 (4'4>
^=rd+4,^dvd-0,^dvd),
а коэффициенты обмена между резервуарами вычисляются
следующим образом:
kam=(l-ac)Fa^/(haC0),
"ma = **ат/(."т'-'о.Ь (4 5)
kad =асРаа/(паС0),
kad=acFad/(hdC„),
где ha=Na/C0Aoc — толщина поверхностного слоя океана,
содержащего такое же количество углерода, как доиндустриальная
атмосфера.
При t=0 система вышла из стационарного состояния,

va(0) = vm(0) = vd|t_0 =0. Для уравнения диффузии заданы гранич-
ные условия vd = v
z=o ■• &
= 0.
z=hd
Настройка и проверка модели осуществлялась по данным о
распределении между резервуарами радиоактивного изотопа
углерода — МС. Уравнения, описывающие баланс потоков НС для слоя
перемешивания и глубокого океана, выглядят следующим образом:
£(Rra(l +vm)) = kraa(Ra(l+va) -Rra(l+|mvm)) +
A(Rd(,+Vd)) = K^(Rd(. + vd))+ (4?)
+MR"(1 + v»)-Rd(1+^vd))->.Rd(l + Vd), 0^z^hd, t>0,
последние слагаемые в правой части (4.6) и (4.7) введены для учёта
радиоактивного распада атомов ИС. Граничные условия для
уравнения диффузии:
Ml + vd)|z=0 = Rm(l + vm), |(Rd(l + vd)|z=h(j=0. (4.8)
Начальные условия: Rm(0) = R^, Rd(z) было получено как
аналитическое решение стационарного уравнения:
KRd(z)+kde(Ra - Rd(z))- XBiftz) = 0,
ая° (4'9)

Ra(t) известно с достаточной точностью по данным прямых
наблюдений.
При численном решении уравнения диффузии резервуар
"глубокий океан" был разделен на 42 слоя. Толщина каждого слоя
составляла 25 м до глубины 1000 м и 545,8 м от 1000 м до дна.
4.4. Биосфера
Для корректного моделирования обменных процессов СОг в
настоящей работе разработан биосферный блок, с помощью
которого рассчитываются нетто-потоки углерода из биосферы в
атмосферу. Здесь будет представлена пятирезервуарная модель
биосферы, учитывающая дополнительную эмиссию углерода в атмосферу
за счет дефорестации и изменений в землепользовании, а также
увеличение биопродуктивности растений при повышении
атмосферной концентрации СОг и рост занимаемых наземной биотой
площадей вследствие развития глобального потепления.
Разбиение на резервуары, содержание в них углерода и
характерные времена оборота были выбраны на основе анализа
моделей [42] и [43] — эти оценки вполне соответствуют современным
представлениям [44]. Предполагается, что атмосферный углерод,
поглощаемый биосферой в процессе фотосинтеза, распределяется
между долгоживущей (W) и короткоживущей (G) биотой (см.
рис. 4.2). Отмирающие части растений переходят в подстилку (L),
которая участвует в образовании гумуса (Н). Из гумуса часть
углерода переходит в устойчивые соединения (S) со временем жизни
порядка 500 лет.

Обмен углерода между резервуарами биосферного блока
описывается уравнениями материального баланса, причем для
каждого резервуара выходные потоки оцениваются через
характерное время оборота т и массу углерода N: F=N/t. При этом
считается, что из подстилки часть углерода переходит в атмосферу, а
остаток (33%) — в гумус. Аналогично, из резервуара Н 94,3%
углерода переходит в атмосферу, а 5,7% — в резервуар S [45]. В качестве
исходных данных антропогенного воздействия на биосферу в 1800—
1990 гг. использовались значения потоков углерода в атмосферу за
счет дефорестации Fdef и изменений в землепользовании Fsou,
которые приводятся в [46, 47] без учета возможных обратных связей в
системе биосфера-атмосфера-климат. В модели предполагается,
что две трети от общего потока углерода, выбывающего из
биосферы за счет дефорестации, быстро окисляется и выбрасывается в
атмосферу (поток Fdef) и одна треть попадает в продукты
длительной консервации, интерпретирующиеся здесь как содержимое
резервуара S, так как имеют подобное время оборота [48].
В период до 1965 г. поток углерода в атмосферу за счет лесов
Fr<>r= Fdef, после 1965 г. в модели учитывается также поток за счет
восстановления лесов Fref, поэтому Fror= Fder+ Frer-
Таблица 4.2
Доиндустриальное содержание углерода в резервуарах биосферного блока
Символ
N°w
N°o
Nt
№н
NS
Резервуар
долгожнвущая биота
короткоживущая бнота
подстилка
гумус
устойчивые соединения углерода в почве
Значение
480 Гт
100 Гт
72,1 Гт
513 Гт
522 Гт

Таблица 4.3
Характерное время оборота углерода в резервуарах биосферного блока
Символ
Tw
%
ч
*н
^s
Резервуар
долгоживущая биота
короткоживущая биота
подстилка
гумус
устойчивые соединения углерода в почве
Значение
26 лет
2,7 года
1,3 года
28 лет
500 лет
Основные параметры биосферного блока представлены в
табл. 4.2-4.3. Рассмотрим более подробно отдельные резервуары
биосферного блока.
Долгоживущая биота (W). Обозначим bw(t) —удельное
содержание углерода в долгоживущей биоте (биопродуктивность),
линейная функция атмосферной концентрации СОг:
bw(t) = b0(l+Yva(t)), (4.10)
где Ь0 —доиндустриальное среднеинтегральное содержание
углерода в долгоживущей биоте, у = 0,2 — коэффициент увеличения
биопродуктивности при удвоении атмосферной концентрации СОг
[49].
Общее изменение биомассы в резервуаре W описывается
уравнением:
dNw_ . Al+Tva(t-TW/2)
-^jj—FAW-FWL-CJ/^F^+Frf) 1+у^(1980) '■ (4.П)
где FAW —поток из атмосферы в резервуар W, Fwl=Nw/tw —
поток из W в L, третье слагаемое — сумма с обратным знаком по-

токов углерода за счет дефорестации (положительного) и рефоре-
стации (отрицательного) с учетом изменения биопродуктивности.
Наличие множителя * - необходимо, так как
1+Yva(1980) *™
величины Fdef и Fref соответствуют не реальным значениям, а таким
какие имели бы место при современной биопродуктивности.
Пусть Sw(t) — площадь, занимаемая долгоживущей биотой,
тогда поток углерода из атмосферы в резервуар W рассчитывается
по формуле:
FAW(t)=Sw(t)bw(t)/TW =
=(N^-ANdef(t)-ANref(t)+ANr(t))0+YVa(t))/xw. ^'^
где ANdef, ANref и ANt — изменение биомассы вследствие сведения
или восстановления лесов и изменение биомассы, вызванное
изменением температуры, соответственно.
Сравнение площадей, занимаемых различными экосистемами
в период климатического оптимума голоцена (6000-5000 лет т.н.) и
в настоящее время, позволило нам оценить равновесное изменение
массы долгоживущей биоты, приходящееся на изменение
глобальной температуры в ГС [9]:
ANW
AT
= 32,з(гтС/°с) (4.13)
или
ANT(t) = 32,3(T(t)-T0). (4.14)
Изменение массы долгоживущей биоты, вызванное сведением
и восстановлением лесов, вычислялось по формуле:

ANdef(0 + ANref(t)= ' } (3/2Fdef(x) + Flrf(x))dTi (4.15)
Короткоживущая биота (G). По-видимому, в обозримом
будущем влияние смещения границ экосистем на биосферный
резервуар углерода будет связано прежде всего со сдвигом границы
между бореальными лесами и тундрой в северном направлении и с
продолжающимся сведением тропических лесов. В обоих случаях
изменение массы листьев будет в известной мере компенсироваться
изменением массы трав и другой наземной короткоживущей
растительности. Поэтому для простоты будем считать, что сдвиг границ
экосистем не отражается на массе короткоживущей биоты. Тогда
поток углерода из атмосферы в резервуар G можно рассчитать по
формуле:
FAO = No0+YV.(t))/xo. (4.16)
Поток углерода в подстилку определяется следующим
образом:
Fgl=Ng/tg. (4.17)
Для вычисления содержания массы углерода в
короткоживущей биоте использовался закон сохранения массы в виде
^- = Fag-Fol. (4-18)
Подстилка (L). Отмирающие части растений переходят в
подстилку (потоки FOL и Fwl), где большая их часть разлагается,
образуя поток в атмосферу
FLA=0,67NL/xL. (4.19)

Часть углерода из подстилки переходит в гумус:
FLH = 0,33Nl/tl _ (4 20)
Поэтому масса углерода в подстилке изменяется в соответствии с
(4.21):
dN,
'L _
dt
= Fgl+Fwl-Fla-Flh- (4.21)
Гумус (Н). Предполагалось, что часть углерода,
содержащегося в гумусе, окисляется и образует поток
FHA= 0,943 NH/xH) (422)
а оставшаяся часть переходит в устойчивые соединения:
FHS= 0,057 NH/xH. (4-23)
Тогда для вычисления массы углерода в гумусе можно
записать следующее уравнение
HN
^f = FLH-FHs-FHA- (4-24)
Устойчивые соединения углерода в почве (S). Предполагалось,
что кроме потока углерода из гумуса FHS в образовании
устойчивых соединений углерода в почве участвует треть потока углерода,
выбывающего из живой биоты за счет сведения лесов:
Fws = 1 / 2- Fdef ;- (4.25)
l+yva(1980)
Кроме естественного потока углерода из резервуара S в
атмосферу

FSA=Ns/xs.
(4.26)
учитывался еще и поток вследствие культивации земель Fsou:
~f- = %s +Fws -FSA -Fsoil- (4-27)
Базовый сценарий изменения нетто-потоков Fj0T и Fsgii в
период 1965-2100 гг. Для периода 1965-2100 гг. при расчете потоков Ffor
и Fsoil учитываются следующие резервуары подвижной биоты:
(1) — леса умеренно-бореальной зоны; (2) — почвы умеренно-
бореальной зоны; (3) — тропические леса (влажные и сезонные);
(4) — почвы тропической зоны. Далее, анализируя исторические
данные и действующие тенденции построим оценку изменения
площадей лесов в рассматриваемый период.
До начала антропогенного вторжения (несколько тысяч
лет т. н.) леса занимали площадь в 62 млн км2, из которых умерен-
но-бореальные 33,4 млн км2 и тропические 28,6 млн км2 [48, 50, 51].
Максимальное уменьшение площади умеренно-бореальных лесов,
достигнутое к 1965 г., составило примерно 40% (до величины
~ 20 млн км2). Можно предположить, что максимальное
уменьшение площади тропических лесов составит примерно такую же
величину. Это значит, что их площадь должна уменьшиться до
~ 17 млн км2.
Период наиболее интенсивного использования умеренно-
бореальных лесов — с начала индустриальной эпохи до 1960 г. — с
целью расширения площадей обрабатываемых земель, заготовки
древесины для энергетических и других целей, подготовки
площадей под гидростроительство продолжался, таким образом, 160 лет.
После этого началось их постепенное восстановление со
скоростью ~ 36 тыс. км2/год (по данным 1965-1993 гг.) [52]. Предпола-

гается, что в целом и для лесов тропического пояса будет
наблюдаться подобная картина, так как мотивы вырубки те же, а
плотность населения в странах тропического пояса в течение XXI в.
лишь приблизится к европейской.
Полагая, что интенсивное освоение лесов тропического
пояса началось около 1870 г. с массовой расчисткой лесов в Бразилии
под посадки гевеи, можно надеяться, что по аналогии период
интенсивного использования тропических лесов окончится около
2030 г. После этого с десятилетней паузой начнется период
восстановления тропических лесов до площади, примерно
соответствующей 1990 г. Максимальная скорость восстановления определяется
по данным [53] и составляет 26 тыс. км2/год. Скорость роста
площади бореальных лесов предполагается равной 36 тыс. км2/год, что
соответствует современной средней скорости восстановления уме-
ренно-бореальных лесов после максимального уменьшения их
площади, достигнутого в 1965 г.
Следует отметить, что увеличение площади умеренно-
бореальных лесов происходит как вследствие рефорестации, так и
за счет естественного прироста при увеличении среднеглобальной
температуры и сдвиге границы между лесами и тундрой. По нашим
данным скорость увеличения площади за счет рефорестации для
периода 1965-1993 гг. может быть оценена как 21,2 тыс. км2/год, и
это значение используется в модели для вычисления потока Fref.
Учет естественного прироста биомассы лесов при увеличении
среднеглобальной температуры осуществляется в соответствии с
(4.14). Динамика изменения площадей лесов умеренно-бореальной
и тропической зоны представлена на рис. 4.3.

Площадь лесов, млн. гм2
26 ,
24
1960 1980 2000 2020 2040 2060 2080 2100
Год
Рис. 4.3. Изменение площади лесов в соответствии е баэовьм сценарием (гладкие
кривые) и данные 1965-1993 гг.
1 — леса умеренно-бореальной зоны; 2 — тропические леса
Количество углерода, приходящееся на единицу площади
умеренно-бореальных и тропических лесов, оценивается при
современных условиях как Ь(')=10,210-3 (Гт С/тыс. км2) и Ы3> =13,710-3
(Гт С/тыс. км2) [54]. После 1965 г. годовой нетто-поток Ffor
вычисляется по формуле: Ffor= Fdef + Fref, т. е.
Ffor = -b(I)ASb -2/3-b(3)ASt, (4.28)
где ASt (тыс. км2) и ASb (тыс. км2) — изменение площади лесов в
течение года тропической и умеренно-бореальной зоны,
соответственно.
В 2030 г. ASt меняет знак, а количество углерода,
потребляемого тропическими лесами при восстановлении, меньше, чем в
стабильной стадии (мы ввели коэффициент Уъ ), поэтому после 2030 г.

Ffor вычислялся также по (4.28) . Потери углерода из почв умерен-
но-бореальной и тропической зон рассчитываются следующим
образом:
Fsoil= 0,35-2,09 -10"3ASt. (4.29)
Результаты моделирования углеродного цикла в биосфере.
Нетто-поток углерода в атмосферу на выходе из биосферного
блока есть Qb = Fba - Fab, где
Fba = FlA +FhA ч-Fsa +Ffor1+i^~i^/2)+Fso.1) (4.30)
Fab = FaO + FAW- (4-31)
Поток углерода в атмосферу за счет лесов и изменений в
землепользовании (Fant — сумма последних двух слагаемых из (4.30)) и
нетто-поток из биосферы в атмосферу Qb показан на рис. 4.4.
Основные изменения в биосферном резервуаре связаны с прямым
антропогенным воздействием — вырубкой лесов и возделыванием
земель, поэтому потоки близки по форме.
Для периода относительно стабильного климата и
небольших изменений концентрации СОг (вторая половина XIX в.)
потоки почти идентичны, однако впоследствии начинает сказьшаться
косвенное антропогенное воздействие на биосферу. Оно связано с
ростом биопродуктивности и площади, занимаемой долгоживущей
биотой, в результате повышения концентрации С02 и глобального
потепления. Весьма заметное расхождение потоков на рубеже
XIX столетия объясняется реакцией биосферы на эпизод
значительного похолодания в этот период.

Fant ^b ' ** с/1юд
1750
1950
2000
Рис. 4.4. Эмиссия углерода из биосферы в атмосферу
1 — поток эа счет сведения лесов и изменений в землепользовании Fani; 2 — нетто-
поток углерода из биосферы в атмосферу Qj,
4.5. Настройка модели
Среднее доиндустриальное содержание радиоуглерода в
океане и в его поверхностном слое составит:
весь океан
_On,(l-ae)+R3hd
Кос~ hm(l-ac)+hd *
(4.32)
поверхность океана R° = (l -ac)R£, +acR5.
(4.33)
В равновесном состоянии глобальный поток 14С в океан
должен быть уравновешен радиоактивным распадом в океане:

A„cF^(r: -Rs°) = XN0CR°0C. (4.34)
Это уравнение используется для расчета доиндустриального
потока из атмосферы в океан
F« = (l-ac)Fl+acFa°d- (4.35)
Однако для расчета распределения радиоуглерода величина
F^ нуждается в некоторой корректировке. Дело в том, что
уравнения модели записаны в предположении о равномерном
распределении углерода в океане в начальный момент времени. При этом
общее содержание углерода в океане C0hocA0c оказьшается на 13%
ниже, чем его истинное значение N0c. Это происходит из-за того,
что в модели не учтено повышенное содержание углерода в
глубоком океане и перенос углерода органическими частицами и
карбонатами, которым нельзя пренебречь в случае |4С. Поэтому
стационарный профиль будет корректно задан с помощью потока
F: = F£C0hOcA0C/N0C. (4.36)
Аналогично, потоки F*m, F*d (и, соответственно,
коэффициенты kam, kad), используемые при расчётах распределения
радиоуглерода, получены домножением соответствующих величин на
CohocAocAN ос-
Используя оценки F°d = 1.7F°m автора работы [40], получаем
из (4.5) и (4.35):
к** = 0 - ac)F^/(l+0.7ac)haCo;
kad=l,7F£/(l + 0.7ac)haCo.
Для определения коэффициента турбулентной диффузии К
используется аналитическое стационарное решение уравнения ба-

ланса массы, задающее доиндустриальный профиль концентрации
радиоуглерода в глубоком океане:
ро/„\_ R-a ,^p» R° ch(hd - z/hR) Mi»'»
1 + X/kja 1+Vkda ch(hd/hR)
где hR = I —. Значение К подбирается таким образом, чтобы
вьтолнялось условие — f R|j(z)dz = RJj.
hd о
В принципе, все параметры и коэффициенты
рассматриваемой модели могут быть определены по результатам
непосредственных измерений, дополненных калибровкой по доиндустри-
альному распределению радиоуглерода. Однако относительная
площадь соприкосновения глубинных вод с атмосферой ас не
может быть оценена таким образом, потому что регулированием этой
площади в модели достигается компенсация бесконечно быстрого
горизонтального перемешивания (по оценкам [40] величина ас
должна устанавливаться в диапазоне 0,05-1-0,15). Поэтому для
дополнительной настройки модели будем использовать данные об
атмосферном содержании СОг, поскольку именно для предсказания
этой величины создавалась модель.
Воспроизведение моделью скорости изменения атмосферной
концентрации СОг обеспечивалось подгонкой коэффициента ас.
При этом из интервала допустимых значений выбиралось такое
значение Р°, которое обеспечивало бы наилучшее согласование
результатов моделирования с экспериментальными данными. Выбор
очередной пары значений ас, Р° сопровождался каждый раз
калибровкой по доиндустриальному распределению |4С с помощью

описанной в этом параграфе процедуры. В результате было
получено ас =0,065, Р° =277 млн1. При этом оказалось, что модель
хорошо описывает также и реакцию океана на ввод бомбового |4С.
Результаты для слоя перемешивания представлены на рис. 4.5.
I960
1985
Рис. 4.5. Данные измерений содержания радиоуглерода
Ra — в атмосфере (1); Rm — в слое перемешивания (2) [56]; Rm — результаты
моделирования для слоя перемешивания (3)
Для всего океана превышение содержания 14С добомбового
уровня, вычисленное по формуле:
hoc
(4.39)
Р-С,
g^ j(R(t1973,z)-R(t1950,z))dz,
оказалось равным 1,33-10-10 Моль/м2. Это значение хорошо
согласуется с оценками, полученными в ходе выполнения программы
GEOSEC— 1,4410-'» Моль/м2 [55] и 1,37-10-"» Моль/м2 [57],
учитывая, что их точность составляет 10-15%. Таким образом, данная
модель хорошо описьгаает процессы, имеющие существенно разные

характерные времена: доиндустриальное распределение |4С
(стационарное состояние), распределение бомбового |4С
(характерное время источника ~ 10 лет), распределение
антропогенного 12С (характерное время источника ~ 20 -ь25 лет).
Необходимо отметить, что не только ранние боксовые
модели углеродного цикла, но даже модель Зигенталера [40], требовали
использования разных коэффициентов обмена Ку и турбулентной
диффузии К для описания этих процессов. Для боксовых моделей
это объясняется прежде всего упрощенным представлением океана,
а для модели [40] — недооценкой роли биосферного источника в
углеродном цикле.
Занижение интенсивности источника СОг приводило к
занижению скорости роста атмосферной концентрации СОг, а значит, и
стока углерода в океан, в том числе стока 14С, поэтому в работе [40]
при калибровке по доиндусгриальному "С получалось заниженное
поглощение океаном бомбового 14С. Кстати, этим же объясняется и
необходимость использовать завышенную доиндустиальную
концентрацию С° — 295,8 млн-1. Ведь заниженная величина
антропогенного потока приводила к занижению разницы между доиндуст-
риальной и современной концентрацией CCh в атмосфере.
Возможность описания настоящей моделью процессов с
существенно различными характерными временами позволяет
рассчитывать на успешное прогнозирование атмосферной
концентрации СОг.
4.6. Результаты прогноза концентрации СОг и обсуждение
В данной работе использовался базовый прогноз эмиссии
СОг из индустриальных источников, полученный в работе [58] на
основе "генетического" подхода к изучению закономерностей раз-

вития мировой энергетики. Он опирается на данные по
численности населения и потреблению различных видов энергии на душу
населения и является наиболее реалистичным из сценариев ее
эволюции.
Потоки СОг в атмосферу из индустриального (Qa) и
биотического (Qb) источников, а также их суммарный поток Qa+Qb
представлены на рис. 4.6. Из рисунка видно, что к 2000 г. биосфера
постепенно превращается из источника в сток углерода, что может
привести к существенному смягчению антропогенного давления на
окружающую среду.
Q«r Оь, 0»+0ъ> г» с/гол
9 |
1700 1800 1900 2000 2100
Год
Рис. 4.6. Потоки COi в атмосферу ю индустриального Qa (1), биотического Qj, (2)
источников н суммарный поток (3)
Расчетное изменение атмосферной концентрации диоксида
углерода показано на рис. 4.7. В соответствии с полученными
результатами достигнутая в настоящее время скорость изменения
концентрации СОг сохранится в ближайшие 40-50 лет. Интересно

отметить, что за это время должно произойти увеличение
антропогенной эмиссии углерода приблизительно на 50%. Таким образом,
произойдет полугор акр атное снижение доли СОг, остающейся в
атмосфере.
Ра, млн"1
450 ""
400
350
300
:
;
•
о 8
е
ж
,
о ^
.
/ » [23]
/ « [24]
f ♦ [25]
• [26]
. [27]
• [28]
о [29]
,
250
1750 1600 1650 1900 1950 2000 2050 2100
Год
Рис. 4.7. Атмосферная концентрации! С02, полученная с использованием модели
углеродного цикла (сплошная кривая) и экспериментальные данные |26-32|
К середине следующего века ожидается повышение
атмосферной концентрации СОг до 433 млн-1. После этого должно
начаться постепенное снижение скорости накопления диоксида
углерода в атмосфере. Это связано как с уменьшением индустриального
источника СОг, так и с изменением обмена с биосферным
резервуаром.
Удвоенное доиндустриальное содержание углерода в
атмосфере не только не ожидается в следующем веке, но, возможно, не
будет достигнуто вовсе. Для 2100 г. получено значение
Ра = 459 млн-1, что на 66% выше уровня 1800 г.

