Оценки экологического риска для экосистемы Каспийского шельфа на основе моделирования


Ecological risk assessment for the ecosystem of the Caspian shelf
on the basis of modeling

Соловьева Н.В.

Natalia V. Solovjova
 

Институт океанологии имени П.П. Ширшова РАН (Москва, Россия) 

Shirshov Institute of Oceanology RAS (Moscow, Russia)
 

УДК 551.46.072:51

На основе экоскрининговых моделей, результатов динамического (экосистемного) моделирования и данных натурных наблюдений рассчитаны оценки экологического риска для экосистемы шельфа Северного Каспия. Предложенный метод эффективен при оценках риска от совместного действия естественных, антропогенных и инвазивных факторов в условиях разработки нефтяных ресурсов шельфовых акваторий. Расчеты экологического риска и допустимой вероятности воздействия для экосистемы проводились для трех диапазонов частоты антропогенных воздействий типа «аварии технической системы» в период весенней вспышки фитопланктона с учетом естественной и пониженной освещенности акватории Северного Каспия. Полученные результаты для весенних и летне-осенних максимумов биомассы фитопланктона различной длительности выявили диапазоны практически безопасного, с вероятностью допустимого воздействия от 80 до 100%, состояния экосистемы и крайне опасные, с вероятностью допустимого воздействия меньше 5%. Полученные результаты показали нетривиальность выводов об уязвимости экосистем в условиях интенсивной антропогенной нагрузки и необходимость первичности расчета экологического риска с последующей оценкой допустимой вероятности воздействия. Предложенный подход важен для преодоления трудностей в практическом согласовании экологических и экономических требований безопасного освоения ресурсов шельфа.

Ключевые слова: вероятностные оценки экологического риска; моделирование; экосистема; вероятность допустимого воздействия; Каспийское море.

Based on ecoscreening models, results of dynamic (ecosystem) modeling and field observations, environmental risk assessments for the Northern Caspian ecosystem were calculated. The proposed method is effective in assessing the risk from the combined action of natural, anthropogenic, and invasive factors in the development of oil resources in offshore waters. Calculations of ecological risk and the acceptable probability of impact for the ecosystem were carried out for three frequency ranges of anthropogenic impacts such as "technical system accidents" during the spring phytoplankton outbreak, taking into account the natural and low illumination of the Northern Caspian water area. The results obtained for spring and summer-autumn maxima of phytoplankton biomass of various durations revealed ranges of practically safe, with a probability of acceptable impact from 80 to 100%, ecosystem conditions, and extremely dangerous, with a probability of acceptable impact less than 5%. The results obtained showed that conclusions about ecosystem vulnerability in conditions of intense anthropogenic pressure are not trivial and that it is necessary first to calculate the environmental risk and then evaluate the acceptable probability of impact. The proposed approach is important for overcoming difficulties in the practical harmonization of environmental and economic requirements for the safe development of shelf resources.

Keywords: probabilistic assessments of environmental risk; modeling; ecosystem; probability of acceptable impact; Caspian Sea.

Введение

Интенсивные разработки шельфовых акваторий требуют методов оценки риска и применения безопасных методов освоения ресурсов. Уязвимость шельфовых экосистем связана с возможной потерей устойчивости при превышении допустимой степени антропогенного воздействия. Исходя только из экспертных оценок невозможно сделать правильное заключение об уязвимости шельфовых экосистем при разработке биологических и нефтяных ресурсов Каспия. Необходимы количественные оценки риска при различных видах хозяйственной деятельности. Понятно, что допустимость антропогенного воздействия должна рассматриваться в рамках приемлемого риска, когда полное исключение риска либо практически невозможно, либо экономически не оправдано. Реакции экосистем на внешние факторы, включающие климатические изменения, негативные естественные условия, антропогенные и инвазивные воздействия, будет различна. Вывести какую-либо закономерность последствий всего многообразия сценариев хозяйственной деятельности человека для экосистем весьма затруднительно, но оконтурить области наиболее критичного сочетания воздействий с помощью предложенного подхода возможно. Важнейшим при получении оценок риска, как показали исследования, является первичность определения величины допустимого риска экологических систем, а не наоборот – допустимой интенсивности антропогенного воздействия. Такая последовательность в методе позволяет учесть специфику задач экологической безопасности – несимметричность требований к исключению ошибок 1-го и 2-го рода. Ошибка 1-го рода означает, что безопасная ситуация принята за ситуацию, представляющую угрозу безопасности экосистемы. В этом случае излишняя перестраховка ведет только к перерасходу экономических затрат на безопасность, связанных с ложной тревогой. Ошибка 2-го рода, когда опасная ситуация скрыта внешним благополучием, влечет за собой угрозу безопасности экосистемы, при которой могут начаться необратимые процессы деградации.

