Scientific journal
Advances in current natural sciences
ISSN 1681-7494
"Перечень" ВАК
ИФ РИНЦ = 0,976
DYNAMICS OF GROWING SEASON LENGTH IN YAKUTIA
Введение
Изменение климата, проявляющееся в глобальном повышении температуры воздуха, оказывает существенное влияние на функционирование природных экосистем и хозяйственную деятельность человека. Одним из наиболее информативных индикаторов этих изменений в бореальных и арктических регионах является продолжительность вегетационного периода (Growing Season Length, GSL).
Современные климатические изменения на территории России сопровождаются существенной трансформацией термического режима, что зафиксировано в стратегических отчетных документах государственного уровня [1]. Исследования региональных откликов природной среды на потепление указывают на устойчивую тенденцию к изменению характеристик вегетационных периодов, что детально проанализировано на примере Предуралья [2]. Особое внимание в отечественной литературе уделяется динамике фенологических фаз и температурной обеспеченности в различных природно-почвенных зонах, в частности на территории Алтайского края [3; 4]. В то же время для регионов криолитозоны, таких как Якутия, вопросы адаптации растительных сообществ к сдвигам вегетационного сезона остаются крайне актуальными и требуют уточнения с учетом современных темпов изменения климата. Несмотря на наличие локальных фенологических наблюдений [5], в настоящее время сохраняется дефицит обобщающих работ, основанных на сопряженном анализе данных метеорологической сети за последние десятилетия и результатов верификации глобальных климатических моделей. В данной статье предпринимается попытка восполнить этот пробел, рассматривая динамику индекса GSL на всей территории Якутии с привлечением данных климатических моделей.
Существует несколько методов определения длительности вегетационного периода. Методики зависят от порогового значения среднесуточной температуры либо от вида растительности. В данной работе использовался критерий устойчивого превышения 5 °С, так как такой способ используется климатическими моделями при моделировании различных сценариев RCP (Representative Concentration Pathways).
Исследование динамики вегетационного периода (GSL) в условиях Северо-Востока России опирается на обширный массив данных о трансформации климата и ландшафтов криолитозоны. Фундаментальные тренды современного потепления в Якутии подробно проанализированы в работах А. Н. Горохова и А. Н. Федорова [6], где показана высокая региональная изменчивость термического режима и его отклик на глобальные вызовы. Вопросы верификации и региональной адаптации прогностических моделей CMIP для территории Якутии находят отражение в работах [7; 8], что создает необходимую методическую базу для сопоставления результатов глобального моделирования с данными метеорологической сети региона.
Наряду с изменением дат начала и окончания вегетации, важным показателем трансформации природной среды выступает динамика теплообеспеченности, в частности рост сумм активных температур выше 10 °С, зафиксированный в сопредельных с Якутией регионах, таких как Забайкальский край [9]. Процессы потепления ведут к существенному пересмотру границ физико-географических районов: современное районирование степных и лесостепных зон демонстрирует устойчивый дрейф изолиний увлажнения и теплообеспеченности в сторону усиления засушливости вегетационного периода [10]. В более высоких широтах, в условиях арктического усиления, данные дистанционного зондирования подтверждают значительную пространственно-временную изменчивость растительного покрова Сибири, что подчеркивает необходимость детального анализа региональных термических ресурсов для понимания эволюции северных ландшафтов [11].
Цель исследования – получение данных о динамике GSL по данным метеостанций и сравнение с данными климатических моделей.
Материалы и методы исследования
GSL определяется как интервал между первым днём весной (после 1 января), когда среднесуточная температура воздуха устойчиво превышала 5 °C в течение не менее 6 дней подряд, и первым днём осенью (после 1 июля), когда среднесуточная температура воздуха устойчиво опускалась ниже 5 °C в течение не менее 6 последовательных дней [12].
Данные среднесуточных температур с метеостанций Якутии были скачаны из архива [13]. Часть метеостанций была отсеяна, так как были пропуски в рядах наблюдений. Отобрано 15 метеостанций, у которых не было ни единого пропуска в данных среднесуточной температуры с мая по сентябрь, за 1951–2025 гг. Наличие тренда проверялось критерием Манна – Кендалла, а величина тренда оценивалась по критерию Тейла – Сена.
