Geoinformation Modeling of Lake Thermokarst Landscapes of the Bolshezemelskaya Tundra to Predict Their Development under Climate Changes

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

Using the Bolshezemelskaya tundra as an example, the experience of predictive modeling of thermokarst manifestations until 2040 is considered. The Biomod2 platform and ensemble modeling methods were used. Six WorldClim bioclimatic variables, the SRTM DEM, and a dataset on the distribution of thermokarst landscapes in the circumpolar permafrost zone from the project “Arctic Circumpolar Distribution and Soil Carbon of Thermokarst Landscapes” were used as input. The selection of the most important bioclimatic modeling parameters for the development of thermokarst is justified, and an algorithm for the pre-processing of initial raster and vector data is proposed. On the basis of four of the algorithms included in the Biomod2 platform, an ensemble modeling was carried out and the SRC algorithm was used. The results are visualized in two maps. The first map evaluates the probability of lake formation until 2040. The second map reflects the possible direction of the process with the assignment of 4 types of areas (1, there are no thermokarst lakes and will not be in 2040; 2, the state of lacustrine thermokarst landscapes will not change; 3, the formation of lakes will intensify; 4, lakes will drain and dry up). Analysis of the maps showed that a part of the zone of probable activation of thermokarst processes in 2040 will shift to the north and will remain highest for azonal coastal landscapes and along the lower course of the Pechora River. The direction of development of thermokarst lake landscapes in the north of the zone of modern continuous permafrost will not change significantly, however, in the south of this zone there are areas where thermokarst lakes will drain and turn into khasyreyes, which will lead to freezing of the near–surface thawed layer, formation of layered permafrost, and despite the trend of climate warming will lead to an increase in the area of permafrost. The predicted appearance of an area of activation of thermokarst manifestations in the subzone of sporadic permafrost north of the city of Inta is not consistent with the modern geocryological situation, which is obviously due to the underestimation of the geocryological features of the region by the authors of the project “Arctic Circumpolar Distribution and Soil Carbon of Thermokarst Landscapes.”

