Водные ресурсы, 2021, T. 48, № 1, стр. 100-113

Модель SWAP

Основным методическим инструментом, используемым для расчета динамики характеристик снежного покрова, послужила модель взаимодействия подстилающей поверхности суши с атмосферой (в англоязычной литературе – LSM (Land Surface Model)) SWAP, разработанная в Институте водных проблем РАН [1]. В ее основу положено физико-математическое описание процессов тепло- и влагообмена, происходящих в системе грунтовые воды–почва–растительный/снежный покров–приземный слой атмосферы. Модель позволяет рассчитывать составляющие водного и теплового балансов, различные характеристики гидрологического режима наземных экосистем и речных бассейнов, имеющих разные пространственные масштабы и находящихся в различных природных условиях.

В случае значительного по пространственным масштабам и неоднородного по природным условиям и характеристикам подстилающей поверхности объекта (большой речной бассейн, регион, континент и т.д.) выполняется переход от модели локального масштаба к ее мезомасштабному аналогу (“upscaling”, регионализация) [1]. Выходными переменными модели служат значения различных составляющих водного и теплового балансов, а также показатели динамики водного и теплового режимов рассматриваемой системы. Выходных переменных может быть до нескольких десятков.

В отношении воспроизведения динамики снежного покрова SWAP представляет собой модель, отличительные особенности которой – ее простота в сочетании с достаточной физической обоснованностью и рациональностью с точки зрения используемых модельных средств. При этом рациональность обусловлена применением преимущественно аналитических методов решения систем уравнений (в то время как в большинстве существующих моделей используются численные методы) и стремлением к сокращению, по мере возможности, числа параметров модели. Модель описывает формирование снегозапасов на подстилающей поверхности суши для случаев как низкой растительности (полевые участки), которая в зимнее время находится под снегом, так и высокой растительности (лесные участки), когда снежный покров формируется под пологом леса.

Информационное обеспечение SWAP для базового периода

Информационное обеспечение модели SWAP включает в себя: 1) необходимую для задания верхних граничных условий приземную метеорологическую информацию (атмосферные осадки, температура и влажность воздуха, интенсивность приходящих потоков длинноволновой и коротковолновой радиации, скорость ветра и атмосферное давление); 2) параметры подстилающей поверхности (характеристики почвы, растительности, рельефа и др.), идентифицирующие исследуемый объект; 3) гидрологические характеристики для калибровки и проверки модели (в частности, такими данными могут служить измеренные за ряд лет снегозапасы).

Информацию о входных метеорологических характеристиках, измеренных на площадках ESM-SnowMIP с часовым временны́м шагом в течение базового периода (различного для каждой площадки (табл. 1)), обеспечивали организаторы проекта ESM-SnowMIP [11, 15]. Параметры почвы и растительного покрова задавались на основе качественного описания исследуемых объектов [11, 15], а также с использованием информации из глобальных баз данных международного проекта GSWP2 [7, 31]. Что касается калибровки параметров модели, то в настоящей работе она проведена только для параметров зависимости такой важной характеристики снежного покрова, как альбедо α [9, 23], от его плотности ρ для каждой из десяти площадок [2]. Продолжительность периода калибровки, как правило, была небольшой – 1–2 года (максимум семь лет), калибровка проводилась вручную и весьма приближенно по данным, которые удалось найти в литературных источниках [3, 8, 13, 16, 22, 27, 30].

Информационное обеспечение SWAP при проведении прогностических расчетов

Для прогностических расчетов изменения характеристик снежного покрова в районах расположения площадок использовались суточные значения метеорологических элементов за период с 1980 по 2099 г., рассчитанные по пяти МОЦАО: HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM-CHEM, GFDL-ESM2M и NorESM1-M [12] − для четырех сценариев изменения климата семейства RCP (Representative Concentration Pathways) [17]: RCP2.6, RCP4.5, RCP6.0 и RCP8.5, использованных при подготовке 5-го оценочного доклада IPCC (Intergovernmental Panel on Climate Change). Эти данные предоставлены организаторами международного проекта ISI-MIP2 [29], в котором авторы настоящей статьи также принимали участие. Числа при аббревиатурах сценариев соответствуют приращению величин приходящей радиации (Вт/м²) в 2100 г., вызванному увеличением эмиссии парниковых газов в атмосферу по сравнению с доиндустриальным периодом. Большие числа соответствуют более агрессивным антропогенным сценариям, обусловленным повышенной эмиссией парниковых газов в атмосферу и слабыми мерами по ограничению их выбросов. Использованы метеорологические данные, рассчитанные для ячейки регулярной сетки размером 0.5° × 0.5°, в которой расположена соответствующая снегомерная площадка.