Информационной базой исследования послужил специализированный массив агроклиматических показателей, разработанный Службой по изменению климата «Коперник» для анализа взаимодействия в системе «растение – климат». Использованные климатические модели: MIROC-ESM-CHEM (Япония), IPSL-CM5A-LR (Франция), NorESM1-M (Норвегия), HadGEM2-ES (Великобритания), GFDL-ESM2M (NOAA, США). Эти пять моделей входят в набор данных агроклиматических показателей [12]. Данный датасет ориентирован на количественную оценку климатической изменчивости в терминах, применимых в сельскохозяйственном секторе и экологическом моделировании.
Пространственное разрешение модельных данных составляет 0,5 ° на 0,5 ° и значения в NC-файлах находятся в узлах сетки. Исторический период включает в себя 1951–2010 г., а прогнозный, по различным сценариям RCP, охватывает промежуток с 2011 по 2099 г. Для сравнения с данными метеостанций модельные данные извлекались из ближайшего узла сетки. Обработка и расчет производился в среде R Studio.
Результаты исследования и их обсуждение
Рассчитанные значения GSL по данным метеостанций приведены в табл. 1. Для каждой метеостанции выполнялась проверка ряда по критерию Манна – Кендалла на наличие монотонного тренда. На шести метеостанциях средняя GSL за весь период была выше 120 дней: Сунтар, Усть-Мая, Якутск, Олекминск, Исить и Витим. А наименьшая GSL наблюдается на метеостанции Чокурдах.
Сравнительный анализ (табл. 1) данных за 1961–1990 гг. и 1991–2020 гг. свидетельствует об устойчивой тенденции к увеличению продолжительности вегетационного периода (GSL) на всех исследуемых станциях, что подтверждает значительный отклик региональной климатической системы на глобальное потепление. В среднем рост показателя составил 6–9 дней, при этом наиболее выраженная динамика зафиксирована в центральных районах (Якутск, Исить, Олекминск), где современная продолжительность вегетации превысила 130 дней, тогда как на арктических станциях (Чокурдах) она остается минимальной, достигая лишь 68 дней. Параллельно с удлинением сезона на большинстве пунктов (за исключением Оймякона) наблюдается рост межгодовой изменчивости, что указывает на общую дестабилизацию климатического режима и повышение частоты экстремальных погодных явлений, создающих дополнительные риски для сельского хозяйства, несмотря на расширение тепловых ресурсов территории.
Помимо сравнительного анализа, интерес представляют параметры тренда. Есть ли монотонный тренд или нет? B если есть тренд, то его величина изменения. Для оценки направленности и значимости изменений GSL в работе использован непараметрический критерий Манна – Кендалла, а для расчета скорости изменений – оценка наклона Тейла – Сена (табл. 2). Выбор данных методов обусловлен их устойчивостью к выбросам (экстремальным значениям), отсутствием жестких требований к нормальности распределения временных рядов и высокой эффективностью при анализе «шумных» климатических данных. В отличие от метода наименьших квадратов, робастные оценки Тейла – Сена позволяют получить более надежную величину тренда в условиях высокой межгодовой волатильности вегетационного периода.
Таблица 1
Средняя длительность вегетационного периода
|
Индекс |
Название |
1951–2025 |
1961–1990 |
1991–2020 |
|||
|
GSL |
σ |
GSL |
σ |
GSL |
σ |
||
|
21946 |
Чокурдах |
66 |
18,3 |
62 |
19,8 |
68 |
18,3 |
|
24125 |
Оленек |
93 |
15,9 |
88 |
16,4 |
97 |
16,2 |
|
24266 |
Верхоянск |
104 |
12,4 |
102 |
13 |
105 |
12,6 |
|
24343 |
Жиганск |
105 |
12,7 |
100 |
11,5 |
108 |
14,4 |
|
24641 |
Вилюйск |
119 |
11,1 |
114 |
10,1 |
123 |
11,7 |
|
24688 |
Оймякон |
103 |
9,6 |
100 |
9,7 |
106 |
7,9 |
|
24738 |
Сунтар |
121 |
10,2 |
118 |
8,7 |
124 |
10,9 |
|
24944 |
Олекминск |
125 |
9,9 |
122 |
9,2 |
129 |
9,9 |
|
24951 |
Исить |
123 |
10 |
120 |
8,8 |
129 |
9,9 |
|
24959 |
Якутск |
127 |
10,6 |
124 |
8,6 |
132 |
11,4 |
|
24966 |
Усть-Мая |
127 |
10,1 |
126 |
10 |
132 |
9,6 |
|
30054 |
Витим |
124 |
10,5 |
120 |
9 |
128 |
11 |
|
30372 |
Чара |
118 |
11,6 |
116 |
12,2 |
122 |
11,1 |
|
30393 |
Чульман |
113 |
12,4 |
112 |
12,7 |
116 |
13,8 |
|
31004 |
Алдан |
114 |
10,3 |
112 |
9,5 |
116 |
11,4 |
Примечание: составлена автором на основе полученных данных в ходе исследования.