Толық мәтін

Рұқсат жабық

Авторлар туралы

T. Zengina

Lomonosov Moscow State University

Хат алмасуға жауапты Автор.
Email: tzengina@mail.ru
Ресей, Moscow

G. Osadchaya

Ukhta State Technical University

Email: galgriosa@yandex.ru
Ресей, Ukhta

V. Baranov

Lomonosov Moscow State University

Email: bv2000rus@mail.ru
Ресей, Moscow

Әдебиет тізімі

  1. Brown J., Brown J., Ferrians O.J., Hegginbottom J.A., Melnikov E.S. Circum-Arctic map of permafrost and ground-ice conditions. Map CP-45. In Circum-Pacific Map Series. Washington: U.S. Geological Survey, 1997. https://doi.org/10.3133/cp45
  2. Dostovalov V.N., Kudryavtsev V.A. Obshchee merzlotovedenie: Uchebnik [General Permafrost Science: Textbook]. Moscow: Izd-vo Mosk. Univ., 1967. 403 p.
  3. Fel’dman G.M. Termokarst i vechnaya merzlota [Thermokarst and Permafrost]. Novosibirsk: Nauka Publ., 1984. 261 p.
  4. Fick S.E., Hijmans R.J. WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas. Int. J. Climatol., 2017, vol. 37, pp. 4302–4315. https://doi.org/10.1002/joc.5086
  5. Grechishchev S.E., Chistotinov L.V., Shur Yu.L. Kriogennye fiziko-geologicheskie protsessy i ikh prognoz [Cryogenic Physical-Geological Processes and Their Forecast]. Moscow: Nedra Publ., 1980. 383 p.
  6. Guisan A., Thuiller W., Zimmermann N. The Biomod2 Modeling Package Examples. In Habitat Suitability and Distribution Models: With Applications in R. CUP, 2017, pp. 357–400. https://doi.org/10.1017/9781139028271.027
  7. Huang L., Liu L., Jiang L., Zhang T. Automatic Mapping of Thermokarst Landforms from Remote Sensing Images Using Deep Learning: A Case Study in the Northeastern Tibetan Plateau. Remote Sens., 2018, vol. 10, no. 12, art. 2067. https://doi.org/10.3390/rs10122067
  8. Kachurin S.P. Termokarst na territorii SSSR [Thermokarst in the USSR]. Moscow, 1961. 291 p.
  9. Kapralova V.N., Viktorov A.S. Quantitative regularities of changes in the size of thermokarst lakes and risk assessment. In Sergeevskie chteniya. Vyp. 15. [Sergeyev Readings. Vol. 15]. Moscow: GEOS Publ., 2013, pp. 437–442. (In Russ.).
  10. Khabibullin I.L., Lobastova S.A., Khusainova Z.R., Soldatkin M.V., Buranshina A.R. Simulation of the thermokarst process. Vestn. Bashkir. Univ., 2007, no. 1, pp. 21–24. (In Russ.).
  11. Kirikova N.S., Osadchaya G.G. On the question of the probability of thermokarst development in the Timan-Pechora province. In Inzhenerno-geologicheskoe izuchenie termokarstovykh protsessov i metody upravleniya imi pri stroitel’stve i ekspluatatsii sooruzhenii (IGK-98) [Engineering-Geological Study of Thermokarst Processes and Methods of Their Management During the Construction and Operation of Structures (IGK-98)]. St. Petersburg: VNIIG im. B.E. Vedeneeva, 1998, pp. 32–35. (In Russ.).
  12. Kravtsova V.I. Distribution of thermokarst lakes in Russia within the modern permafrost zone. Vestn. Mosk. Univ., Ser.5. Geogr., 2009, no. 3, pp. 33–42. (In Russ.).
  13. Kuncheva L., Whitaker C. Measures of diversity in classifier ensembles. Mach. Learn., 2003, vol. 51, pp. 181–207. https://doi.org/10.1023/A:1022859003006
  14. Malkova G., Drozdov D., Vasiliev A., et al. Spatial and temporal variability of permafrost in the western part of the Russian Arctic. Energies, 2022, vol. 15, art. 2311.
  15. https://doi.org/10.3390/en15072311
  16. Malkova G.V., Sadurtdinov M.R., Skvortsov A.G., et al. Temperature regime of the upper horizons of rocks in disturbed and undisturbed cryogenic landscapes of the European North. In Materialy V konf. geokriologov Rossii. Ch. 6: Dinamicheskaya geokriologiya. Moskva, 14–17 iyunya 2016 g. [Proceedings of the 5th Conf. of Geocryologists of Russia. Part 6: Dynamic Geocryology. Moscow, June 14–17, 2016]. Sumy: Univ. Kniga Publ., 2016, pp. 63–69. (In Russ.).
  17. Maslov A.D., Osadchaya G.G., Tumel’ N.V., Shpolyanskaya N.A. Osnovy geokriologii: Uchebnoe posobie [Fundamentals of Geocryology: Textbook.]. Ukhta: Inst. Upravl., Inform. Biznesa, 2005. 176 p.
  18. Nitze I., Cooley S.W., Duguay C.R., Jones B.M., Grosse G. The catastrophic thermokarst lake drainage events of 2018 in northwestern Alaska: fast–forward into the future. Cryosphere, 2020, vol. 14, pp. 4279–4297. https://doi.org/10.5194/tc-14-4279-2020
  19. Obshchee merzlotovedenie [General Permafrost Science]. Melnikova P.I., Tolstikhina N.I., Eds. Novosibirsk: Nauka Publ., 1974. 302 p.
  20. Olefeldt D., Goswami S., Grosse G., Hayes D.J., Hugelius G., Kuhry P., Sannel B., Schuur E.A.G., Turetsky M.R. Arctic circumpolar distribution and soil carbon of thermokarst landscapes, 2015. https://doi.org/10.3334/ORNLDAAC/1332
  21. Opitz D., Maclin R. Popular ensemble methods: An empirical study. J. Artif. Intell. Res., 1999, vol. 11, pp. 169–198. https://doi.org/10.1613/jair.614
  22. Osadchaya G.G., Tumel’ N.V., Koroleva A.M. Morphological structure of cryogenic landscapes of the Bolshezemelskaya tundra. Kriosf. Zemli, 2016, vol. 20, no. 3, pp. 14–23. (In Russ.).