5. ИСТОРИЯ И ПРОГНОЗ КОНЦЕНТРАЦИЙ ОСНОВНЫХ
ПАРНИКОВЫХ ГАЗОВ
5.1. Доиндустриальные концентрации
В рамках работы по восстановлению истории глобального
климата в I-XX столетиях была поставлена задача построить
временные ряды концентраций некоторых малых парниковых
составляющих атмосферы — метана СН4 и закиси азота №0, — от
начала нашей эры до наших дней. Основньш источником информации
по этому вопросу служат анализы состава воздуха, заключенного
во льду и фирне Антарктики и Гренландии.
Тренды атмосферных концентраций СН^ и №0 были
получены методом непараметрического оценивания кривых [33]
исторических данных [59-67] с учетом степени достоверности последних.
Результаты оценки представлены на рис. 5.1 и 5.2.
Восстановление концентраций основных парниковых газов
вплоть до начала нашей эры показало, что в период 0-1800 гг. их
величины претерпевали незначительные изменения: для №0
отклонение от среднего значения не превышало 2%, а для СН^ — 15%.
Тем не менее, при чувствительности глобальной климатической
системы в 0,45°С/(Втм2) даже такие изменения концентраций
обеспечивают колебания среднеглобальной температуры с амплитудой
около 0,1°С, что примерно на порядок ниже зафиксированной
температурной изменчивости в масштабе последних двух тысячелетий.
Следовательно, в отличие от событий последнего столетия,
изменения концентраций парниковых газов не оказывали решающего

320
310
300
290
260
270 ■
260
250
С, млрд"1
.V*
500
1000
1500
2000
Рис. 5.1. Атмосферные концентрации С закиси азота в течение последних двух тысяч
лет
С, млрд"
1600
0 500 1000 1500 2000
Рис, 5.2. Атмосферные концентрации С меташ в течение последних двух тысяч лет

влияния на ход климатической истории с начала нашей эры и
вплоть до начала XX столетия.
Это лишний раз показывает опасность и бесперспективность
одностороннего подхода к описанию событий климатической
истории, когда одному и тому же фактору заранее отводится
доминирующая роль. В действительности же, относительное влияние
климатических факторов может кардинально изменяться со
временем.
5.2. Прогноз концентраций парниковых газов
В настоящее время более 40% радиационного форсинга
вследствие парникового эффекта обеспечивается за счет так
называемых малых парниковых составляющих атмосферы. В параграфе
представлены прогнозы атмосферных концентраций для 20 из них,
оказывающих наибольшее влияние на радиационный баланс
Земли: СН4, N2O, Оз, хлорфторсодержащих углеводородов (ХФУ —
фреоны, ССЫ и СНзССЬ) и их озонобезопасных заменителей.
Метан и закись азота. Антропогенная эмиссия СИ.4 и №0
связана главным образом с удовлетворением потребностей людей в
пище и энергии и вряд ли может быть подвергнута в обозримом
будущем значительной регуляции. Поэтому для прогнозирования
концентраций СШ н №0 бьша разработана методика, основанная
на экстраполяции существующих тенденций с использованием
уравнения сохранения в виде:
^ = Sn(t)+S.(t)-£-, (5.1)
dt x(t)
где N — атмосферное содержание компонента; Sn(t) и Sa(t) —

интенсивности естественного и антропогенного источников
соответственно; x(t) — время жизни компонента в атмосфере.
Все переменные в правой части (5.1), кроме Sa(t), можно
представить в виде постоянного члена, обозначенного индексом (0)
и соответствующего доиндустриальным условиям, и переменного
остатка 8:
N(t) = N0+5N(t), (5.2)
Sn(t) = Sno +8SB(t), (5.3)
T(t) = x0+8T(t). (5.4)
Тогда уравнение (5.1) можно преобразовать к виду
dt а т0
где интенсивность эффективного антропогенного источника Sf(t)
определяется выражением
Sf(t) = Sm(t) + 8SB(t) + ^ffi, (5.6)
x0x(t)
которое учитьшает также влияние антропогенной деятельности на
интенсивность естественного источника и атмосферное время
жизни.
Закон сохранения массы, записанный в форме (5.5),
представляет собой удобный инструмент для прогнозирования,
поскольку позволяет построить временной ряд антропогенного
источника, используя лишь данные по изменению содержания
компонента в атмосфере. После экстраполяции интенсивности антро-

погенного источника на будущее, расчет атмосферного содержания
компонента выполняется вновь с использованием уравнения (5.5).
Для выполнения подобной экстраполяции были построены
временные ряды эффективного антропогенного источника на душу
населения:
ое(Г
s = ^-. (5.7)
Р V '
Логично предположить, что величина s должна проявлять
тенденцию к стабилизации по мере продвижения человечества к
постиндустриальному обществу, когда основные потребности
человека будут полностью удовлетворены.
аж, кг/(чел • год)
О 1000 2000 3000 4000 5000
Р, млн. чел.
Рис. 5.3. Эмиссия метана на душу населения
Как показали наши вычисления для второго по значению
парникового газа — метана, величина s уже сейчас достигла своего
асимптотического значения sac (рис. 5.3). Это позволило нам про-

гнозировать интенсивность антропогенного источника, используя
лишь полученное значение sac и прогнозы народонаселения Земли.
Затем было вычислено будущее содержание метана в атмосфере
интегрированием уравнения (5.5).
Аналогичный подход был использован и для закиси азота.
При этом прогнозирование временного ряда s(t) осуществлялось с
использованием логистической функции (такой тип функции
хорошо отражает характер изменения величины s). Результаты
расчета предстоящего изменения концентрации СН4 и №0 показаны на
рис. 5.4 и 5.5 соответственно.
3000
С, млрд
S, Мт/год
2000
1000
3000
2000
1000
1950
2000
2050
2100
Год
Рис. 5.4. Антропогенная эмиссия (S) к изменение концентрации метана (С) в атмосфере
до 2100 г.

380
360
340
320
300
9ЯП
с,
/
/
млрд"
1
''" "~ "" — ^
/
• _^г—
/ уг
/
/
S
S, Мт/год
<С_,
.
19S0
2000
2050
2100
год
Рис. S.5. Антропогенная эмиссия (S) и изменение концентрации закиси азота (С) в
атмосфере до 2100 г.
Фреоны и их озонобезопасные заменители. Прогноз эмиссии
малых парниковых газов, имеющих чисто индустриальное
происхождение — фреонов, тетрахлорида углерода, метилхлороформа и
их озонобезопасных заменителей, бьш построен на базе решений
Копенгагенской встречи стран-участниц Монреальского
протокола по озоноразрушающим веществам (1992 г.) [68]. Согласно
последним производство полностью замещенных ХФУ (CFC)
прекращается с 1996 г. (в развитых странах, где производится свыше
80% всех CFC; для остальных стран предусмотрена отсрочка на
10 лет), а гидратнрованные ХФУ (HCFC) рассматриваются как
временная замена и их производство жестко регламентировано.
Результаты прогноза производства и эмиссии долгосрочных
заменителей (HFC), представленные на рис. 5.6-5.7, сделаны на
основе анализа и экстраполяции исторических тенденций

3,тыс.т/год
300
200
100
1980
HCFC22
MCFC141b
HCFC124
1990
2000
2010
2020
2030
Год
Рис. 5.6. Прогноз эмиссии веществ группы HCFC до 2100 г.
900
800
700
600
500
400
300
200
100
0
s
■
•
тыс
т/год
HFC134a__^- ""
HFC125
HFC152a
HFC32
HFC143a
1980
2000 2020 2040 2060 2080 2100
ГОД
Рис. 5.7. Прогноз эмиссии веществ группы HFC до 2100 г.

изменения мирового потребления фреонов на душу населения [68-
69] в предположении о стабилизации последнего (что наблюдается
в последнее десятилетие в развитых странах).
Атмосферные концентрации рассчитывались с
использованием соотношения (5.1) в предположении об отсутствии
естественных источников (Sn = 0) и постоянстве времени жизни в атмосфере
(x(t) = T = const). Времена жизни в атмосфере Т малых парниковых
газов представлены в табл. 5.1.
Таблица 5.1
Времена жизни малых парниковых компонентов атмосферы (по данным [30])
Вещество
СН<
N20
ecu
СНзССЬ
Т, лет
9,6
132
47
6,1
CFC
CFC11
CFC12
CFC113
CFCI14
CFC115
Т, лет
55
116
ПО
220
550
HCFC
HCFC22
HCFC123
HCFC124
HCFCHlb
HCFC 142b
Т.лет
15,8
1,71
6,9
10,8
22,4
HFC
HFC32
HFC125
HFC134a
HFC143a
HFC152a
T, лет
6,0
40,5
15,6
64,2
1,8
В случае выполнения Копенгагенского соглашения уже в
самом ближайшем будущем должно начаться снижение атмосферных
концентраций веществ группы CFC (см. рис. 5.8). Однако для
большинства из них темпы снижения будут невысокими (из-за
больших времен жизни в атмосфере). Так, для основных фреонов —
CFC11 и CFC12 — атмосферные концентрации к концу
следующего столетия уменьшатся примерно вдвое. Для веществ группы
HCFC, производство которых должно быть прекращено к 2030 г.,
максимум концентраций приходится на 2020 г., а к концу столетия
их значения снизятся практически до нуля. И только для газов типа
HFC наблюдается монотонный рост концентраций.

с, млрд
1950 2000 2050 2100
Год
Рис. 5.8. Концентрация С основных фреонов н нх озонобеэопасных заменителей до
2100 г.
Озон. Источники и основные стоки озона находятся в
атмосфере и связаны с десятками фотохимических реакций между
многими малыми примесями атмосферы с участием аэрозолей.
Возрастание выбросов NOx, СО и углеводородов, связанное с
антропогенной активностью — интенсификацией- перевозок и
производством энергии, приводит к увеличению скорости генерации озона и
росту его тропосферной концентрации. Однако надежное
определение долговременных тенденций изменения содержания озона в
атмосфере пока невозможно.
Анализ результатов измерений концентрации Оэ и
модельных расчетов [70-72] позволил в качестве первого приближения
разработать прогноз изменения концентрации тропосферного
озона на период до 2100 г. (рис. 5.9).

С, млрд'
52 ^^ ^V
50 / ^ЧЧ\.
4в /
46 /
44 У
42 I ■ 1 ■ ■ ■ ■ 1 ■ ■ 1 ■ ■ ■ ■
1950 2000 2050 2100
Год
Рис. 5.9. Изменение концентрации озона С в тропосфере до 2100 г.
Таким образом, на основе обширного фактографического
материала и с применением различного рода моделей — от истори-
ко-генетических до физико-математических, — созданы надежная
база данных по изменению концентраций малых парниковых
составляющих атмосферы за последние две тысячи лет и
обоснованный прогноз на предстоящее столетие.
6. ИЗМЕНЕНИЕ РАДИАЦИОННОГО ФОРСИНГА
С самого начала интенсивных исследований (70-80-е годы)
точка зрения на масштаб предстоящих изменений климата
сформировалась как антропоцентрическая, в которой центральное
место отводилось антропогенным факторам и в первую очередь
изменению газового состава атмосферы Земли в основном вследствие
сжигания органического топлива. Поэтому считается, что именно

энергетика несет основное бремя ответственности за
нежелательные изменения климата. Однако для выяснения степени ее
воздействия на климат необходимо учитывать также влияние
естественных климатообразующих факторов.
Q, вт/мР
0.49
1
'
:
Ш
И
-0.19
0.1В
-0.16
' !
<•
-0.45
0.43
■
>у.
-0.01
-о. 27
12 3 4 5 6
Рис. 6.1. Сопоставление максимальных значений форсингов Q в масштабе десятилетия
(70-е-80-е годы XX столетия) за счет различных климатообразующих факторов
1 — парниковые газы; 2 — тропосферный сульфатный аэрозоль; 3 — Солнце; 4 —
стратосферный вулканический аэрозоль; 5 — автоколебания в системе атмосфера-
океан (Эль-Ниньо / Южное колебание); 6 — параметры гелиоцентрической орбиты
Земли
На основе анализа большого количества публикаций и
собственных расчетов осуществлено сравнение относительной роли
основных климатообразующих факторов в масштабе десятилетия
(из числа последних декад) (рис. 6.1) и минувшего столетия
(рис. 6.2). Сопоставление выполнено в терминах изменения
радиационного форсинга у тропопаузы Q — величины лучистого
теплового потока, направленного к (знак +) или от (знак -) поверхности

Земли. Для автоколебаний в системе атмосфера-океан это
эквивалентная величина, рассчитанная по известной температурной
аномалии. Суммарный (1+2) антропогенный форсинг занимает по
абсолютной величине все еще лишь третье место, уступая влиянию
вулканов и автоколебаний в системе атмосфера-океан.
Q, Вт/»?
2.25
0.59
0.25
-0.25
1-0.07
-0.66
-0.59
-0.45
Рис. 6.2. Сопоставление максимальных значений форсингов Q в масштабе столетия
(1890-1990 гг.) за счет различных климатообразующих фокгоров
1 — парниковые газы; 2 — тропосферный сульфатный аэрозоль; 3 — Солнце; 4 —
стратосферный вулканический аэрозоль; 5 — автоколебания в системе атмосфера-
океан (Эль-Ниньо/Южное колебание); 6 — параметры гелиоцентрической орбиты
Земли
При переходе от декадной к вековой изменчивости значение
антропогенного парникового форсинга, имеющего постоянный
положительный знак, усиливается. По-видимому, в течение
последнего столетия накопление парниковых газов в атмосфере
действительно явилось основным фактором, обеспечившим повышение
среднеглобальной температуры на 0,5°С [53, 71]. Однако суммарная

величина антропогенного форсинга (1+2) вполне соизмерима с
суммарной величиной естественных форсингов.
Для расчета радиационного форсинга Qi парникового
компонента атмосферы используется конкретный тип зависимости от
концентрации этого компонента. Если концентрация парникового
газа в атмосфере мала, то поглощение длинноволновой радиации
происходит при малых оптических толщинах. В этом случае
увеличение количества молекул парникового газа будет приводить к
линейному росту радиационного форсинга. По мере увеличения
содержания данного компонента и заполнения соответствующих
окон прозрачности атмосферы влияние концентрации ослабевает.
В соответствии с моделью Кейла-Диккенсона [73] для
углекислого газа использовалось соотношение
Qi-lnCC/Co), (6.1)
для метана и закиси азота —
Q,~(C"2-C), (6.2)
для озона и остальных газов —
Qi-(C-Co), (6.3)
где С — текущая концентрация, а С0 — концентрация в 1800 г.
Коэффициенты пропорциональности, использовавшиеся для
расчетов по соотношениям (6.1)—(6.3), представлены в табл. 6.1.
Коэффициенты для СН4 и N2O учитывают эффект перекрывания
полос излучения, рассчитанный согласно [71].
Радиационный форсинг за счет повышения концентрации
стратосферного водяного пара, образующегося при окислении
метана, оценивался в соответствии с [74, 75] как 0,35 от радиацион-

Таблица 6.1
Коэффициенты пропорциональности для расчета радиационного форсинга по
соотношениям (6.1-6.3)
Газ
СОг
СН4
N20
Оз
CFCI!
CFC12
CFC113
CFC114
CFCU5
ecu
СНзССЬ
HCFC22
HCFC123
HCFC124
HCFC141b
HCFC142b
HFC32
HFCI25
HFC134a
HFCI43a
HFC152a
Цдиница измерения коэффициента
Вт
м2
Вт
м2 мпрд~т
Вт
М -МЛрД-'
'
Значение коэффициента
6,3
0,031
0,131
0,02
0,22
0,28
0,28
0,32
0,26
0,10
0,05
0,19
0,18
0,19
0,14
0,18
0,10
0,24
0,17
0,14
0,12

ного форсинга, вызванного повышением атмосферного содержания
СШ без учета перекрывания полос.
Среднеглобальная концентрация тропосферного
сульфатного аэрозоля прямо пропорциональна эмиссии серы в виде SOx в
атмосферу. По нашим оценкам в 1990 г. в атмосферу поступило
83,2-106 т серы в виде SOx, радиационный форсинг Q2 при этом
составил -0,75 Вт/м2 [21]. Таким образом, связь среднеглобального
форсинга и эмиссии может быть представлена в виде
Q2 = -0,009 Ss,
где Q2 — форсинг, Вт/м2, a Ss — эмиссия серы, Мт S/год.
Солнечный форсинг Q3 предполагается в годы максимумов
солнечной активности пропорциональным отклонениям чисел
Вольфа от среднего максимального значения, промежуточные
точки были получены линейной интерполяцией соседних
максимальных точек [76].
Вулканическая активность характеризуется каким-либо из
двух индексов: индексом кислотности полярных льдов AI^,
скорректированным авторами с целью устранить влияние удаленности
вулкана от места извлечения ледового керна, или вулканическим
индексом Смитсонианского института SVI? [77, 78]. Считалось,
что вулканический форсинг Q4 линейно зависит от индекса Al£, a
в случае SVI? использовалось приближенное эмпирическое
соотношение Q4 « K(SVlF)0-41, где К — константа нормировки.
Механизмы влияния внешних факторов на климат могут
быть учтены с помощью глобальной нестационарной
климатической модели, основу которой составляет система уравнений
энергетического баланса между естественными резервуарами в условиях
воздействия внешнего форсинга.

7. ИСТОРИЯ И ПРОГНОЗ ЧИСЕЛ ВОЛЬФА КАК
ОСНОВНОГО ИНДИКАТОРА СОЛНЕЧНОЙ АКТИВНОСТИ
7.1. Датировка циклов Швабе
Несмотря на то, что механизм влияния солнечной
активности на климат Земли неясен, не вызывает сомнений наличие
устойчивых статистических связей между некоторыми
характеристиками солнечной активности и климатическими показателями. С
точки зрения влияния Солнца на климат Земли наиболее важными
являются такие характеристики солнечной активности, как длина
квази-одиннадцатилетнего цикла Швабе или значения чисел
Вольфа в годы максимумов солнечной активности [79].
Следует отметить, что для ряда чисел Вольфа в целом,
который широко используется как индикатор солнечной активности, в
настоящее время не существует надежных методов долгосрочного
прогнозирования [80, 81]. Рассматриваемый процесс очень сложен и
включает большое число квази-периодических компонент, периоды
которых меняются от 2 до 2300 лет [82], а временной интервал,
содержащий надежные данные, слишком короток.
Квази-одинадцатилетний цикл Швабе — одна из наиболее
ярких особенностей временного ряда чисел Вольфа. Надежное
предсказание этой характеристики важно для многих областей
человеческой деятельности, особенно для прогнозирования
климатических изменений. Здесь рассматривается только долгосрочные
прогнозы, т. е. прогнозы на период, превышающий длину цикла
Швабе, основным объектом изучения являются даты минимумов

ряда чисел Вольфа (t^). Последовательность таких дат
обнаруживает в своем поведении большую степень детерминизма, что
делает возможным построение успешного прогноза.
Другая важная для предсказания климата характеристика
солнечной активности — ряд из максимальных чисел Вольфа. В
данной главе на основе прогноза дат минимумов tinin делается
попытка осуществить предсказание поведения этого ряда вплоть до
конца следующего столетия.
Долгосрочный прогноз дат солнечных минимумов возможен
только при использовании достаточно длительной истории
солнечной активности. К сожалению непосредственно измеренные
значения чисел Вольфа имеются лишь начиная с 1749 г. Такого
временного интервала совершенно недостаточно для изучения
долгопериодных колебаний в ряде {tmin }, поэтому привлекались
косвенные данные.
Данные по t^, рекомендованные Шове [82],
использовались для периода 500 г. до н.э. — 1980 г. н.э. До 1500 г. н.э.
месячные данные по датам минимумов недоступны, поэтому
предполагалось, что минимум наступал в середине года. Шесть пропусков в
ряде Шове, приходящихся на период до 300 г. до н.э., были
заполнены в предположении равной длины соответствующих
примыкающих циклов. Данные для 500 г. до н.э. — 1500 г. н.э. и для
минимума Маундера (1645-1700) являются не очень надежными и,
поэтому, использовались для нахождения лишь главных периодично-
стей в исследуемом ряду. Даты начального минимума (1986,8) и
максимума (1989,6) последнего 22-го цикла вычислялись с
помощью процедуры сглаживания месячных чисел Вольфа,
предложенной в [83].

Для следующего, 23-го, цикла применялась оценка минимума
1996,6, полученная в соответствии с правилом Шове, основанным
на поведении ряда чисел Вольфа с 1610 г.: "минимум, следующий за
сильным максимумом, часто происходит приблизительно через 7
лет после него".
Следует оговорить точность получаемого прогноза. С 1500 г.
средний интервал между датой минимума и датой
последовательного максимума равен 4,5 годам, следовательно, прогноз, ошибка
которого сравнима с этой величиной, является бесполезным.
Проанализируем прогнозы, ошибка которых не превосходит половины
этого интервала — 2,3 года. С этой точки зрения любопытно
рассмотреть некоторые имеющиеся результаты по предсказанию дат
минимумов.
Прогноз, приведенный в работе [84], имеет слишком большие
ошибки — 3,7 года для 22-го цикла и более чем 5 лет для
последующего минимума, ошибка же прогноза для даты максимума 22-
го цикла равна 5 годам. В [85] анализируется прогноз, основанный
на разложении последовательности чисел Вольфа в ряд Фурье. Так
как этот прогноз для величины максимума в 21-м цикле имеет
ошибку в 300%, то представляется, что этот метод не пригоден для
описания реального процесса.
Из ряда {tnyn} для выделения периодических компонент
удалялся очевидный линейный тренд. С помощью метода
максимальной энтропии [86] строилась оценка спектральной плотности
преобразованного ряда; размерность метода выбиралась равной
1/3 длины исходного ряда. Как видно m рис. 7.1, в ряде
доминируют пять периодических компонент с периодами 200, 18,6, 12,1, 8,8 и
7,0 циклов Швабе.

Плотность ашюуа
30
0.1 0.2 0.3 0.4 0.5
Частота
Рис. 7.1. МБМ оценка спектральной плотности ряда {t^,} с удаленным трендом для
500 д. н.э. -2000 н.э.
Размерность метода равна 50; периоды выражены в циклах Швабе
Длина имеющегося временного ряда позволяет проверить
стабильность всех компонент за исключением 200-летней делением
исходного ряда пополам и сравнением оценок спектральной
плотности обеих частей (рис; 7.2). Такое сравнение показьтает, что как
минимум три из упомянутых составляющих (с периодами 18,6, 8,8 и
7,0 циклов Швабе) не являются случайными. Сделанный вьшод
остается верным и при построении спектральных оценок для
надежных данных, начиная с 1500 и с 1745 г. Напомним, что с 1500 г.
имеются точные данные по датировкам минимумов солнечной
активности, а с 1745 г. имеются надежные данные по среднемесячным
числам Вольфа.

