Выбросы углекислого газа из ретрогрессивных оползней при таянии многолетней мерзлоты в Сибири

ВВЕДЕНИЕ

Из-за глобального потепления температура воздуха в Арктике повышается почти в четыре раза быстрее, чем в среднем по миру [1]. Это ускоренное потепление является фактором, который сильно виляет на таяние многолетней мерзлоты на суше [2, 3], особенно на постепенное углубление подошвы активного (сезонно-талого) слоя [4, 5]. Кроме того, нарушения слоев грунта, изолирующих многолетнюю мерзлоту от воздействия атмосферного воздуха (в том числе при пожарах, изменениях динамики выпадения и таяния снега, других повреждениях верхних горизонтов грунтов или растительного покрова [6–8]) могут вызвать еще более быстрое оттаивание за счет дополнительных изменений теплового режима грунтов.

В особенности в местах с большим количеством сегрегированного и неравномерно распределенного подземного льда (больших ледяных жил, массивных остатков погребенного ледникового льда и пр.) таяние может привести к резкому изменению состояния и разрушению грунта, что приведет к довольно быстрым и даже внезапным изменениям ландшафта на территории распространения многолетней мерзлоты [9], например к возникновению и развитию термоэрозионных рытвин, ложбин, оврагов, долин [10], термокарстовых озер [11], береговой эрозии [12], ретрогрессивных оползней таяния (РОТ) [13].

И постепенное, и резкое таяние многолетней мерзлоты в регионах ее распространения приводят к масштабным ландшафтным изменениям и представляют угрозу арктическим сообществам людей, инфраструктуре, экосистемам и углеродным пулам. Но эти процессы различаются по пространственным и временным масштабам.

В настоящее время в глобальных климатических моделях учитывается только постепенное таяние многолетней мерзлоты.

Хотя постепенное таяние и затрагивает более крупные территории, чем резкое, но, по оценкам Турецкого с соавторами [14], выбросы парниковых газов в результате возможного резкого оттаивания увеличат высвобождение органического углерода из многолетнемерзлых грунтов примерно на 50% к 2300 году, что внесет существенный вклад в поступление парниковых газов из регионов распространения многолетней мерзлоты.

Общая площадь нарушений грунтов и изменений ландшафтов из-за таяния многолетней мерзлоты и вызванных этим изменений в процессах углеродного цикла до сих пор неясна.

Сочетание широкомасштабного дистанционного зондирования для определения масштабных изменений ландшафтов в результате таяния многолетнемерзлых грунтов с моделированием динамики углерода поможет количественно оценить последствия резкого таяния в континентальных масштабах. Например, Рунге с соавторами [15] оценили площадь РОТ, возникших в Сибири в 1999–2020 гг., на основе данных дистанционного зондирования с высоким разрешением, охватившего территорию площадью 8 млн км². Такие наборы данных дают уникальную возможность выполнить масштабирование измеренных в полевых условиях выбросов парниковых газов из РОТ с помощью численного моделирования.

Ретрогрессивные опозни таяния возникают в результате разрушений склонов из-за резкого оттаивания богатой льдом многолетней мерзлоты. Чаще всего они встречаются на берегах озер, рек и морей. РОТ – это образование с перемещением масс, которое после первоначального разрушения и обнажения богатых льдом грунтов состоит из подковообразной стенки отрыва, раскрытой к нижней части склона, и покрытого стекающей жидкой грязью дна, а также, часто, дренажного канала.

Процессы разрушения склонов, связанные с образованием и увеличением площади РОТ, обнажают многолетнемерзлые грунты, которые до этого были под землей в замерзшем состоянии сотни или тысячи лет. В ретрогрессивных оползнях таяния эти слои становятся частью сезонно-талого слоя и быстро разрушаются из-за термоэрозионных процессов, способствующих росту РОТ.

Потоки грязи, берущие начало на подковообразной стенке отрыва, текут по оттаивающему дну и обычно выходят через небольшие промоины в окружающую среду, расположенную ниже, например в озера, ручьи или Северный Ледовитый океан [16]. Как следствие, ранее бывшие в замерзшем состоянии органические вещества будут частично попадать в водные системы и подвергаться дальнейшим преобразованиям там [17, 18].

Кроме того, микроорганизмы начнут минерализовать оттаявшие органические вещества с выделением парниковых газов, таких как углекислый газ или метан [19]. Геоморфологические и биогеохимические процессы в РОТ обладают потенциалом гораздо более быстрого выделения парниковых газов из-за таяния многолетней мерзлоты, чем при постепенном углублении подошвы сезонно-талого слоя. Например, в Северо-Восточной Сибири, по оценкам Кноблауха с коллегами [19], выбросы CO₂ соответствуют высвобождению в среднем 160–180 г атомов углерода с 1 м² РОТ в год.

В данной статье речь пойдет о выбросах CO₂ из оттаявших при развитии РОТ грунтов, которые не были перемещены в водные системы.