Необходимо отметить следующие обстоятельства. Во-первых, значения метеорологических характеристик, полученные с помощью указанных выше МОЦАО, − средние для полуградусной ячейки суши, размер которой намного превышает размеры снегомерных площадок. Во-вторых, расчетные шаги по времени при исторических и прогностических расчетах разные, что обусловлено имеющимся метеорологическим обеспечением. В-третьих, рассчитанные значения метеорологических элементов с помощью МОЦАО в настоящее время демонстрируют систематические ошибки (смещение) из-за грубого пространственного разрешения, упрощенной параметризации физических и термодинамических процессов, использования численных схем или неполного знания процессов климатической системы [25].

Поэтому полученные с помощью МОЦАО значения метеорологических характеристик в районах расположения снегомерных площадок были подвергнуты так называемой постпроцессинговой bias-коррекции [21] с целью уменьшения возможных систематических ошибок расчета характеристик снежного покрова. Коррекция (своя для каждой МОЦАО) проводилась по соответствующим значениям метеорологических характеристик, измеренных на снегомерных площадках в исторический период. При этом к рассчитанным по различным МОЦАО значениям температуры воздуха прибавлялось ее смещение (разное для разных месяцев), рассчитанное как разность среднемноголетних среднемесячных значений измеренной и смоделированной температуры воздуха в базовый период. Что касается остальных метеорологических элементов, то они корректировались с помощью поправочных множителей (также различных для разных месяцев), полученных как отношение среднемноголетних среднемесячных значений измеренной рассматриваемой характеристики к ее модельным значениям. Корректировались общие осадки P (сумма жидких P_l и твердых P_s). Доля жидких осадков P_l для конкретного срока определялась на основе зависимости P_l (T), T − температура воздуха. Функция P_l (T) для каждой снегомерной площадки находилась эмпирически на основе измеренных значений P_l и P_s в базовый период.

Скорректированные для каждой МОЦАО ряды смоделированных метеорологических элементов использовались для воспроизведения суточных значений снегозапасов для каждой площадки за исторический период с помощью модели SWAP. На их основе получен климатический (осредненный за исторический период) годовой ход суточных величин снегозапасов SWE(t), t – время, сут. Степень соответствия полученных климатических SWE(t) измеренным оказалась разной для разных МОЦАО. Это естественно, поскольку bias-коррекция входных для SWAP метеорологических данных (особенно если она не очень качественная, сделана по месячным данным, не учитывает суточного хода радиации или температуры) не гарантирует высокой степени близости климатических значений, полученных в результате модельных расчетов, к данным измерений. Она в среднем гарантирует соответствие климатических значений входных смоделированных величин измеренным, а поскольку затем смоделированные входные данные проходят через сильно нелинейный оператор (гидрологическую модель или, как в данном случае, LSM SWAP, которaя отличается от “природного” оператора), то смоделированные климатические SWE(t) будут близкими к измеренным климатическим SWE(t), но степень их близости для метеорологических данных, полученных на основе различных МОЦАО, может оказаться разной.

Поэтому после проведенных расчетов SWE(t) для каждой снегомерной площадки из пяти МОЦАО была выбрана одна оптимальная, при использовании которой климатический годовой ход рассчитанных SWE(t) для базового периода в наибольшей мере соответствовал климатическому годовому ходу измеренных SWE(t), или при отсутствии таковой выбирались 2 или 3 МОЦАО, для которых ансамблевое осреднение полученных на их основе SWE(t) приводило к наибольшему их соответствию данным измерений.

Скорректированные ряды метеорологических элементов, выбранных указанным образом для каждой снегомерной площадки МОЦАО, использованы для прогностических расчетов различных характеристик формирования снежного покрова (с 2016 по 2099 г.) для каждого RCP-сценария. После этого полученные характеристики были осреднены по трем климатическим периодам: базовому и двум прогностическим (2036−2060 и 2075−2099 гг.) для анализа изменения климатических значений характеристик снежного покрова, вызванного возможными изменениями климата.