0.5
Рис. 7.2. MEM оценка спектральной плотности ряда {tBjD } с удаленным трендом для
500 д. н. э. - 750 н. э. (1) и 750 н. э. - 2000 н. э. (2)
Размерность метода всюду равна 30; периоды выражены в циклах Швабе
Главные пики этих оценок спектров располагаются близко к
значению в 18,6 циклов Швабе (206 лет). Наименьшие пики
соответствуют приблизительно 7 циклам — (77,6 лет). Эти результаты
позволяют предположить, что ранние доинструментальные данные
по датировкам минимумов являются состоятельными наряду с
более современными данными, начинающимися с середины.
XVIII столетия, и могут быть полезными для определения
долгопериодного тренда.
Наиболее важная для векового прогноза — компонента с
периодом в 18,6 циклов, так как колебания с меньшими периодами не
являются такими значительными. Отметим, что ни одна из из-

вестных попыток прогнозирования не использует эту
составляющую.
Предположение о том, что исходный ряд {tmin} удовлетворяет
линейной регрессионной модели — одно из основных допущений
W*) = Pi + Р2х+S P2i+i Ц^} + Ра+2 со{^
(7.1)
где {Pi} — регрессионные коэффициенты; х — номер цикла в
Цюрихской последовательности; Ti=18,6; Тг=8,8; Тз=7; ех — случайные
ошибки с нулевыми математическими ожиданиями.
Коэффициенты уравнения (7.1) рассчитывались по данным
train • лежащим в базовом интервале 1500-2000 гг. Подчеркнем, что
сдвиг начальной точки базового периода с 1500 в 1745 г. почти не
оказывает влияния на предлагаемые выводы.
Используя стандартный метод наименьших квадратов,
получаем следующий набор регрессионных коэффициентов:
1744,6, 11,083,-1,622,-0,237,-0,109,0,663,-0,149,0,913. (7.2)
Соответствующий прогноз приведен на рис. 7.3.,
Поскольку не известно, насколько выбранная модель
соответствует действительности, то представляется невозможным
изобразить дисперсию прогноза. Для оценивания дисперсии
использовалась упрощенная методика. Сначала стандартным образом
оценивалась дисперсия в предположении, что модель правильна и
процесс {ех} является белым шумом. Ширина соответствующего
этому методу 95% доверительного интервала равна 2 годам. Затем
предложенный метод прогнозирования t,^ применялся к
усеченным рядам в соответствии со следующей схемой:

N
1
2
3
4
Базовый интервал
1500—1800
1500—1900
1610—1900
1500—1800
Интервал прогноза
1800—1900
1900—2000
1900—2000
1800—2000
Максимальная ошибка векового прогноза не превышала
1,8 года для XIX в. и 1,5 года для XX в. (случай 2), что говорит в
пользу приведенного выше значения ширины доверительного
интервала. Результаты прогноза для двух веков приведены на рис. 7.3.
В этом случае максимальное отклонение прогноза от реальных
данных несколько выше — 2,1 года, но оно все еще меньше
требуемой точности — 2,3 года. Из этого следует, что наш прогноз не
путает дат минимумов и максимумов.
Отклонение от швейного тренда
" т 1 1 1 1 1 1 ■ 1 1 1 1 1 1
-30 -20 -10 0 10 20 30
Цикли Шваба
Рис. 7.3. Рад {tgy,, } с удаленным трендом для 1500-2000 гг. (треугольники) и
тригонометрические тренды, коэффициенты которых вычислялись по периоду 1500—
2000 гг. (1) н 1500-1800 гг. (2)

7.2. Прогнозирование максимальных чисел Вольфа
В данном параграфе попытаемся восстановить историю
солнечных максимумов и построить их прогноз на основе
исторических, гляциологических и дендрохронологических данных. На
рис. 7.4 представлен ряд среднегодовых чисел Вольфа,
характеризующих солнечную активность, за период с 1500 по 1993 г.:
с 1610 по 1993 г. — комбинированные данные [87-88];
с 1500 по 1609 г. — реконструкция Шоверяда чисел Вольфа
по ряду наблюдений за полярными сияниями [82].
На этом же рисунке показана линия, соединяющая
максимумы Rmax(x) чисел Вольфа.
1500 1600 1700 1800 1900 2000
Год
Рис. 7.4. Среднегодовые — W (1) и максимальные — R шах (2) *мела Во льфа для
1500-1995 гг.

Будем исходить из предположения, что поведение ряда
Rmax (х), где х — номер цикла Швабе, может быть достаточно
хорошо описано с помощью гармонической модели:
Rma*(x) = £R,(x) + C + E(x), (7.3)
i=l
где Ri(x) = AiCos(2ra / Ti) + Bisin(2nx / Ti) — i-я гармоническая
составляющая с периодом Ti, выраженным в циклах Швабе; С —
константа; б(х) — случайная составляющая с независимыми
значениями и нулевым средним.
Как видно из рис. 7.4, значения Rmax 00. х = -22,
-21....22 образуют существенный возрастающий тренд в последние
300 лет. Это приводит к мысли, что в данных присутствуют
колебания с периодами, превышающими интервал надежных
наблюдений (таковым считается период с 1749 г., ему соответствуют
значения х > 0). Проблема обнаружения периодических составляющих
ряда Rmax распадается, таким образом, на две части: нахождение
долгопериодного тренда посредством привлечения дополнительной
информации и исследование имеющегося ряда Rmax без
долгопериодного тренда. Необходимая информация, отражающая поведе-
™e Rmax и охватывающая достаточно продолжительный
временной интервал, представлена ниже.
Индикаторы солнечной активности. Ряд радиоактивных
изотопов, таких как ИС и |0Ве, образуется в земной атмосфере под
действием космических лучей. В периоды повышенной солнечной
активности солнечный ветер, взаимодействуя с магнитным полем
Земли, отклоняет ббльшую часть космического излучения и
приводит к уменьшению содержания радиоактивных изотопов в
атмосфере. Таким образом, солнечная активность и содержание ИС и

|0Ве в атмосфере имеют отрицательную корреляцию [89]. Наблюдая
за процессом изменения уровней этих изотопов, можно получить
историю изменения солнечной активности.
Постоянно образующийся под действием космических лучей
радиоуглерод (продукция |4С), окисляясь в |4СС<2, быстро
перемешивается с атмосферным CCh и участвует в углеродном обмене
между атмосферой, океаном, живой биомассой и подстилкой.
Поглощаясь вместе с другими изотопами углерода живыми
организмами и растениями, он находится в них примерно в том же
отношении к общему количеству углерода, что и в атмосфере.
Используемые ниже данные по 14С получены в результате
определения возраста радиоуглерода и иС-активности в образцах
древесины деревьев. В настоящее время имеются довольно точные
данные, которые представляют нормализованную мС-активность
(А14С) во время формирования, выраженную как отклонение в %о от
стандарта активности щавелевой кислоты [90]. Для исследований
использовались данные лабораторий Сиэтла и Белфаста [91, 92] об
изменении АИС за период 2500 г. до н. Э.-1880 г. н. э. с временным
разрешением 20 лет. Необходимо заметить, что в дальнейшем
изложении будут использоваться данные по ИС только до 1880 г., не
испытавшие влияния Зюсс-эффекта, т. е. эффекта уменьшения доли
ИС02 в атмосфере из-за возрастающего потребления ископаемого
топлива, которое не содержит |4С.
К сожалению, остальные имеющиеся в распоряжении
индикаторы геофизической среды сильно зависят от региональных
изменений. Так как бериллий не образует газообразных соединений в
атмосфере, он быстро выводится из нее. Изменения в продукции
10Ве, таким образом, непосредственно отражены в концентрации
10Ве в геологических резервуарах. Кроме того, вследствие коротко-

го времени жизни в атмосфере (1-2 года), концентрация 10Ве
существенно зависит от локальных параметров: от осадков и других
метеорологических условий. 10Ве обнаруживается в полярных льдах
или озерных отложениях. Авторами был выбран 3000-летний ряд
концентрации 10Ве в полярных льдах на станции Dome С в
Антарктиде (в атомах на 1 г воды) [93].
Изменения солнечной активности также отражены в
изменениях частоты полярных сияний в средних широтах Европы и Азии.
Данные, представленные Шове [82], составлены по китайским и
европейским историческим записям наблюдений за полярными
сияниями.
Полагаем, что данные по Д14С являются наиболее
надежными вследствие высокой точности измерений, однако они не
являются непосредственным отражением изменений солнечной
активности. Значения ДИС пропорциональны изменениям 14С/12С-
отношения в атмосфере и таким образом являются функцией не
только солнечной активности, но и характера океанической
циркуляции, состояния биосферы, климата и др. Радиоуглерод постоянно
перераспределяется между основными большими резервуарами
углерода, поэтому короткопериодные колебания в продукции |4С
ведут к сильно ослабленным изменениям атмосферного 14С/12С-
отношения, а долгопериодные колебания в продукции ,4С
отражаются в атмосферном МС/12С, возможно, с некоторым
запаздыванием. Ниже описывается восстановление данных по продукции МС —
основному индикатору солнечной активности с помощью ряда
Д14С, а затем осуществляется переход к максимальным числам
Вольфа.
Реконструкция продукции радиоуглерода по данным о А14С.
Сверхдолгопериодный тренд в данных Д,4С, по крайней мере, в те-

чение последних нескольких тысяч лет связан с изменением
интенсивности геомагнитного поля и может быть аппроксимирован
функцией с периодом около 10,8 тыс. лет [93]:
A,4C(t) = 36,6-48,8smj-^^t +1,291. (7.4)
^ [10780 J
Этот тренд был удален из данных по А14С, и остаточный сигнал
использовался для расчета продукции радиоуглерода.
В работе [94] убедительно продемонстрирована
согласованность изменений солнечной активности и количества вновь
образующегося в атмосфере 14С, а также представлена реконструкция
чисел Вольфа для настоящего тысячелетия, выполненная на основе
полученных соотношений. Продукция радиоуглерода в этот период
была вычислена с помощью резервуарной модели [39], которая
описывает процессы обмена CCh и '"С между атмосферой, океаном
и биосферой. Затем на основе данных по числам солнечных пятен и
продукции радиоуглерода в период с 1720 по 1860 гг. была
получена линейная регрессионная оценка чисел Вольфа, осредненных за
каждый одиннадцатилетний цикл. Было показано, что величина
масштабного коэффициента, вычисляемая указанными методами,
может существенно изменяться при переходе к иному временному
интервалу.
Для реконструкции изменений радиоуглерода за период
2500 г. до н. Э.-1880 г. н. э. использовалась представленная в главе 4
модель углеродного цикла, которая является новым этапом в
развитии модели [40]. Продукция радиоуглерода находилась решением
уравнения, обратного к уравнению атмосферного баланса 14С, при
условии, что отклонения концентраций CCh и ,4С от равновесных
значений невелики. Вычисление производных относительных изме-

нений атмосферных концентраций СОз и 14С по
экспериментальным данным зависит от метода сглаживания, и, следовательно,
является весьма субъективной операцией. Поэтому мы
воспользовались уравнением атмосферного баланса СОг, учитывая
индустриальные и биосферные источники диоксида углерода. Вычисление
производной относительной концентрации радиоуглерода и
интерполяция данных осуществлялись непараметрическим
оцениванием кривых [95].
Реконструкция солнечных максимумов по радиоуглеродным
данным. Результаты вычислений продукции радиоуглерода
относительно среднего за период 0-1880 гг. представлены на рис. 7.5: для
сравнения на одном рисунке приведены ряды, полученные из
модели при расчетах с постоянной и изменяющейся концентрацией CCh
(данные по концентрации СОг демонстрировались в гл. 4).
-20
1500
Рис. 7.5. Ряды отклонений продукции радиоуглерода (Q) от среднего за период
0-1880 гг., вычисленные при постоянной (1) и меняющейся (2) концентрации COi. Ряд
R , взятый с обратным знаком (3)

Можно видеть, что учет роста атмосферной концентрации
СО2 после 1800 г. привел к улучшению согласования результатов
моделирования с данными по числам Вольфа. На рис. 7.5
представлен и эквидистантный ряд Rmax с 1520 по 1880 г., полученный
интерполированием с шагом в 20 лет ряда Rmax .
На следующем этапе проводится оценивание значений ряда
Rmax для периода 1660-1880 гг. по ряду Q отклонений продукции
радиоуглерода от среднего, вычисленного за 1880-летний период.
Модель линейной регрессии в этом случае имеет вид
Rmax(t)=aQ(t) + p + e(t), t = 1660,1680,..,1880; (7.5)
где e(t) — случайные ошибки с нулевым средним и ограниченной
дисперсией.
В табл. 7.1 представлены оценки параметров уравнения (7.5),
полученные методом наименьших квадратов (НК) и методом
инструментальной переменной (ИП) [96]. В качестве
инструментальной переменной использовались данные по полярным сияниям и
|0Ве. Как и ожидалось, метод ИП дает более высокие по
абсолютной величине оценки масштабного коэффициента, чем НК метод,
однако результаты оказались достаточно близки.
Таблица 7.1
Оценки коэффициентов a, P регрессии Rmax по продукции С
Метод
НК
ИП
Коэффициенты
регрессии
а
Р
И нструментальная
переменная
а
Р
Меняющаяся
концентрация СОг
-3,2
71,7
'«Be
-4,5
73,5
Полярное
сияние
-3,6
73,2
Постоянная
концентрация СОг
-2,6
61,6
">Ве
-3,6
61,7
Полярное
сияние
-3,1
63,2

Реконструкции ряда Rmax в I-XIX столетиях на основе
рядов Q и ИП-оценок коэффициентов уравнения (7.5) представлены
на рис. 7.6. Выбранные оценки получены с использованием ряда по
полярным сияниям в качестве инструментальной переменной, так
как он хорошо коррелирует с рядом по радиоуглероду и на
исследуемом интервале не содержит пропусков.
О 500 1000 1500 2000
Год
Рис. 7.6. Реконструкции ряда R для №-1880 гг. иа основе расчетов с постоянной (1)
И МСНЯЮЩСИсЯ \£) КОНЦСи ■ |fSdUQHKH (L-U2> /ДСИсIипГоюНЫс ЗНЯЧСНИЯ рЯДЭ ■*--_—_, ДЛЯ! BE™
риода 1520-1880 гг. (Э)
В завершение введем ряд, который на наш взгляд наиболее
полно отражает изменение максимумов солнечной активности за
последние два тысячелетия. Он состоит из двух частей:
на интервале 0-1520 гг. — реконструкции ряда Rmax на
основе ряда Q при расчетах с изменяющейся концентрацией С02;
на интервале 1520-1980 гг. — ряда Rmax .

В дальнейшем именно для этого ряда будем использовать
обозначение Rmax(t) , t = 0, 20,..., 1980.
Долгопериодный тренд для ряда Rmax. Спектры рядов по
радиоуглероду неоднократно исследовались различными методами.
На рис. 7.7 представлена оценка спектральной плотности 95-
точечного ряда Q, рассчитанного при изменяющейся концентрации
CCh, с 0 по 1880 г. с шагом 20 лет, выполненная при помощи метода
максимальной энтропии (MEM), размерность метода равна 40
[86].Продолжительность наибольшего периода составляет 995 лет,
максимумы спектральной плотности определяются также на
частотах, соответствующих периодам 370, 265, 202 и 128 лет.
Плотность спектра
8000
6000
4000
2000
Рнс. 7.7. MEM оценки спектральной плотности рада Л (1) и рада Q (2)
Рядом с частотными пиками указана продолжительность в годах соответствующих
периодов
На том же рисунке приведена спектральная оценка,
построенная при той же размерности, для ряда Rmax с 0 по 1980 г. (100

точек с шагом 20 лет). Характерные пики спектральной плотности
соответствуют периодам 1061, 370, 204, 150 и 122 лет. Из рис. 7.7
видно, что исследуемые ряды имеют сходную спектральную
структуру.
Необходимо подчеркнуть, что каждый из отмеченных
максимумов спектральной плотности имеет четкий аналог в
результатах, которые получены недавно при анализе новых 9600-летних
рядов Q, рассчитанных с помощью отличной от нашей модели
углеродного цикла [97]. Наиболее важные спектральные пики,
указанные в [97], соответствуют периодам в 951, 363, 229, 208, 130 и 123
года. Это дает основание заключить, что полученные результаты
не являются артефактом и отмеченные спектральные пики
отражают истинные колебания максимальных чисел Вольфа и,
следовательно, связанной с ними солнечной постоянной.
Долгопериодный тренд для ряда Rmax был построен в виде
суммы гармоник с периодами в 1061 год и в 370 лет (что
соответствует 96,7 и 33,7 циклам Швабе) и константы. Значения
коэффициентов найдены методом наименьших квадратов. Затем
полученный тренд вычитался из ряда Rmax(x), х = -22, -21, ..., 22, где х —
номер цикла Швабе.
Периодические колебания в современных солнечных данных.
Оценка MEM спектральной плотности ряда Rmax(x), х = -22,
-21,..., 22 (без долгопериодного тренда, размерность метода равна
20) показана на рис. 7.8. На графике спектра четко определяются
максимумы спектральной плотности на частотах,
соответствующих периодам 20,4 (225 лет) и 4,9 (53 года), можно также выделить
максимумы, соответствующие периодам 10,8 (118 лет) и 6,6
(72 года).

Плотность спектра
2074
10000 ■
8000
6000
4000
4.9
^ w
0.0 0.2 0.4 0.6 0.В 1.0 1.2 1.4 1.6
Частота
Рис. 7.8. MEM оценка спектральной плотности ряда R бе» долгопериодного тренда
Рядом с частотными пиками указана продолжительность соответствующих периодов
в циклах Швабе
Устойчивость двухсотлетней периодичности подтверждается
характерными для деятельности Солнца регулярно наступающими
в нечетные столетия минимумами солнечной активности:
минимумы Оорта (1010-1050), Вольфа (1280-1340), Шперера (1420-
1530), Маундера (1645-1715), Дальтона (1790-1830) (рис. 7.5).
Однако продолжительность этого периода для ряда Rmax оказалась
несколько больше, чем для ряда, изображенного на рис. 7.6. С
учетом сказанного, тригонометрический тренд ряда Rmax (x) был
построен как суперпозиция долгопериодной составляющей и
гармоник с периодами 19,1 (210 лет), 10,8, 6,6, 4,9. Основные
характеристики тренда помещены в табл. 7.2.
Известно, что длина цикла Швабе связана с солнечной
активностью таким образом, что высокой активности соответствуют
короткие циклы и наоборот. Форма цикла зависит от высоты
максимума Rmax чисел Вольфа и
2000
п
\
k_7V_j^

logRmax =2,73-0,18T,
(7.6)
где Т — время подъема индекса Вольфа от минимального до
максимального значения данного цикла [82]. Для датировки
предсказанных значений Rmax (x), начиная с 23 цикла, были использованы
результаты прогноза дат наступления минимумов чисел Вольфа:
Draax = Dmin + (2,73-logRmax)/0,18; (7.7)
здесь Dmax и Dntin— даты максимума и минимума одного цикла
соответственно.
Таблица 7.2
Основные параметры тренда Rmax
Период в годах
1061
370
210
118
72
53
Период в циклах
96,7
33,7
19,1
10,8
6,6
4,9
Ai
3,6
-14,5
7,6
13,9
-12,1
-5,3
Bj
14,5
0,7
33,3
-6,7
2,5
-16,8
Амплитуда
14,9
14,6
40,9
15,4
12,3
17,6
Тригонометрический тренд (рис. 7.9) представляет прогноз
изменения максимальных чисел Вольфа. После 2000 г. начнется
быстрое снижение нынешнего исключительно высокого уровня
солнечной активности, обусловленное как долговременными
тенденциями, так и короткопериодными колебаниями. Авторы не
настаивают на том, что долговременный тренд (рис. 7.9, кривая 3) должен
быть представлен обязательно в виде суммы гармонических
функций с параметрами, приведенными в табл. 7.2. В масштабе
нескольких десятилетий прежде всего имеет значение тенденция, которая
указьшает на то, что в текущем столетии медленно изменяющаяся

составляющая уже прошла свой максимум, а в следующем она
будет только снижаться.
1500 1600 1700 1800 1900 2000 2100
Год
Рис. 7.9. Тренд (1) для ряда Л_й„ (1) и его долгопериодная составляющая (3)
Эта тенденция, в частности, может быть установлена при
помощи спектрального анализа реконструкции максимальных
чисел Вольфа за два тысячелетия, что и было сделано ранее. Что
касается двухсотлетней периодичности, то ее наличие и устойчивость
подтверждаются многочисленными исследованиями различных
индикаторов солнечной активности. Ее наложение на
долгопериодный тренд обеспечивает экстремально высокие значения чисел
Вольфа в XX столетии и наступление нового минимума в
XXI столетии.
Интересно сравнить результаты нашего прогноза для
максимума солнечного цикла 23 (Rmax = 164, Dmax = 1999,9, т. е. ноябрь
1999 г.) с данными гелиофизических прогнозов. В настоящее время
одним из наиболее перспективных в гелиофизике считается метод,

основанный на анализе состояния солнечной магнитосферы.
Недавний прогноз [98], выполненный на основе именно этих
соображений группой NASA, имеющей успешный опыт предсказаний для
солнечных циклов 21 и 22, приводит к параметрам RmiH. = 138+30 ,
Dmax = май 2000 ±9 месяцев, что довольно точно совпадает с
нашими данными. Это показывает, что наш метод, скорее
рассчитанный на определение вековых тенденций, может давать полезные
результаты и для краткосрочного — на ближайший цикл —
прогнозирования.
8. ВУЛКАНИЧЕСКАЯ АКТИВНОСТЬ
8.1. Вулканическая активность и климат
Проблема влияния вулканической активности на климат
Земли имеет более чем двухсотлетнюю историю. Представления о
механизме этого влияния за данный период претерпели
значительные изменения. В настоящее время считается, что основное влияние
на поток солнечной радиации и, следовательно, на термический
режим Земли оказывает слой сернокислотного аэрозоля,
формирующийся в стратосфере из выброшенных вулканами
серосодержащих газов. Общие сведения о стратосферном аэрозольном слое,
механизме его формирования и воздействии на солнечную
радиацию приведены в [99]. Остальные компоненты вулканических
выбросов имеют значительно меньшее влияние на климат. В данной
работе делается попытка осуществить прогноз вулканической
активности, опираясь на гипотезу о наличии причинно-следственной
связи между вулканической активностью и радиационной
активностью Солнца.