  23. Osadchaya G.G., Zengina T.Yu. Opportunities for balanced use of the biosphere and resource potential of the Bolshezemelskaya tundra. Kriosf. Zemli, 2012, vol. 16, no. 2, pp. 43–51. (In Russ.).
  24. Osadchaya G.G., Pizhankova E.I. Permafrost–landscape conditions of the Bolshezemelskaya tundra and their mapping based on remote sensing data. Kriosf. Zemli, 2023, vol. 27, no. 6, pp. 12–26. (In Russ.).
  25. Osadchaya G.G. Peatlands of the permafrost zone of the European northeast: zonal features of development. In Sovremennye issledovaniya transformatsii kriosfery i voprosy geotekhnicheskoi bezopasnosti sooruzhenii v Arktike [Modern Research of the Transformation of the Cryosphere and Issues of Geotechnical Safety of Structures in the Arctic]. Melnikov V.P., Sadurtdinova M.R., Eds. Salekhard, 2021, pp. 327–330. (In Russ.).
  26. Osadchaya G.G., Tumel’ N.V., Zengina T.Yu., Lapteva E.M. Obzornaya geokriologicheskaya karta Bol’shezemel’skoi tundry (Respublika Komi i Nenetskii avtonomnyi okrug), M. 1 : 1000000 [Overview Geocryological Map of the Bolshezemelskaya Tundra (Republic of Komi and Nenets Autonomous Okrug), Scale 1 : 1 000 000], 2015. 112 p.
  27. Polishchuk V.Yu., Polishchuk Yu.M. Geoimitatsionnoe modelirovanie polei termokarstovykh ozer v zonakh merzloty [Geosimulation Modeling of Fields of Thermokarst Lakes in Permafrost Zones]. Khanty–Mansiisk: UIP YUGU, 2013. 129 p.
  28. Popova A.A., Rivkin F.M., Ivanova N.V. Map of Engineering–Geocryological Zoning of European North–East, Scale 1 : 1000000. In 2nd European Conference on Permafrost. Potsdam, 2005, pp. 190–191.
  29. Prirodnye opasnosti Rossii. Geokriologicheskie opasnosti [Natural Hazards of Russia. Geocryological Hazards]. Moscow: Kruk Publ., 2000. 315 p.
  30. Shpolianskaya N. Permafrost dynamics and Global Climate Change. In Biodiversity and Ecosystem Insecurity. A Planet in Peril. London, Washington: Earthscan, 2011, pp. 130–140.
  31. Shpolyanskaya N.A., Osadchaya G.G., Malkova G.V. Modern climate changes and permafrost response (on the example of Western Siberia and the European North of Russia). Geograf. Sreda Zhivye Sist., 2022, no. 1, pp. 6–29. (In Russ.). https://doi.org/10.18384/2712-7621-2022-1-6-30
  32. Shur Yu.L. Verkhnii gorizont tolshchi merzlykh porod i termokarst [Upper Horizon of Permafrost and Thermokarst]. Novosibirsk: Nauka Publ., 1988. 213 p.
  33. Thuiller W., Lafourcade B., Engler R., Araujo M.B. BIOMOD–a platform for ensemble forecasting of species distributions. Ecography, 2009, vol. 32, pp. 369–373. https://doi.org/1111/j.1600–0587.2008.05742.x
  34. Thuiller W., Georges D., Engler R. biomod2: Ensemble platform for species distribution modelling, 2014.
  35. Tumel’ N.V., Zotova L.I. Geoekologiya kriolitozony: Uchebnoe posobie [Geoecology of Permafrost: Textbook]. Moscow: Geogr. Fakul. MGU, 2014. 244 p.
  36. Viktorov A.S., Kapralova V.N., Arkhipova M.V. Modeling the development of the morphological structure of erosion–thermokarst plains using remote sensing data. Issled. Zemli Kosmosa, 2019, no. 2, pp. 55–64. (In Russ.).
  37. Wood S.N. Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models. J. R. Stat. Soc. B., 2011, vol. 73, pp. 3–36. https://doi.org/10.1111/j.1467-9868.2010.00749.x
  38. Yin G., Luo J., Niu F., et al. Machine learning–based thermokarst landslide susceptibility modeling across the permafrost region on the Qinghai–Tibet Plateau. Landslides, 2021, vol. 18, pp. 2639–2649. https://doi.org/10.1007/s10346-021-01669-7
  39. Zengina T.Yu., Osadchaya G.G., Parada N.N. Biospheric functions of the permafrost zone of the Timan–Pechora oil and gas province under conditions of industrial development. Vestn. RUDN, Ser. Ekol. Bezopasn. Zhiznedeyat., 2011, no. 3, pp. 32–38. (In Russ.).
  40. Zengina T., Baranov V., Kirillov S., Slipenchuk M. Using ensemble machine learning methods for regional forecasting of geocryological manifestations (on the example of the European North–East of Russia). In Information Technologies and Intelligent Decision-Making Systems. Second International Conference, ITIDMS2022, Virtual Event, December 12–14, 2022, Revised Selected Papers. Gibadullin A., Ed. Cham: Springer, 2023. https://doi.org/10.1007/978-3-031-31353-0_10
  41. Ziehn T., Chamberlain M., Lenton A., Law R., Bodman R., Dix M., Mackallah Ch., Druken K., Ridzwan S.M. CSIRO ACCESS–ESM1.5 model output prepared for CMIP6 C4MIP. Version YYYYMMDD. Earth System Grid Federation, 2019. https://doi.org/10.22033/ESGF/CMIP6.2286

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу
2. Fig. 1. GIS visualisation of the results of ensemble forecasting of the probability of thermokarst lake landscapes development in 2040

Жүктеу (997KB)
Метадеректер
3. Fig. 2. GIS visualisation of the results of modelling the directionality of development of thermokarst lake landscapes based on Biomod2 using the SRC (species range change) algorithm

Жүктеу (1MB)
Метадеректер

© Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».