Изучение связи первичной продукции и морского льда в арктических морях: оценки на основе малокомпонентной модели морской экосистемы

Работа направлена на дальнейшую разработку региональной совместной эко-термогидродинамической модели арктических морей с целью использования ее для лучшего понимания процессов взаимодействия динамических и экосистемных процессов в океане при изменяющемся климате в Арктике. В качестве термогидродинамического блока используется MITgcm, в качестве экосистемного — оригинальная 7-компонентная модель океанской биогеохимии пелагиали, включающей в себя углеродный цикл. Приводятся результаты модельного климатического расчета на 40-летний период для региона арктического шельфа (Карское, Баренцево и Белое моря). Полученные оценки пространственного распределения концентрации хлорофилла-а в поверхностном слое позволили яснее понять влияние морского льда на первичную продукцию в арктическом регионе, в том числе в условиях меняющегося климата, который приводит к заметному сокращению площади ледяного покрова в Северном Ледовитом океане. Получена связь между площадью маргинальной зоны льда и первичной продукцией: время наступления их весенне-летнего пика полностью совпадает при высоком коэффициенте корреляции (0.87), доказывая важность данной зоны в функционировании морской экосистемы. Межгодовая изменчивость средних за гидрологический год (с октября по сентябрь) интегральной первичной продукции и суммарной площади льда, как и ожидалось, демонстрирует противофазность, что позволяет утверждать, что малая ледовитость в предшествующую зиму является основной причиной увеличения первичной продукции в текущем году.

1. Pabi S., van Dijken G. L., Arrigo K. R. Primary production in the Arctic Ocean, 1998—2006 // J. Geophys. Res. 2008. 113. C08005. doi:10.1029/2007JC004578.

2. Research Fronts 2014: The National Science Library, Chinese Academy of Sciences, Thomson Reuters IP & Science, The Joint Research Center of Emerging Technology Analysis, 2014, 62 p.

3. Research Fronts 2016. Institutes of Science and Development, Chinese Academy of Sciences, The National Science Library, Chinese Academy of Sciences, Clarivate Analytics, 2016, 104 p.

4. Research Fronts 2017. Institutes of Science and Development, Chinese Academy of Sciences, The National Science Library, Chinese Academy of Sciences, Clarivate Analytics, 2017, 94 p.

5. Fasham M. J. R., Ducklow H. W., McKelvie S. M. A nitrogen-based model of plankton dynamics in the oceanic mixed layer // Journal of Marine Research. 1990. 48. 591—639.

6. Popova E. E., Yool A., Aksenov Y., Coward A. C., Anderson T. R. Regional variability of acidification in the Arctic: a sea of contrasts // Biogeosciences. 2014. 11. 293—308. doi:10.5194/bg-11-293-2014

7. Yool A., Popova E. E., Anderson T. R. Medusa-1.0: a new intermediate complexity plankton ecosystem model for the global domain // Geosci. Model Dev. 2011. 4. 381—417. doi:10.5194/gmd-4-381-2011

8. Yool A., Popova E. E., Anderson T. R. MEDUSA-2.0: an intermediate complexity biogeochemical model of the marine carbon cycle for climate change and ocean acidification studies // Geosci. Model Dev. 2013. 6. 1767—1811. doi:10.5194/gmd-6-1767-2013

9. Popova E. E., Yool A., Coward A. C., Aksenov Y. K., Alderson S. G., de Cuevas B. A., Anderson T. R. Control of primary production in the Arctic by nutrients and light: Insights from a high-resolution ocean general circulation model // Biogeosci. 2010. 7(11). 3569—3591. doi:10.5194/bg-7-3569-2010.

10. Popova E. E., Yool A., Aksenov Y., Coward A. C. Role of advection in Arctic Ocean lower trophic dynamics: a modeling perspective // J. Geophys. Res. Oceans. 2013. 118. doi:10.1002/jgrc.20126

11. Zhang J., Spitz Y. H., Steele M., Ashjian C., Campbell R., Berline L., Matrai P. Modeling the impact of declining sea ice on the Arctic marine planktonic ecosystem // J. Geophys. Res. 2010. 115. C10015. doi:10.1029/2009JC005387.

12. Kishi M. J. M. et al. NEMURO — A lower trophic level model for the North Pacific marine ecosystem // Ecol. Model. 2007. 202. 12—25.

13. Meibing Jin, Clara Deal, Sang H. Lee, Scott Elliott, Elizabeth Hunke, Mathew Maltrud, Nicole Jeffery. Investigation of Arctic sea ice and ocean primary production for the period 1992—2007 using a 3-D global ice–ocean ecosystem model // Deep-Sea Research II 2012. 81—84, 28—35.

14. Moore J. K., Doney S. C., Kleypas J. C., Glover D. M., Fung I. Y. An intermediate complexity marine ecosystem model for the global domain // Deep-Sea Res. 2002. II 49. 403—462.

15. Moore J. K., Doney S. C., Lindsay K. Upper ocean ecosystem dynamics and iron cycling in a global three-dimensional model // Global Biogeochem. Cycles 18. 2004. GB4028. doi:10.1029/2004GB002220.

16. Lebedeva L. P., Shushkina E. A., Vinogradov M. E. A dynamic model of the pelagic ecosystem of the Kara Sea // Oceanology. 1995. 34 (5). 661—666.