Впервые идея о существовании такой связи была высказана в
середине XIX в. [100]. Существует огромное количество публикаций
на эту тему (довольно полная библиография приведена в [101]) как
доказьшающих, так и отвергающих факт солнечно-вулканических
связей. Лишь сравнительно недавно, в 80-х годах нашего столетия,
впервые появилась реальная возможность проверить
справедливость гелиовулканической гипотезы, после того, как начали
создаваться обширные архивы по вулканическим извержениям и
солнечной деятельности.
Каким образом Солнце может влиять на вулканическую
деятельность? Известно, что регулярные солнечные циклы вполне
определенным образом воздействуют на атмосферную и
океаническую циркуляцию, вызывая квазипериодические колебания
температуры и количества осадков. Оказывается, что этого вполне
достаточно, чтобы вызвать заметные изменения скорости вращения
Земли вокруг собственной оси, которые уверенно фиксируются
астрономическими наблюдениями.
При приближении активности Солнца к максимуму его
воздействие на атмосферную циркуляцию и скорость вращения
нарастает, а с ним и динамические перегрузки. Эти перегрузки,
передаваясь земной коре, приводят к возникновению небольших
землетрясений, которые способствуют растрескиванию скальных пород,
окружающих магматические резервуары. Возникает
дополнительная возможность освобождения избыточного давления из этих
резервуаров не в результате пароксиэмального акта, а постепенно.
Таким образом, солнечный максимум играет роль
своеобразного предохранительного клапана. Наличие кластеров микроэвм-
летрясений при приближении к максимуму солнечной активности
зафиксировано сейсмическими наблюдениями [102]. Интересно, что

аналогичной связи с катастрофическими наблюдениями не
обнаруживается.
Изучение в данной работе наиболее полных и достоверных
архивов информации по солнечной и вулканической деятельности,
охватывающих период в последние пять столетий, позволяет
констатировать существование гелиовулканических связей, что
подтверждается наличием статистически значимой корреляции между
количественными характеристиками вулканической и солнечной
активности.
Поскольку в настоящий момент не известно о существовании
какой-либо детерминистической модели, описывающей влияние
Солнца на вулканическую активность, то рассматривались только
чисто стохастические аспекты этой связи, и для ее исследования
применялись методы математической статистики.
Прогнозирование вулканической активности становится возможным благодаря
полученному прогнозу солнечной активности на период до конца
XXII в. (методы построения прогноза солнечной активности
изложены в работе [103] и в главе 7 данного издания).
Суть предложенного здесь метода прогнозирования
вулканической активности состоит в построении непараметрической
оценки регрессионной зависимости количественных характеристик
вулканической активности от количественных характеристик
активности Солнца. В связи с этим особую важность приобретает
вопрос о выборе надлежащих характеристик.
8.2. Индексы вулканической и солнечной активности
Современная система мониторинга вулканической
активности начала складываться только в 60-х годах XX в., и имею-

щихся в ней данных совершенно недостаточно для получения
надежной оценки регрессионной зависимости. Поэтому здесь
использовались ряды наблюдений за вулканической активностью,
составленные по косвенным сведениям.
К числу первых попыток построить систему мониторинга
влияния вулканических извержений на климат относятся усилия
Лэма построить так называемый индекс пылевого слоя [104, 105].
Несмотря на внутреннюю противоречивость и субъективность
построенной им системы, она используется для приближенной
количественной оценки влияния вулканических извержений на климат.
В настоящее время не существует ни одного вулканического
индекса, который бы в полной мере отражал степень влияния
вулканов на климат. Одним из паллиативов является использование
индекса кислотности полярных льдов, содержащих вполне
объективную информацию о содержании сульфатного иона SO42 в
атмосфере над местом извлечения керна. Принципиальным
затруднением в этом случае является селекция сигнала, обусловленного
именно вулканическими причинами, и коррекция его на
удаленность места извлечения керна от эруптивного центра.
Хаммером [77] был предложен метод оценки количества
серной кислоты вулканического происхождения в верхней тропосфере
и стратосфере, заключающийся в анализе содержания сильных
электролитов во льдах Гренландии. Полученный Хаммером индекс
вулканической активности AI был скорректирован В. В. Клименко
на удаленность источника извержения от места извлечения
ледового керна и на наличие в атмосфере естественного серного фона.
Полученный им индекс здесь обозначается как А1с.
Два следующих индекса вулканической активности
основываются на оценивании общего количества выброшенного при из-

вержениях материала: индекс Смитсонианского института SVI*
[106], скорректированный Крессом и Шенвизе [78] с учетом времени
пребывания вулканического аэрозоля в атмосфере, и индекс
института вулканологии ДВО РАН [107], обозначаемый в дальнейшем
через MVI. Данные индексы являются не столь информативными с
точки зрения влияния вулканизма на климат как первые два в силу
того, что они лишь косвенно отражают объем выброшенных в
стратосферу серосодержащих соединений.
Графическое представление перечисленных индексов дано на
рис. 8.1-8.2. Предварительный анализ имеющихся данных
указывает на общую согласованность существующих индексов
вулканической активности: все климатически значимые извержения, как
недавние, так и отдаленные во времени (такие, как Тамбора (1815),
Кракатау (1883), Эль-Чичон (1982) и др.) легко отслеживаются.
1600 1700 1800 1900
Год
Рис. 8.1. Индекс пылевого слоя DVI и скорректированный индекс кислотности AI
С целью устранения превалирующего влияния на
регрессионную оценку отдельных извержений и получения картины общей

вулканической обстановки исходные ряды вулканической
активности были сглажены с помощью фильтра Батгеруорта 2-го
порядка [108]:
Y(t) = a,Y(t-l) + a2Y(t-2)+bX(t), (8.1)
где X — исходный ряд, Y — фильтрованный ряд.
Для рядов Ale, SVI* и DVI частота фильтрации выбиралась
равной 5 годам, для ряда MVI — 10 годам. В пользу такого выбора
частоты фильтрации для первых трех рядов свидетельствуют
данные о характерном времени существования стратосферного
аэрозольного слоя после климатически значимых извержений [109].
SVI MVI
1000
100
1500
1600
1700
1800
1900
Год
Рис. 8.2. Индекс Смитсонианского института SVI и индекс института вулканологии
ДВО РАН MVI
За количественный показатель солнечной активности был
выбран ряд, составленный из дат и величин локальных максимумов
ряда чисел Вольфа с 1500 по 1991 г. (см. гл. 7). В выборе именно
такого индекса солнечной активности содержится значительная доля

произвола, так как существует большой набор различных
солнечных показателей. В пользу же чисел Вольфа говорит, прежде всего,
наличие обоснованного прогноза и большая длина имеющегося
ряда, придающая значительное доверие полученным
статистическим оценкам.
8.3. Методика построения прогноза
В дальнейшем всюду индекс солнечной активности
обозначается через S(u), где и пробегает значения всех известных и
гипотетических дат максимумов чисел Вольфа, S(u) — величина
максимума в год и; показатели вулканической активности без
ограничения общности обозначим через V(t), где t — дата между первой и
последней датой измерения индекса.
Основываясь на уже отмеченной статистически значимой
корреляции между временными рядами S и V, было сделано
предположение о существовании нетривиальной гладкой функции
условного математического ожидания
m(X;t) = E(v(t)|s; = x)1 (8.2)
где х, St — d-мерные вектора, вектор St сформирован из ряда S.
В предположении о том, что ряды S и V удовлетворяют
условию сильного перемешивания [110] (в неформальном изложении —
величины S(t-1), S(t) и S(t+1), V(t) являются асимптотически
независимыми) становится возможным построить эффективную оценку
функции m(x ,t), и, опираясь на имеющийся прогноз дат и величин
локальных максимумов чисел Вольфа, построить для XXI-XXII вв.
прогноз вулканической активности по формуле

Vf(t) = m(St,t). (8.3)
После предварительного анализа кросс-корреляционной
структуры данных в качестве вектора St был выбран вектор
S^u(t-l)),S(u(t)),S(u(t + l)), где u(t) — ближайшая к точке t дата
локального максимума ряда чисел Вольфа,
Наличие отрицательного лага в регрессионной модели
зависимости вулканической активности от Солнца может на первый
взгляд вызвать недоумение, но этого можно избежать, если
предположить, что как солнечная активность, измеряемая в числах
Вольфа, так и вулканическая активность являются только видимыми
нам откликами на некий объединяющий их процесс.
В качестве статистической оценки функции регрессии была
выбрана регрессионная оценка Надарая-Ватсона [111, 112],
относящаяся к классу непараметрических ядерных регрессионных
оценок:
m(x,t) = ^V(t)Kh(x-S;)j^Kh(x-S;)J , (8.4)
м d ( (х \А _
гдеКь(х]= ПехР - "Г" .x = (xi)—,x(j); h — параметр
сглаживания.
Показаниями для применения в данном случае оценок
подобного рода служат результаты работы [ПО], где доказывается
состоятельность ядерных оценок регрессии при оценивании по
"слабо" зависимым данным.

Ключевым моментом при оценивании регрессии оценками
типа (8.3) является выбор параметра сглаживания h. Здесь
параметр сглаживания выбирался с помощью метода кросс-проверки
[113]. В этом методе для каждой точки t, в которой известно
значение ряда V, вычисляется оценка (8.4) без учета самой точки t,
квадраты разностей оценок и истинных значений суммируются. В
качестве параметра сглаживания выбирается минимизирующее эту
сумму значение.
8.4. Результаты и предварительные выводы
Результаты оценивания и прогнозирования для выбранных
индексов вулканической активности приведены на рис. 8.3-8.6. Для
сравнения на рисунках выведены результаты оценивания и
прогнозирования с помощью линейной регрессионной модели
Vf(t)=tciS(u(t+i))+d, (8.5)
где оценки параметров с_,, с0, с,, d вычислялись по методу
наименьших квадратов.
Анализируя полученные результаты; можно сделать
следующие выводы:
линейная оценка существенно отличается от
непараметрической и носит более сглаженный характер, что указывает на
нелинейный характер зависимости вулканической активности от
Солнца;
прогнозирование всех четырех индексов дает сходную
картину вулканической активности в XXI-XXH вв., в частности, ука-

зывает на всплеск вулканизма во второй половине XXI в. и начале
XXII в.
1000
Ale
1500
1600
1700
2000
2100
1000
2200
1800 1900
Год
Рис. 8.3. Регрессионные оценки и прогноз скорректированного индекса
кислотности AI
с
а — непараметрнческая регрессия; б — линейная регрессия; в — истинные значения
Учитывая предполагаемую связь между уровнями солнечной
и вулканической активности, в этом прогнозе нет ничего
неожиданного. Настораживает, однако, высота вулканических пиков во
второй половине следующего столетия. Если нашему прогнозу
суждено осуществиться, то планету ожидают, по крайней мере,
четыре эпизода, соизмеримых по мощности с грандиозным
извержением вулкана Тамбора 5 апреля 1815 г., пославшего в атмосферу не
менее 52 миллионов тонн серы. Общий объем извергнутой магмы в
этом эпизоде оценивается в 50 км3 [114]. Считается, что такие
извержения происходят только один раз в тысячу лет, хотя в голоцене
и случались периоды "сгущения" вулканических эпизодов [77].

700
DVI
700
1500 1600 1700 1800 1900 2000 2100 2200
Год
Рис. 8.4. Регрессионные оценки и прогноз индекса пылевого слоя DVI
а — непараметрнческая регрессия; б — линейная регрессия; в — истинные значения
900
100-ln(l+SVI*)
900
1500
1600
1700
1800 1900
Год
2000
2100
2200
Рис. 8.5. Регрессионные оценки и прогноз индекса Смитсонианского института SVI
а — непараметрнческая регрессия; б — линейная регрессия; в — истинные значения
Отметим, однако, одно заслуживающее внимания
обстоятельство. Дело в том, что мы располагаем рядами А1с и SVI* до

и/
1972 г. и 1984 г. соответственно, и, следовательно, уже можно
сравнить результаты нашего прогноза с действительностью за
последние 10-20 лет. Удивительно, но для 22-го солнечного цикла (1986-
1997 гг.) использованный нами метод дал высокий пик
вулканической активности, по масштабу сходный с извержением Кракатау
6 мая 1883 г. Как известно, 15 июня 1991 г. произошло самое
сильное в ньшешнем столетии извержение вулкана Пинатубо, мощность
которого по выбросу серы и объему извергнутой магмы
действительно соответствует аналогичным показателям извержения
Кракатау. Несмотря на столь впечатляющее совпадение, полагаем
совершенно необходимым провести дальнейшие прогнозные
исследования вулканической деятельности, комбинируя математические
методы с доступными и, к сожалению, все еще весьма
ограниченными по возможностям глобального прогноза геофизическими и
геохимическими средствами анализа.
80
70 .
60 .
50 .
40 .
30 .
20 .
10 .
0
в
\
1 щаЫШт
.
'
-
-
.
а
6 \
\\
^■^4^™^
80
70
60
50
40
30
20
10
1500 1600 1700 1800 1900 2000 2100 2200
Год
Рис. 8.6. Регрессионные оценки и прогноз индекса института вулканологии ДВО РАН
MVI
а — непараметрическая регрессия; б — линейная регрессия; в — истинные значения

9. ИНДЕКС ЮЖНОГО КОЛЕБАНИЯ
9.1. Южное колебание — Эль-Ниньо и его влияние на
климат
Среди географических явлений планетарного масштаба
Южное колебание — Эль-Ниньо привлекает в последние годы
наибольший интерес, так как оно оказывает значительное влияние на
региональный и локальный климат. Южное колебание — это
явление перераспределения масс воздуха в субтропической зоне
Южного полушария между Индийским и Тихим океанами. Когда
атмосферное давление повышено над Тихим океаном, оно понижено над
Индийским и наоборот. Наиболее четко отрицательная корреляция
давлений отмечается между районами Индонезии-Австралии и
островами Общества в центре Тихого океана, поэтому в качестве
индекса Южного колебания SOI берут разность нормализованных
аномалий давлений на метеостанциях Таити и Дарвин. При
SOI < 0 давление понижено над Тихим океаном и повышено над
Индийским океаном и Австралией, при SOI> 0 картина обратная.
Явление Южного колебания тесно связано с процессами в
океане. При нормальных условиях (SOI«0) северо-восточные и
юго-восточные пассатные ветры нагоняют теплую воду в западную
часть Тихого океана. Наоборот, в тропиках восточной части
Тихого океана в результате сгона формируется холодный слой
перемешивания. При положительных величинах индекса SOI пассатные
ветры имеют большую скорость, и сгонно-нагонные явления в
океане выражены еще сильнее [115]. Когда индекс SOI уменьшается
и становится отрицательным, градиент давления между восточной

и западной частями Тихого океана уменьшается вплоть до
обращения знака, пассатные ветры ослабевают и иногда меняют
направление на противоположное. Теплая вода из западной части
Тихого океана устремляется на восток в форме внутренней
экваториальной волны Кельвина. Когда волна достигает берегов Южной
Америки, она накапливается, повышает уровень моря, углубляет
слои перемешивания, а затем движется к северу и, в виде
отраженной волны, на запад. В результате этого область теплой воды
быстро расширяется. Такие случаи потепления вод в центральной и
восточной частях экваториальной зоны Тихого океана получили
название явления Эль-Ниньо. Южное колебание неразрывно
связано с Эль-Ниньо, и поэтому их обычно рассматривают как одно
явление, выделяя две крайние фазы: теплую фазу (Эль-Ниньо) при
SOI < 0 и холодную фазу (Ла-Нинья) при SOI > 0.
С индексом SOI связано распределение поля температур
поверхности океана [116], которое, в свою очередь, определяет
расположение областей конвекции в атмосфере над океаном. При
явлении Эль-Ниньо происходят смещения зон выпадения осадков в
тропиках, что приводит к засухе в районе Австралия-Индонезия и
к дождям в центральных и восточных частях Тихого океана. Резкое
(на 9-12°С) повышение температуры воды оказывает
катастрофическое воздействие на морскую экосистему западного побережья
Южной Америки. Происходящие при этом явлении изменения
расположения областей атмосферной конвекции возмущают
атмосферную циркуляцию на всем земном шаре. Вызванные этими
возмущениями аномалии погоды обнаруживаются во многих районах
умеренных широт. Эти глобальные изменения состояния океана и
атмосферы сопровождаются также изменениями концентрации в
атмосфере углекислого газа и озона и даже небольшим замедлени-

ем вращения Земли [117]. Более подробно влияние явления Эль-
Ниньо на глобальный и региональный климат Земли описано в
работах [117-119].
9.2. Исходные данные по индексу Южного колебания
Данные непосредственных ежемесячных наблюдений за SOI
на Таити долгое время были доступны только с 1935 г. [120],
несмотря на то, что метеорологические наблюдения велись там с
1876 г. В 1986 г. авторам работы [121] удалось получить ранее
считавшиеся утерянными при пожаре данные об атмосферном
давлении на Таити и, таким образом, продлить рад индекса Южного
колебания в прошлое до момента первых известных наблюдений в
Дарвине (1882 г.). Представленный ими индекс Южного колебания
содержит небольшое число (приблизительно 15%) пропусков и
полученные на основе этих данных годовые значения SOI считаются
достаточно надежными. В 1989 г. в работе [118] рад наблюдений
был продолжен до 1866 г. включительно, с использованием сильной
коррелированности наблюдений за атмосферным давлением в
Дарвине и Джакарте и, соответственно в Таити, Апиа и Сантьяго.
В работе [122] были восстановлены сезонные значения
альтернативного индекса Южного колебания (ниже — индекс
Райта — Iwight) ДДя станций Таити-Дарвин для периода 1852-1984.
Поскольку эти значения находились корреляцией рада
инструментальных наблюдений за давлением на восьми станциях
тропической части Тихого океана с наиболее надежным фрагментом
современного инструментального рада (1935-1985), то именно они
должны быть признаны предпочтительными для периода 1852-
1866 гг. В работе [122] были вычислены коэффициенты линейного
уравнения, связывающего индекс Райта и SOI: значение коэффици-

ента корреляции между индексом Райта и SOI составило -0,97, а
уравнение связи имеет вид SOI(t) = -0,06 Iwnght(t) - 0,04.
Восстановление ряда численных значений индекса Южного
колебания за период ранее 1852 г. возможно лишь с помощью
косвенных данных. Так, в работе [123] на основе анализа письменных
исторических источников с северо-западного побережья Южной
Америки и верификации с помощью других косвенных данных за
период с начала XVI в. по конец XX в. была получена информация
о 47 сильных и очень сильных явлениях Эль-Ниньо, первое из
которых произошло в 1526 г., и приближенно вычислена их сила.
Другим и более полным источником косвенной информации
об индексе Южного колебания являются данные, полученные при
анализе ширины климатически чувствительных древесных колец.
Этот метод базируется на уже отмеченном значительном влиянии
явления Южное колебание — Эль-Ниньо на региональный климат,
который, в свою очередь, регулирует рост деревьев.
В работе [124] приводятся результаты, полученные в
результате анализа 65 древесных хронологий из западной части Северной
Америки и 33 хронологий из различных мест Южного полушария
за период 1600-1961 гг. Полученные сезонные данные были
отцентрированы относительно среднего инструментальных
наблюдений в XX в. и откалиброваны на двух периодах: 1853-1907 гг. и
1908-1963 гг. Статистический анализ калиброванных данных
показал, что с удалением от современности надежность полученных
данных уменьшается и что наилучшая оценка ряда SOI может
построена на основе древесных хронологий только из Северной
Америки. Эти откалиброванные оценки сезонного поведения SOI
объясняют от 49 до 64% его колебания. При сравнении результатов с
результатами работы [123] оказалось, что 25 предсказанных в ней

явлений Эль-Ниньо совпадают с отрицательными отклонениями
полученного ряда от инструментального среднего. Вместе с тем
отмечалось, что полученный ряд Южного колебания может
содержать значительные ошибки.
9.3. Восстановление индекса Южного колебания по имеющимся
данным
К сожалению в работе [124] не содержится числовых данных
о восстановленных индексах SOI, поэтому пришлось проводить
оцифровку приведенных в этой работе четырех графиков сезонных
значений индекса: JJA — июнь-август; SON — сентябрь-ноябрь;
DJF — декабрь-февраль; МАМ — март-май. Изображения были
сканированы, для обработки полученных файлов в формате PCX
была написана программа оцифровки изображения. По
полученным рядам сезонных значений индекса был составлен ряд оценок
годовых значений SO lest по формуле:
SOIesi (t)=0,25 (JJA(t-l)+SON(t-l)+DJF(t-l ,t)+MAM(t)), (9.1)
где t — текущий год (t = 1601,.., 1960).
Так как полученный ряд не полностью совпадал с рядом
инструментальных наблюдений в силу того, что в нем содержались
как ошибки, связанные с неполнотой дендрохронологических
данных, так и ошибки алгоритма оцифровки, то он использовался для
получения оценки истинного значения индекса Южного колебания
SOIime в регрессионной модели:
SOW (t) = a SOIest (t) + b + e(t), (9.2)
где e(t) — независимые одинаково распределенные
центрированные ошибки, параметры а, Ь неизвестны, t = 1601,..,1865.

В дальнейшем, следуя общепринятой терминологии, будем
назьтать ряд SOItroe откликом в регрессионной модели (9.2), а ряд
SOIesi — регрессором.
Ввиду того, что как отклик, так и регрессор в модели (9.2)
содержат ошибки наблюдения, прямое оценивание параметров по
методу наименьших квадратов приводит к несостоятельным
оценкам. Поэтому параметры регрессии a, b вычислялись с помощью
метода инструментальной переменной [125], в котором оценка
параметра а получается как отношение выборочной ковариации
инструментальной переменной с откликом к выборочной ковариации
инструментальной переменной с регрессором. За
инструментальную переменную выбирается ряд, хорошо коррелированный как с
откликом, так и с регрессором, так как качество оценки зависит от
абсолютных величин этих корреляций. Здесь в качестве
инструментальной переменной бьш взят ряд годовых аномалий температуры
поверхности морской воды в тропиках SST [122] за период с 1881—
1986 гг. Его эмпирическая корреляция с рядом инструментальных
наблюдений SOI равна -0,786, эмпирическая корреляция с рядом
SOIest составила -0,671.
Так как в полученном ряде SOItroe имелись несколько
неправдоподобно длинных участков, не содержащих явлений Эль-
Ниньо, то он бьш скорректирован на основании результатов
работы [123]. Скорректированный ряд бьш сшит с рядом
инструментальных наблюдений и предшествующих оценок, начинающимся с
1867 г.
Ввиду необходимости получения данных о поведении SOI в
период с 1500 по 1600 г. к полученному ряду значений для 1601-
1994 гг. была применена следующая, несколько искусственная,
процедура, состоящая из трех последовательных этапов. На первом

этапе анализом спектра имеющегося ряда SOI, построенного по
методу максимальной энтропии [126], было выделено 19
доминирующих в спектральной плотности частот. На втором этапе
процедуры строились оценки коэффициентов линейной регрессии, где в
качестве отклика выступал исходный ряд, а в качестве регрессо-
ров—константа и синусоиды с частотами, полученными на
первом этапе, и произвольными фазами. По полученным
коэффициентам был построен линейный регрессионный прогноз поведения SOI
в XVI в. Третий этап состоял в нормировке полученного прогноза с
тем, чтобы вариация прогноза равнялась тотальной вариации
исходного ряда.
SOI
1500 1600 1700 1800
Год
1900
2000
Рис. 9.1. Реконструкция индекса Южного колебания SOI
Общий вид восстановленного ряда SOItrue приведен на
рис. 9.1. В пользу правдоподобности этого ряда говорят
результаты его спектрального анализа — спектр восстановленного ряда и
спектр ряда инструментальных наблюдений имеют сходную форму.

Вместе с тем следует отметить, что в спектре восстановленного ря
да появился набор новых долгопериодных гармоник.
9.4. Статистический анализ точечных процессов, связанных с
индексом Южного колебания
Попытаемся уточнить результаты о долгопериодной
изменчивости интенсивности появления Эль-Ниньо, полученные в [127],
исходя из альтернативных данных о поведении индекса Южного
колебания. Обратим особое внимание не на моменты пребывания
ряда под уровнем или над уровнем, а на моменты выходов за
уровень. В этой постановке пребьтание ряда над уровнем или под
уровнем в течение нескольких последовательных лет
рассматривается как одно событие.
Основной объект изучения — точечные процессы £и( ),
полученные из времен входа Xt под уровень и при и < 0 или выхода
за уровень и при и > 0 :
г к)=HXt > и'Xt4 < и) при и > °' о з)
uV ' [l(Xt <u,Xt_, >и) при и <0, V * '
где 1(A) обозначает индикаторную функцию события А.
При и < 0 эти процессы можно интерпретировать как
моменты возникновения явлений Эль-Ниньо, при и > 0 — как моменты
возникновения явления Ла-Нинья. Здесь и далее будем говорить,
что процесс £ц(") имеет реализацию в момент t, если £и( ) = 1; со-
{шт„
tiu| ' , лежащих во временном
интервале [ТьТг] длины Тг-Ti, будем называть реализацией £и()
на [ТьТг]. Положим Ti = 1601, Т2 = 1994.

