Вестник РАН, 2023, T. 93, № 5, стр. 456-461

ДИСТАНЦИОННАЯ ОЦЕНКА ХАРАКТЕРИСТИК НЕИЗУЧЕННЫХ ОЗЁР СЕВЕРНЫХ ТЕРРИТОРИЙ

И. С. Зверев a*, А. М. Расулова a**, С. Д. Голосов a***, С. А. Кондратьев a****

a Институт озероведения РАН – подразделение Санкт-Петербургского Федерального исследовательского центра РАН
Санкт-Петербург, Россия

* E-mail: iliazverev@mail.ru
** E-mail: ARasulova@limno.ru
*** E-mail: sergey_golosov@mail.ru
**** E-mail: kondratyev@limno.org.ru

Поступила в редакцию 18.02.2023
После доработки 22.03.2023
Принята к публикации 26.03.2023

Полный текст (PDF)

Аннотация

В статье предложена методика оценки гидрофизических и химико-биологических характеристик неизученных малых и средних озёр (площадью до 100 км2) северных территорий России (на примере Восточной Фенноскандии) с использованием методов дистанционного зондирования и математического моделирования. Она основана на использовании одномерной модели гидротермодинамических процессов в водоёмах FLake. По данным спутниковой съёмки подстилающей поверхности определяется площадь озера, связанная частными эмпирическими зависимостями со средней глубиной, которая является входным параметром для применения модели. Кроме того, используются ряды метеоэлементов стандартных измерений, получаемых по географическим координатам выбранного объекта из метеорологического реанализа семейства ERA5.

Таким образом можно оценить термические характеристики водоёма, а также рассчитать содержание растворённого кислорода в различных слоях водной массы и вероятность возникновения бескислородных условий. При этом не требуются контактные измерения, что крайне важно при исследовании труднодоступных и малоизученных северных территорий нашей страны.

Ключевые слова: Арктическая зона, озеро, дистанционные методы, зондирование Земли, математическая модель, термический и кислородный режимы, модель FLake.

В соответствии со “Стратегией развития Арктической зоны Российской Федерации и обеспечения национальной безопасности на период до 2035 года” (утверждена Указом Президента РФ № 645 от 26.10.2020 г.) [1] в настоящее время идёт активное освоение Арктики. Озёра – неотъемлемая часть природных ландшафтов этого региона. По данным дешифрирования спутниковых снимков на территории российской Арктики насчитывается более 3.9 млн водоёмов, из которых около 1.4 млн имеют естественное происхождение [2]. Абсолютное большинство малых и средних озёр до сих пор остаются неизученными, главным образом из-за их труднодоступности.

Цель нашего исследования – разработка методики дистанционной оценки характеристик неизученных малых и средних озёр северных территорий нашей страны на основе методов математического моделирования с использованием имеющейся метеоинформации, данных дистанционного зондирования подстилающей поверхности и геостатистических зависимостей между морфометрическими характеристиками водоёмов рассматриваемой природной зоны. В данном случае под северными территориями понимается бореальная зона, южной границей которой для Европы (западнее 40° меридиана) является широта 50°, для Азии (восточнее 40° меридиана) – широта 40° [3].

ОБЪЕКТ ИССЛЕДОВАНИЙ И МЕТОДИКА ОЦЕНКИ ХАРАКТЕРИСТИК НЕИЗУЧЕННЫХ ОЗЁР

В качестве объектов исследования были выбраны очень малые, малые (площадью 0.1–10 км2) и средние (10–100 км2) озёра (по классификации П.В. Иванова [3]) Кольско-Карельской физико-географической провинции (Восточная Фенноскандия) [4, 5] (рис. 1). В её пределах находятся три основные природные (ландшафтные) зоны [6]: тундра, северная и средняя тайга.

Рис. 1.