В континентальном и глобальном масштабе отсутствуют детальные оценки выбросов CO₂ из РОТ на основе комбинированных полевых исследований, дистанционного зондирования и моделирования. В этом исследовании авторы интегрировали модель динамического разложения органических веществ с картой недавнего дистанционного зондирования и с базой данных по органическому углероду в почвах, чтобы оценить недавние выбросы углекислого газа из РОТ в Сибири. Была поставлена цель решить следующие исследовательские вопросы.

1. Каково количество ранее находившихся в замороженном состоянии органических веществ в грунтах, ставших доступными для минерализации в результате недавнего развития РОТ, в континентальном масштабе в Сибири?

2. Сколько CO₂ было выброшено из РОТ в атмосферу Сибири за последнее время (в 1999–2020 гг.)?

3. Оказывает ли эта предполагаемая дополнительная эмиссия углерода в атмосферу какое-либо влияние на глобальный углеродный цикл?

МЕТОДЫ

Оценка уровней минерализации органических веществ в РОТ

Авторы оценили количество ежегодно минерализуемого органического вещества с выбросом в атмосферу CO₂, используя динамическую модель разложения первого порядка из двух пулов, реализованную в программе MathWorks MATLAB R2022b в соответствии с работами [20, 21]. Параметры модели были взяты из работы [22]. Чтобы учесть сезонность температуры грунта и ее вертикальное распределение, авторы приняли, что константа скорости разложения k зависит от температуры в соответствии с моделью Q₁₀:

где k_ref – значения параметра, взятые из работы [22]; T_ref – соответствующая температура (4 °C). Было принято, что параметр Q равен 2 [23, 24].

Авторы применили эту модель ко всем обнаруженным РОТ на всей исследуемой территории в Сибири.

В качестве входных данных для модели требовалось несколько переменных (подробнее о которых будет рассказано позже): местоположение и площадь РОТ; сезонность средней температуры верхнего слоя грунта и залегающих дальше от поверхности грунтов; исходные запасы органического углерода в этих грунтах.

Учитывая доступные данные о температуре грунтов, авторы провели расчеты при размерах ячеек сетки 0,5°. Сначала была построена сетка с ячейками по 0,5°. Для каждой ячейки была определена доля площади РОТ, среднемесячные значения температуры верхнего слоя грунта и залегающих глубже грунтов, а также исходное содержание органических веществ в этих грунтах. Затем была построена и запущена динамическая модель с использованием указанных граничных условий.

Была учтена неопределенность параметров модели с использованием всех 48 наборов параметров из работы [22] для голоценовых и плейстоценовых отложений Курунгнаха (дополнительный материал). Неопределенность поправки на площадь РОТ и запасов органических веществ выражалась через стандартные (среднеквадратичные) отклонения. Для каждой ячейки сетки была сделана повторная выборка нормального распределения, представляющего эти стандартные отклонения и средние значения площади и запасов органических веществ с использованием вектора из десяти значений для обеих переменных. В итоге 4800 раз были оценены выбросы углерода для каждой ячейки и зарегистрированы средние значения и стандартные отклонения для всех результатов по данным для всех ячеек сетки.

Оценка площади РОТ

На карту всей Северо-Восточной Сибири были нанесены активные РОТ, чтобы определить: распространение РОТ в континентальном масштабе; годовую динамику таяния с 1999 по 2020 год; площадь территории, на которую в настоящее время влияет быстрое оттаивание из-за РОТ.

Для достижения этих целей авторы применили основанный на снимках со спутника Landsat инструмент (алгоритм) анализа трендов изменений LandTrendr, который выполняет спектрально-временную сегментацию временнЫх рядов данных для идентификации возникновения нарушений и периодов восстановления из ежегодных мозаик снимков Landsat [25]. Этот алгоритм был интегрирован в платформу сервиса геопространственной обработки Google Earth Engine, то есть реализован как инструмент LandTrendr-Google Earth Engine (LT-GEE) [26]. Авторы адаптировали и параметризовали алгоритм LT-GEE так, чтобы он был чувствителен к спектральным изменениям, связанным с динамикой таяния РОТ, и для обнаружения годовой динамики таяния в Северо-Восточной Сибири [15].

Сначала авторы расширили объем данных, добавив к изображениям со спутника Landsat также снимки со спутника Sentinel-2 для улучшения охвата исследуемой территории в высоких северных широтах [27] и применили корректировку спектральных диапазонов для гармонизации ежегодных мозаик снимков со спутников Landsat и Sentinel-2 [28].

Затем были созданы наборы достоверных данных об отдельных РОТ на исследуемой территории с помощью программы для синхронизации системного времени TimeSync [29], чтобы выполнить параметризацию для запуска алгоритма LT-GEE на основе такого преобразования снимков, как преобразование Каута – Томаса (методом «колпак с кисточкой»), с определением вегетационного индекса, необходимого для дешифрирования и отделения изображений зеленой вегетирующей растительности от изображений других объектов [30].

И наконец, для исследуемой территории была проведена обработка снимков за период 1999–2020 гг. по алгоритму LT-GEE с указанной параметризацией.

Кроме того, были выполнены пространственная маскировка и бинарная классификация, чтобы ограничить результаты использования LT-GEE выявлением РОТ и исключить другие объекты с аналогичными спектральными характеристиками (например, следы от пожаров и оползни другого рода). При этом адаптированный алгоритм LT-GEE определяет изменение спектральных характеристик, связанное с изменением поверхности земли от нетронутой растительности до оголенного грунта из-за оттаивания в течение оцениваемого периода.