Таблица 2
Параметры тренда по данным метеостанций
|
Индекс |
Название |
p-value |
τ-Кендалл |
Тренд |
Величина тренда, дней/год |
|
21946 |
Чокурдах |
0,02821 |
0,175488 |
возрастающий |
0,21 |
|
24125 |
Оленек |
0,00178 |
0,250811 |
возрастающий |
0,24 |
|
24266 |
Верхоянск |
0,19959 |
0,104177 |
нет тренда |
– |
|
24343 |
Жиганск |
0,05533 |
0,155099 |
нет тренда |
– |
|
24641 |
Вилюйск |
0,00017 |
0,302091 |
возрастающий |
0,23 |
|
24688 |
Оймякон |
0,00270 |
0,241482 |
возрастающий |
0,16 |
|
24738 |
Сунтар |
0,00372 |
0,233373 |
возрастающий |
0,17 |
|
24944 |
Олекминск |
0,00002 |
0,34491 |
возрастающий |
0,22 |
|
24951 |
Исить |
0,00008 |
0,315991 |
возрастающий |
0,21 |
|
24959 |
Якутск |
0,00102 |
0,264744 |
возрастающий |
0,18 |
|
24966 |
Усть-Мая |
0,00247 |
0,243549 |
возрастающий |
0,18 |
|
30054 |
Витим |
0,00437 |
0,229551 |
возрастающий |
0,16 |
|
30372 |
Чара |
0,00040 |
0,285481 |
возрастающий |
0,20 |
|
30393 |
Чульман |
0,02045 |
0,186793 |
возрастающий |
0,14 |
|
31004 |
Алдан |
0,03624 |
0,169075 |
возрастающий |
0,12 |
Примечание: составлена автором на основе полученных данных в ходе исследования.
Проверка рядов GSL по критерию Манна – Кендалла выявила наличие статистически значимого тренда у 13 метеостанций (табл. 2). А у станций Верхоянск и Жиганск расчетное p-value > 0,05 что говорит об отсутствии тренда.
Дополнительно расчет GSL был проведен и для тех метеостанций, что имели незначительные единичные пропуски в рядах наблюдений суточных температур (рис. 1). Это позволило показать динамику GSL между климатическими периодами. Анализ динамики индекса GSL на территории Якутии свидетельствует о повсеместном удлинении вегетационного периода, составившем в среднем 6–10 дней при сравнении климатических периодов 1961–1990 и 1991–2020 гг. Наиболее выраженная положительная динамика зафиксирована на арктических станциях, таких как Саскылах и Бухта Амбарчик (прирост до 15–16 дней), что подтверждает эффект арктического усиления потепления, в то время как в центральных и южных районах (Якутск, Витим, Олекминск) наблюдается более умеренное увеличение продолжительности сезона в пределах восьми дней. Региональная дифференциация показателей позволяет выделить три зоны: арктическую с минимальным и крайне нестабильным GSL (43–77 дней), центральную континентальную (100–115 дней) и южную с максимальными значениями индекса, достигающими на станции Учур 136 дней.
На 9 метеостанциях наблюдается увеличение GSL больше 10 дней (рис. 1). На 23 станциях величина изменения была от 5 до 10 дней. И у 10 метеостанций увеличение GSL было менее 5 дней. Несмотря на общий тренд к потеплению, на большинстве станций, отмечается рост межгодовой изменчивости σ, указывающий на усиление нестабильности термического режима, при этом редкие локальные аномалии, такие как сокращение GSL на станции Хатырык-Хомо, подчеркивают значительную пространственную неоднородность климатических процессов в регионе.