Результаты исследований для исторического периода

Как отмечено выше, основная задача исследований для исторического периода − проверка способности LSM-модели SWAP воспроизводить различные характеристики динамики снежного покрова на основе сравнения модельных расчетов с данными соответствующих измерений на экспериментальных снегомерных площадках, где обычно измерялись такие характеристики, как снегозапасы SWE, высота снежного покрова h, температура его поверхности T_surf [14, 15]. Измерения проводились вручную и/или с помощью автоматических датчиков. При этом на разных площадках был выполнен разный объем наблюдений: где-то отсутствовали автоматические измерения, где-то был сокращенный спектр наблюдаемых характеристик (например, отсутствовали измерения температуры поверхности снега).

В качестве примера на рис. 1 приведено сопоставление динамики смоделированных и измеренных значений снегозапасов, высоты снежного покрова и среднесуточной температуры его поверхности для снегомерной площадки Col de Porte, расположенной в районе одного из перевалов французских Альп (табл. 1) и обладающей полным объемом данных наблюдений за характеристиками снежного покрова. Приведенные на рис. 1 результаты свидетельствуют о хорошем воспроизведении моделью SWAP натурных данных для площадки Col de Porte.

Рис. 1.

Наблюденная (1) и рассчитанная на основе модели SWAP (2) динамика снегозапасов SWE, высоты снежного покрова h_sn и температуры его поверхности T_surf для площадки Col de Porte. NS − эффективность расчета по Нэшу–Саклиффу [20], Corr − коэффициент корреляции между рассчитанными и измеренными величинами.

Полученные результаты по другим снегомерным площадкам также демонстрируют вполне приемлемое соответствие рассчитанных на основе SWAP характеристик снежного покрова измеренным. В частности, на рис. 2а приведены среднеквадратические ошибки RMSE_n смоделированных для каждой площадки SWE на основе участвовавших в проекте ESM-SnowMIP моделей, а на рис. 2б − RMSE_n смоделированной T_surf для каждой модели, рассчитывающей эту характеристику, и пяти площадок, на которых она измерялась. При этом ошибки на рис. 2а, 2б нормированы на стандартное отклонение измеренных SWE и T_surf для каждой рассматриваемой площадки. RMSE_n > 1 означает, что для этой площадки соответствующая модель воспроизводит динамику измеренной характеристики не лучше простого среднего по периоду ее наблюдений. Участвовавшие в проекте модели ранжированы по значениям RMSE_n, осредненным для соответствующей модели по всем площадкам. Как видно, модель SWAP находится в числе первых из 26 моделей.

Рис. 2.

Нормализованные среднеквадратические ошибки RMSE_n (ранжированные в порядке возрастания осредненных по площадкам значений RMSE_n) расчета режимных характеристик формирования снежного покрова для экспериментальных площадок проекта ESM-SnowMIP и участвующих в нем моделей формирования снежного покрова (табл. 2): а – расчета SWE для 26 моделей проекта ESM-SnowMIP и десяти площадок (серые кружки − модель SWAP, пустые − остальные модели, черные кружки − осредненные значения по ансамблю моделей) [2, 11]; б – расчета T_surf для 25 моделей проекта ESM-SnowMIP для пяти площадок [14] (коды площадок (табл. 1) приведены на рисунке).

Приведенные результаты свидетельствуют о вполне удовлетворительном качестве воспроизведения моделью SWAP динамики снегозапасов для исследуемых площадок, что дало возможность попытаться осуществить сценарное прогнозирование изменения характеристик формирования снежного покрова, вызванных возможными изменениями климата, для ESM-SnowMIP площадок, расположенных в районах с различными природными условиями.

Результаты проведения bias-коррекции метеорологических данных, полученных с помощью разных МОЦАО

Второй отмеченной выше задачей исследования была разработка методики сценарного прогнозирования изменения характеристик формирования снежного покрова с использованием рядов метеорологических элементов, рассчитанных с помощью МОЦАО (в англоязычной литературе – GCMs − Global Climate Models). Отмечено, что эти ряды, полученные для каждой снегомерной площадки и каждой используемой МОЦАО, были подвергнуты построцессинговой bias-коррекции с целью достижения лучшего соответствия рассчитанной климатической годовой динамики снегозапасов SWE(t) ее наблюденному аналогу.