Таким образом, полученные результаты выявили первичные и повторно инициированные активные РОТ, а также латеральный рост РОТ с 2000 по 2019 год.

Использованный подход к картированию не может обнаружить и учесть старые, стабилизированные и вновь заросшие растительностью РОТ, поскольку их спектральные характеристики сильно отличаются. Кроме того, он не учитывает стабилизацию, зарастание растительностью РОТ в течение периода оценки.

Всего было выявлено 50895 активных РОТ, что к 2020 году затронуло общую площадь 868 км².

Нанесенные на карту активные РОТ различались по размеру. Их средняя площадь составила 1,7 га. Наименьший и наибольший по площади РОТ заняли 0,36 и 15 га соответственно. Эти ограничения необходимо было применять для обеспечения надежного картографирования РОТ.

Указанные размеры РОТ в целом хорошо согласовывались с результатами других исследований, в которых говорилось, что размеры РОТ варьируют от 0,15 до 52 га [31–34].

Существует небольшое отклонение в сторону более крупных РОТ для снимков со спутника Landsat с пространственным разрешением 30 м, но наиболее часто встречающиеся размеры РОТ охватываются и в этом случае.

Временной анализ динамики быстрого оттаивания первоначально показал устойчивое увеличение общей площади территорий, затронутых РОТ, в Северо-Восточной Сибири, причем более резкое увеличение началось в 2016 году и продолжается до сих пор [15].

Общая площадь РОТ, оцененная по снимкам со спутников Landsat и Sentinel-2 (с разрешением 30 м), затем была подтверждена с помощью мультиспектральных изображений с очень высоким разрешением (ОВР, 5 м), которые были получены от группы спутников RapidEye для всей исследуемой территории за 2018 и 2019 годы. Результирующие отклонение и диапазон неопределенности для обработанных снимков с разрешением 30 м использовались для корректировки первоначальной оценки площади РОТ.

Мультиспектральные изображения ОВР имеют ограничения из-за часто присутствующего облачного покрова и большой исследуемой площади. Поэтому авторы выполнили валидацию результатов на пяти целевых участках по всей исследуемой территории.

Оценка запасов органического углерода в грунтах при размерах ячеек сетки 0,5°

Данные о пространственном распределении запасов органического углерода в почвах были взяты из версии 2 базы данных «Северный циркумполярный почвенный углерод» (Northern Circumpolar Soil Carbon Database, version 2 – NCSCDv2) [35, 36]. Этот набор данных был создан путем объединения грунтовых разрезов по полевым данным с несколькими картами национальных или региональных классификаций почв северного региона распространения многолетней мерзлоты. Данные по различным типам почв были оцифрованы, представлены в виде географической информационной системы (ГИС) и согласованы с общепринятой схемой классификации почв по «Таксономии почв Министерства сельского хозяйства США» [37].

В региональном масштабе данные почвенной карты затем было связаны с данными почвенных профилей, общее количество которых n составило 1778, для расчета запасов органического углерода в почвах для различных стандартных интервалов глубины. Затем данные были распределены по сетке с несколькими разными разрешениями (размерами ячеек сетки).

Для анализа в этом исследовании использовались данные для глубины 0–100 см при размере ячейки сетки 0,5°. При этом 30 и 70% общих запасов органических веществ в пределах 0–100 см от поверхности были отнесены к запасам верхнего слоя грунта и находящихся глубже грунтов соответственно.

Профиль температуры грунта при размере ячейки сетки 0,5°

Временные ряды профилей температуры в ячейках сетки размером 0,5°, попадающих в пределы РОТ, за период 1991–2010 гг. были оценены с помощью панарктического моделирования с использованием модели поверхности суши JSBACH. Эта модель недавно была усовершенствована за счет включения процессов в холодных регионах [7, 38, 39]. Для данного исследования авторы использовали версию модели, которая не учитывает слой лишайников и мохообразных, поскольку такой слой отсутствует на нарушенных участках РОТ. Всего в неявной численной схеме для решения уравнения теплопроводности с фазовым переходом было использовано пять динамических слоев снега и семь слоев грунтов.

Мощность слоев грунта с активными температурным и гидрологическим режимами увеличивается от 6 см у поверхности до 30 м для нижнего слоя, достигая общей глубины 53 м. Горизонтальное разрешение результатов моделирования составляет 0,5°, что соответствует разрешению данных о климатическом воздействии. Модель JSBACH интерполирует ежедневные данные о климатическом воздействии в получасовые значения, что является внутренним временнЫм шагом модели. Набор климатических данных с шагом 0,5° за период 1901–2100 гг. представляет собой комбинацию наборов данных, основанных на наблюдениях и повторном анализе, а также результатов использования «Модели систем Земли» (Earth System Model). Подробная информация о наборе данных и методе коррекции погрешностей приведена в работе [39].