Допустимая вероятность воздействия на экосистему шельфа подразумевает сохранение устойчивости природной системы, ее трофической структуры, функционирования и состава компонент. При этом область устойчивости экосистем не является статически фиксированной, а охватывает изменения в пределах вариаций ее основных параметров. Само же значение величины критической биомассы экосистемы (если такое возможно формализовать) не будет постоянным. Оно нелинейно зависит от внешних естественных условий, антропогенных воздействий и самого состояния экосистемы в текущий и предшествующие моменты времени.

Одним из известных подходов к оценке риска принятых в отечественных и зарубежных исследованиях является построение матриц экологического риска, которые отражают вероятность опасного события и степень тяжести возможных последствий при известных технологиях функционирования комплекса морской нефтегазодобычи на шельфе (Патин, 2017). Применение таких матриц позволяет оценить степень поражения природных ресурсов шельфа и время восстановления после опасного события, например, разлива нефти, сброса буровых растворов и др. Метод учитывает широкий пространственно-временной диапазон процессов, влияющих на риск, при этом динамика самого экологического риска в пределах естественных вариаций основных параметров экосистем остается не выявленной. Последнее оказывается важным при совместном действии климатических, естественных неблагоприятных факторов и антропогенного воздействия. Основываясь на принципах предосторожности (Патин, 2017) особое внимание следует уделять совместному действию самых неблагоприятных условий воздействия на экосистему, и прогнозировать последствия их кумулятивного эффекта.

Зарубежный опыт проведения оценок риска связан с эффективным применением сетевого анализа (ENA), основанного на сетевой теории (Fath, 2007; Fath et al., 2006, 2019; Ulanowicz, 2004). Требования к данным для анализа включают межсекторальные потоки, секторальные хранилища и граничные потоки ввода и вывода и обладают высоким потенциалом для предоставления практической информации лицам, принимающим решения в области окружающей среды (Fath, 2019).

Методология оценки экологического риска наиболее активно разрабатывается в отношении аварий с разливами нефти (Патин, 2017; Kraly et al., 2001; Patin, 2004; Goerlandt and Montewka, 2015). Риск в данном случае определяется как результат вероятности возникновения чрезвычайной ситуации и тяжести ее последствий (Patin, 2004). На основе этих оценок составляются матрицы ранжирования рисков (Chen et al., 2013), которые используются для всестороннего анализа рисков и предотвращения опасности.

Оценка экологического риска последствий совместного действия антропогенных и естественных факторов (благоприятных и неблагоприятных) на функционирование экосистем требует привлечения всех имеющихся методов (натурные и лабораторные исследования, экспертные системы, матричный анализ, методы оценки риска и др.), включая математическое моделирование.

В настоящей работе предлагается использовать синтез экосистемного моделирования (Беляев, 1987; Беляев, Кондуфорова, 1990; Belyaev, Konduforova, 1992) и экоскрининговые оценки риска (Флейшман, 1982; Fleishman, 1984; Solovjova, 1999) для оценки риска экосистемы Северного Каспия. Предложенный подход позволяет перейти от фиксированного, закладываемого в проект освоения ресурсов шельфа, значения допустимого воздействия на экосистему к его вариациям в течение года (Соловьева, 2019б). Такие изменения будут определяться вариациями экологического риска. Вариации допустимого воздействия на экосистему в течение года позволят снизить экономические затраты на поддержание экологической безопасности. Другими словами, открывается возможность оптимального согласования экологических и экономических требований, которые зачастую на практике вступают в противоречия. Схема предложенного метода согласования допустимого антропогенного воздействия и экологического риска приведена в работе (Соловьева, 2019а). Структура метода предполагает использовать следующую последовательность действий (рис. 1). Входными данными для модели оценки риска могут быть данные натурных наблюдений биомасс (численностей) организмов или результаты моделирования состояния экосистемы по динамическим моделям (Solovjova, 1999). В обоих случаях имеют место вспышки и спады биомасс в популяциях, которые используются как входные данные для расчета вероятности экологического риска, значения которого также претерпевают изменения в течение года. Значения вероятности экологического риска позволяют рассчитать вероятности допустимой антропогенной нагрузки на экосистему и согласовать экологические и экономические требования (рис. 1).