Природные зоны и озёра Кольско-Карельской провинции

Среди водоёмов Кольско-Карельской провинции значительную часть составляют мелководные озёра и водохранилища со средними глубинами от 5 до 12 м [79] и горизонтальными размерами от нескольких сотен метров до нескольких километров. Одна из основных особенностей таких водоёмов – существенная горизонтальная однородность поля температуры и преобладание процессов вертикального переноса тепла над адвективными. При моделировании термического режима водоёмов этого класса зачастую достаточно использовать простые одномерные модели, основанные на интегрировании уравнения вертикальной диффузии тепла и различных способах представления вертикального распределения температуры. Такие модели, как правило, не требуют задания коэффициентов вертикального турбулентного обмена, просты в реализации и удобны для проведения численных экспериментов.

Примером модели такого типа служит модель FLake, разработанная совместными усилиями сотрудников Института озероведения РАН, Института водных проблем Севера РАН, Института водной экологии и внутреннего рыбоводства Германии (IGB) и Службы погоды Германии (DWD) [1013]. Это универсальная математическая модель гидротермодинамики озера, в которой реализованы последние мировые достижения в области физической лимнологии. На рисунке 2 схематично представлено вертикальное распределение температуры в системе “снег – лёд – водная масса – донные отложения”, временнáя динамика которого рассчитывается в модели.

Рис. 2.

Схема вертикального профиля температуры в системе “снег – лёд – водная масса – донные отложения”, реализованная в модели FLake

Для оценки химико-биологических характеристик озёр модель FLake была дополнена гидроэкологическим модулем, позволяющим рассчитывать режим растворённого кислорода в озёрах [14]. Объект моделирования должен удовлетворять следующим основным требованиям:

• протяжённость не должна быть настолько велика, чтобы породить значительные климатические различия между отдельными участками акватории, и не настолько мала, чтобы вторичная ветровая циркуляция играла существенную роль;

• дно должно быть более или менее ровным и горизонтальным, чтобы его можно было аппроксимировать горизонтальной плоскостью;

• адвективные процессы не должны вносить значительного вклада в турбулентное перемешивание.

Модель FLake верифицирована по данным многолетних натурных наблюдений на многочисленных разнотипных озёрах мира, в частности, расположенных в пределах Восточной Фенноскандии – озёрах Красном (60°33' с.ш., 29°42' в.д., площадь 9 км2, средняя глубина 7 м) и Вендюрском (62°10' с.ш., 33°10' в.д., площадь 10.4 км2, средняя глубина 5.5 м) [15, 16]. В качестве примера на рисунке 3 представлено сравнение рассчитанных с помощью FLake и измеренных значений поверхностной (Ts) и придонной (Tb) температуры воды в указанных озёрах, подтверждающее адекватность модели процессов теплопереноса в водной массе.

Рис. 3.

Измеренные и рассчитанные значения поверхностной (Ts) и придонной (Tb) температуры воды в озёрах Красном (a) и Вендюрском (б) 1 – рассчитанная поверхностная температура; 2 – рассчитанная придонная температура; 3 – измеренная поверхностная температура; 4 – измеренная придонная температура

Для дистанционной оценки характеристик озера с использованием модели FLake необходимо иметь географические координаты объекта, его среднюю глубину (или площадь, по которой можно вычислить глубину) и привязанные к ним данные метеорологического реанализа семейства ERA5. Реанализ ERA5, выполненный в Европейском центре среднесрочных прогнозов погоды [17], представляет собой ряды восстановленных величин метеорологических параметров для всего земного шара начиная с 1940 г. по настоящее время с пространственным разрешением 0.25° × × 0.25° и временны́м шагом 1 ч. Он основан на данных наблюдений со спутниковых СВЧ-радиометров, различных метеостанций, метеобуёв, беспилотных аэростатов и наземных радаров. Временной шаг между сроками наблюдений составляет 6 ч. Выборка необходимых для расчётов данных производится по координатам расчётной точки.

