Разработана упрощенная трехмерная модель, которая дает возможность детально описать ключевые аспекты цикла углерода растительности. Основная цель моделирования – разработать универсальную модель потоков углерода на глобальной конечно-разностной сетке, которая будет учитывать продукционные процессы в лесных массивах и сезонные колебания климатических показателей с применением трехмерной климатической модели промежуточной степени сложности. В модель входят необходимые формулировки, отражающие зависимость растительного покрова и шероховатость подстилающей почвы от количества углерода в растениях, а также устанавливают корреляцию между массой углерода в почве и ее влагосодержанием. Модель воспроизводит глобальные характеристики цикла углерода в растительности: фотосинтез, дыхание растительности, дыхание листвы и почвы. Результаты расчетов модельных уравнений при изменении климатических условий проверяются путем сопоставления с пространственными наблюдениями, так как каждая точка пространственной сетки соотносится с различными комбинациями климатических факторов. Модель функционирует в комплексе с моделью климата, которая интегрирует трехмерную гидродинамическую модель атмосферы и термохалинную модель Мирового океана. В климатической модели определяются основные характеристики приземного слоя атмосферы (температура, влажность, осадки) и Мирового океана (температура, соленость, течения, морской лед). В ходе численных экспериментов было достигнуто состояние стационарного режима комплексной модели. Результаты показывают, что усредненные показатели климата Земли устанавливаются за 2000 лет.
A simplified three-dimensional model has been developed that allows for a detailed description of key aspects of the vegetation carbon cycle. The main goal of the modeling is to develop a universal carbon flux model on a global finite-difference grid that takes into account the production processes in forests and the seasonal fluctuations of climate indicators using a three-dimensional climate model of intermediate complexity. The model includes new formulations that give the dependence of vegetation cover and of the underlying soil roughness on the plants carbon amount, as well as fact of the correlation between the carbon mass in the soil and its moisture content. The model reproduces global characteristics: photosynthesis, vegetation respiration, foliage respiration, and soil respiration. The response of the model equations to changing climatic conditions is verified by comparison with spatial observations, as each point on the spatial grid is associated with different combinations of climatic factors. The model is integrated with a climate model that integrates a three-dimensional hydrodynamic model of the atmosphere and a thermohaline model of the world ocean. The climate model determines the main characteristics of the surface layer of the atmosphere (temperature, humidity, precipitation) and the world ocean (temperature, salinity, currents, and sea ice). Numerical experiments have been made to achieve a stable state in the integrated model. During the numerical experiments, a stable state of the general model was achieved. The results show that the averaged Earth climate indicators are established in 2000 years.
1. Williamson M. S., Lenton T. M., Shepherd J. G., Edwards N. R. An efficient numerical terrestrial scheme (ENTS) for Earth system modelling // Ecological Modelling. 2006. № 198 (3–4). P. 362–374. DOI: 10.1016/j.ecolmodel.2006.05.027.
2. Пархоменко В. П. Глобальная климатическая модель с учетом биогеохимического углеродного цикла растительности суши // Математическое моделирование и численные методы. 2021. № 2. С. 38–53. DOI: 10.18698/2309-3684-2021-2-3853.
3. Пархоменко В. П. Организация численных экспериментов на модели общей циркуляции атмосферы и глобальной модели океана // Журнал вычислительной математики и математической физики. 2021. № 61 (10). С. 1693–1703. DOI: 10.31857/S0044466921100148.
4. Parkhomenko V. P. A model study of the global climate sensitivity to changes in solar radiation // Journal of Physics. Conference Series. 2025. № 3027 (1). 012058. P. 1–6. DOI: 10.1088/1742-6596/3027/1/012058.
5. Iñiguez C., Galmés J., Gordillo F. J. L. Rubisco carboxylation kinetics and inorganic carbon utilization in polar versus cold-temperate seaweeds // Journal of Experimental Botany. 2019. № 70 (4). Р. 1283–1297. DOI: 10.1093/jxb/ery443.
6. Lenton T. M. Land and ocean carbon cycle feedback effects on global warming in a simple Earth system model // Tellus. B: Chemical and Physical Meteorology. 2000. Vol. 52 (5). P. 1159–1188. DOI: 10.1034/j.1600-0889.2000.01104.x.
7. Adams B., White A., Lenton T. M. An analysis of some diverse approaches to modelling net primary productivity // Ecological Modelling. 2004. № 177. P. 353–391. DOI: 10.1016/j.ecolmodel.2004.03.014.
8. Cox P. M., Huntingford C., Harding R. J. A canopy conductance and photosynthesis model for use in a GCM land surface scheme // Journal of Hydrology. 1998. № 212–213. P. 79–94. DOI: 10.1016/S0022-1694(98)00203-0.
9. Пархоменко В. П. Применение квазислучайного подхода и ансамблевых вычислений для определения оптимальных наборов значений параметров климатической модели // Информатика и ее применения. 2017. Т. 11. № 2. С. 65–74. DOI: 10.14357/19922264170208.
10. Summary for Policymakers. In: Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change / Core Writing Team, H. Lee and J. Romero (eds.). IPCC, Geneva, Switzerland. Р. 1–34. DOI: 10.59327/IPCC/AR6-9789291691647.001.
11. Чернова О. В., Рыжова И. М., Подвезенная М. А. Оценка запасов органического углерода лесных почв в региональном масштабе // Почвоведение. 2020. № 3. С. 340–350. DOI: 10.31857/S0032180X20030028.
12. Ainsworth E. A., Lemonnier P., Wedow J. M. The influence of rising tropospheric carbon dioxide and ozone on plant productivity // Plant Biology. 2020. Vol. 22. Is. S1 P. 5–11. DOI: 10.1111/plb.12973.
13. Frelich L. E. Boreal and Taiga Biome. In: Goldstein M.I., DellaSala D.A., editors. Encyclopedia of the World’s Biomes. Elsevier. 2020. Р. 103–115. DOI: 10.1016/B978-0-12-409548-9.11926-8. ISBN 9780128160961.
14. Curtis P. G., Slay C. M., Harris N. L., Tyukavina A., Hansen M. C. Classifying drivers of global forest loss // Science. 2018. № 361 (6407). Р. 1108–1111. DOI: 10.1126/science.aau3445.
15. Jonas M., Bun R., Ryzha I., Zebrowski P. Quantifying memory and persistence in the atmosphere–land and ocean carbon system // Earth System Dynamics. 2022. Vol. 13. Is. 1. P. 439–455. DOI: 10.5194/esd-13-439-2022.