Особый интерес для исследования представляют случаи,
когда u = -0,61, u =-0,69 (умеренный Эль-Ниньо) и и = -0,89
(сильный Эль-Ниньо). Реализации процессов £и() для этих
уровней, а также для соответствующих положительных уровней
приведены на рис. 9.2. Даже при визуальном анализе легко обнаружить
тот факт, что моменты наступления событий выхода за уровень и
входа под уровень имеют тенденцию к группировке. Группы
событий, в свою очередь, располагаются на прямой достаточно
регулярно с периодом, приблизительно равным 74 годам.
1.0
1600 1650 1700 1750 1800 1850 1900 1950 2000
ГОД
Рис. 9.2. Реализации процессов выходов за уровень и входа под уровень U для ряда
SOI
Этот факт подтверждается результатами спектрального
анализа реализаций по методу максимальной энтропии [126].
Размерность метода выбиралась равной одной трети длины исходного
ряда. Соответствующие оценки спектральной плотности для
процессов входов под отрицательные уровни и выходов за
положительные уровни приведены на рис. 9.3, 9.4. Отметим также наличие в

спектральной плотности процессов выходов за положительный
уровень еще одного значительного пика, соответствующего
приблизительно 30-летнему периоду.
о.з
0.2 --
0.1
о.о
и^л...
33 28 25 22
Рис. 9.3. Оценки спектральных плотностей процессов входа под уровень II
199 100 66 50 40
Лет
Из анализа реализаций процессов r^u(t) = 2]£u(s), а также
s-T,
рис. 9.3, 9.4 видно, что в реализациях процессов £и() присутствует
долгопериодная составляющая с периодом, приблизительно
равным 320 годам.
Замеченную периодичность реализаций процессов £,и( )
можно выразить через их интенсивность, интуитивно понимаемую как
среднее число реализаций в единицу времени. Рассмотрим
воображаемый процесс Xt с непрерывным временем, из которого
наблюдениями в целочисленных точках получен дискретный ряд Xt. С
процессом Xt связаны точечные процессы £и() выходов за уро-

вень и (u > 0) и входов под уровень и (и < 0) которые можно
считать непрерывными аналогами процессов £и( ). Строгое
определение этих процессов дано в [128].
и
0.3
О. 2..
0.1--
0.0
Рис 9.4. Оценен спектральных плотностей процессов выхода за уровень и
Если мера интенсивности Ли() процесса §и() имеет производную
по Радону-Никодиму, которую обозначим через А.и() и будем в
дальнейшем называть интенсивностью процесса £и( ), то при
условии, что траектории процесса не слишком быстро меняются во
времени и рассматриваются только долгопериодные составляющие
интенсивности, можно считать M^u(t)«Au([t-l,t])«Xu(t), что
согласуется с интуитивным определением интенсивности точечных
процессов. Тогда рассматриваемая гипотеза о наличии периодич-
ностей в поведении процессов i;u() формально записывается в
терминах интенсивности:

Xu(t):= Xu(t,6u) = Хвмfk(t), T, S t < T2, (9.4)
k=0
где f0sl, fk(t) = cos(cokt), к =1,2, fk(t) = cos(cok_2t), к = 3,4,
©, = 74,0 {2л)-1, ©, = 320,0 <2я)-'.
Таким образом, задача детектирования долгопериодных
составляющих интенсивности возникновения экстремальных явлений
в рамках модели (9.4) сводится к статистическому оцениванию
параметров 0ии проверке гипотезы Но: 6ku =0, к = 1,.,.,4. Исходя из
изложенных допущений задачу оценивания параметров в модели
(9.4) можно свести к задаче оценивания параметров регрессионной
модели:
Ut) = *e(t, в„) + Eu(t), Ti < t < T2, (9.5)
где Meu(t)=0.
Оценивание параметров в модели (9.5) производилось с
помощью стандартного метода наименьших квадратов, его
результаты приведены в табл. 9.1.
Таблица 9.1
Оценки наименьших квадратов параметров интенсивности процессов выхода за
уровень u (u>0) и входа под уровень и (и<0)
и
-0,89
-0,69
-0,61
0,61
0,69
0,89
6о,и
0,0926
0,1207
0,1256
0,1280
0,1067
0,0738
9i,u
0,0379
0,0506
0,0517
-0,0393
-О.0460
-0,0471
02,11
0,0126
0,0006
0,0075
-0,0150
-0,0242
-0,0151
е3,и
-0,0336
-0,0483
-0,0480
-0,0186
-0,0264
-0,0128
04.U
0,0410
0,0438
0,0377
0,0232
0,0179
0,0134

Общий вид параметрических оценок интенсивностей для
и= - 0,69 и и = -0,89 приведен на рис. 9.5, 9.6. Там же для сравнения
приведены низкочастотные составляющие траекторий £и() на
[Ti.Tj], полученные как результат действия низкочастотного
фильтра.
*1600 1650 1700 1750 1800 1850 1900 1950
Год
Рмс. 9.5. Оценки наименьших квадратов (1) и непараметрнческие оценки (2)
интенсивности процессов входа под уровень и = -0,69
При рассмотрении полученных значений оценок вектора
параметров 0ц возникает естественный вопрос о значимости
долгопериодных колебаний, что приводит к необходимости проверки
сформулированной гипотезы Н0. К сожалению, критерий
проверки нулевой гипотезы для точечных процессов общего вида против
произвольных альтернатив неизвестен, поэтому необходимо
ограничиться каким-либо определенным классом процессов. В качестве
такого класса выберем класс пуассоновских процессов с зависящей
от времени интенсивностью Xu(',8u) [129]. Некоторым основанием

для подобного выбора может служить известный из экстремальной
теории стационарных случайных процессов факт о сходимости
процессов выходов за уровень и и входов под уровень -и (и > С) к
однородным пуассоновским процессам при и -* <ю [128].
Если разбить рассматриваемый временной интервал на
короткие участки, на которых процесс Xt может считаться
стационарным, то в силу этого факта на каждом из таких участков
процессы входов и выходов могут быть приближены однородным
пуассоновским процессом со своей интенсивностью. Композиция
процессов, взятая по такому разбиению, в совокупности дает
процесс Пуассона с переменной во времени интенсивностью.
1600 1650 1700 1750 1600 1850 1900 1950
Год
Рис. 9.6. Оценки наименьших квадратов (1) и непараметрические оценен (2) иитенсив-
ности процессов входа под уровень и = -0,89
Оценивание параметров интенсивности в рамках пуассонов-
ской модели проводится по методу максимального правдоподобия.
Если абстрагироваться от дискретности временного параметра

процесса £u(')■ то уравнения для оценок максимального
правдоподобия имеют следующий вид [129]:
NT.„ f ft. ) Т2
iwt flVW)*30, n=0--4- (9-6)
k=l ^Ik,u>°uj t,
Решение уравнений (9.6) проводилось методом градиента,
результаты приведены в табл. 9.2. Сравнивая оценки максимального
правдоподобия с оценками наименьших квадратов, нетрудно
видеть, что они близки.
Таблица 9.2
Оценки максимального правдоподобия параметров интенсивности процессов
выхода за уровень и (и>0) и входа под уровень и (и<0) и значения статистики Sun
критерия для проверки гипотезы Н0
U
-0,89
-0,69
-0,61
0,61
0,69
0,89
9o,u 9l,u D2,u 6э,и
0,0936 0,0269 0,0118 -0,0291
0,1211 0,0447 0,0563 -0,0472
0,1256 0,0477 0,0097 -0,0496
0,1283 -0,0372 -0,0128 -0,0187
0,1065 -0,0442 -0,0235 -0,0316
0,0733 -0,0457 -0,0082 -0,0225
6<l,u
0,0366
0,0366
0,0353
0,0174
0,0163
0,0063
Su,n
8,811
10,525
9,728
3,934
6,680
7,297
г\
0,934
0,968
0,955
0,585
0,846
0,879
Для того, чтобы построить на основе метода максимального
правдоподобия критерий для проверки гипотезы Н0 ,
воспользуемся следующим элементарным фактом из теории пуассоновских
процессов: при условии, что число реализаций однородного пуас-
соновского процесса на отрезке [ТьТг] равно п, совместное
распределение этих реализаций совпадает с совместным распределением п
взаимно независимых равномерно распределенных на [ТьТг]
случайных величин. Отсюда нетрудно вывести, для пуассоновского

процесса со строго положительной интенсивностью Х,и() при
условии, что число реализаций на [Ti,T2] равно п, градиент qu>n(<pu)
логарифма условного максимального правдоподобия имеет вид:
- f(tk) r(s)ds
Чи,п,т(фи) = 1 /f "V" 2 ( х . m = l,...,4,
(9.7)
k=l
4
где xP(9u) = T + X9k.uJfk(s)ds. 4'u(t.9u) = l + E<Pk,ufk(t)'
k=l
k=I
Фк.и =
M. k=l 4
0,u
Таким образом, задача проверки Но сводится к проверке
нулевой гипотезы ф|,и = ... = ф4,и = 0. Можно показать, что при п-юо
распределение вектора чи,п(Фи) сходится к распределению гауссов-
ского вектора с нулевым средним и дисперсионной матрицей
ГиДфи). Если верна нулевая гипотеза, то дисперсионная матрица
имеет вид:
*U,I1 ~ т*
к*)м*4?*(')* ?fiW*
VT,
(9.8)
i.j=l_4
Для построения критерия воспользуемся следующим
свойством гауссовских. распределений: если гауссовский n-мерный
вектор е имеет нулевое математическое ожидание и дисперсионную
матрицу А, то случайная величина етА'е имеет %2 распределение с
п степенями свободы ([130], гл.8). Следовательно, при уровне
доверия а нулевая гипотеза будет отвергнута, если статистика
^(eMWV^M
(9.9)
'«Pl^O Ф4.и=°

превышает а-квантиль %] распределения. Значения статистики
Suja и соответствующие значения функции распределения %2А-
величины приведены в двух последних столбцах табл. 9.2.
Анализируя полученные величины, нетрудно видеть, что с
вероятностью 90% нулевая гипотеза отвергается для процессов
входа под отрицательные уровни, что свидетельствует о
статистической значимости долгопериодных составляющих интенсивности
этих процессов. Для процессов выходов за положительные уровни
только в одном случае из трех (и= 0,61) нельзя отвергнуть нулевую
гипотезу, в остальных случаях нулевая гипотеза отвергается с
доверительной вероятностью не ниже 80%. Это дает основания
полагать, что выбранные гармоники с периодами 74 и 320 лет также
присутствуют в интенсивностях этих точечных процессов.
9.5. Заключительные замечания
Исходя из изложенного, для выбранных значений уровня
можно считать доказанным присутствие в интенсивности
процессов входов под отрицательный уровень гармоники с периодом в 74
года. Что касается 320-летнего колебания, то его наличие не так
очевидно хотя бы в силу невозможности достаточно точно
определить длину этого цикла по имеющейся 400-летней реализации. Тем
не менее выбранная стохастическая модель хорошо
аппроксимирует долгопериодную изменчивость в точечных процессах,
составленных из моментов возникновения явлений Эль-Ниньо. В
частности, из вида оценок интенсивности (рис. 9.4) можно заключить,
что наблюдаемое в настоящее время учащение явлений Эль-Ниньо,
получившее название "супер Эль-Ниньо", не является
уникальным — подобная серия наблюдалась в конце XYII в. Из вида
модели (9.4) и оценок ее параметров предположим, что частота этих яв-

лений в ближайшие десятилетия пойдет на убыль и достигнет
очередного минимума в 20-х годах следующего столетия. Для
процессов же выходов за положительный уровень существование таких
долгопериодных циклов является достаточно вероятным, но его
нельзя утверждать с определенностью.
В заключение следует упомянуть некоторые связанные с
рассматриваемыми процессами обстоятельства, которые требуют
дальнейших комментариев.
1. Предложенная модель не позволяет предсказывать точные
даты явлений Эль-Ниньо — в ее рамках возможен прогноз только
среднего числа событий за достаточно длинный промежуток
времени.
2. Не привели к успеху попытки найти простую
параметрическую связь циклической нестационарности процессов
пересечения с собственными колебаниями ряда SOI (исследовались
разновидности мультипликативной модели Xt = a(t)Yt +b(t), где процесс
Yt стационарен, а функции а( ) и Ь( •) определяют долгопериодные
колебания интенсивностей процессов пересечения). Если бы
удалось построить такую модель, то стал бы возможен прогноз таких
интегральных характеристик ряда SOI, как среднее и дисперсия за
некоторый интервал времени.
В качестве паллиатива рассмотрим связь между
интенсивностью процесса входов под отрицательный уровень и
низкочастотной составляющей ряда SOI, полученной с помощью
фильтра. Результаты такой фильтрации можно интерпретировать как
локальное осреднение исходного ряда (аналогичное скользящему
среднему), и они являются интегральной характеристикой ряда,
позволяющей судить о среднем значении в указанном временном
интервале.

Отфильтрованный ряд и оценка наименьших квадратов
интенсивности входа под уровень и = -0,89 приведены на рис. 9.7.
Интенсивность SOI
1600 1650 1700 1750 1800 1850 1900 1950 2000 2050
Год
Рис. 9.7. Оценка наименьших квадратов интенсивности процесса входа под уровень
-0,89 (1), локальное среднее ряда SOI (2) и проекция локального среднего по
интенсивности выходов (3)
Корреляция этих рядов равна -0,522, а корреляция между
отфильтрованным рядом и непараметрической оценкой интенсивности
(рис. 9.5-9.6) равна -0,557. Такое значение корреляции позволяет
рассматривать регрессию локального среднего ряда SOI по
параметрической оценке интенсивности входа. Оценки коэффициентов
сдвига и масштаба в этом регрессионном соотношении
соответственно равны -0,775 и 0,052, значение F-критерия равно 142,34
при степенях свободы 1 и 380, что свидетельствует о значимости
регрессии. На рис.9.7 также приведена регрессионная проекция
локального среднего вплоть до 2050 г., позволяющая с большой
вероятностью говорить о скором окончании теплого эпизода.

3. Непараметрические оценки спектральной плотности
точечных процессов входов под отрицательный уровень, полученные
на основе данных [124], отличаются от оценки спектральной
плотности процесса входа под уровень -0,89 из [123]. В долгопериодной
части спектральной плотности последнего также доминирует одна
гармоника, но ее период приближенно равен 92 годам. Кроме нее
присутствуют циклы с периодами в 33 и 46 лет.
Не следует забывать, что восстановление данных по
численным значениям SOI осуществлялось в [124] через реконструкцию
климата западного побережья Северной Америки, а в [123] — на
основе фенологических наблюдений на перуанском побережье.
Фаза и интенсивность явления ENSO безусловно оказывает влияние и
на климат и на фенологическую обстановку обеих Америк, однако
эта связь не является совершенно четкой и однозначной, поскольку
на нее накладывается влияние и многих других климатических
факторов. Поэтому обнаруженные расхождения, связанные с
различными способами получения исходных данных по численным
значениям SOI, не носят, на наш взгляд, драматического характера
и не должны ставить под сомнение проделанную здесь работу.
10. ГЛОБАЛЬНЫЙ КЛИМАТ И ТЫСЯЧЕЛЕТНИЙ ТРЕНД
ТЕМПЕРАТУР В ПОЗДНЕЛЕДНИКОВЬЕ И ГОЛОЦЕНЕ
ЮЛ. Процедура восстановления локальных температурных рядов по
палинологическим данным
Имеется немало оснований для утверждения, что уже в
ближайшие десятилетия естественный климат будет развиваться в
сторону похолодания [131-133], и это может значительно ослабить

антропогенно обусловленное потепление. Таким образом,
проблема изучения количественных закономерностей естественного хода
климата приобретает необычайно важное значение. В прошлом
попытки оценить параметры естественных колебаний климата
предпринимались неоднократно [134, 135]. Однако, вплоть до
настоящего времени серьезным препятствием на пути обобщений
являлось отсутствие детальных сведений по среднегодовой
глобальной или полушарной температуре за достаточно длительный
промежуток времени.
В настоящей главе делается попытка на основе синтеза пале-
оклиматических данных и результатов современных
инструментальных наблюдений реконструировать температурный рад для
Северного полушария на протяжении позднеледниковья-голоцена.
Полученная детальная палеотемпературная кривая используется
далее для оценки эффекта долгопериодных климатических циклов
(порядка десятков тысяч лет), вызванных изменением параметров
гелиоцентрической орбиты Земли.
Для палеоклиматических реконструкций позднеледниковья и
голоцена чаще всего используют палинологические данные. В
основе большинства методик определения количественных
характеристик климата прошлого лежит статистическая связь
современных спорово-пыльцевых спектров с современными климатическими
условиями.
В наших исследованиях для нахождения этой связи
использовался информационно-логический анализ, предложенный для
изучения физико-географических объектов Ю. Г. Пузаченко [136]. С
его помощью было установлено, что пыльца растений и ее
процентное содержание в спектрах несут большую или меньшую
информацию о величинах климатических характеристик. Суммируя

эту информацию от всех компонентов пыльцевого спектра по ее
максимальной величине, можно найти наиболее вероятную
величину климатической характеристики, при которой формировался
данный спектр.
Реконструкция климата производится по таблицам связи
общего состава пыльцы и спор и состава пыльцы древесных пород
с климатическими показателями (средние температуры июля,
января, года и годовая сумма осадков). Точность определения средних
температур июля и года по предложенной методике составляет
±0,6°С, января — ±ГС, годовой суммы осадков — ±25 мм.
Наиболее благоприятными материалами для изучения спо-
рово-пыльцевым и радиоуглеродным методами анализа и для
последующих палеоклиматических реконструкций являются озерно-
болотные отложения, так как они содержат большое количество
пыльцы и органического материала, который пригоден для
радиоуглеродного датирования. С помощью данного метода были
построены палеоклиматические кривые (общим числом более 60, с
разной степенью детальности) для равнинных районов Северной
Евразии.
В качестве примера на рис. 10.1 показаны
палеоклиматические кривые, привязанные к шкале времени, для центра Русской
равнины [137], которые наглядно показывают динамику климата в
данном регионе. Точность привязки экстремумов потеплений и
похолоданий к шкале времени определяется точностью
радиоуглеродного датирования и составляет от 50 до 150 лет в зависимости
от возраста отложений (для более древних отложений точность
снижается).

Рис. 10.1. Палеоклиматические кривые для болота Половецко-Купанское
(57фс. ш., 39° з. д.)
Температура ДТ (а — июль, б—январь, в — среднегодовая) и среднегодовое
количество осадков ДР (г) измерены в отклонениях от климатической нормы 1951-80 гг.
Сравнение средних температур июля для некоторых
регионов, которые расположены в зоне умеренных и субполярных широт
на расстоянии в многие тысячи километров друг от друга,
показано на рис. 10.2. Можно констатировать, что наблюдается довольно
хорошая корреляция между всеми кривыми.
Это является дополнительным аргументом в пользу
сформировавшегося в последние годы мнения [138, 139], что все
крупномасштабные (порядка одного градуса) колебания климата в позд-
неледниковье-голоцене носили глобальный характер и выражены с
замечательной синхронностью и различной амплитудой во всех
частях земного шара. Основываясь на этом заключении и
располагая достаточно большим количеством хорошо датированных тем-

пературных кривых для обширных районов суши (более 20%
поверхности суши Северного полушария), поставим перед собой
задачу восстановить картину глобальных изменений климата за
последние 11 тысяч лет.
-2 0+2-2 0 +2 -2 0+2-2 0 +2 -2 0+2-2 0 +2
Отклонение температуры, °С
Рис. 10.2. Отклонения средних температур июля от современных значений в градусах
Цельсия для различных регионов Северной Евразии
1 — Карелия (63°с. ш., 34° в. д.), 2 — Центр Западной Сибири (бГс. ш., 78° в. д.), 3 —
Центр Якутии (63°с. ш., 125° в. д.), 4 — Центр Белоруссии (54°с. ш., 27° в. д.), 5 —
Башкисия (55°с. ш., 56° в. д.), б — Приморье (43°с. ш,, 140° в. д.)
10.2. Процедура построения глобальной температурной кривой по
локальным данным для субполярных и умеренных широт Северной
Евразии
Главные препятствия, осложняющие получение временного
ряда средней по региону температуры с помощью
палинологических данных состоят в следующем:

исходные ряды для отдельных разрезов отличаются как по
продолжительности, так и по временному шагу;
места отбора проб (разрезы) распределены в пространстве
хаотически.
Для устранения первого из названных препятствий все ряды
были приведены к стандартной временной шкале (с интервалом в
25 лет) и к одному и тому же периоду (11 тыс. лет т. Н.-1950 г.). При
проведении этой процедуры учитывались результаты
сопоставления рядов температур, полученных на разных разрезах, которые
продемонстрировали их значительную согласованность, несмотря
на большую удаленность разрезов друг от друга. По нашему
мнению, причина согласованного изменения температуры состоит в
том, что рассматриваемые ряды содержат информацию лишь о
достаточно долговременных и крупномасштабных изменениях
температуры. Однако масштаб этих изменений для разных разрезов
отличается. Как правило, их амплитуда возрастает с географической
широтой расположения разреза, что прекрасно согласуется с
выводами работы [140], полученными по данным инструментальных
наблюдений климата. Поэтому предположим, что каждый из рядов
восстановленной температуры Тг можно представить в виде суммы:
T^TiW+erft), (юл)
где Tj(t) — среднегодовая температура воздуха над разрезом i в
момент времени t, ej(t) — погрешность измерения, причем для
любых двух разрезов ij функции Tj(t) и Tj(t) связаны между собой
линейной зависимостью.
Для того, чтобы как можно точнее определить форму
сигнала T(t), отберем девять наиболее подробных рядов, для которых
продолжительность наблюдения превышала выбранный период и
построим ряд средней температуры:

T(t) = |
ETi(t)+Eei(t)
i=l i=l
( 10.2)
Если предположить дополнительно, что Cov(ej,Ej) = 0, то
соотношение "сигнал/шум" в усредненном ряду должно оказаться
существенно выше, чем в исходных. В первом приближении можно
пренебречь вторым слагаемым в (10.2) и считать, что усредненный
ряд не содержит "шума".
Для каждого исходного временного ряда находим оценки
коэффициентов линейной регрессии на усредненный ряд (10.2).
Заполнение пропусков и экстраполяция исходных рядов
производились подстановкой соответствующих точек усредненного ряда
(10.2), преобразованных с учетом коэффициентов регрессии.
Для устранения второго препятствия результаты измерения
температуры в хаотично расположенных местах отбора проб
(разрезов) интерполировались в узлы регулярной сетки 5°ш. х Ю°д.
Использовалась методика интерполяции, применявшаяся Джонсом
и соавторами [141] для построения глобального сеточного архива
температуры воздуха. В соответствии с этой методикой значение
температуры в узле сетки находится как сумма температур,
измеренных в ближайших точках, взятых с весами, обратно
пропорциональными расстоянию до узла. Полученные сеточные данные были
проинтегрированы затем по территории бывшего Советского
Союза.
По нашему мнению, полученный ряд содержит важную
информацию об изменении глобального климата и может быть
использован, в частности, для реконструкции временного ряда сред-
неглобальной температуры поверхностного слоя воздуха.
Действительно, несмотря на то, что глобальные изменения климата сопро-

вождаются весьма неравномерным пространственным
распределением климатических параметров, средние температуры достаточно
крупных регионов можно с приемлемой точностью вычислять
используя линейное преобразование среднеглобальной температуры.
Иными словами, можно применять следующую статистическую
модель:
Tp(t) = a + pTrjl(t) + e(t), (10.3)
rneTp(t) — средняя региональная температура в году t; Tr//t) —
среднеглобальная температура в году t; e(t) — случайный "шум".
Очевидно, чем больше размер региона, тем точнее работает
линейная модель (10.3). Так коэффициенты корреляции
среднеглобальной температуры с температурами как Северного, так и
Южного полушарий, вычисленные по данным Джонса и др. [142],
составляют 0,95. Однако модель (10.3) может оказаться полезной и
для значительно меньших регионов. В работе [140] это было
продемонстрировано для широтных зон Северного полушария размером
10°ш. х 360°д., в наших исследованиях — для регионов размером 2-
3 млн км2 [18].
Коэффициент р получен методом усреднения (с весами,
пропорциональными площади) соответствующих коэффициентов дога
регионов бывшего СССР размером 10°ш. х 40°д. [18]. Величина р
составила при этом 1,47. Для вычисления среднеглобальной
температуры использовали формулу
1ГЛ— р i-р я i i, iu.4;
где р = 1,47; а константа а подбиралась таким образом, чтобы
средняя величина полученного ряда за период 1851-1950 гг.
совпадала со среднеполушарной температурной аномалией за тот же
период (-0,25°С), вычисленной по данным инструментальных наблю-

дений [142] (предварительно ряд Джонса был пересчитан с
использованием нормы 1951-1980 гг., применяемой везде в настоящей
статье). Таким образом, искомый ряд Тгл (рис. 10.3) представляет
собой реконструкцию аномалий среднеполушарной температуры
поверхностного слоя воздуха от нормы 1951-1980 гг.
дт,°с
-10000 -8000 -6000 -4000 -2000 О 2000
Ле» дсЗ*н.э. н.эГ
Рис. 10.3. Аномалии среднегодовой температуры Северного полушария за последние
11000 лет (в отклонениях от норма 1951-80 гг.)
103. Обсуждение результатов
Восстановленный ряд рисует сложную картину чередований
периодов потеплений и похолоданий на всем протяжении поздне-
ледниковья-голоцена. Время наступления этих периодов вполне
соответствует сложившимся представлениям, построенным на
изолированных локальных реконструкциях. Так, терминация верхнего
дриаса по нашим данным (рис. 10.3) наступает 10,5 тыс. лет т.н.
(10,7 тыс. лет т. н. по данным [143] для Гренландии), максимум бо-
реального времени — 8,5 тыс. лет т. н. по нашим данным и 8,8 тыс.