Такое дифференцированное увеличение теплообеспеченности создает условия для экспансии лесной растительности в более высокие широты и трансформации биогеографических границ. Сопоставление полученных данных с ландшафтной картой региона подтверждает, что наиболее интенсивная трансформация климатического сигнала происходит в континентальных районах Центральной Якутии, где увеличение GSL выступает драйвером изменения геохимических циклов в мерзлотных таежных ландшафтах.
Рис. 1. Пространственное распределение изменений продолжительности вегетационного периода (GSL) на территории Якутии при сопоставлении климатических периодов 1991–2020 гг. и 1961–1990 гг.
На картосхеме точечными маркерами показано расположение метеорологических станций, цвет которых соответствует величине отклонения GSL в днях: синим цветом обозначены локальные зоны сокращения периода (ст. Хатырык-Хомо), оттенками красного – различная интенсивность удлинения вегетационного сезона (от 0 до более чем 15 дней). Гидрографическая сеть и градусная сетка (с шагом 10°) приведены для визуализации ландшафтной и широтно-долготной привязки объектов; в нижней левой части рисунка представлен линейный масштаб в километрах
Визуальный анализ (рис. 2) представленных временных рядов за 1951–2025 гг. подтверждает статистические выводы о преобладании положительных трендов GSL в регионе и выявляет отчетливую пространственную синхронность потепления, выраженную в одновременном подъеме значений индекса с конца 1980-х – начала 1990-х гг., что наиболее заметно в южной и центральной группах станций (Олекминск, Исить, Якутск, Витим). При этом графики отражают существенные различия в межгодовой изменчивости между ландшафтными зонами: для арктических территорий (Чокурдах, Оленек) характерна высокая амплитуда колебаний до 30–40 дней, свидетельствующая о нестабильности термического режима лесотундровых систем, тогда как в районах «полюса холода» (Оймякон, Верхоянск) ряды отличаются большей сбалансированностью при устойчивом росте показателей. Наблюдаемые на графиках пики указывают на частое возникновение аномально длинных вегетационных периодов, выходящих за пределы исторической нормы, в то время как единичные выбросы на станциях со сложным рельефом (Чара, Чульман), вероятно, обусловлены влиянием локальных мезомасштабных атмосферных процессов.
Рис. 2. Многолетняя динамика продолжительности вегетационного периода (GSL) на опорных метеостанциях Якутии за 1951–2025 гг. Примечание: составлен автором по результатам данного исследования
Таблица 3
Статистические метрики оценки моделей
|
Модель |
r(Пирсон) |
rmse |
CCC |
|
MIROC-ESM-CHEM |
0,66 |
17,6 |
0,64 |
|
IPSL-CM5A-LR |
0,65 |
18,6 |
0,62 |
|
NorESM1-M |
0,68 |
18,3 |
0,66 |
|
HadGEM2-ES |
0,66 |
18,1 |
0,62 |
|
GFDL-ESM2M |
0,70 |
16,1 |
0,67 |
Примечание: составлена автором на основе полученных данных в ходе исследования.
Выявленная пространственно-временная неоднородность динамики GSL определяет масштабную трансформацию структуры физико-географических поясов и ландшафтных зон на территории Якутии. Увеличение продолжительности теплого сезона выступает катализатором ландшафтообразующих процессов в криолитозоне: оно напрямую влияет на глубину сезонного протаивания деятельного слоя вечной мерзлоты, активизацию криогенных процессов и изменение водного баланса территорий. При планировании адаптационных мероприятий необходимо учитывать динамику биоклиматических показателей, в частности рост продолжительности вегетации, обусловленный изменением ключевых климатических переменных [14]. Сопряженный анализ широтных трендов GSL указывает на потенциальное смещение границ ландшафтных выделов и трансформацию биогеографических условий – от лесотундровых сообществ на севере до среднетаежных ландшафтов центральных районов. Таким образом, индекс GSL в условиях Северо-Востока России является интегральным индикатором динамического состояния геосистем, определяющим их отклик на глобальные климатические изменения.
У исследуемых климатических моделей, исторический период включается в себя 1951–2010 гг. А начиная с 2011 г. начинаются прогнозные значения по различным сценариям RCP, вплоть до 2099 г. Для верификации данные за исторический период сравнивались с данными 15 метеостанций. Посчитан коэффициент корреляции Пирсона, среднеквадратичной ошибки RMSE и коэффициент конкордации Лина.