Информацию о площадях озёр можно получать различными дистанционными методами. Наиболее приемлемым в рамках настоящей работы способом определения площади водоёма стало дешифрирование спутниковых снимков. При решении задачи дистанционной оценки характеристик неизученных озёр в годы различной водности применимы каталоги данных Global Surface Water (GSW) [18, 19], полученных на основе проекта Copernicus11 [20], и снимков со спутников Landsat с 1984 по 2021 г. Пространственное разрешение всех каталогов GSW составляет 30 м.

Вопросам поиска территориально общих взаимосвязей между такими морфометрическими характеристиками озёр, как площадь и глубина, уделяется определённое внимание в работах отечественных [21, 6, 22 ] и зарубежных [23] специалистов. В нашем исследовании использованы расчётные зависимости для оценки средней глубины озера на основе его площади в различных природных зонах бореальной области Евразии, представленные в таблице 1.

Таблица 1.

Уравнения для приближённой оценки средней глубины озера havg (м) в зависимости от его площади F0 (км2) в различных природных зонах [6]

Природная зона Граничное условие Расчётная формула
Тундра F0 ≤ 107 км2 ${{h}_{{avg}}} = 2.63 \cdot {{F}_{0}}^{{0.16}}$
Северная тайга F0 ≤ 200 км2 ${{h}_{{avg}}} = 4.22 \cdot {{e}^{{0.01 \cdot {{F}_{0}}}}}$
Средняя тайга F0 ≤ 104 км2 ${{h}_{{avg}}} = 5.25 \cdot {{F}_{0}}^{{0.21}}$

Совершенствование территориально общих взаимосвязей между морфометрическими характеристиками озёр различных природных зон – одно из важных направлений развития методов дистанционной оценки неизученных озёрных экосистем.

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Расчёты термических характеристик озёр и содержания в водной массе растворённого кислорода выполнялись для трёх точек, расположенных на 32° меридиане в пределах зон тундры (67°30' с.ш., 32°00' в.д.), северной (65°00' с.ш., 32°00' в.д.) и средней (62°30' с.ш., 32°00' в.д.) тайги с использованием привязанных к ним данных метеорологического реанализа семейства ERA5.

По результатам проведённых расчётов построены номограммы, связывающие термические характеристики (максимальная толщина ледяного покрова, продолжительность периода замерзания и максимальная температура поверхностного слоя воды) малых и средних озёр различных природных зон (тундры, серверной и средней тайги) Восточной Фенноскандии со значениями их площадей (рис. 4). Расчёты производились с использованием усреднённых за 30-летний период (с 1990 по 2020 г.) метеорологических параметров.

Рис. 4.

Номограммы для приближённой оценки максимальной толщины льда (а), даты образования льда (б), продолжительности ледостава (в) и максимальной температуры поверхности воды (г) в зависимости от площади озера в зонах тундры, северной и средней тайги 1 – средняя тайга; 2 – северная тайга; 3 – тундра

В первом приближении принимается, что гидрометеорологические входные параметры не изменяются в пределах рассматриваемой природной зоны. При этом следует помнить, что построить оценочные номограммы для других географических координат с использованием соответствующих данных гидрометеорологического реанализа на основе результатов расчётов по FLake не составляет большого труда. Аналогичные графики могут быть построены и для таких гидротермодинамических характеристик, как температура и толщина верхнего перемешанного слоя в озере, теплообмен через границу раздела вода–дно, степень подлёдного прогрева водоёма, толщина слоя сезонного протаивания многолетнемёрзлых грунтов (вечной мерзлоты) при их наличии и т.д.

Первый шаг при переходе от вычисления термических параметров озёр к решению задачи дистанционной оценки их экологического состояния – расчёт характеристик кислородного режима и выявление перспектив возникновения анаэробных зон, формирующихся в условиях острого дефицита растворённого в воде кислорода. В этих зонах активизируются анаэробные процессы, приводящие к образованию метана (CH4), сероводорода (H2S) и аммиака (NH3), которые не только ухудшают качество озёрной водной массы, но и могут быть токсичными для гидробионтов (особенно H2S).