Эта версия модели оценивалась с точки зрения физических процессов в холодных регионах на уровне участков и в панарктическом масштабе многими исследователями [6, 7, 38, 39], а также, в частности, для конкретного РОТ в Северо-Восточной Сибири [19]. Для оценки минерализации гетеротрофного органического вещества авторы усредняли температуру для наружного (0–30 см) и залегающих глубже (30–100 см) грунтов для каждой ячейки сетки. Хотя температура грунтов может сильно варьировать между и внутри РОТ из-за ориентации и экспозиции склона [40], здесь авторы использовали среднее значение для ландшафта при размере ячейки сетки 0,5°, чтобы охватить сезонность и крупномасштабные колебания температуры грунтов.

ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ

Коррекция площади РОТ

Сопоставление идентифицированных РОТ с изображениями ОВР показало, что средняя недооценка площади, подверженной быстрому оттаиванию, должна была составить к 2020 году 32,5% со стандартным отклонением 26%. Эту недооценку при использовании алгоритма LT-GEE можно объяснить тремя причинами.

Во-первых, пространственные разрешения объединенных наборов данных, полученных со спутников Landsat и Sentinel-2 (30 м), и изображений ОВР, полученных с помощью группы спутников RapidEye, различаются на один порядок, что приводит к пробелам в площади, особенно на границах отдельных РОТ из-за размера пикселя 30 м.

Во-вторых, авторы в целом недооценивали площадь, на которую влияют РОТ в Северо-Восточной Сибири, из-за ограничения минимальной картографической единицей в 0,36 га. РОТ – это в целом мелкомасштабные нарушения с типичными размерами от 0,15 га до нескольких гектаров [32, 33]. Из-за этого подход авторов к составлению карт с помощью алгоритма LT-GEE не учитывал нарушения меньших масштабов.

В-третьих, оценивалась только динамика активных РОТ в период с 1999 по 2020 год [15], а динамика таяния до периода оценки не могла быть учтена с помощью LT-GEE. Однако при определении границ ретрогрессивных оползней таяния их площадь на изображениях ОВР, полученных с помощью группы спутников RapidEye, полностью включала нарушения, а также в основном включала пути потоков талой грязи и их отложений, поскольку они считаются частью РОТ. Поскольку эти участки были нарушены до 1999 года или, как в случае с путями потоков талой грязи и их отложений, постоянно остаются нарушенными со спектральной точки зрения (нет изменений при переходе от нетронутой растительности к оголенному грунту), эти участки (возникновение которых могло предшествовать 1999 году) не были зарегистрированы как нарушения с помощью LT-GEE с 1999 по 2020 год.

Поэтому авторы скорректировали площадь каждого отдельного РОТ на указанное отклонение величиной 32±26%, в результате чего общая площадь РОТ составила 1145±2,5 км².

Доступность органического углерода для разложения в зонах РОТ

На основе базы данных NCSCDv2 авторы оценили количество органического углерода в верхнем метре грунтов отдельно для каждого РОТ. Из-за экспоненциального распределения площадей РОТ [15] общее количество органического углерода в наружном метре грунтов также следует этому распределению (рис. 1, а).

Абсолютное количество органического углерода в верхнем метре каждого РОТ находится в пределах от 0,05x10⁶ до 43x10⁶ кг (в среднем 1,25x10⁶ кг). Согласно этому подходу в настоящее время в наружном метре грунта во всех закартированных сибирских РОТ в общей сложности присутствует 29 Тг (29x10⁹ кг) атомов органического углерода.

Среднее содержание органического углерода на 1 м² исследуемых площадей показано на рисунке 1, б. Это прямая выборка для отдельных РОТ из базы данных NCSCDv2. Важно отметить высокое содержание органического углерода в грунтах: Западно-Сибирских низменностей (в торфяниках); едом Якутии и Дальнего Востока (плосковершинных возвышенностей останцового типа, окруженных аласами) [41]; долин рек (вследствие неоднократных отложений аллювия). В южных горных районах содержание органического углерода ниже, что необходимо учитывать при общих оценках выбросов CO₂.

Рис. 1. Оцененное содержание органического углерода в верхнем метре грунта (СОУ) каждого РОТ: а – гистограмма СОУ, оцененного для каждого РОТ; б – пространственные детали среднего СОУ на 1 м² в плане

Температура грунтов РОТ

Автономное моделирование с помощью модели земной поверхности JSBACH показало, что текущие температуры наружного слоя грунта (0–30 см) составляют 0–12 °C летом (в июне – июле – августе) с выраженными градиентами по широте и долготе (рис. 2, a). Температура грунта выше 10 °C на юге Западной Сибири и в Якутии является причиной значительного выделения CO₂.

Температура грунтов на глубине от поверхности в среднем 30–100 см в северных регионах может быть и ниже точки замерзания в зависимости от мощности сезонно-талого слоя (рис. 2, б). Это может ограничить разложение органических веществ. Однако многие РОТ имеют летом положительную температуру грунтов на глубине 30–100 см (см. рис. 2, б).

Рис. 2. Результаты моделирования средней температуры каждого РОТ за июнь – июль – август в грунтах на глубине 0–30 см (a) и в грунтах на глубине 30–100 см (б) за период 1991–2010 гг.