лет т. н. по результатам [138] для Севера Европы и т. д. Эти факты
не должны вызывать удивления в силу уже высказанного
предположения о глобальном характере крупномасштабных изменений
климата.
Напротив, что касается амплитуды колебаний температуры,
то картина, представленная на рис. 10.3, заметно отличается от
широко распространенных представлений [71]. Пожалуй, только
большой атлантический оптимум (6-5 тыс. лет т. н.) сохраняет свое
значение как наиболее теплый и одновременно самый
продолжительный из теплых интервалов голоцена со средней температурой
на 0,82°С и пиком на 1,4°С выше современной.
Наша оценка неплохо соответствует данным расчета [144],
сделанным исключительно на основе палеоклиматических
реконструкций для нетропической зоны Северного полушария (0,6-
0,7°С), но лежит значительно ниже данных [138] (1,2°С),
полученных, как ни странно, по сути с помощью того же архива палеокли-
матической информации. Двукратное различие средней
температуры оптимума голоцена по [138] и [144] вызывается необходимостью
весьма проблемной экстраполяции реконструированных
результатов в тропическую зону, для которой температурные данные
вообще отсутствуют. Сделанная в настоящей работе оценка является
более достоверной, поскольку она основана на вполне четкой
картине широтного распределения температурных аномалий,
следующей из более, чем столетних данных инструментальных
наблюдений, имеющих сравнительно более высокую надежность.
Вторым по высоте температурным максимумом был субборе-
алъный (4,2-3,3 тыс. лет т. н.), в потеплениях же раннего голоцена
температура отличалась от современной лишь на десятые доли
градуса. Последнее, впрочем, выглядит вполне естественным, учи-

тьтая сохранение в этот период значительных континентальных
ледовых масс, в первую очередь остатков Лаврентийского ледового
щита, и холодной Северной Атлантики.
Полученная температурная кривая — важный исходный
материал для построения долгосрочного прогноза естественного хода
глобального климата. Однако, преодолевая соблазн легкого
решения, откажемся от идеи непосредственной экстраполяции
зависимости, показанной на рис. 10.3, отдавая себе отчет в том, что она
является всего лишь фрагментом гораздо более длинной истории
климата, и используем для ее интерпретации полученные в
основном в последние годы данные по истории климата плейстоцена. С
этой целью привлечем наиболее продолжительные ряды
температур и изотопных данных, привязанных к шкале времени и
полученных для различных районов мира:
отклонения температур воздуха по ст. Восток (Антарктида) с
продолжительностью ряда в 220 тыс. лет [145];
температура воды в Индийском океане за 294 тыс. лет [146];
отклонения температур воды в Тихом океане за 416 тыс. лет
[145];
температура воздуха для высоких широт Северного
полушария, полученная по косвенным геологическим данным
В. А. Зубаковым [148], с продолжительностью ряда 1235 тыс. лет;
изотопные данные по ст. Саммит (Гренландия) с
продолжительностью в 250 тыс. лет [149];
изотопные данные по разрезу Девилс Хоул (Невада, США) с
продолжительностью ряда в 570 тыс. лет [150].
Для определения временного спектра динамики климата
использовалась стандартная процедура анализа временных рядов
[151]. В связи с тем, что палеоклимэтические кривые описывают

изменения различных характеристик (температура года,
отклонение температур от современных значений, изотопные данные и
др.), необходимо было их нормировать относительно друг друга и
перевести сами значения в относительные величины.
Палеоклиматические кривые, отражающие изменения
климата в макрорегионах (Индийский океан, Тихий океан, Антарктида,
Гренландия, Сибирь, Невада) принципиально не различаются и
имеют лишь различные амплитуды в основных пиках потеплений и
похолоданий на протяжении плейстоцена. Этот факт
подтверждается данными спектрального анализа, согласно которому
палеоклиматические кривые имеют приблизительно одни и те же
частоты, отражающие орбитальные эффекты.
Таким образом, появилась возможность осреднить
имеющиеся палеоклиматические кривые и получить глобальные
температурные изменения за последние 223 тыс. лет (рис. 10.4). Вместе с
тем, необходимо отметить ряд принципиальных затруднений,
которые стоят на пути построения сверхдолгосрочного (на несколько
тысяч лет и более) прогноза изменения климата:
точность датировки длинных температурных рядов,
полученных по данным из ледовых кернов, оценивается в ±10% [152] и
для 200-тысячелетнего ряда составляет, таким образом,
±20 тыс. лет. Такая значительная неопределенность сильно
снижает достоверность поисков потенциально важных периодов
продолжительностью в 8-9, 13-14 и -19 тыс. лет.
Кроме того, при анализе данных из глубоких (свыше 2000 м)
скважин, а именно керны такой длины содержат данные по
полному ледниково межледниковому циклу, приходится строить все
более сложные и далеко не бесспорные модели движения льда и, соот-

ветственно, постоянно корректировать гляциологическую шкалу
времени.
-25000 -20000 -15000 -10000 -5000 О 5000
Лет т.н.
Рис. 10.4. Осредненная глобальная температурная кривая за последние 223 тыс. лет (а)
и вариант аппроксимации ее участка длиной 110 тыс. лет тригонометрическим
полиномом, содержащим семь гармоник (б)
Наглядным примером противоречий, возникающих при
интерпретации данных из глубоких скважин могут служить
результаты сравнения двух гренландских кернов [149, 153], пробуренных в
одно и то же время в точке Саммит на расстоянии всего 28 км друг
от друга. Высокая корреляция между данными по обоим кернам
наблюдается лишь до глубины в 2750 м, что соответствует
примерно 100 тыс. лет т. н., а далее резко ухудшается. Таким образом,
можно заключить, что достаточно надежная единая
гляциологическая хронология в настоящее время еще не построена;
аналогичные трудности возникают при датировке и морских
рядов. И здесь со времени пионерских работ Эмилиани [154] хроно-

логия, по крайней мере, трижды пересматривалась [146, 147]. Тем
не менее, до сих пор существует проблема совмещения во времени
морских и континентальных данных: известно, в частности, что
датировка основных событий последнего ледникового-
межледникового цикла в обоих вариантах может отличаться на 5-
10 тыс. лет.
Принимая во внимание сказанное, для решения
поставленной задачи отыскания тысячелетнего тренда изменения
температуры нам пришлось пойти по пути выполнения вариантных расчетов,
в которых изменялись следующие параметры и методические
акценты:
длина опорного временного интервала (от ПО до 223 тыс.
лет);
количество и происхождение опорных температурных
кривых (от трех до шести; только континентальные; или морские и
континентальные);
способ обобщения (сумма произвольных гармоник,
определенных спектральным анализом осредненной температурной
кривой— см. рис. 10.4; сумма "канонических" орбитальных гармоник
по Миланковичу-Имбри-Берже в 100, 41, 23, 19 и 14 тыс. лет;
квадратичный тренд заключительных участков температурной
кривой, настроенный на долгопериодную аппроксимацию).
В общей сложности было исследовано 12 различных
вариантов сочетания перечисленных факторов. Проделанные расчеты
позволяют заключить, что величина долговременного тренда
изменения температуры, вызванного действием предположительно
орбитальных факторов, весьма консервативна к вариации всех
перечисленных аспектов и составляет в настоящее время — (0,43+0,17)°С в

тысячелетие. Это значение примерно на порядок ниже скорости
возрастания температуры, зафиксированной инструментальными
наблюдениями в течение последнего столетия, и предполагаемой
скорости роста температуры в XXI в.
Тем не менее, вполне определенный и устойчивый по знаку и
величине характер тренда позволяет заключить, что для
корректного климатического прогнозирования или реконструкции
глубиной в несколько столетий температурный эффект орбитального
происхождения является существенным и должен приниматься во
внимание. Сказанное в полной мере относится к расчетам
развивающегося антропогенного потепления, масштаб которого со
временем будет в нарастающей степени ослабляться действием
мощных орбитальных факторов.
11. ЭНЕРГОБАЛАНСОВАЯ КЛИМАТИЧЕСКАЯ МОДЕЛЬ
11.1. Описание модели
Для оценки предстоящего изменения климата можно
использовать модели различного уровня, начиная от глобально осреднен-
ных стационарных моделей и кончая трехмерными
нестационарными моделями общей циркуляции атмосферы и океана с
количеством узлов, измеряемым десятками тысяч. Использование
сложных моделей требует привлечения большого объема данных,
которые с таким же трудом поддаются пониманию, как и реальный
климат. И все же получаемые при этом результаты носят
предварительный характер, поскольку некоторые существенные аспекты
физических основ климата до сих пор еще недостаточно изучены.

Больше отвечает современному уровню знаний подход,
основанный на комбинировании модельных расчетов с эмпирическими
методами, базирующимися на анализе данных инструментальных
наблюдений климата и наиболее надежных палеоклиматических
реконструкций (глубиной в несколько тысяч лет). При этом
климатическая модель используется для предсказания ограниченного
числа характеристик, осредненных либо по всей поверхности
Земли, либо по отдельным очень крупным ее частям.
В данном исследовании в качестве таких характеристик
выбраны среднеглобальные температурные отклики на изменение
форсингов основных климатообразующих факторов. Затем на
основе эмпирических оценок, учитывающих вклад этих откликов в
изменение изучаемого климатического элемента, можно
построить его прогноз. Получаемые таким образом результаты не
требуют колоссальных затрат машинного времени и позволяют
построить прогнозные оценки, наиболее полно используя имеющуюся в
распоряжении климатическую информацию.
Для получения среднеглобального температурного отклика
на изменение внешнего форсинга авторы использовали
энергобалансовую нестационарную климатическую модель [155], состоящую
из набора термически взаимодействующих резервуаров,
нагреваемых солнечной радиацией и охлаждаемых излучением
длинноволновой радиации в пространство (рис. 11.1). Каждый резервуар
реагирует на внешнее возмущение во временных масштабах,
которые зависят от его теплоемкости и времени внутреннего
перемешивания.
В соответствии с рекомендациями [155] теплоемкость
атмосферы принимается равной теплоемкости столба стандартной
атмосферы высотой 8,5 км при температуре поверхности 290К. Глу-

бина слоя перемешивания океана принимается равной 70 м,
теплоемкость суши — равной теплоемкости слоя воды толщиной 1,5 м.
Взвешивая по площади и осредаяя, получаем толщину
эквивалентного слоя перемешивания океана равной 30 м.
Q. У t IR
Эквивалентный слой перемешивания
1—г—т—%—г
Глубокий океан
Т I Т I Т
*L a k|JL+ a (we)
51 dz dz dz
1 h f
e„
1
1
Рис. 11.1. Энергобалансовая климатическая модель
Прямыми стрелками обозначен апвеллинг, волнистыми стрелками — диффузия; Q —
приходящее солнечное излучение; а — планетарное альбедо; остальные символы
приведены в табл. 11.1
Поведение данной системы описывается уравнениями:
Ra^ = Q* + Lt- Li - Lout+ H + LE,
Rra ^ = Q*m +U-LT-H-LE+ cw
(к—
z=h
-w(h)(8(h)-8B)
— = -—к—+—(w8), h<z<hd
dt OL dz OL
(11.1)
,(11.2)
(11.3)

и граничньши условиями для уравнения (11.3) при z = h и z = hd.
Схема вычисления Qa и Qm соответствует предложенной в работе
[156].
Таблица 11.1
Символы, используемые в уравнениях балансовой модели ч
Символ
Ra
Та
Rm
Tm
<
Lt
Li
Lout
Q
Fcl
ATs.cl
H
LE
em
ea
<Zn
cw
Параметр модели, размерность
Теплоемкость столба атмосферы, Дж/(К м2)
Температура атмосферы, К
Теплоемкость слоя перемешивания, Дж/(К м2)
Температура слоя перемешивания, К
Солнечное излучение, поглощенное атмосферой, Вт/м2
Тепловое излучение поверхности в атмосферу, Вт/м2
Тепловое излучение атмосферы к поверхности, Вт/м2
Тепловое излучение атмосферы в пространство, Вт/м2
Радиационный форсинг парниковых газов, аэрозолей и
г. п., Вт/м2
Взвешенная по площади среднегодовая облачность
Разность температур между поверхностью и вершиной
облаков, К
Турбулентный поток явного тепла, Вт/м2
Турбулентный поток латентного тепла, Вт м2
Давление насыщенного водяного пара при температуре
поверхности, мбар
Давление атмосферного водяного пара при постоянной
влажности равной 0,71, мбар
Солнечное излучение, поглощенное поверхностью,
Вт/м2
Удельная теплоемкость воды, Дж/(К м2)
Значение
0,544
32,34
4,186!0«
1 Знак (*) помечает величины, относящиеся к рассеянному солнечному излученню;
знак (') помечает величины, относящиеся к прямому солнечному излучению.

Продолжение табл. 11.1
Символ
h
hd
к
w
8(z)
9в
Aoz
Aw
D
sd
Su
r.
r2
fc
ac
ac
e
«cy
"cr
Лсу
Параметр модели, размерность
Глубина эквивалентного слоя перемешивания океана, м
Глубина океана, м
Коэффициент диффузии для переноса тепла в океане,
uVc
Скорость апвеллинга, м/год
Температура глубокого океана на глубине z, К
Температура полярного океана, К
Поглощение солнечного излучения озоном
Поглощение солнечного излучения водяным паром
Отношение интенсивностей прямого солнечного
излучения до и после рассеяния н поглощения на твердом
аэрозоле
Часть солнечного излучения, рассеянная вверх
Часть солнечного излучения, рассеянная вниз
Приближенное отношение рассеяния вверх над
облаками к рассеянию вверх при чистом небе во всем
столбе атмосферы
Приближенное отношение поглощения водяным паром
в слое над облаками к поглощению при чистом иебе
Облачность, взвешенная по инсоляции
Альбедо облаков над черной подстилающей
поверхностью
Альбедо облаков для рассеянного излучения
Доля излучения, не поглощенная между верхушкой
облака н поверхностью
Планетарное альбедо для облачной атмосферы
Планетарное альбедо для безоблачной атмосферы
Множитель, учитывающий поглощение уходящего
рассеянного и отраженного излучения для облачного неба
Значение
30
3792
610-5
4
274,2
0,03
0,4
0,5
0,531
0,5
0,95
0,95

Продолжение табл. 11.1
Символ
Лег
<
*
as
Параметр модели, размерность
Множитель, учитывающий поглощение уходящего
рассеянного н отраженного излучения прн чистом небе
Усредненное альбедо поверхности для прямого
излучения
Усредненное альбедо поверхности для рассеянного
излучения
Значение
0,9
Тепловое излучение атмосферы с нижней границы
определяется формулой:
Li = стТа4 • (0,89 - 0,2 • 10"°'07еа ), (11.4)
где а — постоянная Стефана-Больцмана.
Тепловое излучение поверхности в атмосферу:
Lt=aT<, (11.5)
где Тт —температура эквивалентного слоя перемешивания,
принимаемая за температуру поверхности.
Тепловое излучение верхней границы атмосферы в
пространство определяется формулой:
Lout =A + BTa-CFCL-ATSCL-Q, (l 1.6)
где С = 1,73 Вт/м2; А и В —коэффициенты, зависящие от
чувствительности атмосферы к изменению энергетического баланса. При
равновесной чувствительности атмосферы 1,5 К на радиационный
форсинг 4,37 Вт/м2, А = 578 Вт/ м2, В = 2,9 Вт/( м2 К).
Потоки явного и латентного тепла вычисляют по формулам:

LE = C2(em-ea),
(11.7)
(11.8)
где Ci = 12,57 Вт/(Км2), Сг = 11,75 Вт/(м2-мбар).
Два последних члена в уравнении (11.2) описывают
взаимодействие слоя перемешивания с глубоким океаном.
11.2. Схема расчета коротковолнового излучения
В модели используется радиационная схема, предложенная в
* #
[156]. Из нее следуют выражения для Qa и Qm:
Ql^fcQLy+fl+QQLrls,
Qm=[fcQmcy+0+fc)Qmcr]s.
(П.9)
(11.10)
где
Vacy = Aoz + (1 - А07) •
•Лг^-^И'^^'^Уг^^о+всО
1-е asac
+ (11.11)
a-
+(1-ПсУ)-^
Леу
— доля солнечной энергии, поглощенная атмосферой при
облачном небе;
Q*c (1 - Aoz)t(l - ot^Xl - ac)(l - r,Su)(l - r2Aw) (11]2)
mCy l-e2a*a*
— доля солнечной энергии, поглощенная поверхностью при
облачном небе;

QlT--AozHl-Aoz)(l-D-Su-Si)+(l-Aoz)DA^(l-r]cT)^( 11.13)
Чсг
— доля солнечного излучения, поглощенная атмосферой при
чистом небе;
Qracr =0-AK)[Sd0-oO + D0-Aw)0-a;)] ( 11.14)
— доля солнечного излучения, поглощенная поверхностью при
чистом небе; S — интенсивность падающего солнечного излучения.
11.3. Численный метод решения уравнения переноса
Представим уравнение (11.3) в виде:
П = -к—-W0
—+—=о
9t dz
Рассмотрим произвольную сетку |zj...zn}, где zt =hm —-
глубина слоя перемешивания и zN =hd = 3792м —глубина океана.
Среднюю температуру ячейки {zj.Zj.,} обозначим 8; и припишем
ее середине ячейки. Схема дискретизации переменных приведена на
рис. 11.2.
tm 0г 9i-l 9i 0N-1 ..
G X 0 X в— ■ • - —в X в X в —в X _ ||
0 Zi-hra Zi Zi-i Zj Zi+i Zm_i Zn-Zn+i-I)
пг п2 пЬ1 Ui ni+1 nN.! nN
Рис. 11.2. Схема дискретизации переменных при решении уравнения диффузии
Запишем второе уравнение системы (11.15) в разностном
виде

У^1(2ы-г|)+(Пм-п^(^.-^)=о. („.,«>
г, 2
Здесь т, — шаг по времени, знак (~) относится к переменным
с предыдущего временного слоя.
Интегрируя первое уравнение системы (11.15) от ц_у до z,
и от Z; до zi+i/ и исключая промежуточное значение 0 в точке zx,
получаем разностное выражение для потока:
(11.17)
где ^ =
2k
zi+l ~" zi
Таким образом:
nl=Ai8i_,-Bi0i,
A Si-rSt h (5i-i+wHfr+w) l£i*N-l.
На нижней границе глубокого океана рассмотрим
дополнительную ячейку нулевой толщины. Тогда AN = |N_,,
Bn = 5n-i +w • Подставляя (11.15) в (11.16), получаем трехточечное
уравнение относительно 6:
ai0i-i _ci9i+bi0i+i =-fi. l^i^N-1;
at = Ai, bt = Bi+„ ct = 4Zm " Zi) + Ai+, +В;; (11.18)
fi =
2(гы-г})
+Ai+I +Bj
0i+Bi+|0i+,+А404_|.
На границе со слоем перемешивания 90 = Tm, на нижней
границе зададим постоянную температуру 0N = 0b и постоянный

поток nN = -web.Ho nN = ^N_,-0N_i-?N_r8N-w-8N, отсюда
получается ^ n_i = 0, что эквивалентно равенству нулю
коэффициента диффузии на нижней границе.
Система уравнений (11.18) решается методом трехточечной
прогонки:
bi
ai+1=- i = l,...,N-l,a1=0;
Ь} -oijaj
-^ajbi+f^ i = 1)...)N_i)Pl=tm.
9i = ai+i9i+l +Pi+l i = N-1,.,.,1,8N = 8b.
Уравнение (11.3) решается с шагом по времени т, = 32 дня.
Значения 9 на верхнем слое интерполируются на этом отрезке
времени и используются при решении уравнений (11.1) и (11.2) с
шагом по времени т2 = 4 дня. Далее снова решаем уравнение (11.3),
используя в качестве граничного условия среднее значение Тт за
последние восемь шагов. Для сходимости достаточно четырех
итераций.
Профиль температуры океана в состоянии равновесия
приведен на рис. 11.3, при этом Та = 287.4К и Тт = 289,1 К. В принципе,
с помощью энергобалансовой модели оценка среднеглобальной
температуры могла бы быть получена в виде температурного
отклика на изменение общего радиационного форсинга основных
климатообразующих факторов. Однако серьезным затруднением
при таком подходе является неопределенность относительного
вклада антропогенных и естественных климатообразующих
факторов в общий радиационный форсинг. Кроме того, использование
энергобалансовой модели предполагает изначально заданным
значение равновесной чувствительности климатической системы при

удвоении концентрации СОг, которое по разньш оценкам
находится в широком диапазоне от 1,5 до 5,5°С [157].
Следовательно, получаемые при этом результаты носят
предварительный характер и должны быть подвергнуты
дальнейшей обработке с целью выяснения степени их надежности и
пригодности для оценки климатических изменений.
288 \
286 \
284 \
282 \
280 Л.
278 • N.
276 ^\^^
274 I > —-' ' ■ ' ■= '
О 500 1000 1500 2000 2500 3000 3500 4000
и
Рис. 11.3. Профиль температуры глубокого океана в состоят равновесия
12. РЕГРЕССИОННО-АНАЛИТИЧЕСКАЯ МОДЕЛЬ
КЛИМАТА
12.1. Описание модели
В настоящее время представляется затруднительным
получить надежную количественную оценку влияния климатообразую-

щего фактора на климат моделированием процессов тепло- и мас-
сообмена в атмосфере и океане. Альтернативный подход к
решению этой проблемы состоит в эмпирическом исследовании влияния
климатообразующих факторов. В настоящей работе предлагается
метод, основанный на комбинировании эмпирических оценок с
расчетами на нестационарной энергобалансовой модели. С
помощью этого метода проведен анализ данных Джонса и др. [158] по
приземной температуре воздуха за 140 лет (1854-1993 гг.),
полученные результаты использовались для анализа изменений среднегло-
бальной температуры в XVII-XIXbb. и экстраполяции на
XXI столетие.
Эмпирический подход требует знания временных рядов
переменных или индексов, адекватно отражающих влияние каждого
из климатообразующих факторов. Полный набор переменных,
характеризующих влияние климатообразующих факторов,
представлен в табл. 12.1.
Таблица 12.1
Климатообразующие факторы и характеризующие их переменные
Климатообразующие факторы
1. Атмосферные концентрации
парниковых газов. Содержание сульфатног
аэрозоля в тропосфере
2. Солнечная активность
3. Вулканическая активность
4. Автоколебания в системе
атмосфера-океан
Переменные, отражающие влияние
климатообразующих факторов
П — суммарный форсинг
парниковых газов и тропосферного
сульфатного аэрозоля
Гг — максимальные числа Вольфа
гз — индекс кислотности А1с
или смитсонианский индекс
(SVI?)
Г4 — индекс SOI

В качестве переменной, характеризующей влияние
парникового газа, была выбрана величина радиационного форсинга этого
газа. Форсинги парниковых газов и сульфатного аэрозоля на
исследуемом временном интервале статистически неразличимы,
поэтому оценивался их суммарный форсинг (см. гл. 6). Модельные
солнечный и вулканический форсинги предполагаются
определенными с точностью до постоянных множителей, точнее, каждый из
рядов г;, i = 2,3 был домножен на положительную нормировочную
константу оц, такую чтобы дисперсия полученного ряда не
превосходила 1. Используемый временной интервал инструментальных
наблюдений слишком мал для выделения вклада орбитальных
факторов статистическими методами. Влияние изменения орбитальных
параметров было исключено из ряда глобальной температуры
добавлением линейного тренда -4-КИ °С/год (см. гл. 10).
В качестве температурных характеристик климатообразую-
щих факторов для установления их связей с изменением среднегло-
бальной температуры были использованы температурные отклики
энергобалансовой климатической модели на изменение модетных
форсингов этих факторов. На первом этапе расчеты проводились
при чувствительности модели, соответствующей равновесному
увеличению температуры на 1,5°С при удвоении концентрации С02,
впоследствии это значение подлежало коррекции.
Связь глобальной температуры с температурными
откликами устанавливается с помощью линейной регрессионной модели:
Т = £рД+ё, (12.1)

(* \
где Т =
V-ы)
— глобальный ряд температурных аномалий Джонса
без орбитального тренда; М = 140 — длина ряда; Х; =
vW
i=l,...,3—температурные отклики, соответствующие изменению
модельных форсингов основных климатообраэуюпщх факторов
(антропогенного, солнечного, вулканического) и вычисленные с
помощью глобальной климатической модели; Х4 =
44
VXM4/
— вектор
индекса Южного колебания (SOI); Х5 =
(\Л
\\J
— единичный вектор,
введенный для определения константы; е — вектор случайных
ошибок с независимыми значениями и нулевыми средними.
Введем обозначение X для матрицы, столбцами которой
являются векторы X;, i = 1,..,5 и будем искать оценки
коэффициентов Р,, i = 1,..,5 по методу наименьших квадратов [159]:
Р=(Х*Х)1Х*Т,
( 12.2)
где Р = (Р|,Р2.Рэ.Р4>Р5). а X — матрица, транспонированная к X.
_ 5 Л
Регрессионные оценки 0 = 2piXi, представленные на рис. 12.1,
детально воспроизводят основные климатические события 1854-
1993 гг.