Рис. 1. Схема согласования экологических и экономических требований безопасного освоения
ресурсов Каспия

Fig. 1. Scheme for coordinating environmental and economic requirements for the safe development
of Caspian resources

Использование динамического моделирования и данных наблюдений

Для моделирования риска экосистемы необходимы данные о годовых вариациях биомасс основных компонент экосистем. Это могут быть усредненные данные натурных наблюдений (Умербаева и др., 2012; Шиганова и др., 2003) или результаты численного моделирования годового хода биомасс и концентраций основных компонент экосистемы (рис. 2) (Соловьева, 2016). Для шельфа Северного Каспия были использованы данные натурных наблюдений биомассы фитопланктона, зоопланктона (рис. 3) (Умербаева и др., 2012; Шиганова и др., 2003; Shiganova et al., 2004) и среднемесячные распределения концентрации хлорофилла по данным дистанционных наблюдений (Лобковский и др., 2005). Весенний максимум биомассы фитопланктона приходится на начало биологической весны – апрель. В этот период при температуре воды 1–25 ^оС наблюдается интенсивное развитие фитопланктона с преобладанием диатомовых и зеленых водорослей. Росту биомассы фитопланктона благоприятствует отсутствие активного выедания водорослей зоопланктоном. Наблюдения 2002–2015 гг. и последующих лет выявили широкий диапазон количественных показателей весеннего развития фитопланктона на акватории Северного Каспия. По результатам наблюдений в августе 2002 г. суммарная биомасса фитопланктона колебалась от 79,9 до 280,7 мг/м³, цианобактерий – от 30,7 до 208,2 мг/м³, диатомовых – от 6,2 до 46 мг/м³, зеленых – от 0,33 до 52,4 мг/м³. Средняя биомасса по всему району составляла 180±73 мг/м³, численность составляла 195590±114070 кл./л, что характерно для нижнего предела мезотрофных вод (Shiganova et al., 2004). В разные годы средние величины биомассы фитопланктона изменялись в пределах 1,5–5,5 мг/м³ (Умербаева и др., 2012). Вселение гребневика, потребляющего зоопланктон, снизил пресс на фитопланктон, количественные показатели которого возросли в последнее десятилетие (Shiganova et al., 2004). Конец биологической весны приходится на июнь, обусловленный изменением видового состава фитопланктона. Суммарная биомасса по наблюдениям снижается до 1,2–2 г/м³ (Умербаева и др., 2012; Шиганова и др., 2003). С характерным для осени снижением температуры происходит снижение биомассы фитопланктона, составляющее по многолетним данным полевых наблюдений в октябре 1–2 г/м³ (Умербаева и др., 2012) до 2–3 мг/м³ (Шиганова и др., 2003). Осенний максимум биомассы фитопланктона по наблюдениям меньше летнего в 2–3 раза.

По наблюдениям количественные характеристики развития зоопланктона варьировали в широком диапазоне величин: средняя численность зоопланктона в летний период 2005–2010 гг. колебалась от 110 до 800 тыс. экз/м³ и биомасса от 900 до 6000 мг/м³; осенью эти показатели были в основном ниже летних и составляли соответственно 45–300 тыс. экз/м³ и 350–1900 мг/м³ (Shiganova et al., 2004). Наблюдения показали снижение к осени численности зоопланктона в 2,5 раза, а биомассы в 3,7 раза, что свидетельствует о выедании его гребневиком (Шиганова и др., 2003; Shiganova et al., 2004). В августе 2002 г. по данным наблюдений видовой состав зоопланктона, его численность и биомасса существенно различались в пределах исследованной акватории Северного Каспия (рис. 3).

Для расчетов и оценки риска мы использовали средние значения биомасс или численностей планктона на весенней и осенней вспышках. При этом на естественный ход биомассы накладывались условия осуществления аварийного воздействия со стороны технологического процесса нефтедобычи.