На рис. 3 для базового периода представлены траектории климатической (усредненной по базовому периоду) годовой динамики снегозапасов SWE(t), рассчитанных по модели SWAP с использованием откорректированных рядов метеорологических элементов, рассчитанных по выбранным (как описано выше) для каждой площадки МОЦАО. Здесь же для сравнения представлены климатические SWE(t), рассчитанные по данным измерения снегозапасов на соответствующих площадках [14], а также климатические SWE(t), рассчитанные в предыдущем разделе по модели SWAP с использованием измеренных значений метеорологических элементов на площадках.

Рис. 3.

Климатическая годовая динамика SWE(t) для снегомерных площадок (приведенные коды площадок расшифрованы в табл. 1) в базовый период, рассчитанная с использованием метеорологических данных, полученных (1) по данным наблюдений на площадках, (2) в результате расчетов по различным GСMs (сокращенные названия использованных GСMs даны на рисунке). Представлены климатические среднемесячные значения SWE, полученные по данным их многолетних измерений (3) [14].

Представленные на рис. 3 результаты свидетельствуют о том, что климатическая годовая динамика SWE для всех снегомерных площадок, рассчитанная с использованием модели SWAP и скорректированных результатов МОЦАО, вполне удовлетворительно соответствует климатической годовой динамике как измеренных снегозапасов [14], так и рассчитанных с использованием SWAP по измеренным метеорологическим данным. Значения критериев согласия между рассчитанными снегозапасами с использованием различной метеорологии (измеренной и рассчитанной с помощью климатических моделей) очень высоки: значения NS для разных площадок – 0.88−0.99, коэффициент корреляции Corr – от 0.92 до 0.99. Полученные результаты позволяют сделать вывод о возможности проведения прогностических расчетов изменения характеристик формирования снегозапасов в районах расположения снегомерных площадок до 2099 г. для указанных выше четырех сценариев семейства RCP.

Результаты сценарного прогнозирования изменения характеристик климатической внутригодовой динамики формирования снегозапасов в районах снегомерных площадок в XXI в. в связи с возможными изменениями климата

Прогностические сценарные расчеты динамики SWE проведены для каждого RCP-сценария с суточным шагом для периода 2016−2099 гг. Далее для каждой снегомерной площадки были выделены три климатических периода: базовый Р 0 (табл. 1) и два прогностических: Р1 в середине XXI в. (2036−2060 гг.) и Р 2 − в конце (2075−2099 гг.). По выделенным периодам проведено осреднение рассчитанных характеристик формирования снегозапасов с целью получения их климатических значений для соответствующего периода, что позволило провести анализ изменения характеристик формирования SWE для разных климатических периодов в течение XXI в.

В частности, на рис. 4 представлены полученные результаты климатической внутригодовой динамики снегозапасов для периодов Р 0, Р 1 и Р 2 для всех площадок для климатического сценария RCP6.0, взятого в качестве среднего по сценариям. Видно, что в течение XXI в. для всех площадок климатические снегозапасы уменьшаются, при этом, как правило, происходит сдвиг начала формирования снежного покрова на более поздние даты, а схода снежного покрова − на более ранние. Хотя климатические снегозапасы с течением времени уменьшаются на всех площадках, степень уменьшения как абсолютных, так и относительных их значений (по отношению к снегозапасам базового периода) на различных площадках, различающихся природными условиями в силу своего географического расположения, разная.

Рис. 4.

Климатическая внутригодовая динамика снегозапасов SWE для периодов Р0 (1), Р1 (2) и Р2 (3) для ESM-Sno-wMIP площадок для климатического сценария RCP6.0.

Основные факторы, влияющие на изменение климатических снегозапасов в различных районах земного шара, − вызванные изменениями климата изменения климатической температуры и климатических осадков (прежде всего твердых) [5, 10]. Рассмотрим значения указанных характеристик для разных площадок ESM-SnowMIP в базовый период, их последующие изменения и вызванные ими изменения ряда климатических характеристик формирования снегозапасов к концу XXI в. (период Р2) (рис. 5).

Рис. 5.

Изменение характеристик формирования снежного покрова в районах площадок ESM-SnowMIP к концу XXI в. (в период P2) по сравнению с базовым периодом (Р0). а – высота над уровнем моря площадок ESM-SnowMIP; б, в – климатическая температура воздуха и климатические осадки на площадках в базовый период Р0; г – среднее по RCP-сценариям изменение к концу XXI в. общих климатических осадков; д – изменение к концу XXI в. климатической температуры воздуха; е – изменение климатических твердых осадков; ж – продолжительность устойчивого залегания снежного покрова t_{cover кл} для климатических периодов P0 и P2; з, и – абсолютное и относительное изменение к концу XXI в. климатических среднегодовых снегозапасов.

