Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Biến động không gian và thời gian của nồng độ CO2 trong lớp khí quyển bề mặt trên lãnh thổ Liên bang Nga dựa trên cơ sở dữ liệu CAMS
Tóm tắt
Dựa trên dữ liệu của Dịch vụ Giám sát Khí quyển Copernicus, biến động không gian và thời gian của nồng độ CO2 gần bề mặt trên lãnh thổ Liên bang Nga trong giai đoạn 2010–2019 đã được nghiên cứu. Kết quả cho thấy phần Tây Nam của đất nước có giá trị nồng độ CO2 cao và phát thải nhân tạo. Tuy nhiên, mức tăng trong 10 năm qua ở khu vực này là tối thiểu. Sự gia tăng tối đa được quan sát thấy ở các quận liên bang Viễn Đông, Ural và Siberia, lần lượt đạt giá trị là 2.48, 2.41 và 2.39 ppm/năm. Ngoài ra, những khu vực này của Liên bang Nga có mức phát thải carbon từ các vụ cháy cao nhất và sự thay đổi nhiệt độ đất lớn nhất. Sự thay đổi nhiệt độ này có thể dẫn đến việc giải phóng đáng kể carbon được lưu trữ trong lớp băng vĩnh cửu. Có khả năng rằng hai yếu tố này chịu trách nhiệm cho sự gia tăng tối đa nồng độ CO2 trong khu vực trong giai đoạn 2010–2019. Đã tìm thấy rằng, vào năm 2016, đối với các quận liên bang Ural và Volga, mức tăng nồng độ CO2 trung bình hàng năm đạt 5.8 và 5.65 ppm, trong khi giá trị biên độ là 31.73 và 26.07 ppm, tương ứng. Kết quả này có thể là do sự gia tăng mạnh mẽ phát thải carbon từ các vụ cháy lên tới 310% ở quận liên bang Ural, cũng như sự thay đổi nhiệt độ đất khoảng 0.8°C, có thể đã làm gia tăng phát thải đất ở cả hai khu vực của Liên bang Nga. Không quan sát thấy ảnh hưởng đáng kể của phát thải nhân tạo đối với sự thay đổi nồng độ CO2. Do đó, có thể kết luận rằng đóng góp lớn nhất vào sự gia tăng nồng độ carbon dioxide trong 10 năm qua là do các nguồn tự nhiên của nó, chẳng hạn như cháy rừng và phát thải từ đất.
Từ khóa
#nồng độ CO2 #lãnh thổ Liên bang Nga #dịch vụ giám sát khí quyển #phát thải carbon #nhiệt độ đấtTài liệu tham khảo
WMO Greenhouse Gas Bulletin. The State of Greenhouse Gases in the Atmosphere Based on Global Observations through 2019, No. 16 (23 November 2020).
A. V. Eliseev, “The global CO2 cycle: Main processes and interaction with climate,” Fundam. Prikl. Klimatol., No. 4, 9–31 (2017).
L. Cao, X. Chen, C. Zhang, et al., “The global spatiotemporal distribution of the mid-tropospheric CO2 concentration and analysis of the controlling factors, " Remote Sens. 11 (1), 94 (2019).
M. Yu. Arshinov, B. D. Belan, D. K. Davydov, G. Inouye, Sh. Maksyutov, T. Machida, and A. V. Fofonov, “Vertical distribution of greenhouse gases above Western Siberia by the long-term measurement data,” Atmos. Oceanic Opt. 22 (5), 316–324 (2009).
A. A. Lagutin, E. Yu. Mordvin, and I. A. Shmakov, “Methane content in the troposphere of West Siberia according to AIRS/Aqua data,” Izv. Altai. Gos. Univ., No. 1, 191–196 (2012).
C. L. Parkinson, “Aqua: An Earth-observing satellite mission to examine water and other climate variables,” IEEE Trans. Geosci. Remote Sens. 41 (2), 173–183 (2003).
R. Beer, T. A. Glavich, and T. M. Rider, “Tropospheric emission spectrometer for Earth Observing System’s Aura satellite,” Appl. Opt. 40 (15), 2356–2367 (2001).
T. Yokota, Y. Yoshida, N. Eguchi, et al., “Global concentrations of CO2 and CH4 retrieved from GOSAT: First preliminary results,” Sci. Online Lett. Atmos. 5, 160–163 (2009).
F. Cayla and P. Javelle, “IASI instrument overview,” Opt. Photonics 2553, 1–20 (1995).
J. P. Burrows, E. Hölzle, A. P. H. Goede, et al., “SCIA-MACHY—scanning imaging absorption spectrometer for atmospheric chartography,” Acta Astronaut. 35 (7), 445–451 (1995).
Z. Lv, Y. Shi, S. Zang, and L. Sun, “Spatial and temporal variations of atmospheric CO2 concentration in China and its influencing factors,” Atmosphere 11 (3), 231 (2020).
A. B. Uspensky, A. V. Kukharsky, S. V. Romanov, and A. N. Rublev, “Monitoring the carbon dioxide mixing ratio in the troposphere and the methane total column over Siberia according to the data of the AIRS and IASI IR sounders,” Izv., Atmos. Ocean. Phys. 47 (9) 1097–1103 (2011).
