Известия РАН. Серия географическая, 2021, T. 85, № 2, стр. 231-237

ВВЕДЕНИЕ

Таежный клещ Ixodes persulcatus (Schulze, 1930) представляет собой кровососущего эктопаразита человека и позвоночных животных и является переносчиком возбудителей таких опасных заболеваний, как клещевой энцефалит, клещевые боррелиозы (болезнь Лайма), сальмонеллез, бабезиоз и др. (Таежный…, 1985; Labuda, Nuttal, 2008). Его ареал занимает огромную площадь Евразии и располагается на территориях России, Финляндии, Белоруссии, стран Балтии, Китая, Монголии, КНДР и Японии. Имеются его популяции в Карпатах и на Тянь-Шане (Филиппова, 1971; Таежный…, 1985; Estrada-Peña et al., 2013). Однако бóльшая часть ареала находится в России.

Известно, что климат во многих случаях имеет решающее значение в определении границ распространения видов (Bonan, 2011; Gray et al., 2009; Shimel, 2013). Ранее авторами были идентифицированы климатические условия, определяющие территорию распространения таежного клеща (Попов, 2016; Попов, Попова, 2020). Также было показано, что основным экологическим критерием – лимитирующим фактором, определяющим его ареал, является климат. Знание условий развития вида позволяет моделировать его климатический ареал в разных климатических ситуациях, соответствующих разным периодам прошлого или будущего, используя данные о фактических или модельных климатах.

В последние десятилетия, начиная с середины 1970-х годов, наблюдается изменение глобального климата, индуцирующее возникновение или же усиление ряда климатогенных угроз. Среди них – изменение территорий распространения важных или опасных для человека или его жизнедеятельности видов (Попов, 2016; Попова, Попов, 2019; McCarty, 2001; Shimel, 2013).

В связи с присоединением России в 2019 г. к Парижскому соглашению выявление климатогенных угроз и адаптация к ним стали особенно актуальными, в том числе в работе национальных гидрометеослужб (Парижское…, 2015). Медицинская и ветеринарная значимость таежного клеща определяет важность оценки угроз расширения его ареала в условиях климатических изменений на территории России и соседних стран.

Установленные авторами климатические условия распространения таежного клеща позволили создавать детерминистические модели ареала, в которых для каждой единицы исследуемой территории дается бинарная оценка возможности распространения на ней вида – “входит в ареал” или “не входит в ареал” (Попов, 2016; Попов, Попова, 2020; Попова, Попов, 2019). Впоследствии авторами была разработана и апробирована методика, позволяющая оценивать и вероятность возникновения таких климатогенных угроз (Семенов и др., 2019, 2020), что является необходимым звеном в оценке рисков.

Цель настоящей работы – статистическая оценка климатогенных угроз изменения климатического ареала I. persulcatus на территории России и соседних стран в 2001–2010 гг. по сравнению с 1971–1980 гг. (начало интенсивного изменения глобального климата) на основе ранее идентифицированных климатических критериев устойчивого существования популяций в заданном локусе с применением указанной выше методики.

МАТЕРИАЛЫ И МЕТОДЫ

Ранее авторами были идентифицированы климатические условия распространения таежного клеща (Попов, 2016; Попов, Попова, 2020). Географический локус относится к его климатическому ареалу, если среднеянварская температура приземного воздуха в нем меньше –5°C, среднегодовая температура воздуха меньше 5.3°C, сумма активных температур воздуха при пороге 10°C больше 1340°С × сут, годовая сумма осадков больше 339 мм.

Методика оценивания вероятности климатогенной угрозы распространения вида на исследуемой территории на основе бинарных моделей распространения (входит/не входит в климатический ареал) была изложена в работах (Семенов и др., 2019, 2020). Поэтому здесь приводится лишь ее краткое описание.

Основная идея методики заключается в оценке вероятности отнесения географического локуса к климатическому ареалу вида, исходя из свойств климата определенного периода времени. В качестве подобного периода возьмем десятилетие. Погодные условия в пределах заданного десятилетия могут год от года меняться (флуктуировать), и данный локус в разные годы может быть то пригодным для обитания вида (обозначим вероятность этого события через p), то непригодным. Обозначим через p₀ пороговое значение для вероятности p, превышение которого означает отнесение локуса к ареалу, т.е. установившийся климат, соответствующий рассматриваемому десятилетию, допускает устойчивое существование рассматриваемого вида. В данной работе принято p₀ = 0.5.

В качестве вероятности возникновения климатогенной угрозы (т.е. распространения вида в данном локусе) в этой работе используется уровень достоверности P, на котором гипотезу p < p₀ можно отвергнуть, исходя из фактического числа k благоприятных для вида лет, реализовавшихся в рассматриваемое десятилетие. При этом считается, что при заданном p вероятностное распределение k описывается биномиальным законом.