На рисунке 5, a представлена внутригодовая динамика средней толщины анаэробной зоны в озёрах разной площади (и соответствующей глубины) в зоне средней тайги, рассчитанной по модели FLake. Рисунок 5, б иллюстрирует уменьшение максимальной толщины анаэробной зоны для озёр площадью 0.1, 1 и 15 км2 в зависимости от географической широты в пределах той же зоны.

Рис. 5.

Внутригодовая динамика средней толщины анаэробной зоны в озёрах разной площади в средней тайге (а), а также максимальная толщина анаэробной зоны для озёр различной площади в зависимости от географической широты (б)

Как показали проведённые расчёты, риск формирования анаэробных зон в водоёмах Восточной Фенноскандии наиболее вероятен в малых озёрах (до 10 км2) средней тайги. Для озёр бóльших площадей существование анаэробной зоны не выявлено. Возрастание географической широты места расположения озера также ведёт к снижению вероятности возникновения в нём бескислородных условий. Так, в тундре при любых площадях водоёмов анаэробная зона в них не образуется, что обусловлено низкой температурой воды, снижающей скорость потребления кислорода в процессе бактериального разложения органического вещества.

Полученные результаты не противоречат данным более ранних исследований кислородного режима Восточной Фенноскандии [24, 25], которые свидетельствуют о том, что в силу географического положения, климатических условий, а также специфического характера формирования водного баланса (прежде всего его приходной части22) в озёрах, расположенных севернее 67°–68° с.ш., дефицит растворённого кислорода – явление крайне редкое и носит локальный характер. Формирование же бескислородных зон в таких озёрах практически не отмечалось.

Таким образом, основным результатом нашего исследования стала методика приближённой, полностью дистанционной оценки характеристик термического и кислородного режимов неизученных озёр серверных территорий. Главным инструментом для выполнения такого рода оценки служит одномерная математическая модель гидротермодинамики озера FLake в совокупности с имеющейся информацией метеорологического реанализа в изучаемом регионе и известными территориально общими зависимостями средней глубины озера от его площади. Даже при отсутствии доступа к модели любой водопользователь, заинтересовавшийся озером с известными географическими координатами и оценивший площадь его поверхности, может на основании полученных в результате моделирования номограмм провести приближённую оценку термических свойств водоёма (продолжительность ледостава, толщина льда, температура поверхностного слоя воды, наличие или отсутствие бескислородной зоны и др.), а также характеристик кислородного режима. Необходимо отметить, что при условии дополнения модели FLake соответствующими программными модулями по приведённой выше методике могут быть оценены и другие химико-биологические показатели, например, биомасса, первичная продукция водорослей, прозрачность воды. При этом, как упоминалось выше, не потребуется сложно реализуемых контактных измерений, что крайне важно для труднодоступных и малоизученных северных территорий России.

Список литературы

  1. Стратегия развития Арктической зоны Российской Федерации и обеспечения национальной безопасности на период до 2035 года. http://kremlin.ru/acts/news/64274 (дата обращения 01.02.2023).

  2. Измайлова А.В. Озёрный фонд Арктической зоны Российской Федерации // MGO 2020 им. Л.Н. Карлина. Труды IV Всероссийской конференции “Гидрометеорология и экология: достижения и перспективы развития”. 16–17 декабря. СПб.: Химиздат, 2020. С. 181–184.

  3. Мякишева Н.В. Многокритериальная классификация озёр. СПб.: РГГМУ, 2009.

  4. Исаченко А.Г., Шляпников А.А. Ландшафты. М.: Мысль, 1989.

  5. Физико-географическое районирование (М 1 : : 15 000 000) // Национальный атлас России. Т. 2. Природа и экология. М.: ПКО “Картография”, 2007. С. 350–351.

  6. Шульга М. Представление озёр в моделях погоды и климата: внешние параметры, объективный анализ температуры поверхности воды и верификация. Дисс. … канд. физ.-мат. наук. СПб.: РГГМУ, 2015.