Рис. 2. Модельный расчет значений годового хода биомасс и концентраций основных агрегированных компонент экосистемы Северного Каспия: а) фитопланктона, б) зоопланктона, в) нитратов, г) фосфатов, д) органического вещества взвешенного и растворенного, е) нектона, (мг/м3) при коэффициенте скорости фотосинтеза фитопланктона 3 (____) и 3,5(……) (Соловьева, 2016)

Fig. 2. Model calculation of annual biomass flow and concentrations of the main aggregated components of the North Caspian ecosystem: a) phytoplankton, b) zooplankton, C) nitrates, d) phosphates, d) suspended and dissolved organic matter, e) necton, (mg/m3) at a phytoplankton photosynthesis rate of 3 (____) and 3.5(……) (Solovyova, 2016)

Допустимость негативного воздействия конкретного загрязнителя на определенный вид организмов определяется существующей системой нормативов, недостаточность которой стала очевидна, особенно в последние десятилетия. По оценкам разных групп специалистов состояния экологической системы по существующим нормативам удается получать только качественные рекомендации по экологическим рискам. Следует отметить несовершенство каждого из подходов в отдельности. Так нормы ПДК, защищая человека от того или иного воздействия, не рассчитаны на защиту всей экосистемы в целом. Даже если значениями ПДК пытаются нормировать какое-либо антропогенное воздействие на сумму некоторых живых организмов, то, как правило, это можно осуществить только для конкретной среды. Кроме того, такие нормы не учитывают эффекты накопления вредных веществ в организмах или последствия перехода их из одной среды в другую. Даже если оцениваются суммарные последствия нескольких одновременно планируемых проектов, выполнение норм по какому-либо одному критерию не означает экологической безопасности всей системы в целом, хотя и является необходимым ее условием. Кроме того, наличие множества частных критериев экологической безопасности затрудняет и сам выбор того или иного критерия, по которому возможно сделать заключение о степени опасности. Такая многомерность в постановке и решении задач экологии с одной стороны, и особенности экосистем Каспия – с другой, побуждает к разработке такого критерия экологической безопасности, который с приемлемой степенью обобщения, позволил бы видеть объект исследования в целом и давать оценку его экологического состояния с учетом всего разнообразия естественных условий и антропогенных воздействий.

Рис. 3. Распределение биомассы фитопланктона(а) и зоопланктона (б) в мг/м3 по данным (Шиганова и др., 2003; Shiganova et al., 2004) натурных наблюдений в августе 2002 г. (цифрами показаны величины биомассы на станциях)

Fig. 3. Distribution of phytoplankton(a) and zooplankton (b) biomass in mg/m3 according to data (Шиганова и др., 2003; Shiganova et al., 2004) from field observations in August 2002 (figures show the values of biomass at stations)

В предложенном методе пространство воздействий представляет собой три класса. 1. Неблагоприятные естественные условия, в том числе и климатические: например, для фитопланктона это пониженная освещенность (за счет мутности водного слоя) или уменьшение доли фотосинтетически активной радиации и низкая концентрация биогенных веществ. 2. Антропогенные воздействия: а) регулярные, штатные выбросы небольших объемов загрязнителей, осуществляемые в течение длительного времени (хронический стресс); б) кратковременные выбросы загрязняющих веществ в больших объемах (острый стресс для экосистемы при аварийных воздействиях технических систем в процессе освоения ресурсов шельфа); в) наложение на регулярные выбросы кратковременных воздействий высокой интенсивности 3. Инвазии чужеродных видов. Наиболее опасная ситуация для морской экологической системы возникает при сочетании естественных неблагоприятных условий, антропогенных воздействий и инвазий. Наименее опасные экологические условия соответствуют области наличия только неблагоприятных естественных условий и отсутствия антропогенных воздействий и инвазий. Дальнейшие расчеты для оценки экологического риска будем проводить пошагово – от наименее опасной области стрессоров к самой опасной.

Для оценки экологического риска морских экосистем необходимо учесть не только множество воздействий различного генезиса, их кумулятивное действие и режимы воздействия, но и совместить их с динамикой функционирования экологических систем. При этом сами экосистемы находятся в непрерывной динамике характерного для каждой из них функционирования и могут иметь различную степень уязвимости. Воздействия накладываются на динамику естественного функционирования экосистем. Внутригодовые вариации состояния основных компонент морских экосистем в условиях действия стрессоров обуславливают вариации степени опасности, а, следовательно, и годовые вариации экологического риска. Предложенный метод позволяет учесть совместное действие воздействий при нефтеразработках шельфа, выявить в ходе моделирования интервалы повышенного экологического риска и рассчитать допустимую вероятность антропогенного воздействия для согласования экологических и экономических требований (рис. 4).