N. M. Gavrilov and Y. M. Timofeev, “Comparisons of satellite (GOSAT) and ground-based spectroscopic measurements of CO2 content near St. Petersburg,” Izv., Atmos. Ocean. Phys. 50 (9), 910–915(2014).
N. V. Rokotyan, R. Imasu, V. I. Zakharov, K. G. Gribanov, and M. Yu. Khamatnurova, “The amplitude of the CO2 seasonal cycle in the atmosphere of the Ural region retrieved from ground-based and satellite near-IR measurements,” Atmos. Oceanic Opt. 28 (1), 49–55 (2015).
D. D. Bokuchava and V. A. Semenov, “Analysis of air surface temperature in the Northern Hemisphere in the 20th century according to observational and reanalysis data,” Fundam. Prikl. Klimatol., No. 1, 28-51 (2018).
D. P. Dee, S. M. Uppala, A. J. Simmons, et al., “The ERA-Interim reanalysis: Configuration and performance of the data assimilation system,” Q. J. R. Meteorol. Soc. 137 (656), 553–597 (2011).
R. Gelaro, W. McCarty, M. J. Suárez, et al., “The modern-era retrospective analysis for research and applications, version 2 (MERRA-2),” J. Clim. 30 (14), 5419–5454 (2017).
S. Kobayashi, Y. Ota, Y. Harada, et al., “The JRA-55 reanalysis: General specifications and basic characteristics,” J. Meteorol. Soc. Jpn. 93 (1), 5–48 (2015).
M. Kanamitsu, W. Ebisuzaki, J. Woolen, et al., “NCEP-DOE AMIP-II reanalysis (R-2),” Bull. Am. Meteorol. Soc. 83 (11), 1631–1643 (2002).
A. Inness, M. Ades, A. Agustí-Panareda, et al., CAMS global reanalysis (EAC4), Copernicus Atmosphere Monitoring Service (CAMS) Atmosphere Data Store (ADS), 2019. https://ads.atmosphere.copernicus.eu/ cdsapp#!/dataset/cams-global-reanalysis-eac4?tab= overview. Accessed December 5, 2019.
European Union, Copernicus Knowledge Base for the Copernicus Climate Change Service and the Copernicus Atmosphere Service, implemented by ECMWF, 2016. http://copernicus-support.ecmwf.int/knowledgebase. Accessed January 20, 2021.
M. Guo, X. Wang, J. Li, et al., “Assessment of global carbon dioxide concentration using MODIS and GOSAT data,” Sensors 12 (12), 16368–16389 (2012).
K. Didan, MOD13C2 MODIS/Terra Vegetation Indices Monthly L3 Global 0.05 Deg CMG V006, 2015, distributed by NASA EOSDIS Land Processes DAAC. https://lpdaac.usgs.gov/products/mod13c2v006/.
A. M. Tarko, A. I. Kurbatova, and E. A. Grigorets, “Application of system analysis methods to studies of forest fires in the Russian Federation, " Geogr. Sreda Zhivye Sist., No. 1, 17–41 (2021).
B. G. Fedorov, Russian Carbon Balance, Moscow: Nauchnyi konsul’tant, 2017 [in Russian].
T. Yokohata, K. Saito, A. Ito, et al., “Future projection of greenhouse gas emissions due to permafrost degradation using a simple numerical scheme with a global land surface model,” Prog. Earth Planet. Sci. 7 (1), 1–14 (2020).
K. Schaefer, H. Lantuit, V. E. Romanovsky, et al., “The impact of the permafrost carbon feedback on global climate,” Environ. Res. Lett. 9 (8), 085003 (2014).
Global Modeling and Assimilation Office (GMAO), MERRA-2 tavgM_2d_lnd_Nx: 2D Monthly Mean Time-Averaged Single-Level Assimilation Land Surface Diagnostics V5.12.4, Greenbelt, Md., Goddard Earth Sciences Data and Information Services Center (GES DISC). https://disc.gsfc.nasa.gov/datasets/ M2TMNXLND_5.12.4/summary. Accessed June 25, 2021.
J. B. Miller, S. J. Lehman, K. R. Verhulst, et al., “Large and seasonally varying biospheric CO2 fluxes in the Los Angeles megacity revealed by atmospheric radiocarbon,” Proc. Natl. Acad. Sci. 117 (43), 26681–26687 (2020).
WMO Greenhouse Gas Bulletin. The State of Greenhouse Gases in the Atmosphere Based on Global Observations through 2016, No. 16 (13 October 2017).
WMO Greenhouse Gas Bulletin. The State of Greenhouse Gases in the Atmosphere Based on Global Observations through 2015, No. 16 (24 October 2016).
T. V. Komarova, Candidate’s Dissertation in Mathematical Physics (Moscow, 2019).
G. V. Frost, M. J. Macander, U. S. Bhatt, et al., “Tundra greenness,” NOAA Arctic Report Card, 2019.