На рис. 5а приведены высоты над уровнем моря для всех площадок ESM-SnowMIP, которые, наряду с географической широтой и долготой площадки, в значительной мере определяют климатические значения температуры воздуха Т_P0 и годовых осадков Р_P0 в базовый период в районе ее расположения (рис. 5б, 5в).

Можно заметить (рис. 5в), что климатические осадки горных районов (площадки cdp и wfj в Альпах, rme, snb и swa в Скалистых горах Северной Америки) гораздо больше осадков в равнинных районах (sod в Финляндии и площадки oas, obs и ojp в Канаде). Исключение − равнинный район с обильными осадками площадки Саппоро (sap), находящейся в ~20 км от Японского моря и в 50 км от Тихого океана. Что касается температуры, то большая часть площадок ESM-SnowMIP расположена в относительно холодных районах (с Т_P0 в диапазоне от –1.2 до 1.8°С) (рис. 5б). Только три площадки характеризуются относительно теплым климатом: самая южная из равнинных, с морским климатом sap (Т_P0 = 8.9°С); горные cdp (Т_P0 = 6.2°С) и rme (Т_P0 = 5.0°С), расположенные существенно ниже над уровнем моря, чем другие горные площадки. Отметим, что равнинные площадки находятся гораздо севернее горных (за исключением площадки sap, находящейся примерно на одной широте с горной площадкой rme) (табл. 1).

На рис. 5г приведено осредненное по всем RCP-сценариям относительное изменение общих климатических годовых осадков ΔP_P2 в период P2 по сравнению с периодом Р0. Для равнинных площадок имеет место относительное увеличение количества осадков − наибольшее − на наиболее северной площадке в районе п. Соданкюля (Sodankylä) в северной части Финляндии. Для горных площадок, расположенных в более южных районах, изменение общих осадков имеет менее выраженную пространственную закономерность и может быть как положительным, так и отрицательным в зависимости от высоты положения площадки, ориентации горного склона, розы ветров и т.д.

Как отмечено ранее, основные факторы, определяющие климатическое изменение снегозапасов, − изменение климатической температуры воздуха и климатических твердых осадков. На рис. 5д для всех RCP-сценариев и всех площадок показаны изменения климатической температуры воздуха ΔT_P2 в период P2 по сравнению с ΔT_P0 для периода Р 0. Можно отметить, что значения ΔT_P2 положительны, более или менее близки для всех площадок (усредненные по RCP-сценариям ΔT_P2 − в диапазоне 2−4°С) и сильно зависят от рассматриваемого сценария (диапазон разброса ΔT_P2 по RCP-сценариям (~5°С) больше, чем по площадкам).

При изменении климата увеличение общего количества выпадающих осадков P (рис. 5г) должно увеличивать и количество твердых осадков P_s, однако их доля в общих осадках уменьшается из-за увеличения температуры воздуха. Результирующий эффект относительного изменения годового количества твердых осадков ΔP_sP2 в период Р2 по сравнению с ΔP_sP0 в период Р0 для всех RCP-сценариев и площадок показан на рис. 5е. Количественные показатели ΔP_sP2 также чувствительны к выбранному сценарию. В целом для всех высокогорных площадок и всех климатических сценариев количество твердых осадков к концу XXI в. уменьшается. Это же происходит и на равнинной площадке sap. Для остальных равнинных площадок ситуация неоднозначная − может иметь место как относительное уменьшение, так и небольшое увеличение количества твердых осадков, причем возможно варьирование по знаку даже для одной площадки при разных RCP-сценариях (площадки ojp и obs). Следует отметить, что наибольшее относительное уменьшение твердых осадков ожидается в районах площадок sap и cdp, характеризующихся наибольшими значениями климатической температуры воздуха (рис. 5б). В районах этих площадок продолжительность холодного периода в исторический период наименьшая, при сравнительно близких приращениях температуры на разных площадках (рис. 5д) приводящая к большему относительному сокращению холодного периода, что проявляется в более заметном сокращении продолжительности устойчивого залегания снежного покрова (рис. 5ж) и в бóльших по абсолютной величине значениях ΔP_sP2.