Согласно терминологии, принятой в Межправительственной группе экспертов по изменению климата (МГЭИК) (Mastrandrea et al., 2010), вербальная характеризация вероятностей основывается на вероятности ошибки ε = 1 – P: промежуток (0.66, 1] соответствует категории “маловероятно”, (0.33, 0.66] соответствует категории “столь же вероятно сколь нет” (для краткости – средневероятно), (0.10, 0.33] – “вероятно”, (0.01, 0.10] – “весьма вероятно”, (0, 0.01] – “практически достоверно”.

В табл. 1 приведены рассчитанные значения k (из 10 лет), соответствующие этим категориям, для реализации климатогенной угрозы распространения клеща I. persulcatus в исследуемом локусе. Для значений k, приведенных во втором столбце таблицы (если их приведено несколько, то для всех указанных), вероятность возникновения климатической угрозы вербально характеризуется в соответствующей ячейке первого столбца таблицы.

В настоящей работе были исследованы угрозы распространения таежного клеща на территории России и ряда соседних стран в два периода времени: 1971–1980 гг., соответствующий началу интенсивного изменения глобального климата, и 2001–2010 гг., соответствующий началу XXI в.

В качестве источника данных по климату использовали базу метеоданных Climate Research Unit (CRU) Университета Восточной Англии (Harris et al., 2014), представляющую собой массив среднемесячных значений температуры и месячных сумм осадков, подготовленный авторитетным в этой области коллективом ученых. Фактически это данные метеорологических станций, приведенные к месячному масштабу времени (что позволяет избежать пропусков данных) и регулярной пространственной сетке 0.5° × 0.5°. Этот массив используется в оценочных докладах Межправительственной группы экспертов по изменению климата (МГЭИК).

Расчет суммы активных температур за год требует рядов данных среднесуточной температуры. Конечно, для этого было бы эффективно использовать аналогичный массив данных не месячного, а суточного разрешения. Однако подобных массивов, приведенных к регулярной пространственной сетке, в свободном доступе в климатических базах не имеется. Поэтому для их получения ступенчатая функция, принимающая в пределах каждого календарного месяца значение, равное среднемесячному, приближалась суммой начальных членов ее разложения в ряд Фурье (до гармоники с периодом в четверть года включительно).

Для изучения качества такой аппроксимации был использован массив климатических данных суточного разрешения, созданный и поддерживаемый Всероссийским научно-исследовательским институтом гидрометеорологической информации – Мировым центром данных (ВНИИГМИ-МЦД, http://meteo.ru). Из этого массива были выбраны данные о среднесуточной температуре с 546 метеорологических станций, расположенных на территории бывшего СССР. Эти станции расположены в широтном поясе 50°–65° с.ш.; долгота не превышала 100° в.д. Использовались лишь годы без пропусков данных. Для каждого такого года были рассчитаны среднемесячные значения среднесуточной температуры. Затем по ним строили среднесуточные данные с помощью ряда Фурье. Далее для такого модельного ряда и для исходного ряда среднесуточных значений температуры, т.е. для результатов метеорологических наблюдений, рассчитывали сумму активных температур с порогом 10°С. Для большинства станций ошибка не превышала 20%.

Расчеты проводили с помощью программ, написанных на языке программирования Python 3. Процедуры интерполяции среднемесячных данных на среднесуточные и расчета ранга вероятности климатогенной угрозы были написаны на языке Фортран 77 и с помощью библиотеки boost::python для языка C++ преобразованы в бинарные модули для Python 3, что дало возможность запускать их из программ, написанных на этом языке.

На основании полученных результатов расчета вероятности климатогенной угрозы распространения I. persulcatus были созданы картосхемы, представленные на рис. 1 и 2. Для их создания использовали пакет электронного картографирования Basemap для языка программирования Python 3. Каждая пространственная ячейка закрашивалась цветом, соответствующим рангу вероятности климатогенной угрозы (см. табл. 1 ).

Рис. 1.

Расчетная вероятность распространения таежного клеща I. persulcatus на территории России и соседних стран в 1971−1980 гг. Примечание: 0 − маловероятно, 1 − средневероятно, 2 − вероятно, 3 − весьма вероятно, 4 − практически достоверно.

Рис. 2.

Расчетная вероятность распространения таежного клеща I. persulcatus на территории России и соседних стран в 2001−2010 гг. Примечание: 0 – маловероятно, 1 – средневероятно, 2 − вероятно, 3 − весьма вероятно, 4 − практически достоверно.