17. Аверкиев А. С. Моделирование формирования зоны высокой первичной продуктивности над поднятием дна в Баренцевом море при прохождении циклона // Вестник Северного (Арктического) Федерального Университета, Сер. Естественные науки. 2014. №3. С. 5—14.

18. Filatov N., Pozdnyakov D., Johannessen O. M., Pettersson L. H., Bobylev L. P. White Sea: Its marine Environment and ecosystem dynamics influenced by global change. Chichester: Springer-Praxis Publ., 2007. 476 р.

19. Толстиков А. В., Чернов И. А., Мурзина С. А., Мартынова Д. М., Яковлев Н. Г. Разработка комплекса GREEN JASMINE для изучения и прогнозирования состояния экосистем Белого моря // Труды Карельского научного центра РАН. 2017. № 5. С. 23—32.

20. Vichi M., Pinardi N., Masina S. A generalized model of pelagic biogeochemistry for the global ocean ecosystem. Part I: theory // Journal of Marine Systems. 2007a. 64. С. 89—109.

21. Vichi M., Masina S., Navarra A. A generalized model of pelagic biogeochemistry for the global ocean ecosystem. Part II: numerical simulations // Journal of Marine Systems, 2007b. 64. P. 110—134.

22. Sein D. V., Mikolajewicz U., Groger M., Fast I., Cabos W., Pinto J. G., Hagemann S., Semmler T., Izquierdo A., Jacob D. Regionally coupled atmosphere-ocean-sea ice-marine biogeochemistry model ROM: 1. Description and validation // J. Adv. Model. Earth Syst. 2015. 7. P. 268—304.

23. Marshall J., Adcroft A., Hill C., Perelman L., Heisey C. A finite-volume, incompressible navier-stokes model for studies of the ocean on parallel computers // J. Geophys. Res. 1997. 102(C3). 5753—5766. 1997.

24. Danilov S. Ocean modeling on unstructured meshes // Ocean Modelling. 69. 195—210. 2013. DOI: 10.1016/j.ocemod.2013.05.005

25. Hibler III W. D. A dynamic thermodynamic sea ice model // J. Phys. Oceanogr. 9. 815—846. 1979.

26. Hibler III W. D. Modeling a variable thickness sea ice cover // Mon. Wea. Rev. 1. 1943—1973. 1980.

27. Zhang J., Hibler III W. D. On an efficient numerical method for modeling sea ice dynamics // J. Geophys. Res. 102(C4). 8691—8702. 1997.

28. Losch M., Menemenlis D., Campin J.-M., Heimbach P., Hill C. On the formulation of sea-ice models. Part 1: Effects of different solver implementations and parameterizations // Ocean Modelling. 2010. 33(1–2), 129—144. doi:10.1016/j.ocemod.2009.12.008

29. Martyanov S. D., Dvornikov A. Yu., Gorchakov V. A., Losa S. N. Model estimates of the ecosystem contribution in the carbon dioxide exchange between the ocean and the atmosphere in the Barents Sea // Фундаментальная и прикладная гидрофизика. 2017. Т. 10, № 1. С. 11—16.

30. Zhang J. L., Rothrock D. A. Modeling global sea ice with a thickness and enthalpy distribution model in generalized curvilinear coordinates // Mon. Weather Rev. 2003. 131. P. 845—861.

31. Schweiger A., Lindsay R., Zhang J., Steele M., Stern H. Uncertainty in modeled arctic sea ice volume // J. Geophys. Res. 2011. 116, C00D06. doi:10.1029/2011JC007084.

32. Matrai P. and Bigelow Laboratory for Ocean Sciences (2011). Productivity, chlorophyll a, Photosynthetically Active Radiation (PAR) and other phytoplankton data from the Arctic Ocean, Bering Sea, Chukchi Sea, Beaufort Sea, East Siberian Sea, Kara Sea, Barents Sea, and Arctic Archipelago measured between 17 April, 1954 and 30 May, 2006 compiled as part of the Arctic System Science Primary Production (ARCSS-PP) observational synthesis project (NODC Accession 0063065). Version 1.1. National Oceanographic Data Center, NOAA. Dataset. (Дата обращения: 01.07.2015).

33. Radach G., Moll A. Review of three-dimensional ecological modelling related to the North Sea shelf system. Part II: model validation and data needs // Oceanography and Marine Biology: An Annual Review, 2006, 44, P. 1—60.

34. Kushnir V., Pavlov V., Morozov A., Pavlova O. “Flashes” of chlorophyll-a concentration derived from in Situ and remote sensing data at the Polar Front in the Barents sea // The Open Oceanography Journal. 2011. 5, P. 14—21.

35. Jin M., Deal C., Lee S. H., Elliott S., Hunke E., Maltrud M., Jeffery N. Investigation of Arctic sea ice and ocean primary production for the period 1992—2007 using a 3-D global ice–ocean ecosystem model // Deep-Sea Res. 2012. II. 81—84, 28—35.

36. Рябченко В. А., Горчаков В. А., Дворников А. Ю., Пугалова С. С. Оценки влияния ледового покрова на первичную продукцию фитопланктона в Баренцевом море (по результатам трехмерного моделирования) // Фундаментальная и прикладная гидрофизика. 2016. Т. 9, № 1. С. 41—51.