Рассмотренные особенности ΔT_P2 и ΔP_sP2 на разных снегомерных площадках приводят к соответствующим особенностям изменения снегозапасов к концу XXI в. На рис. 5з и 5и для разных RCP-сценариев представлены соответственно абсолютные и относительные изменения климатических среднегодовых величин снегозапасов в период Р2 – ΔSWE_P2 по сравнению с SWE_P0. Видно, что в районах всех площадок климатические снегозапасы уменьшаются. При этом количественные показатели такого уменьшения существенно зависят от рассматриваемого климатического сценария. Наибольшее по абсолютной величине сокращение климатических снегозапасов происходит в горных районах (рис. 5з), где гораздо больше и сами снегозапасы (рис. 4). При этом имеется тенденция некоторого уменьшения ΔSWE_P2 с высотой горных площадок (рис. 5a, 5и). Среди равнинных площадок наибольшее уменьшение климатических SWE демонстрирует площадка sap, для которой в наибольшей степени сокращается количество твердых осадков (рис. 5е). Относительное сокращение климатических среднегодовых снегозапасов (рис. 5и) в наибольшей степени происходит на площадках sap и cdp (рис.  4), что хорошо коррелирует с наибольшим относительным уменьшением количества твердых осадков на этих площадках − среднее по сценариям значение ΔSWE_P2 достигает 70% (рис. 5е).

Представляет интерес сравнение некоторых полученных результатов с результатами других исследований. Так, в [28] приведены результаты прогнозирования изменений SWE в XXI в. на 11 горных станциях Швейцарии, рассчитанных на основе разработанной швейцарским Федеральным институтом исследований снега и лавин модели формирования снежного покрова SNOWPACK (также участвовавшей в ESM-SnowMIP) и метеорологических данных, полученных с помощью десяти региональных климатических моделей. Исследования [28] подтвердили, что относительное снижение климатических SWE уменьшается с высотой положения станции и составляет к концу века ~32% для высокогорных станций (>2500 м).

В частности, для высокогорной ст. Вайсфлюйо (Weissfluhjoch) (площадка wfj) медианное значение климатических SWE уменьшается на 125 мм (32%) по сравнению с базовым периодом в [28] (1984–2010 гг.). В настоящей работе усредненное по четырем RCP-сценариям сокращение климатического среднегодового значения SWE к концу XXI в. для площадки wfj составляет 101 мм (32%) по отношению к базовому периоду Р0 (1996–2016 гг.). Таким образом, представленные в данной статье результаты близки к результатам [28].

В [26] приведена оценка возможных изменений характеристик снежного покрова в Финляндии в 2080−2089 гг. по сравнению с историческим периодом 1980−1989 гг. Основным инструментом исследования также послужила модель SNOWPACK, использованная для расчета SWE в шести разных районах Финляндии. Метеорологические данные получены с помощью региональной климатической модели (RCAO). При проведении сценарных расчетов изменений динамики SWE использованы IPCC-сценарии эмиссии парниковых газов семейства SRES: A2 и B2. Полученные результаты показали, что, как и в настоящей работе, климатические снегозапасы и продолжительность залегания снежного покрова к концу XXI в. уменьшаются во всех районах Финляндии для обоих SRES-сценариев.

Среди рассмотренных в настоящей работе площадок ESM-SnowMIP одна − площадка sod − расположена на севере Финляндии. Примерно в том же регионе находится рассмотренная в [26] снегомерная ст. Оуланка (Oulanka). Приведенные в [26] оценки показывают, что к концу XXI в. климатические среднегодовые снегозапасы сократятся на ст. Оуланка на 16 мм по отношению к базовому периоду. Согласно исследованиям авторов статьи, усредненные по RCP-сценариям среднегодовые снегозапасы в районе площадки sod уменьшатся по отношению к историческому периоду на 13 мм. Таким образом, результаты настоящей работы в целом согласуются с результатами [26].

Следует заметить, что, хотя все рассмотренные в международном проекте ESM-SnowMIP площадки продемонстрировали сокращение в XXI в. мощности и продолжительности залегания снежного покрова, существуют районы в высоких широтах (в частности, северные части Канады и Сибири), в которых может наблюдаться противоположная тенденция [5, 10]. Поэтому желательно дополнить проект ESM-SnowMIP включением экспериментальных площадок, расположенных в подобных районах.