Для оценки изменения вероятности климатогенной угрозы распространения I. persulcatus в период 2001–2010 гг. по сравнению с периодом 1971–1980 гг. применяли изменение ранга Δ – разность между рангом во второй период R₂ и рангом в первый период времени R₁: Δ = R₂ – R₁. Δ может принимать значения от –4 до 4. Пространственное распределение Δ представлено на рис. 3.

Рис. 3.

Изменение (Δ) расчетной вероятности распространения таежного клеща I. persulcatus на территории России и соседних стран в 2001−2010 гг. по сравнению с 1971−1980 гг. Примечание: 1 − очень сильное уменьшение (Δ = −4), 2 − сильное уменьшение (Δ = −3), 3 − среднее уменьшение (Δ = −2), 4 − слабое уменьшение (Δ = −1), 5 − изменение не выявлено (Δ = 0), 6 − слабое увеличение (Δ = 1), 7 − среднее увеличение (Δ = 2), 8 − сильное увеличение (Δ = 3), 9 − очень сильное увеличение (Δ = 4).

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Картосхемы вероятностей распространения таежного клеща (см. рис. 1 и 2) показывают, что зоны наибольших климатогенных угроз располагаются в центре климатического ареала, а ближе к краям они уменьшаются. Эта закономерность соответствует общим представлениям об экологической структуре ареала, когда в его середине условия существования популяций ближе к оптимальным, нежели по краям, где снижается плотность и численность популяции, хуже условия для развития особей, в некоторых случаях скорость роста популяций имеет нулевое или отрицательное значение, а численность самих популяций поддерживается за счет миграции из внутренних областей ареала (Gaston, 2003).

Зоны низкой вероятности климатогенной угрозы (градации “средневероятно” и “вероятно”) в 2001–2010 гг. по сравнению с периодом 1971–1980 гг. становятся очень узкими, за исключением области в южной части Забайкалья (см. рис. 2).

Климатические изменения, происшедшие в последние десятилетия XX в. и в начале XXI в., отразились в изменении вероятности распространения таежного клеща по территории России и соседних стран. Это показывает как сравнительный анализ рис. 1 и 2, так и картосхема изменений рисков на рис. 3. Произошло сильное снижение вероятности климатогенной угрозы в юго-западной части климатического ареала. Распространение клеща на севере Белоруссии, в странах Балтии, а также в западных и в некоторых центральных регионах России, где в период 1971–1980 гг. наблюдается область достаточно низкой вероятности климатогенной угрозы, стало маловероятным. Также она снизилась в Карпатах и в Закавказьe.

При этом резко увеличились риски в северной части ареала. Наблюдается повышение степени риска в более северных регионах, как в европейской части России, так и в Сибири. Схожая картина наблюдается в Забайкалье и в горных регионах Алтая: чем ближе к горной части, тем сильнее повышается риск. Также отмечается повышение риска на северном Кавказе и на Тянь-Шане, как и на большей части Дальнего Востока (см. рис. 3).

В центре ареала вероятность климатогенной угрозы не изменяется и остается по-прежнему высокой. И если в европейской части России и в Западной Сибири такая зона достаточно узка и тянется полосой с запада на восток, то в Южной Сибири эта зона весьма обширна (см. рис. 3).

Можно сделать вывод, что наблюдаемые в последние десятилетия изменения климата сильно повлияли на вероятность распространения I. persulcatus на территории России и соседних стран. Полученные результаты согласуются с выводами, ранее сделанными при детерминистическом моделировании изменений климатического ареала таежного клеща, а также с имеющимися данными о наблюдаемых в последние десятилетия изменениях ареала этого вида (Попов, 2016). Однако статистическое модельное оценивание климатогенных угроз дает много больше информации о пригодности территорий для существования на ней популяций исследуемого вида и для оценки характеристик этих популяций. Как и бинарное моделирование ареалов, эти исследования могут быть использованы государственными организациями в планировании адаптационных мер.

ЗАКЛЮЧЕНИЕ

На основе ранее созданной бинарной модели климатического ареала таежного клеща с применением оригинальной статистической методики, учитывающей временную изменчивость климатических предикторов распространения биологических видов, была выполнена оценка вероятностей климатогенных изменений угроз распространения таежного клеща I. persulcatus на территории России и ряда соседних стран в 1971–1980 и 2001–2010 гг. Также был проведен анализ изменений их значений во втором периоде по сравнению с первым. Показано, что на значительной территории эти вероятности во втором периоде по сравнению с первым повышаются. Однако при этом отмечаются и обширные территории их снижения.

Полученные результаты могут быть использованы учреждениями здравоохранения в ходе мероприятий по предотвращению негативных последствий климатических изменений и в планировании адаптационных мер.