Рис. 3. Статистически значимые коэффициенты корреляции Пирсона (p < 0,05) между модельными значениями и данными натурных наблюдений индекса GSL Примечание: составлен автором по результатам данного исследования
На графике представлены только пары «станция – модель», продемонстрировавшие математически достоверную связь; пустые области соответствуют статистически незначимым результатам. Интенсивность и цвет заливки ячеек отражают величину и направленность корреляции: синяя цветовая гамма соответствует положительной связи, оранжевая – отрицательной. По оси абсцисс указаны наименования климатических моделей, по оси ординат – индексы метеорологических станций; числовые значения внутри ячеек обозначают величину коэффициента корреляции
Статистическая верификация (табл. 3) пяти моделей CMIP6 выявила умеренную степень согласованности модельных данных с результатами натурных наблюдений. Наилучшую предсказательную способность продемонстрировала модель GFDL-ESM2M характеризующаяся минимальными значениями среднеквадратической ошибки и наиболее высокими коэффициентами конкордации Лина. Например, в работе [15] отмечено, что при верификации климатических реанализов, наиболее значимой метрикой является коэффициент конкордации (согласованности) Лина. Примечательно, что близость значений коэффициентов Пирсона и Лина для всех моделей указывает на отсутствие выраженных систематических смещений в расчетах, что подтверждает применимость данных моделей для описания региональной динамики вегетационного периода, несмотря на сохраняющуюся высокую межгодовую волатильность.
Подавляющее большинство ячеек на графике (рис. 3) остались пустыми, что подтверждает гипотезу о неспособности моделей адекватно воспроизводить межгодовую изменчивость вегетационного периода в конкретных географических точках Якутии. Общие удовлетворительные показатели корреляции по региону, полученные ранее, нивелируются при переходе к мезомасштабному анализу. Модель NorESM1-M показала наибольшее количество значимых связей (Вилюйск 24641, Сунтар 24738, Исить 24951, Якутск 24959). Примечательно, что корреляция на станции Вилюйск достигает максимума, что выделяет NorESM1-M как наиболее перспективную для локальной адаптации в данных ландшафтных условий.
Проведенная статистическая оценка показала, что высокая степень корреляции между модельными и натурными данными достигается лишь при интегральном расчете по всей совокупности станций региона, что объясняется способностью моделей адекватно воспроизводить общий широтный градиент и пространственную неоднородность климатических условий Якутии. Однако детальный анализ в локальном масштабе выявил, что для каждой метеостанции в отдельности коэффициенты корреляции остаются крайне низкими или статистически незначимыми. Это указывает на неспособность современных глобальных моделей воспроизводить специфическую межгодовую изменчивость дат начала и окончания вегетации в конкретных географических точках, что обусловлено грубым пространственным разрешением и недостаточным учетом мезомасштабных ландшафтных особенностей.
Заключение
По данным метеостанций наблюдается удлинение GSL между климатическими периодами, и только метеостанция Хатырык-Хомо показала незначительное уменьшение. Это показывает пространственную неоднородность изменения. По критерию Манна – Кендалла у 13 из 15 станций выявлено наличие положительного тренда. В арктической зоне (станции Чокурдах, Саскылах), в пределах типичных тундр и лесотундр, наблюдается наиболее высокая межгодовая вариативность GSL, что свидетельствует о нестабильности энергетического баланса на северном пределе распространения древесной растительности. В то же время в зоне средней и южной тайги (станции Олекминск, Исить, Якутск) зафиксированы наиболее устойчивые и статистически значимые темпы удлинения вегетации.
Отсутствие значимых связей на большинстве станций при наличии общего положительного тренда GSL подчеркивает, что климатические модели улавливают глобальное потепление как фон, но полностью игнорируют региональные факторы, определяющие конкретные даты начала и окончания вегетации в Якутии.
Библиографическая ссылка
Тимофеев М. А. ДИНАМИКА ПРОДОЛЖИТЕЛЬНОСТИ ВЕГЕТАЦИОННОГО ПЕРИОДА НА ТЕРРИТОРИИ ЯКУТИИ // Успехи современного естествознания. 2026. № 5. С. 51-58;URL: https://natural-sciences.ru/en/article/view?id=38515 (дата обращения: 01.06.2026).