  7. Рянжин С.В., Ульянова Т.Ю. Геоинформационная система “озёра мира” – GIS WORLDLAKE // Доклады Академии наук. 2000. № 4. С. 542–545.

  8. Кочков Н.В., Рянжин С.В. Озёра мира WORLDLAKE / Свидетельство о государственной регистрации базы данных № 2015621549. Заявка № 2015620713. ИНОЗ РАН, 2015.

  9. Lehner B., Grill G. Global River hydrography and network routing: Baseline data and new approaches to study the world’s large river systems // Hydrological Processes. 2013. № 15. P. 2171–2186.

  10. Mironov D.V. Parameterization of Lakes in Numerical Weather Prediction. Description of a Lake Model // COSMO Technical Report № 11. Offenbach am Main: German Weather Service, 2008.

  11. Mironov D., Heise E., Kourzeneva E. et al. Implementation of  the lake parameterization scheme Flake into the numerical weather prediction model COSMO // Boreal environ. Res. 2010. V. 15. P. 218–230.

  12. Golosov S., Kirillin G. A parameterized model of heat storage by lake sediments // Environmental Modelling & Software. 2010. V. 25 (6). P. 793–801.

  13. Choulga M., Kourzeneva E., Zakharova E. et al. Estimation of the mean depth of boreal lakes for use in nume-rical weather prediction and climate modelling // Tellus A: Dynamic Meteorology and Oceanography. 2014. V. 66 (1). P. 21295.

  14. Golosov S., Maher O.A., Schipunova E. et al. Physical Background of Oxygen Depletion Development in Ice-Covered Lakes // Oecologia. 2007. V. 151. P. 331–340.

  15. Mironov D.V., Golosov S.D., Zilitinkevich S.S. et al. Seasonal changes of temperature and mixing conditions in a lake. Modelling Air-Lake Interaction. Physical Background / Ed. S.S. Zilitinkevich. Berlin: Springer-Verlag, 1991. P. 74–90.

  16. Тержевик А.Ю., Пальшин Н.И., Голосов С.Д. и др. Гидрофизические аспекты формирования кислородного режима мелководного озера, покрытого льдом // Водные ресурсы. 2010. № 5. С. 568–580.

  17. Copernicus Climate Data Store. https://cds.climate.copernicus.eu/cdsapp#!/dataset/ reanalysis-era5 (дата обращения 02.02.2023).

  18. Pekel J.F., Cottam A., Gorelick N. et al. High-resolution mapping of global surface water and its long-term changes // Nature. 2016. V. 540. P. 418–422.

  19. Global Surface Water Explorer. https://global-surface-water.appspot.com/ (дата обращения 01.02.2023).

  20. Copernicus: Europe’s eyes on Earth. https://www.copernicus.eu/en

  21. Кочков Н.В., Рянжин С.В. Методика оценки морфометрических характеристик озёр с использованием спутниковой информации // Водные ресурсы. 2016. № 1. С. 18–23.

  22. СТО ГГИ 52.08.40-2017. Определение морфометрических характеристик водных объектов суши и их водосборов с использованием технологии географических информационных систем по цифровым картам РФ и спутниковым снимкам // Федеральная служба по гидрометеорологии и мониторингу окружающей среды (Росгидромет). СПб.: ООО “РПЦ Офорт”, 2017.

  23. Messager M., Lehner B., Grill G. et al. Estimating the volume and age of water stored in global lakes using a geo-statistical approach // Nat. Commun. 2016. V. 7 (1). 13603.

  24. Озёра различных ландшафтов Кольского полуострова. Ч. 2. Гидрохимия и гидробиология / Отв. ред. В.Г. Драбкова и Т.Д. Слепухина. Л.: Наука, 1974.

  25. Даувальтер В.А., Кашулин Н.А. Геоэкология озёр Мурманской области. В 3 ч. Ч. 2. Гидрохимия водоёмов. Мурманск: Изд-во МГТУ, 2014.

Дополнительные материалы отсутствуют.