Выбросы углекислого газа из РОТ

Применяя модель динамического разложения к доступным для тепла органическим веществам с учетом конкретной температуры наружного слоя грунтов и грунтов, находящихся глубже, авторы оценили минерализацию органических веществ, в среднем соответствующую выделению 367±213 г атомов углерода с 1 м² РОТ в год (рис. 3). Это соответствует общему выбросу 0,42±0,22 Tг атомов углерода в составе CO₂ в год из всех РОТ Сибири (1 тераграмм=10⁹ кг=10¹² г).

Рис. 3. Оцененные среднегодовые выбросы углекислого газа из РОТ в период 1991–2010 гг., выраженные в граммах атомов углерода в год с 1 м²

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

Таяние богатой льдом многолетней мерзлоты может привести к резким термокарстовым явлениям, термоэрозии и существенным изменениям в геоморфологии ландшафтов. На территориях с наличием склонов эти процессы могут привести к образованию РОТ, что делает ранее находившиеся в замерзшем состоянии (часто много тысяч лет) органические вещества доступными для микробиологических процессов разложения из-за того, что содержащие их грунты быстро оказываются обнаженными и доступными для оттаивания в летний сезон.

Является ли такое широко распространенное и часто резкое локальное явление, как возникновение и развитие РОТ, важным в континентальном масштабе для глобального углеродного цикла? Чтобы ответить на этот вопрос, авторы впервые объединили несколько новых наборов данных о РОТ (результаты дистанционного зондирования, базу данных по содержанию углерода в почвах, результаты исследований продуцирования CO₂) с динамическим моделированием для оценки недавних выбросов углерода из сибирских РОТ.

Полученные результаты показали, что РОТ являются мощными локальными источниками выбросов углекислого газа в атмосферу. Средний уровень выбросов углерода в составе CO₂ составляет 367±213 г атомов углерода с 1 м² РОТ в год, что резко контрастирует с небольшим высвобождением органического углерода из других участков тундры в изучаемом регионе [42]. Однако площадь воздействия недавно возникших РОТ в Сибири, составляющая 868 км², недостаточно велика для того, чтобы соответствующие выбросы углекислого газа могли сказаться на глобальном углеродном цикле. Оцененные общие для всех сибирских РОТ выбросы углерода величиной 0,42 Тг/год (1 тераграмм=10⁹ кг) на четыре порядка ниже, чем ежегодные антропогенные выбросы углерода, составляющие около 10,6 Пг/год (1 петаграмм = 10¹² кг) [43].

Тем не менее большое количество CO₂, выбрасываемого на относительно небольшой, но быстро растущей территории РОТ, вызывает беспокойство по поводу будущих сценариев – если нынешняя тенденция быстрого увеличения количества и площади РОТ с 2016 года сохранится и в дальнейшем.

Увеличение площади РОТ в Северной Сибири с 1999 по 2019 год превысило 331% [15]. Столь значительные темпы роста сибирских РОТ сопоставимы с высокими темпами, наблюдающимися в последние десятилетия в более мелких регионах Северо-Западной Канады, таких как район дельты реки Маккензи (от 2 до 407% с 1950-1960-х годов по 2004–2008 годы) [44] или канадский остров Бэнкс (6370% с 1984 по 2015 год) [45].

Если принять постоянную площадь РОТ и постоянное количество связанных с ней доступных для разложения органических веществ в будущем, то, по оценкам, выбросы CO₂ из всех сибирских РОТ будут включать 0,54 Тг углерода в год в конце XXI века из-за роста температуры грунтов по сценарию RCP8.5 (в среднем 481 г углерода из грунта глубиной до 1 м для одного РОТ).

Это означает, что будущее повышение температуры грунтов окажет не такое уж большое влияние на выбросы CO₂ из одного РОТ. Однако общая площадь всех РОТ может резко измениться при продолжающемся потеплении климата, особенно в высоких широтах Арктики (многие недавние исследования предполагают тесную связь между быстрым таянием многолетней мерзлоты и такими климатическими явлениями, как экстремальные летние температуры или атмосферные осадки) [32, 45–49].

Еще одним важным аспектом является то, что объемы РОТ трудно оценить по данным дистанционного оптического зондирования. Требуются цифровые данные по высотным отметкам, которые позволяют более детально оценивать объемы мобилизованных отложений и углерода [49]. Основываясь на сценарии RCP8.5, Турецкий с соавторами [50] предположили увеличение панарктической площади всех РОТ с 1797 км² в 2000 году до 15725 км² в 2025 году и до 62933 км² в 2100 году (RCP8.5). Если принять, что эта площадь составит 62933 км² в 2100 году, то прогнозные выбросы в атмосферу из РОТ к концу XXI века составят около 30,2 Тг углерода в год.

Использование линейной модели увеличения от 0,4 до 30,2 Тг углерода в год в течение 80 лет даст общее количество углерода, которое может выбрасываться в атмосферу только из панарктических РОТ, равное 1,2 Пг в год. Это число ниже, чем 4,4 Пг углерода в год, оцененное Турецким с соавторами [50], но подтверждает порядок ранее опубликованной величины, а также то, что РОТ могут внести весьма заметный вклад в будущее выделение углекислого газа в результате таяния многолетней мерзлоты.