0.4
0.2
0.0
-0.2
-0.4
Температурные аномалии,°С
-0.6
■ 1_
1850
1900
1950
Год
0.4
Температурные аномалии,°С
-0.6
1850
1900
1950
Год
2000
2000
Рис. 12.1. Изменение среднеглобальной температуры в 1854—1993 гг. (в отклонениях от
среднего за 1951—вО гг.)
1 - данные Джонса н др. [158]; 2 — регрессионная оценка, использующая варианты
N G
вулканического AIq -отклика (а) и SVI* -отклика (б)
Напомним, что Х{ =хто(,(а;Г;), i= 1,2,3, где а, =1, Xmod —
решение уравнения (10.1) энергетического баланса в атмосфере. В
области используемых значений аргумента выполняется прибли-

женное равенство:
JWodW^WaiiW. j = l.-.140, 1 = 1,2,3. (12.3)
Нетрудно увидеть, что величинам г^ =4,37/(aiPi)
соответствуют равновесные температурные отклики Xmod = 1,5°С.
Действительно, при выбранной чувствительности климатической системы
увеличение форсинга на 4,37 Вт/м2 (что соответствует удвоению
концентрации CCh) сопровождается увеличением температуры на
1,5 градуса. Таким образом, равновесная чувствительность
климатической системы к увеличению переменной i на единицу равна
А
W«iPi) = W7& i = 1-2,3,a (12.4)
4,37
Коэффициенты чувствительности климатической системы к
единичному изменению каждой переменной, рассчитанные по
формуле (12.4), приведены в табл. 12.2 (для четвертой переменной —
индекса SOI — коэффициент чувствительное™ равен
коэффициенту К)-
Таблица 12.2
Коэффициенты чувствительности
Отклик
А.»
SVI?
kENSO
-0,083
-0,081
kvolc
-0,0011
-0,0008
KSolar
0,0013
0,0014
Kghg+tsa
0,45
0,44
Const
-0,32
-0,31

12.2. Обсуждение результатов
Проанализируем полученные результаты с точки зрения
здравого смысла и имеющихся оценок степени влияния различных
факторов на климат. Для форсинга парниковых газов чувствителъ-
°С
ность составляет 0,45 г-, таким образом, удвоение концентра-
Вт/м^
ции CCh, сопровождающееся изменением форсинга на 4,37 Вт/м2,
должно привести к равновесному изменению глобальной
температуры на 1,97°С. Это значение находится в нижней части диапазона
в 1,5 — 5,5°С, предсказываемых различными моделями общей
циркуляции атмосферы, и с физической точки зрения означает, что
глобальная климатическая система обладает заметной
положительной обратной связью, усиливающей температурный эффект с
повышением концентрации парниковых газов.
Напомним, что для системы без обратных связей чувстви-
тельносгь к удвоению концентрации СОг составляет 1,2°С,
увеличение же ее на 60% в современных условиях может быть объяснено
комбинированным влиянием сопутствующего роста содержания
водяного пара в атмосфере, изменения облачности ;и площади
снежно-ледового покрова.
Конечно, регрессионный метод не позволяет различить
влияние каждого из перечисленных параметров, и об этом стоит
пожалеть, но дело сейчас совсем в другом. Имеющийся в нашем
распоряжении архив относительно надежных наблюдений за глобальной
температурой не свидетельствует в пользу высоких чувствительно-
стей глобальной климатической системы в 3-5°С, а именно такие
значения лежат в основе сценариев драматических изменений
климата и необходимости принятия жестких мер адаптации.

Теперь покажем, что столь сильный вывод получен не за счет
грубых ошибок при определении роли других климатических
факторов. Максимальные числа Вольфа (индекс солнечной
активности) изменялись в течение последних 500 лет от нуля (в т.н.
Маундеровском минимуме в 1645-1715 гг.) до 190 в 1957 г. Значит,
максимальный солнечный сигнал за это время составил
1,4 10~3 х 190 = 0,2бб°С. Соответствующее изменение радиационно-
го форсинга составит 0,266° С/
0,45
Вт/м2/
= 0,59 Вт/м2 или 0,25%
от номинального значения в 240 Вт/м2. Сделанная оценка
находится в прекрасном соответствии с результатами вычислений
снижения солнечной постоянной в период Маундеровского минимума
[160], проделанных на основе гелиофизических соображений.
Скорректированные значения индексов кислотности для
наиболее значительных вулканических извержений последних пяти
столетий заключены в интервале Ale = 400-^900. Соответствующая
величина нестационарной температурной реакции по расчетам,
представленным в этой книге, находится в диапазоне — (0,1-й),3)°С,
что неплохо согласуется с оценками [114, 161, 162] о степени
влияния вулканов на среднеглобальную приземную температуру
воздуха.
Наконец, индекс Южного колебания (SOI), позволяющий
судить о знаке и величине температурной аномалии поверхностных
вод экваториальной части Тихого океана, изменялся в диапазоне
от 2 до -2,2 в течение последних 140 лет. Используя значение
чувствительности, приведенное в табл. 12.2, приходим к выводу, что
соответствующий температурный эффект явления ENSO заключен
в пределах -0,17ч-0,18°С, что также очень хорошо согласуется с

имеющимися данными, полученными альтернативными методами
[118, 163].
Таким образом, проведенные оценки степени влияния
различных климатообразующих факторов на величину среднегло-
бальной температуры, по крайней мере, не противоречат
имеющимся представлениям, сформировавшимся в рамках специальных
наук (гелиофизики, вулканологии, океанографии) и,
следовательно, не могут быть отнесены к категории упражнений в подгонке
коэффициентов регрессии.
12.3. Применение модели
В качестве иллюстрации к изложенному описанию
регрессионно-аналитической модели приведем результат "экстраполяции" в
прошлое ряда среднеглобальной температуры и сопоставление его
с температурными рядами, полученными на основе архивов Гроув-
мана-Ландсберга [35] и Якоби-Д'Арриго [36].
Восстановленная с помощью модели (12.1) и исторических
рядов по основным климатообразующим факторам картина
изменения среднеглобальной температуры в XVII-XIX столетиях
представлена на рис. 12.2. Модель (12.1) не только хорошо описывает
основные климатические события 1854-1993 гг., но и дает
качественное представление об изменении климата в XVII-XIXbb. В
расчетных данных нашли свое отражение значительное
похолодание конца XVIII — начала XIX вв., умеренно теплый период
середины XVIII в. и низкие значения температуры в XVII столетии.
Расхождение модельных данных с архивными, как и
следовало ожидать, нарастает по мере удаления от используемого в модели
временного интервала (1854-1993 гг.) и не превосходит 0,4°С. Ис-

ключение составляет эпизод чрезвычайно высоких значений
температурных аномалий 1820-1830 гг. по данным Гроувмана-
Ландсберга, не имеющий подтверждения как в
реконструированных по модели значениях, так и в архивных данных Якоби-
Д'Арриго.
Температурные аномалии, °С
1600 1650 1700 1750 1800 1850
Год
Рис. 12.2. Измените среднеглобальной температуры в XVII—XIX столетиях по данным
1 — Гроувмана-Ландсберга, 2 — Якоби-Д'Арриго, 3 — регрессионно-аналитической
модели
Наконец, построенный недавно архив летних аномалий по-
лушарной температуры [37] также позволяет заключить, что хотя
между второй и третьей декадами XIX столетия имел место
существенный рост температуры, он не имел столь драматического
характера, как это следует из данных [35].
- 5 А
Оценка 9 = £ J3; Xt может быть использована для экстрапо-
ы
ляции ряда среднеглобальной температуры на ближайшее столетие

при наличии прогнозных оценок для Xj, i = 1....5. Гипотетические
значения температурных откликов Х(, i= 1,..,3 рассчитаны с
помощью климатической модели на основе авторских представлений
о поведении климатообразующих факторов в период до 2100 г. (см.
гл. 5-9).
Температурные аномалии, °С
1850
1900
1950 2000
Год
2050
2100
Рис. 12.3. Прогнозы изменения ереднеглобальной температуры до 2100 г. е разными
сценариями эмиссии COi
1 — базовый; 2 — с постоянным значением эмиссии; 3 — с постоянным значением
эмиссии на душу населения и данные Джонса (4) (все в отклонениях от среднего за
1951-1980 гг.)
Данные изменения ереднеглобальной температуры за 1854—
1993 гг. по Джонсу и др. [158] и ее прогнозы, использующие А1с -
отклик в качестве одного из регресеоров показаны на рис. 12.3. Как
видно из рисунка, наиболее вероятное повышение
ереднеглобальной температуры (базовый прогноз —кривая 1) к 2100 г. составит
1,5°С по отношению к климатической норме 1951-80 гг. На этом

же рисунке показаны результаты расчетов для двух
альтернативных сценариев развития энергетики:
с постоянным значением эмиссии на уровне 1993 г. (6,1 Гт С
в год) — вариант достаточно жесткого ограничения,
соответствующий рекомендациям конференции в Рио-де-Жанейро (1992 г.)
для индустриальных стран и предполагающий распространение
аналогичной практики на остальные страны мира (кривая 2);
с постоянным значением эмиссии на душу населения на
уровне 70-90-х годов (1,14 т С/чел в год) —вариант исторически
сложившегося в последнюю четверть status quo, когда снижение
эмиссии в индустриальных странах компенсируется ее ростом в
новых развитых государствах (Корея, Таиланд, Малайзия) и части
развивающихся стран (Китай, Индия, Индонезия) (кривая 3).
Анализ рис. 12.3 показывает, что осуществление различных
сценариев эмиссии СОг оказывает небольшое влияние на уровень
повышения температуры к 2100 г. — в пределах 0,3°С, что
примерно находится в диапазоне естественной изменчивости климата.
Антропогенно обусловленное повышение температуры происходит на
фоне ясно выраженной тенденции естественного климата к
похолоданию. Представленные в настоящей главе результаты не дают
оснований для предсказания экстремального потепления в XXI
столетии и принятия экстренных решений в целях предотвращения
глобальной катастрофы.
ЗАКЛЮЧЕНИЕ
Изучение глобальных изменений климата и причин, их
вызывающих, во всей их системной целостности представляет собой
задачу исключительной сложности. Не будет преувеличением

сказать, что тот, кто попытается познать во всей полноте, как и
почему происходят глобальные изменения, должен будет по сути
воспроизвести акт божественного творения, т. е. понять поведение
земли, воды, "тверди небесной" и "светил великих", людей,
животных и растений, а, значит, выйти на заведомо недостижимый
интеллектуальный уровень. Но всеведение — это удел Всемогущего, а
человеку следует довольствоваться знанием относительным,
частичным. При всем при том только на пути последовательной
реализации принципа энциклопедизма, попытка чего и была сделана в
•настоящей книге, можно рассчитывать хотя бы на небольшие
успехи в изучении процессов глобальных изменений, где так много
важных взаимосвязанных факторов, где часто невозможно
отличить причину от следствия и где так мало информации, которой
можно полностью доверять.
С учетом указанных неустранимых ограничений все-таки
рискнем сделать следующие основные выводы.
1.Для достаточно точного описания истории климата
последних четырех столетий необходимо учитывать, по крайней мере,
шесть основных климатообразующих факторов: концентрации
парниковых газов, тропосферного сульфатного аэрозоля,
солнечную и вулканическую активность, автоколебания в системе
атмосфера-океан и параметры орбиты Земли. Суммарное влияние
естественных факторов на глобальный климат в масштабе последних
столетий вполне соизмеримо или даже превосходит влияние
антропогенных факторов.
2. Мировое потребление энергии продолжает возрастать,
однако темпы его роста существенно замедлились и составляют
теперь примерно 0,7% в год. Если такие же темпы сохранятся до
конца ньшешнего десятилетия, то потребление энергии в 2000 г. не

превысит 13,5 Гт у. т. в год, что в 1,2-1,6 раза ниже уровня
прогнозов последнего десятилетия. Тем не менее наблюдаемая картина
находится в полном соответствии с нашими прогнозами,
основанными на изучении вековых закономерностей эволюции мировой
энергетики. При этом рассматриваемый прогноз предполагает
также, что к середине следующего столетия энергопотребление в
мире стабилизируется на уровне около 25 Гт у. т. в год, что лишь
вдвое превышает современный уровень.
3. Совместное исследование различных индикаторов
солнечной активности позволяет восстановить достаточно полную
картину поведения Солнца в течение последних 4 тыс. лет. Сделанный
на основе изучения солнечной хронологии прогноз предсказьшает
снижение солнечной активности после 2000 г. и наступление к
концу XXI в. глубокого (типа Маундеровскоге) солнечного минимума.
В рамках гелиовулканической гипотезы сделан прогноз,
предсказывающий значительное возрастание вулканической
активности в середине и конце следующего столетия с последующим
снижением до уровня, превышающего современный.
На основе синтеза данных палеоклиматических
реконструкций по Северной Евразии за время позднеледниковья-голоцена и
результатов современных инструментальных наблюдений
восстановлена картина изменений полушарной температуры за
последние 11000 лет. Предпринятый анализ изменений температуры в
позднем голоцене (последние б тыс. лет) показал, что тренд
падения температуры, вызванный действием орбитальных факторов,
составит в следующем тысячелетии (0,4 ±0,2)° С.
Таким образом, изменения трех важнейших естественных
факторов — солнечной и вулканической активности, а также
параметров орбиты Земли будут в ближайшее столетие действовать

против нарастающего парникового эффекта, способствуя его
ослаблению.
4. Построенная регрессионно-аналитическая модель климата,
являющаяся объединением статистической и энергобалансовой
моделей, представляет собой мощный инструмент исследования и
прогнозирования. Рациональное сочетание эмпирических и
теоретических методов позволяет преодолеть свойственные каждой из
этих моделей по отдельности недостатки и воспроизвести
детальную картину истории климата последних четырех столетий,
описывающую все без исключения значительные климатические
события XVII-XX вв.
5. Тенденция к потеплению, обнаружившаяся в конце XIX в.
и развившаяся в XX в., продлится и в XXI столетии, однако эти
результаты не дают оснований для катастрофических климатических
прогнозов. Среднеглобальная температура будет возрастать в
результате продолжающегося накопления парниковых газов в
атмосфере и постепенного освобождения ее от короткоживущих
тропосферных аэрозолей, однако все естественные факторы, действуя в
течение ближайшего столетия в сторону похолодания, будут
значительно уменьшать антропогенно обусловленное потепление.
Повышение среднеглобальной температуры со скоростью
менее 1,2°С в столетие позволяет заключить, что существование
мрачного сценария климатической катастрофы с повышением
температуры на 5-6°С [71, 164-165] является результатом ошибочных
расчетов. Осуществление различных реалистических сценариев
эмиссии СОг оказывает небольшое влияние на уровень повышения
температуры к 2100 г. — в пределах ±0,3" С, что находится в
пределах межгодовой естественной изменчивости климата.

Реально ожидаемое повышение температуры в XXI столетии
полностью лежит в пределах отметок климатического оптимума
голоцена (6-5 тыс. лет тому назад), отличавшегося чрезвычайно
благоприятными природными условиями и, таким образом, может
иметь существенный позитивный эффект. Путь к максимальному
использованию этого эффекта лежит через разработку
национальных и региональных стратегий адаптации, фундаментальной базой
которых должны стать обоснованные прогнозы региональных
изменений климата. Центр тяжести предстоящих исследований
должен, таким образом, смещаться в сторону увеличения
пространственной и временной детализации климатических прогнозов.
Литература
1. Клименко В. В. Климат и история человека от неолитической
революции до царя Мина // Вест. МЭИ. 1996. № 2. С. 93-98.
2. Лаурман Дж. Стратегические направления действий и
проблема влияние СОг на окружающую среду // Углекислый газ в
атмосфере / В. Бах, А. Крейн, А. Берже, А. Лонгетто (ред.) М.: Мир,
1987. С. 425-472.
3. North D. С. Institutions, Institutional Change and Economic
Performance. Cambridge: Cambridge University Press, 1990.
4. Клименко В. В. Энергия, климат и историческая перспектива
России // Обществ, науки и современность. 1995. № 1. С. 99-105.
5. National Center for Analysis of Energy Systems. Energy needs,
uses and resources in developing countries. Brookhaven: Brookhaven
National Laboratory. Policy Analysis Division, 1978.

6. Marland G., Rotty R. M. Carbon dioxide emission from fossil
fuels: a procedure for estimation and results for 1950-1982 // Tellus. 1984.
Vol. 36B, No. 4. P. 232-261.
7. Marland G., Andres R. J., Boden T. A. Global, regional and
national CO2 emissions // In: Trends'93: A Compendium of Data on
Global Change. ORNL/CDIAC-65. T. A. Boden, D. P. Kaiser,
R. J. Sepanski and F. W. Stoss (eds). Carbon Dioxide Information
Center. Oak Ridge National Laboratory. Oak Ridge. Tenn.. USA. 1994.
P. 505-584.
8. Edmonds J., Reilly J. M. Global Energy: Assessing the Future.
Oxford: Oxford University Press, 1985.
9. Modification of Major CO2 Sources under Conditions of the Man-
Change Environment / A. V. Klimenko, V. V. Klimenko,
M. V. Fyodorov and S. Yu. Snytin // Proceedings of the 5th
International Energy Conference. Seoul. Korea. 1993. Vol. 5. P. 56-61.
10. World Population Prospects . The 1994 Revision. New York: UN,
1995.
11. Global Report on Human Settlements. New York: UN, 1987.
12. Viterito A. Implications of urbanization for local and regional
temperatures in the United States. In: Coping with Climate Change.
Proc. 2nd North American Conf. on Preparing for Climate Change.
Washington. D. С Dec. 6-8, 1988. Ed. J. С Topping. 1989.
13. World Resources 1988-89. WRI/IIED/UNEP. New York: Basic
Books, Inc., 1988.
14. World Population Prospects: the 1992 Revision. New York: UN,
1993.
15. Moller D. Estimation of the global man-made sulphur emission //
Atmospheric Environment. 1984. Vol. 18, No. 1. P. 19-27.
16. Global Report. Draft summary. World Energy Council
Commission, 1992.

17. Survey of Energy Resources. World Energy Council, 1992.
18. Энергетика и предстоящее изменение природной среды в
России. Отчет о НИР. М.: ИБРАЭ РАН. 1992.
19. Hameed S., Dignon J. Changes in the geographical distributions
of global emissions of NO* and SOx from fossil-fuel combustion between
1966 and 1980 // Atmospheric Environment. 1988. Vol. 22, No. 3. P.
441-449.
20. Perturbation of the northern hemisphere radiative balance by
backscattering from anthropogenic sulfate aerosols / Charlson R. J.,
Langner J., Rodhe H., Leovy С. В., Warren S. G. // Tellus. 1991.
Vol. 43AB, No. 4. P. 152-163.
21. Wigley T. M. L., Raper S. С. В. Implications for climate and sea
level of revised IPCC emissions scenarios // Nature. 1992. Vol. 357. P.
293-300.
22. Экономическая история капиталистических стран / Под ред.
В. Т. Чунчулова, В. Г. Сарычева. М.: Высш. шк., 1985.
23. Smyth W. W. Coal and Coal Mining. London: Crosby Lockwood
&Son, 1890.
24. Радциг А. А. Каменноугольная промышленность всего света.
Добыча, потребление, цены. СПб.: Народная польза, 1898.
25. Ден В. Э. Каменноугольная и железноделательная
промышленность. Спб.: Политехнический ин-т, 1907.
26. Keeling CD. and Whorf Т. P. Atmospheric СОг records from
sites in the SIO air sampling network // In: Trends'93: A Compendium of
Data on Global Change / Boden et al. (eds.). ORNL/CDIAC-65,
Carbon Dioxide Information Analysis Center, Oak Ridge National
Laboratory. Oak Ridge, Tenn., U.S.A. 1994. P. 16-26.
27. Raynaud D., and Barnola J. M. An Antarctic ice core reveals
atmospheric CO2 variations over the past few centuries // Nature. 1985.
Vol. 315. P. 309-311.

28. Evidence of changing concentrations of atmospheric CO2, N2O,
and CH4 from air bubbles in Antarctic ice / G. I. Peatman,
D. M. Etheridge, F. de Silva and P. J. Fraser // Nature. 1986. Vol. 320.
P. 240-250.
29. Initial measurements of CO2 concentrations (1530-940 AD) in air
occluded in the GISP 2 ice core from Central Greenland / M. Wahlen,
D.Allen, B. Deck and A. Herchenroder // Geophys. Res. Lett. 1991.
Vol. 18. P. 1457-1460.
30. Evidence from polar ice cores for the increase in atmospheric CO2
in the past few centuries / A.Neftel, E.Moor, H.Oeshger, and B.Stauffer
// Nature. 1985. Vol. 315. P. 45-47.
31. Ice core record of |JC/12C ratio of atmospheric CO2 in the past
two centuries / H. Friedli, H. Lotscher, H. Oeschger, U. Siegenthaler,
and B. Stauffer // Nature. 1986. Vol. 324. P. 237-238.
32. Natural and anthropogenic changes in atmospheric CO2 over the
last 1000 years from air in Antarctic ice and fim / D. M. Etheridge,
L. P. Steele, R. L. Langenfelds and R. G. Francey // J. of Geophys. Res.
1996. Vol. 101.No.D2. P. 4115-4128.
33. Miiller H. G. Nonparametric Regression Analysis of Longitudinal
Data // Lecture Notes in Statistics. 1980. Vol. 46.
34. Дрейпер Н., Смит Г. Прикладной регрессионный анализ:
Пер. с англ. / Под ред. Ю. П. Адлера и В. Г. Горского. М.:
Статистика, 1973.
35. Groveman В. S., Landsberg H. E. Reconstruction of the Northern
Hemisphere Temperature: 1579-1880 / Publ. No. 79181/2. College Park:
University of Maryland. 1979.
36. Jacoby G. C, Jr., and D'Arrigo R. Reconstructed Northern
Hemisphere temperature departures // Climatic Change. 1989. Vol. 14. P. 39-
59.

