Чтение онлайн

Накопленная на сегодняшний день информация во всем ее многообразии позволяет более или менее полно судить о состоянии климата в настоящем и отчасти в прошлом. Однако, разумеется, она не может ответить на вопрос, как будет меняться климат в будущем.

Задавались ли вы когда-нибудь вопросом: «Для чего существует та или иная наука, какова ее “сверхзадача”? Химия? Физика? Математика? Проведи мы такой опрос, уверены, мнения бы разделились. С климатологией в этом плане дело обстоит намного проще. Основное ее предназначение – в ответе на вопрос о климате в будущем. Обычному человеку нет дела до того, что было с климатом двадцать (сто, тысяча…) лет назад, да и климат сегодняшний (ведь его уже не изменишь!) интересен лишь через призму его грядущих изменений. Тут и извечное человеческое любопытство («что там ждет впереди?») и вполне прагматичный расчет: на предполагаемые изменения есть время адекватно отреагировать («предупрежден, значит, вооружен»).

Под решение объявленной «сверхзадачи» выстроена структура современной климатологии (да простят нас коллеги – метеорологи, гидрологи и др., это нисколько не принижает значимость их труда). Всесторонние измерения дают нам представление о прошлом и настоящем климата Земли. Анализ их результатов позволяет определить и оценить причины климатических пертурбаций. А знать эти причины нужно именно для того, чтобы правильно предсказать, как под их «патронажем» изменится климат в будущем.

Известный швейцарский физик В. Паули (1900–1958) шутил, что когда он предстанет перед Богом, то спросит Всевышнего о двух вещах: об уравнении объединения всех физических полей и об описании атмосферных процессов и будто бы услышит в ответ: «Уравнение – пожалуйста, а вот в атмосферных процессах я и сам ничего не могу понять». Львиная доля этой шутки приходится на истину.

Скажем прямо: абсолютно точно учесть протекающие в атмосфере и океане взаимовлияющие друг на друга процессы во всем многообразии и даже просто их пересчитать вряд ли возможно. Однако впадать по этому поводу в пессимизм все же не стоит. Лишь сравнительно небольшое количество таких процессов решающим образом сказывается на глобальном климате Земли. Остальные же участвуют только в формировании климата регионального (например, падение содержания озона над Антарктидой каждой весной, разумеется, проявляется при формировании антарктического климата, но неощутимо для климата, скажем, Евразии). Таким образом, если мы сможем корректно учесть вышеупомянутые основные процессы (а их список более или менее хорошо известен), то получим качественно правильную общую картину формирования глобального климата. Но для того чтобы эта картина оказалась более подробной и достоверной, придется заметно расширить набор учитываемых процессов, тем самым многократно осложнив себе задачу. Решать подобные задачи стало возможным только с появлением мощной вычислительной техники, позволяющей создавать сложные комплексные климатические модели и проводить огромный объем модельных вычислений.

Однако между словом и делом здесь дистанция огромного размера. Практически каждый из нас, вооружившись справочниками и внимательно прочитав воспоминания бывалых альпинистов, может вполне квалифицированно рассказать, как надо покорять Эверест, но многие ли в состоянии подкрепить свой рассказ личным примером? В который раз уже приходится констатировать чрезвычайную сложность климатической системы.

Даже если самонадеянно предположить, что нам известны все без исключения климатообразующие механизмы и их количественный вклад в изменение климата, то итоговое его изменение не есть результат механического сложения всех упомянутых вкладов (согласно принципу Ле Шателье, итоговое изменение всегда меньше такой «механической» суммы, но вот насколько меньше?). «Собака зарыта» в огромном количестве положительных и отрицательных обратных связей, где-то усиливающих, где-то ослабляющих действие основных климатообразующих механизмов. Учесть все их хитросплетения значительно сложнее, чем, к примеру, успешно противостоять в лесу туче мошкары, вознамерившейся одновременно атаковать каждый квадратный сантиметр твоего тела. Для ревнителей абсолютно точных решений ситуация безысходная, но если удовлетвориться решениями приближенными, все складывается гораздо оптимистичнее. Для этого нужно «всего-то» создать модель, правильно описывающую основные процессы и явления в их взаимодействии. Согласно словарю иностранных слов, «модель – схема, изображение или описание какого-либо предмета, явления или процесса в природе и обществе, изучаемые как их аналог».

Существуют две разновидности климатических моделей – аналоговые (статистические) и детерминистские. Аналоговые модели используют архивы данных измерений климатических элементов (температура воздуха, воды и почвы, скорость и направление ветра, интенсивность осадков, тип и балл облачности и др.) в данной области в течение продолжительного времени. Это «черный ящик», в котором устанавливаются статистические связи между «входящими» изменениями климатоформирующих факторов (обычно в большом регионе) и «выходящими» климатическими элементами в какойто его части или в отдельной точке – на метеостанции. Например, установив скорость увеличения приземной температуры Западной Сибири в период 1976–2010 гг. (см. прямую на рис. 2) и предположив, что она и далее будет расти с той же скоростью, мы легко определим ее значение в г. Омске в 2030 или 2040 г. По своей сути аналоговые модели являются диагностическими, т. е. численно отражают существующее и зафиксированное измерениями положение дел, но они мало пригодны для прогнозирования и «работают» только при сохранении связей в климатической системе региона в рассматриваемый период времени.