Эти приблизительные оценки показывают, что основной источник неопределенности прогноза будущих выбросов парниковых газов из РОТ связан с высокой неопределенностью общей площади РОТ в будущем. Поэтому необходимы дальнейшие исследования по динамическому моделированию содержания сегрегированного льда в многолетнемерзлых грунтах и связанных с ним термоэрозионных процессов.

ЗАКЛЮЧЕНИЕ

РОТ в Сибири представляют собой места активного выброса углекислого газа в атмосферу. По сути, проседание и боковая термоэрозия в РОТ после таяния богатых льдом многолетнемерзлых грунтов изменяют углеродный баланс экосистем, находящихся под влиянием многолетней мерзлоты, от небольшого поглощения до мощной эмиссии CO₂.

В глобальном масштабе недавние выбросы углерода из всех РОТ незначительны по сравнению с другими процессами глобального углеродного цикла. Однако в будущем они могут стать более существенными в зависимости от динамики возникновения и роста РОТ на территориях распространения богатой льдом многолетней мерзлоты.

ДОСТУПНОСТЬ ДАННЫХ

Данные, подтверждающие выводы, сделанные в этом исследовании, находятся в открытом доступе по адресу: zenodo.org/record/7552550 (doi.org/10.5281/zenodo.7552550).

-

Авторы благодарны за финансовую поддержку со стороны фондов DFG-BE 6485/1-1, DFG-BE 6485/4-1, программы ESA CCI, программы ESA CCI+Permafrost (проекта EU Horizon 2020 Arctic Passion, гранта № 101003472), проекта BMBF KoPf Synthesis (гранта 03F0834B), а также за поддержку со стороны Министерства образования и науки Германии (проекта KOPF-Synthesis Project 03F0834A) и кластера передового опыта Гамбургского университета CLICCS (EXC2037/1). Авторы также признательны за техническую поддержку CEN-IT –центрального поставщика IT-услуг Центра исследований систем Земли и устойчивого развития Гамбургского университета.

ИСТОЧНИК ДЛЯ ПЕРЕВОДА

Beer Ch., Runge A., Grosse G., Hugelius G., Knoblauch C. Carbon dioxide release from retrogressive thaw slumps in Siberia // Environmental Research Letters. Vol. 18. № 10. Article 104053. IOP Publishing Ltd, 2023. DOI: 10.1088/1748-9326/acfdbb. URL: iopscience.iop.org/article/10.1088/1748-9326/acfdbb; iopscience.iop.org/article/10.1088/1748-9326/acfdbb/pdf