37. Bradley R. S., Jones P. D. Recent developments in studies of
climate since A. D. 1500 // In: Climate since A. D. 1500 / R. S. Bradley and
P. D. Jones (eds.). London and New York: Routlege, 1995. P. 666-679.
38. Клименко В. В., Климанов В. А., Фёдоров М. В. История
средней температуры Северного полушария за последние 11000 лет
// Докл. РАН. 1996. Т. 348, № 1. С. 111-114.
39. A box diffusion model to study the carbon dioxide exchange in
nature / H. Oeschger, U. Siegenthaler, U. Schotterer, A. Gugelmann //
Tetlus. 1975. Vol. 27. P. 168-192.
40. Siegenthaler U. Uptake of excess CO2 by an outcrop-diffusion
model of the ocean // J. of Geophysical Research. 1983. Vol. 88, No. C6.
P.3599-3608.
41. ВалленК.-Х. Мониторинг концентрации атмосферного CCh
// Углекислый газ в атмосфере / В. Бах, А. Крейн, А. Берже,
А. Лонгетто (ред.) М.: Мир, 1987. С. 15-42.
42. Modeling terrestrial ecosystems in the global carbon cycle with
shifts in carbon storage capacity by land-use change / R. E. Emanuel,
G. G. Killough, W. M. Post, H. В Shugart // Ecology. 1984. Vol. 65. P.
970-983.
43. Goudriaan J. and Ketner P. A simulation study for the global
carbon cycle including man's impact on the biosphere // Climate Change.
1984. Vol. 6. P. 167-192.
44. Sundquist E. T. The global carbon dioxide budget // Science. 1993.
Vol. 259. P. 934-941.
45. Роль углерода в цикле углерода и модели биоты /
Г. Кольмайер, X. Брель, У. Фишбах, Г. Кратц, Э. Шире //
Углекислый газ в атмосфере / В. Бах, А. Крейн, А. Берже, А. Лонгетто
(ред.) М.: Мир, 1987. С. 105-155.

46. Global deforestation: contributions to atmospheric carbon dioxide
/ G. M.WoodweU, J. E. Hobbie, R. A. Houghton, J. M. MeUllo,
B.Moore, B.J.Peterson and G. R. Shaver // Science. 1983. Vol.222.
P. 181-186.
47. Houghton R. A. and Skole D. L. Changes in the global carbon
cycle between 1700 and 1985 // In: The Earth Transformed by Human
Action / B.L. Turner, ed. Cambridge: Cambridge University Press. 1990.
48. Кобак К. И. Биотические компоненты углеродного цикла.
Л.: Гидрометеоиздат, 1988.
49. Cnlotta E. Will plants profit from high CO2? // Science. 1995.
Vol. 268. No. 5211 P. 654-656.
50. РедькоГ. И. К истории лесного хозяйства России. Л.: Йзд-
воЛТА, 1981.
51. Protecting the Tropical Forests / Deutcher Bundestag (ed.) Bonn:
Deutcher Bundestag, 1991.
52. FAO Production Yearbook 1994. Vol. 48. Rome: FAO, 1995.
53. donate Change. 1992. The Supplementary Report to the IPCC
Scientific Assessment / J. T. Houghton, B. A. Callander and
S. K. Varney (eds). Cambridge: Cambridge Univ. Press., 1992
54. Глобальные аспекты взаимодействия энергетики и климата.
Отчет о НИР. М.: ИБРАЭ РАН. 1990.
55. The Greenhouse Effect, Climatic Change and Ecosystems.
SCOPE 29 / Bolin В., Doos B. R., Jager J., Warrick R. A. (eds). New
York : John Wiley and sons, 1986.
56. Modeling the carbon system / W. S. Broecker, Т. Н. Peng,
R. Engh // Radiocarbon. 1980. Vol. 22. P. 565-598.
57. StuiverM., Quay P. D. Atmospheric l4C changes resulting from
fossil fuel CO2 release and cosmic ray flux variability // Earth Planet Sci.
Letters. 1981. Vol. 53. P. 349-362.

58. Снытин С. Ю., Клименко В. В., Федоров М. В.. Прогноз
потребления энергии и эмиссия диоксида углерода в атмосферу на
период до 2100 г. // Докл. РАН. 1994. Т. 336. № 4. С. 476-480.
59. Chappellaz J. et al Historical CH4 record from the Vostok ice
core // In: Trends'93: A Compendium of Data on Global Change /
Boden et al. (eds) ORNL/CDIAC-65, Carbon Dioxide Information
Analysis Center, Oak Ridge National Laboratory. Oak Ridge, Tenn.,
U.S.A. 1994. P. 229-232.
60. Lcuenberger M. and Siegenthaler U. 1994. Historical N2O record
from ice cores at Byrd Station and Dye 3 // In: Trends'93: A
Compendium of Data on Global Change / Boden et al. (eds). ORNL/CDIAC-
65, Carbon Dioxide Information Analysis Center, Oak Ridge National
Laboratory. Oak Ridge, Tenn., U.S.A. 1994. P. 380-384.
61. StaufferB. et aL Historical CH4 record from ice cores at Byrd
Station and Dye 3 // In: Trends'93: A Compendium of Data on Global
Change / Boden et al. (eds). ORNL/CDIAC-65, Carbon Dioxide
Information Analysis Center, Oak Ridge National Laboratory. Oak Ridge,
Tenn., U.S.A. 1994. P. 234-238.
62. Raannssen R. A. and Khalil M. A. K. Historical СШ record from
ice cores at Crete, Camp Century and Byrd Station // In Trends'93: A
Compendium of Data on Global Change / Boden et al. (eds).
ORNL/CDIAC-65, Carbon Dioxide Information Analysis Center, Oak
Ridge National Laboratory. Oak Ridge, Term., U.S.A. 1994. P. 239-
243.
63. Blunier T. et al Historical CH4 record from the Eurocore ice core
at Summit, Greenland // In: Trends'93: A Compendium of Data on
Global Change / Boden et al. (eds). ORNL/CDIAC-65, Carbon Dioxide
Information Analysis Center. Oak Ridge National Laboratory, Oak
Ridge, Tenn., U.S.A. 1994. P. 244-249.

64. Stauffer В. et al Historical CH4 record from the Siple ice core //
In: Trends'93: A Compendium of Data on Global Change / Boden et al.
(eds). ORNL/CDIAC-65, Carbon Dioxide Information Analysis Center,
Oak Ridge National Laboratory. Oak Ridge, Tenn., U.S.A. 1994.
P. 241-254.
65. Etheridge D. M. et al Historical CH4 record from the "DE08" ice
core at Law Dome // In: Trends'93: A Compendium of Data on Global
Change / Boden et al. (eds), ORNL/CDIAC-65, Carbon Dioxide
Information Analysis Center, Oak Ridge National Laboratory. Oak Ridge,
Term., U.S.A. 1994. P. 256-260.
66. Khalil M. A. K. and Rasmussen R. A. Historical N2O record from
ice cores at Crete, Camp Century and Byrd Station // In: Trends'93: A
Compendium of Data on Global Change / Boden et al. (eds).
ORNL/CDIAC-65, Carbon Dioxide Information Analysis Center, Oak
Ridge National Laboratory. Oak Ridge, Tenn., U.S.A. 1994. P.385-
389.
67. Etheridge D. M. et al Historical N2O record from the "BHD" ice
core at Law Dome // In: Trends'93: A Compendium of Data on Global
Change / Boden et al. (eds). ORNL/CDIAC-65, Carbon Dioxide
Information Analysis Center, Oak Ridge National Laboratory. Oak Ridge,
Tenn., U.S.A. 1994. P. 391-395
68. UNEP. Fourth Meeting of the Parties to the Montreal Protocol.
Copenhagen, 23-25 November 1992 // Bulletin of the International
Institute of Refrigeration. 1993. Vol. LXXIII. No. 1. P. 6-8.
69. Protecting the Earth. Third Report of the Enquete Comission of
the German Bundestag. Deutscher Bundestag (ed.) Bonn: Deutscher
Bundestag, 1991. Vol. 1-2.
70. Piehler H., Bach W. and Jain A. K. The Munster Climate Model.
Concept and Documentation. ACE-Report No. 49. Munster: University
of Munster, 1991

71. Houghton J. Т., Jenkins G. J., Ephraums J. J. (eds). Climate
Change. The IPCC Scientific Assessment. Cambridge: Cambridge Univ.
Press. 1990.
72. Jain А. К. Частное сообщение.
73. Wigley Т. М. L. Relative contribution of different trace gases to
the greenhouse effect // Climate Monitor. 1987. Vol. 16, N 1. P. 14-28.
74. Global climate changes as forecast by Goddard Institute for Space
Studies three-dimensional model / Hansen J., Fung 1., Lacis A.,
Ring D., Lebedeff S., Ruedy R., Russell G // J. of Geophys. Res. 1988.
Vol. 93, No. D8. P. 9341-9364.
75. The role of atmospheric chemistry in climate change / Wueb-
bles D. J., Grant K., ConneU P. S., Penner J. E. // J. of Air Pollution
Control Association. 1989. Vol. 39. P. 22-28.
76. Разработка методики построения долговременного прогноза
глобальных и региональных изменении природной среды и
климата, связанных с развитием энергетики по базовому сценарию и с
учетом влияния естественных климатических факторов. Отчет о
НИР. М.: ИБРАЭ РАН. 1994.
77. Hammer С. U., Clausen Н. В., Dansgaard W. Greenland ice-sheet
evidence of post-glacial volcanism and its climatic impact // Nature.
1980. Vol. 288. P. 230-235.
78. Cress A., Sch6nwiese C.-D. Vtilkanische Einflusse auf die
bodennahe und stratospharische Lufttemperatur der Erde // Bericht
Nr 82. Inst, fur Meteorologie und Geophysik der Universitat Frankfurt /
Main. 1990.
79. Reid G. C. Solar total irradiance variation and the global sea
surface temperature record // J. of Geophys. Res. 1991. Vol. 96, No. D2.
P. 2835-2844.
80. Withbroe G. L. Solar activity cycle: history and predictions //
J. Spacecraft. 1989. Vol. 26. P. 394-402.

81. Meeus J, Predicting sunspot activity // J. Br. Astron. Assoc. 1991.
Vol. 101. P. 115-116.
82. Schove D. J. Sunspot Cycles. Stroudsburg. Pennsylvania:
Hutchinson Ross Publ. Co. 1983.
83. Waldnteier M. The Sunspot Activity in the Years 1610-1960.
Zurich: Schultness, 1961.
84. Jose P. D. Sun's motion and sunspots // The Astron. J. 1965.
Vol. 70, No. 3. P. 193-200.
85. Cohen T. J., Lintz P. R. Long term periodicities in sunspot cycle //
Nature. 1974. Vol. 250. P. 398-400.
86. Andersen N. On the calculation of filter coefficients for maximum
entropy method analysis // Geophysics. 1974. Vol. 39. P. 69-72.
87. Eddy J. A. The Maunder minimum // Science. 1976. Vol. 192.
P. 1189-1202.
88. Solar Geophys. Data // USA. 1992. Vol. 580, No. 1.
89. Kippenhahn R. Der Stern, von dem wir leben. Stuttgart: DVA,
1990.
90. Stuiver M-, Polach H. A. Discussion reporting of 14C data //
Radiocarbon. 1977. Vol. 19. P. 355-363.
91. Stuiver M., Pearson G. W. High-precision calibration of the
radiocarbon time scale, AD 1959-500 ВС // Radiocarbon. 1986. Vol. 28.
P. 805-838.
92. Pearson G. W., Stuiver M. High-precision calibration of the
radiocarbon time scale, 500-2500 ВС // Radiocarbon. 1986. Vol. 28.
P. 839-862.
93. Stephenson F. R., Wolfendale A. W. (eds.) Secular Solar and
Geomagnetic Variations in the Last 10,000 Years. Dordrecht / Boston /
London: Kluwer Academic Publishers. 1988.
94. Stuiver M., Quay P. D. Changes in atmospheric carbon-14
attributed to a variable Sun // Science. 1980. Vol. 207, No. 4426. P. 715.

95. ХардлеВ. Прикладная непараметрическая регрессия. М.:
Мир, 1993.
96. Kendall M., Stuart A. The Advanced Theory of Statistics.
Inference and Relationship. London: Charles Griffin & Co., 1967. Vol. 2.
97. Stuiver M., Braziunas T. F. Evidence of solar activity variations //
In: Climate since A. D. 1500 / R. S. Bradley and P. D. Jones (eds.).
London and New York: Routledge, 1995. P. 593-605.
98. Schatten KM Meyrs D. J., Sofia S. Solar activity forecast for solar
cycle 23 // Geophys. Res. Letters. 1996. Vol. 23, No. 23. P. 605-608.
99. Асатуров Л. и др. Вулканы, стратосферный аэрозоль и
климат Земли. Л: Гидрометеоиздат, 1986.
lOO.Kluge E. Uber einige neue Forschungen auf dem Gebiete des
Vulkanismus // Z. Deutsches Geol. Gesellschaft. 1863. Bd. 15. S. 377-
402.
101. Stothers R. B. Volcanic eruptions and solar activity // J. of
Geophys. Res. 1989. Vol. 94. No. В12. P. 17371-17381.
102. Tamrazyan G. P. Principal regularities in the distribution of
major earthquakes relative to solar and lunar tides and other cosmic forces
// Icarus. 1968. Vol. 9. P. 574-592.
103. Solar cycle timing: secular forecast / M. V. Fyodorov,
V. V. Kliraenko, S. Yu. Snytin, V. V. Dovgalyuk // Astronomical and
Astrophysical Transactions, 1995, Vol. 9. P. 225-232.
104. Lamb H. H. Volcanic dust in the atmosphere; with a chronology
and assessment of its meteorological significance // Phil. Trans. Royal
Society. 1970. Vol. A366. P. 425-533.
105. Lamb H. H. Update of the chronology of assessments of the
volcanic dust veil index // Climate Monitor. 1983. Vol. 12. No. 3. P. 79-90.
106. Simkin Т., Siebert L., Mc CleUand L. et al Volcanoes of the
World. Stroudsburg: Hutchinson Ross Publ. Co. 1981.
107. Мелекесцев И. В. Частное сообщение. 1994.

108. Отнес Р., Эноксон Л. Прикладной анализ временных рядов.
М.: Мир, 1982.
109. Rampino M. R., Self S., Fairbridge R. W. Can rapid climatic
change cause volcanic eruptions ? // Science. 1979. Vol. 206. No. 4420.
P. 826-829.
110. Nadaraya E. A. On estimating regression // Theory Probab. Appl.
1964. Vol. 9. P. 141-142.
111. Watson G. S. Smooth regression analysis // Sankhya Ser. A. 1964.
Vol. 26. P. 359-372.
112. Ни Shnhe. Consistency of kernel regression estimate for
dependent sample // Dongbei Shuxue. 1993. Vol. 9. No. 2. P. 185-190.
113. Racine J. An efficient cross-validation algorithm for window
width selection for nonparametric kernel regression // Commun. Statist.
Simul. and Comput. 1993. Vol. 22. No. 4. P. 1107-1114.
114. Palais J. M., Sigurdsson H. Petrologic evidence of volatile
emissions from major historic and pre-historic volcanic eruptions // Amer.
Geophys. Union Geophys. Monograph. 1989. Vol. 52. P. 31-53.
115. Wirtki K. El-Nino—the dynamic response of the equatorial
Pacific Ocean to atmosphere forcing // J. Phys. Oceanography, 1975.
Vol. 5, No. 4. P. 572-584.
116. СидоренковН. С. Характеристики явления Южное
колебание—Эль-Ниньо //Тр. ГМЦ СССР. 1991. Вып. 316. С. 47-68.
117. Rasmusson E. M. El-Nino and variations in climate // American
Scientist. 1985. Vol. 73. P. 168-177.
118. Jones P. D. The influence of ENSO on global temperatures //
Climate Monitor. 1989. Vol. 17. P. 80-89.
119. Fraedrich K., Mffller K. Climate anomalies in Europe associated
with ENSO extremes // International Journal of Climatology. 1992.
Vol. 12. P. 25-31.

120.U.S. Department of Commerce. Islands of the World, World
Weather Records 1961-1970. Asheville: NOAA, National Climate Data
Center, 1981. Vol. 6.
121. Ropelewski С ¥., Jones P. D. An extension of the Tahiti-Darwin
Southern Oscillation Index // Monthly Weather Review. 1987. Vol. 115.
P. 2161-2165.
122. Wright P. B. Homogenized long-period Southern Oscillation
indices // International Journal of Climatology. 1989. Vol. 9. P. 33-54.
123. Qulnn W. H., NealV. Т., Antnnez de Mayolo S. E. El-Nino
occurences over the past four and a half centuries // Journal of
Geophysical Research. 1987. Vol. 92, No. C13. P. 14449-14461.
124. Lough J. M., FrittsH. C. The Southern Oscillation and Tree
Rings: 1600-1961 //Journal of Climate and Applied Meteorology. 1985.
Vol. 24. P. 952-966.
125. Кендалл М., Стьюарт А. Статистические выводы и связи. М.:
Наука, 1973.
126. ДжейнсЭ. Т. О логическом обосновании методов
максимальной энтропии // ТИИЭР. Т. 70, № 9. С. 33-51.
127. Hanson К., Brier G. W., Maul G. A. Evidence of significant non-
random behavior in the recurrence of strong El Nino between 1525 and
1988 // Geophysical Research Letters. 1989. Vol. 16, No. 10. P. 1
milieu
128. Лидбеттер М., Ротсен X., Линдгрен Г. Экстремумы
случайных последовательностей и процессов. М.: Мир, 1989.
129. Кокс Д., Льюис П. Статистический анализ
последовательностей событий. М.: Мир, 1969.
130. Барра Ж.-Р. Основные понятия математической статистики.
М.: Мир, 1974.
131. Величко А. А. Природный процесс в плейстоцене. М.: Наука,
1973.

132. Герасимов И. П. Климаты прошлых геологических эпох //
Метеорология и гидрология. 1979. № 7. С. 37-53.
133. Энергия и климат: что же в самом деле известно науке? /
В. В. Клименко, А. В. Клименко, С. Ю. Снытин, М. В. Федоров //
Теплоэнергетика. 1994. № 1. С. 5-11.
134. BergerA. The Milankovitch astronomical theory of paleocli-
mates: a modem review // Vistas in Astronomy. 1980. Vol. 24. P. 103—
122.
135. Lamb H. H. Climate, History and the Modern World. London &
New York: Methuen, 1982.
136. ПузаченкоЮ. Г., Мошкин А. В Информационно-
логический анализ в медико-географических исследованиях //
Итоги науки. Медицинская география. М.: Наука, 1969. Вып. 3. С. 5-77.
137. Опорный разрез голоценовых отложений центра Русской
равнины / Н. А. Хотинский, 3. В. Алешинская, М. А. Гуман,
В. А. Климанов, А. Е. Черкинский // Изв. АН СССР. Сер. географ.
1991. №3. С. 30^11.
138. БорзенковаИ. И. Изменение климата в кайнозое.
СПб.: Гидрометеоиздат, 1992.
139. Климанов В. А. Цикличность и квазипериодичность
климатических колебаний в голоцене // Палеоклиматы позднеледниковья
и голоцена. М.: Наука, 1989. С. 29-33.
140. Винников К. Я. Чувствительность климата. Л.:
Гидрометеоиздат, 1986.
141. Northern hemisphere surface air temperature variations: 1851-
1984 / P. D. Jones, S. С. В. Raper, R. S. Bradley, H. F. Diaz,
P. M. Kelly, T. M. L. Wigley // J. of Climate and Applied Meteorology.
1986. Vol. 25, No. 2. P. 161-179.

J. P. Steffensen, A. E. Sveinbjomsdottir, J. Jouzel, G. Bond // Nature.
1993. V. 364, No. 6434. P. 218-220.
150. Continuous 500 000-year climate record from Vein Calcite in
Devils Hole, Nevada / I. J. Winograd, T. B. Coplen, J. M. Landwehr,
A. C. Riggs, K. R. Ludwig, B. J. Szabo, P. T. Kolesar, К. М. Revesz //
Science. 1992. Vol. 258, No. 5080. P. 255-260.
151. Бендат Дж., Пирсол А. Прикладной анализ случайных
данных. М.: Мир, 1989.
152. Котляков В. М., ЛориусК. Климат предпоследней
ледниковой эпохи по данным антарктического ледяного керна // Изв. РАН.
Сер.геогр. 1993. №6. С. 5-19.
153. Comparison of oxygen isotope records from the GISP2 and
GRIP Greenland ice cores / P. M. Grootes, M. Stuiver, J. W. С White,
S. J. Johnsen, J. Jouzel // Nature. 1993. Vol. 366, No. 6455. P. 552-554.
154 EmilianiC. Pleistocene temperatures // J. Geol. 1955. Vol.63.
P. 538-578.
155. Harvey L.D.D., Schneider S. H. Transient climate response to
external forcing on 10°-104 year time scales, Part 1: Experiments with
globally averaged, coupled, atmosphere and ocean energy balance
models 111. of Geophys. Res. 1985. Vol. 90, No. Dl. P. 2191-&05.
156. Thompson S. L., Barron E. J. Comparison of cretaceous and
present day earth albedos: implications for the causes of paleoclimates //
J. Geol. 1981. Vol. 89, No. 2. P. 143-167.
157. Hansen J. E., Lads A. A. Sun and dust versus greenhouse gases:
an assessment of their relative roles in global climate change // Nature.
1990. Vol. 346, N 6286. P. 713-719.

142. Jones P. D. and Wigley Т. М. L.. Global and hemispheric
anomalies // In: Trends'91: A Compendium of Data on Global Change /
Boden et al. (eds), ORNL/CDIAC-46, Carbon Dioxide Information
Analysis Center, Oak Ridge National Laboratory. Oak Ridge, Term.,
U.S.A. 1991. P. 512-533.
143. Dansgaard W., White J. W. C, Johnsen S. J. The abrupt
termination of the Younger Dryas event // Nature. 1989. V. 339. No. 6225.
P.532-534.
144. Величко А. А., КлимановВ. А. Климатические условия
Северного полушария 5-6 тысяч лет назад // Изв. АН СССР. Сер.
геогр. 1990. №5. С. 38-52.
145. Extending the Vostok ice-core record of paleoclimate to the
penultimate glacial period / J. Jouzel, N. Barkov, J. M. Bamola,
M. Bender, J. Chappellaz, С Genthon, V. M. Kotlyakov, C. Lorius,
J. R. Petit, D. Raynaud, G. Raisbeck, С Ritz, T. Sowers, M. Stievenard,
F. Yiou, and P. Yiou //Nature. 1993. Vol. 364. P. 407-412.
146. Age dating and the orbital theory of the ice ages: development of
a high-resolution 0 to 300,000 year chrono-stratigraphy /
Martinson D. G., Pisias N. G., Hays J. D., Imbrie J., Moore T. G., Shackle-
ton N. J. // Quaternary Research. 1987. Vol. 27, No. 1. P. 1-29.
147. Hays J, D., Imbrie J., Shackleton N. J. Variations in the Earth's
orbit: pacemaker of the ice ages // Science. 1976. Vol. 194, No. 4270.
P.1121-1132.
148. Зубаков В. А. Глобальные климатические события в
плейстоцене. Л.: Гидрометеоиздат, 1986.
149. Evidence for general instability of past climate from a 250-kyr ice-
core record / W. Dansgaard, S. J. Johnsen, H. B. Clausen, D. Dahl-
Jensen, N. S. Gundestrup, С V. Hammer, С S. Hvidberg,