Приведем «гастрономическую» аналогию. Положим, вам предстоит отсутствовать пять дней. Дома остается ваш достаточно взрослый ребенок, который обожает сосиски и в среднем за обедом съедает по три штуки. Спрогнозировав расход, вы оставляете в холодильнике 15 сосисок. Если размеренный уклад жизни вашего чада сохранится – всё в порядке. А если условия хозяйствования поменяются? И отсутствие родительского контроля повлечет за собой повышенную активность, а с ней – усиление среднестатистического аппетита до размера волчьего?

Значительно более распространены детерминистские модели. Построение такой модели начинается с определения системы уравнений, являющихся математическим описанием законов физики, действующих в климатической системе. Основные физические законы хорошо известны многим еще со школьной скамьи – это второй закон Ньютона, первое начало термодинамики, закон сохранения массы и др. Трудность состоит в том, что применительно к жидкостям, движущимся на сфере (а таковыми в допустимом приближении являются и атмосферный воздух, и вода в океане), математическая запись этих законов существенно усложняется. Появляется необходимость использования так называемых дифференциальных уравнений в частных производных, решить которые привычным способом – аналитически, написав ответ в виде формулы, – невозможно. Здесь приходит на помощь специальный раздел математики – вычислительная математика. Ее методы позволяют с определенной точностью приблизить – аппроксимировать – дифференциальные уравнения с помощью алгебраических уравнений, аналитическое решение которых затрудняется уже лишь их количеством, которое и определяет точность аппроксимации.

Существуют разные способы аппроксимации дифференциальных уравнений, описывающих движение атмосферы и океана. Проще всего представить себе такой: вся атмосфера и весь океан разбиваются на слои (обычно толщина этих слоев значительно убывает по мере приближения к поверхности раздела атмосферы и океана); затем параллели и меридианы рассекают эти слои на «кубики», которых тем больше, чем меньшее угловое расстояние задается между параллелями и меридианами. Количество «кубиков» или, как их называют, ячеек характеризует пространственное разрешение модели. Чем больше размеры ячейки и, следовательно, меньше их общее число, тем грубее модель описывает реальные процессы, так как внутри ячейки никакие изменения не учитываются. К примеру, если в один «кубик» поместить всю Московскую область, то окажется, что во всех ее концах одна и та же температура и одинаковый по силе и направлению ветер. Решив таким образом сформированную систему алгебраических уравнений, мы получим набор (для каждой ячейки свой!) взаимосогласованных значений искомых климатических величин. Совокупность этих наборов характеризует состояние климатической системы в конкретный момент времени. Для того чтобы узнать, как изменятся значения величин в каждом из наборов через некоторый заданный промежуток времени, нужно снова решить ту же систему алгебраических уравнений, но на сей раз ее коэффициенты будут сформированы, исходя из уже вычисленных нами значений климатических величин и с учетом продолжительности заданного промежутка времени. Выбранный нами промежуток времени называется шагом модели по времени.

К сожалению, в соответствии с методами вычислительной математики, выбор величины шага по времени, как правило, жестко связан с размерами наших «кубиков», поэтому уменьшая габариты модельной ячейки (увеличивая количество алгебраических уравнений в системе), мы часто обрекаем себя на измельчение шага по времени, а значит, на рост объема вычислений, так как нашу систему придется решать большее число раз.

Многократно повторяя эту процедуру, можно вычислить последовательность наборов климатических величин, описывающих эволюцию состояния климатической системы. Выбор сетки – набора узлов, в которых нужно определить значения неизвестных (климатических элементов), – всегда компромисс между желанием сократить расстояние между узлами (тем самым улучшив точность расчетов, но значительно увеличив объем вычислений) и возможностями компьютера. Быстродействие в данном случае является определяющим фактором: скажите, кому нужен даже очень точный прогноз на завтра, если получен он будет не ранее, чем послезавтра? Не вдаваясь в подробности, заметим, что в современных глобальных климатических моделях расстояния между узлами составляют 200–300 км по горизонтали и около одного километра по вертикали в атмосфере и 50–200 км и 200–400 м соответственно в океане.

Системы таких алгебраических уравнений огромны, поэтому решать эти уравнения «вручную» невозможно, зато именно такие уравнения подвластны компьютерам. Для этого необходимо лишь представить их на «понятном» компьютеру языке – в виде компьютерной программы. Все остальное определяется только мощностью и быстродействием компьютера.

Задачу компьютеру можно облегчить разными способами, начиная с упрощения исходной системы уравнений (например, исключая описания процессов, которые в рамках поставленной задачи не очень важны), оптимизируя вычислительные алгоритмы (допустим, уменьшая пространственное разрешение модели) и кончая совершенствованием компьютерной программы (учитывая особенности используемого компьютера – количество работающих одновременно процессоров, объем оперативной памяти и т. д.).