СПИСОК ЛИТЕРАТУРЫ, ИСПОЛЬЗОВАННОЙ АВТОРАМИ ПЕРЕВЕДЕННОЙ СТАТЬИ

1. Rantanen M., Karpechko A.Y., Lipponen A., Nordling K., Hyvдrinen O., Ruosteenoja K., Laaksonen A., Laaksonen A. The Arctic has warmed nearly four times faster than the globe since 1979 // Commun. Earth Environ. 2022. Vol. 3. Article 168.
2. Biskaborn B.K. et al. Permafrost is warming at a global scale // Nat. Commun. 2019. Vol. 10. Article 264.
3. Smith S.L., O’Neill H.B., Isaksen K., Noetzli J., Romanovsky V.E. The changing thermal state of permafrost // Nat. Rev. Earth Environ. 2022. Vol. 3. P. 10–23.
4. Park H., Kim Y., Kimball J.S. Widespread permafrost vulnerability and soil active layer increases over the high northern latitudes inferred from satellite remote sensing and process model assessments // Remote Sens. Environ. 2016. Vol. 175. P. 349–358.
5. Peng S. et al. Simulated high-latitude soil thermal dynamics during the past 4 decades // Cryosphere. 2016.Vol. 10. P. 179–192.
6. Porada P., Ekici A., Beer C. Effects of bryophyte and lichen cover on permafrost soil temperature at large scale // The Cryosphere. 2016. Vol. 10. P. 2291–2315.
7. Beer C., Porada P., Ekici A., Brakebusch M. Effects of short-term variability of meteorological variables on soil temperature in permafrost regions // Cryosphere. 2018. Vol. 12. P. 741–757.
8. Heim B., Lisovski S., Wieczorek M., Morgenstern A., Juhls B., Shevtsova I., Herzschuh U., Boike J., Fedorova I., Herzschuh U. Spring snow cover duration and tundra greenness in the Lena Delta, Siberia: two decades of MODIS satellite time series (2001–2021) // Environ. Res. Lett. 2022. Vol. 17. Article 085005.
9. Nitzbon J., Westermann S., Langer M., Martin L.C.P., Strauss J., Laboor S., Boike J. Fast response of cold ice-rich permafrost in northeast Siberia to a warming climate // Nat. Commun. 2020. Vol. 11. Article 2201.
10. Morgenstern A., Overduin P.P., Gunther F., Stettner S., Ramage J., Schirrmeister L., Grosse G., Grosse G. Thermo-erosional valleys in Siberian ice-rich permafrost //  Permafr. Periglac. Process. 2021. Vol. 32. P. 59–75.
11. Grosse G., Robinson J.E., Bryant R., Taylor M.D., Harper W., DeMasi A., Harden J.W. Distribution of late Pleistocene ice-rich syngenetic permafrost of the Yedoma Suite in east and central Siberia, Russia: Open File Report 2013-1078. U.S. Geological Survey, 2013. P. 37.
12. Gunther F., Overduin P.P., Sandakov A.V., Grosse G., Grigoriev M.N. Short- and long-term thermo-erosion of ice-rich permafrost coasts in the Laptev Sea region // Biogeosciences. 2013. Vol. 10. P. 4297–4318.
13. Burn C.R., Lewkowicz A.G. Canadian landform examples – 17 retrogressive thaw slumps // Can. Geogr. 1990. Vol. 34. P. 273–276.
14. Turetsky M. et al. Permafrost collapse is accelerating carbon release // Nature. 2019. Vol. 569. P. 32–34.
15. Runge A., Nitze I., Grosse G. Remote sensing annual dynamics of rapid permafrost thaw disturbances with LandTrendr  // Remote Sens. Environ. 2022. Vol. 268. Article 112752.
16. Lantuit H., Pollard W.H. Temporal stereophotogrammetric analysis of retrogressive thaw slumps on Herschel Island, Yukon Territory // Nat. Hazards Earth Syst. Sci. 2005. Vol. 5. P. 413–423.
17. Beel C.R., Lamoureux S.F., Orwin J.F., Pope M.A., Lafreniиre M.J., Scott N.A. Differential impact of thermal and physical permafrost disturbances on high Arctic dissolved and particulate fluvial fluxes // Sci. Rep. 2020. Vol. 10. Article 11836.
18. Kokelj S.V., Kokoszka J., van der Sluijs J., Rudy A.C.A., Tunnicliffe J., Shakil S., Zolkos S., Zolkos S. Thaw-driven mass wasting couples slopes with downstream systems, and effects propagate through Arctic drainage networks // Cryosphere. 2021. Vol. 15. P. 3059–3081.
19. Knoblauch C., Beer C., Schuett A., Sauerland L., Liebner S., Steinhof  A., Grigoriev M.N., Faguet A., Pfeiffer E.-M. Carbon dioxide and methane release following abrupt thaw of Pleistocene permafrost deposits in Arctic Siberia // J. Geophys. Res. 2021. Vol. 126. Article e2021JG006543.
20. Andren O., Katterer T., ICBM: the introductory carbon balance model for exploration of soil carbon balances // Ecol. Appl. 1997. Vol. 7. P. 1226–1236.
21. Beer C., Knoblauch C., Hoyt A.M., Hugelius G., Palmtag J., Mueller C.W., Trumbore S. Vertical pattern of organic matter decomposability in cryoturbated permafrost-affected soils // Environ. Res. Lett. 2022. Vol. 17. Article 104023.
22. Knoblauch C., Beer C., Sosnin A., Wagner D., Pfeiffer E.-M. Predicting long-term carbon mineralization and trace gas production from thawing permafrost of Northeast Siberia // Glob. Change Biol. 2013. Vol. 19. P. 1160–1172.
23. Schadel C. et al. Potential carbon emissions dominated by carbon dioxide from thawed permafrost soils // Nat. Clim. Change. 2016. Vol. 6. P. 950–953.
24. Vaughn L.J.S., Torn M.S. 14C evidence that millennial and fast-cycling soil carbon are equally sensitive to warming // Nat. Clim. Change. 2019. Vol. 9. P. 467–471.
25. Kennedy R.E., Yang Z.G., Cohen W.B. Detecting trends in forest disturbance and recovery using yearly Landsat time series. 1. LandTrendr – temporal segmentation algorithms // Remote Sens. Environ. 2010. Vol. 114. P. 2897–2910.
