ИСТИНА |
Войти в систему Регистрация |
|
ИСТИНА ИНХС РАН |
||
Проект направлен на решение проблемы детального понимания изменений климата на Русской равнине за последнее тысячелетие и вклада естественной и антропогенной составляющих в эти изменения. Ее решение важно для понимания функционирования климатической системы Земли и прогноза глобального и регионального климата. Основа проекта - реконструкции гидрометеорологических характеристик на Русской равнине по данным дендроклиматологии и климатического моделирования. В результате выполнения проекта будет создана сеть продолжительных (500-1000 лет) непрерывных региональных хронологий по ширине, оптической и анатомической плотности и изотопному составу δ13С древесины с абсолютной временной привязкой через образцы живых деревьев и с опорой на коллекции древесины из археологических раскопок и архитектурных памятников. Эти хронологии будут использованы для реконструкции температуры воздуха в нескольких ключевых районах (север Русской равнины, Костромская и Ярославская области, Московская и Калужская области, Поволжье и других) и созданы пространственные реконструкции для всего региона. Разработанный руководителем проекта метод прямой (без стандартизации) реконструкции климатических параметров по дендрохронологическим данным DIRECT (Matskovsky, Helama, 2016) будет использован для точечных реконструкций климатических параметров. Мы также планируем усовершенствовать Атлас засух Европейской России (Cook et al., 2020), созданный при нашем активном участии: в частности, построить новые и подлить и дополнить имеющиеся хронологии ширины годичных колец деревьев, чувствительных к засухам, провести их анализ в контексте исторических данных, а также использовать два альтернативных метода пространственных реконструкций для этого массива данных. Первый эксперимент заключается в замене метода регрессии на главные компоненты методом регрессии частных наименьших квадратов при построении реконструкций на основе метода поточечной регрессии (Point-by-point regression, Cook et al., 1999). Второй заключается в применении нейросетевых методов, а именно методов глубокого обучения (Deep learning) для пространственной реконструкции климатических параметров по распределенной сети древесно-кольцевых хронологий. Наш подход будет основан на совмещении методик поточечной регрессии и глубокого обучения. Мы сопоставим гидроклиматические реконструкции Атласа засух с результатами моделирования климата последнего тысячелетия, выполненных в рамках проекта PMIP (Paleoclimate Modelling Intercomparison Project) и выберем модель, наиболее точно воспроизводящую гидроклиматические условия Русской равнины в прошлом. На ее основе мы оценим изменения гидрометеорологических характеристик региона в 21 веке для различных сценариев эмиссии парниковых газов. Мы проведем сопоставление данных Атласа засух и реконструированных температур для теплых периодов прошлого с характеристиками современного климата на Русской равнине для оценки естественной и антропогенной составляющей в изменениях климата. В задачи проекта входит определение возраста архитектурных и археологических памятников на основе созданных региональных и локальных абсолютно датированных древесно-кольцевых хронологий. В процессе создания хронологий мы получим датировки уникальных объектов, имеющих историческую и культурную ценность. Важной составляющей проекта будет сохранение уникальных образцов, несущих информацию об изменениях окружающей среды в прошлом, которые смогут быть использованы в будущем для проведения новых видов анализа. Имея в виду масштабные реконструкции памятников деревянного зодчества, а также разрушение многих из них, эта задача имеет не только важное научное, но и социально-культурное значение. Все цели, поставленные в данном проекте, достижимы усилиями нашей группы, имеющей необходимую квалификацию, оборудование (включая ЦКП ИГРАН) и большой массив дендрохронологических данных, созданный в последние десятилетия.
The project aims to address the problem of detailed understanding of climate changes in the Russian plain over the past Millennium and the contribution of natural and anthropogenic components to these changes. Its solution is important for understanding of the functioning of the Earth's climate system and predicting the global and regional climate. The project is based on the reconstruction of hydrometeorological parameters on the Russian plain based on dendroclimatology and mathematical modeling. As a result of the project, a network of long-term (500-1000 years) continuous regional chronologies will be created in terms of width, optical and anatomical density and δ13C isotopic composition of wood with absolute time reference through samples of living trees and based on wood from archaeological collections and architectural monuments. These chronologies will be used to reconstruct the air temperature in several key regions (the North of the Russian plain, the Kostroma and Yaroslavl regions, the Moscow and Kaluga regions, the Volga region, etc.) and create spatial reconstructions for the entire region. The method developed by the project leader for direct (without standardization) reconstruction of climate parameters based on dendrochronological data DIRECT (Matskovsky, Helama, 2016) will be used for reconstructions of climate parameters. We also plan to improve the European Russia Drought Atlas (Cook et al., 2020), created with our active participation, in particular, to develop new and to update existing chronologies of the ring width that are sensitive to the droughts, to analyze them in the context of historical data, and to use two alternative methods of spatial reconstruction for this data set. The first experiment is to replace the Principal Components Regression method with the Partial Least Squares Regression method when constructing reconstructions based on Point-by-Point Regression (PPR, Cook et al., 1999). The second is the introduction of neural networks, namely deep learning, for spatial reconstruction of climate parameters using a distributed network of tree-ring chronologies. Our approach will be based on the combination of the Point-by-Point Regression and Deep Learning approaches. We will compare the hydroclimatic reconstructions of the Drought Atlas with the results of climate modeling of the last Millennium performed within the framework of PMIP (Paleoclimate Modeling Intercomparison Project). We will choose the model that most accurately reproduces hydroclimatic conditions of the Russian plain in the past. Based on this model, we will evaluate changes in the region's hydroclimatic conditions in the 21st century for various scenarios of greenhouse gases emissions. We will compare the data from the Drought Atlas and reconstructed temperatures for warm periods of the past with the characteristics of the current climate on the Russian plain to assess the natural and anthropogenic components in climate change. The project aims to determine the age of architectural and archaeological monuments based on the created regional and local absolutely dated tree-ring chronologies. In the process of creating chronologies, we will get the dates of unique objects that have historical and cultural value. An important component of the project will be the preservation of unique samples that carry information about environmental changes in the past. These samples can be used in the future for new types of analysis. Considering the large-scale reconstruction of wooden architecture monuments, as well as the destruction of many of them, this task is not only of great scientific, but also of socio-cultural significance. All the goals set in this project are achievable through the efforts of our group, which has the necessary qualifications, equipment (including the Center of Collective Use of IGRAS) and a large array of dendrochronological data collected in recent decades.
грант РНФ |
# | Сроки | Название |
1 | 11 января 2022 г.-31 декабря 2023 г. | Колебания климата Русской равнины в последнем тысячелетии по данным дендроклиматологии и климатического моделирования: реконструкции, сравнение, прогноз |
Результаты этапа: |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".