26. Kennedy R.E., Yang Z.Q., Gorelick N., Braaten J., Cavalcante L., Cohen W.B., Healey S. Implementation of the LandTrendr algorithm on Google Earth Engine // Remote Sens. 2018. Vol. 10. № 5. Article 691. doi.org/10.3390/rs10050691691.
27. Runge A., Grosse G. Mosaicking Landsat and Sentinel-2 data to enhance Landtrendr time series analysis in Northern high latitude permafrost regions // Remote Sens. 2020. Vol. 12. Article 2471.
28. Runge A., Grosse G. Comparing spectral characteristics of Landsat-8 and Sentinel-2 same-day data for Arctic-Boreal regions // Remote Sens. 2019. Vol. 11. Article 1730.
29. Cohen W.B., Yang Z.G., Kennedy R. Detecting trends in forest disturbance and recovery using yearly Landsat time series/ 2. TimeSync – tools for calibration and validation // Remote Sens. Environ. 2010. Vol. 114. P. 2911–2924.
30. Huang C., Wylie B., Yang L., Homer C., Zylstra G. Derivation of a tasselled cap transformation based on Landsat 7 at-satellite reflectance // Int. J. Remote Sens. 2002. Vol. 23. P. 1741–1748.
31. Gunther F., Grosse G., Wetterich S., Jones B.M., Kunitsky V.V., Kienast F., Schirrmeister L. The batagay mega thaw slump, Yana Uplands, Yakutia, Russia: permafrost thaw dynamics on decadal time scale: paper presented at the Past Gateways Palaeo-Arctic Spatial and Temporal Gateways. 2015.
32. Kokelj S.V., Tunnicliffe J., Lacelle D., Lantz T.C., Chin K.S., Fraser R. Increased precipitation drives mega slump development and destabilization of ice-rich permafrost terrain, northwestern Canada // Glob. Planet. Change. 2015. Vol. 129. P. 56–68.
33. Lacelle D., Brooker A., Fraser R.H., Kokelj S.V. Distribution and growth of thaw slumps in the Richardson Mountains – Peel Plateau region, northwestern Canada // Geomorphology. 2015. Vol. 235. P. 40–51.
34. Ramage J.L., Irrgang A.M., Herzschuh U., Morgenstern A., Couture N., Lantuit H. Terrain controls on the occurrence of coastal retrogressive thaw slumps along the Yukon Coast, Canada // J. Geophys. Res. 2017. Vol. 122. P. 1619–1634.
35. Hugelius G. et al. Estimated stocks of circumpolar permafrost carbon with quantified uncertainty ranges and identified data gaps // Biogeosciences. 2014. Vol. 11. P. 6573–6593.
36. Hugelius G., Tarnocai C., Broll G., Canadell J.G., Kuhry P., Swanson D.K. The Northern Circumpolar Soil Carbon Database: spatially distributed datasets of soil coverage and soil carbon storage in the northern permafrost regions // Earth Syst. Sci. Data. 2013. Vol. 5. P. 3–13.
37. Soil Survey Staff. Soil Taxonomy: a Basic System of Soil Classification for Making and Interpreting Soil Surveys. Handbook (2nd edn). Natural Resources Conservation Service, U.S. Department of Agriculture, 1999. Vol. 436.
38. Ekici A., Beer C., Hagemann S., Boike J., Langer M., Hauck C. Simulating high-latitude permafrost regions by the JSBACH terrestrial ecosystem model // Geosci. Model. Dev. 2014. Vol. 7. P. 631–647.
39. Beer C., Zimov N., Olofsson J., Porada P., Zimov S. Protection of permafrost soils from thawing by increasing herbivore density // Sci. Rep. 2020. Vol. 10. Article 4170.
40. Turner K.W., Pearce M.D., Hughes D.D. Detailed characterization and monitoring of a retrogressive thaw slump from remotely piloted aircraft systems and identifying associated influence on carbon and nitrogen export // Remote Sens. 2021. Vol. 13. № 2. Article 171. doi.org/10.3390/rs13020171.
41. Strauss J. et al. Deep Yedoma permafrost: a synthesis of depositional characteristics and carbon vulnerability // Earth-Sci. Rev. 2017. Vol. 172. P. 75–86.
42. Eckhardt T., Knoblauch C., Kutzbach L., Holl D., Simpson G., Abakumov E., Pfeiffer E.-M. Partitioning net ecosystem exchange of CO2 on the pedon scale in the Lena River Delta, Siberia // Biogeosciences. 2019. Vol. 16. P. 1543–1562.
43. Friedlingstein P., O’Sullivan M., Jones M.W., Andrew R.M., Gregor L., Hauck J., Zheng B. Global carbon budget 2022 // Earth Syst. Sci. Data. 2022. Vol. 14. P. 4811–4900.
44. Segal R.A., Lantz T.C., Kokelj S.V. Acceleration of thaw slump activity in glaciated landscapes of the Western Canadian Arctic // Environ. Res. Lett. 2016. Vol. 11. Article 034025.
45. Lewkowicz A.G., Way R.G. Extremes of summer climate trigger thousands of thermokarst landslides in a high Arctic environment // Nat. Commun. 2019. Vol. 10. Article 1329.
46. Lantz T.C., Kokelj S.V. Increasing rates of retrogressive thaw slump activity in the Mackenzie Delta region, NWT, Canada // Geophys. Res. Lett. 2008. Vol. 35. Article. L06502.
47. Farquharson L.M., Romanovsky V.E., Cable W.L., Walker D.A., Kokelj S.V., Nicolsky D. Climate change drives widespread and rapid thermokarst development in very cold permafrost in the Canadian high Arctic // Geophys. Res. Lett. 2019. Vol. 46. P. 6681–6689.
48. Ward Jones M.K., Pollard W.H., Jones B.M. Rapid initialization of retrogressive thaw slumps in the Canadian high Arctic and their response to climate and terrain factors // Environ. Res. Lett. 2019. Vol. 14. Article 055006.
49. Bernhard P., Zwieback S., Hajnsek I. Accelerated mobilization of organic carbon from retrogressive thaw slumps on the northern Taymyr Peninsula // Cryosphere, 2022, Vol. 16. P. 2819–2835.
50. Turetsky M.R. et al. Carbon release through abrupt permafrost thaw // Nat. Geosci. 2020. Vol. 13. P. 138–143.