Рис. 4. Иллюстрация возможности согласования эколого-экономических требований при учете годовых вариаций зависимости значений допустимой вероятности антропогенного воздействия Q от вероятности экологического риска у_а, определяющая низкие экономические затраты (а), средние (б) и высокие (в)

Fig. 4. Illustration of a possible harmonization of ecological and economic requirements when accounting for annual variations based on values of allowable probability Q of anthropogenic impact on the likelihood of ecological risk у_а, which determines the low economic costs (a) average (б) and high (в)

Расчет вероятностных оценок риска

В процессе реализации крупных проектов освоения морских ресурсов (например, при разработке нефтегазовых месторождений) ошибки при оценке риска могут вести к серьезным эколого-экономическим потерям. Так завышение значений риска, например, при принятии неправдоподобно высокой вероятности аварий, могут быть затрачены неоправданно большие финансовые ресурсы на предотвращение последствий, вероятность которых очень мала (Fleishman, 1984). И напротив, заниженная оценка риска (опасная ситуация скрыта внешним благополучием) может привести к катастрофическим последствиям (Fleishman, 1984). Количественные оценки экологического риска стали использовать при анализе последствий нефтяных разливов в морских акваториях (Kraly et al., 2001; Linkov, Clark, 2003; Aurand et al., 2005; Stevens et al., 2005; Patin, 2004). Риск в этом случае определяется как произведение вероятности аварийной ситуации и тяжести ее последствий.  На основе этих оценок составляются матрицы ранжирования риска (Patin, 2004).

В методе экоскрининговых оценок риска используется понятие экологического риска как вероятности гибели особи или популяции организмов. Модель внутригодовой изменчивости риска основана на следующем. В реальных условиях численность особей, составляющих популяцию, закономерно меняется в течении года под воздействием естественных факторов: изменения солнечной радиации, количества питательных веществ, внутренних взаимосвязей между компонентами и т. д. Эти изменения могут быть получены в результате натурных измерений или численного моделирования по экосистемной модели. Причем для оценки риска в нужную сторону – сверху (Fleishman, 1984) – необходимо учитывать самые неблагоприятные естественные условия (принцип предосторожности).

Расчеты с помощью экосистемной модели агрегированных компонент отражают естественные вспышки и спады биомасс (численностей) популяций (Соловьева, 2016). Периоды вспышек и спадов численности популяций не совпадают с календарными сезонами. Максимальные значения численности для каждой m-й вспышки N_max и m-го спада N^'_max ;

где М – количество периодов «вспышка-спад» в течение года являются входными данными для экоскрининговой модели риска. Значение М может меняться от года к году под воздействием естественных и антропогенных факторов.

В общем случае для 2М внутригодовых состояний популяции «вспышка-спад» при К внутригодовых состояниях технической системы (технологического режима) получена оценка внутригодового риска в следующем виде (Флейшман, 1982; Fleishman, 1984):

(1)

где p_am, y_am и p'_am, y'_am – вероятности пребывания биосистемы в m-м внутригодовом состоянии вспышки и спада и ее риск в них соответственно; q_k – вероятность аварии технической системы (или в общем случае вероятность допустимой антропогенной нагрузки,предусмотренной технологическими процессами) в течение года; y_a – экологический риск в течение года (Solovjova, 1999):

(2)

Значения p_am и p'_am  определяются относительной продолжительностью вспышек и спадов:

	(3)

где t_m, t'_m и t – продолжительности вспышек, спадов и года соответственно в произвольных единицах измерения.

Обобщение соотношений экоскрининга на случай зависимости риска от времени дает следующеe (Fleishman, 1984; Solovjova, 1999):

(4)

Величины N_кр и N_max являются видоспецифическими «постоянными» значениями для популяции, не зависящими от m-го состояния ее внутри года. Зависимыми от времени величинами являются только  

математическое ожидание численности популяции на вспышках и спадах соответственно. Эти значения дают численные эксперименты с экосистемной математической моделью.

Будем использовать соотношения экоскрининга (Флейшман, 1982) для определения предельно допустимой антропогенной нагрузки на систему в следующем виде:

Где y_a определяется оценкой (4); Q – предельно допустимая вероятность антропогенных воздействий для экологической системы; y_d – предельно допустимый экологический риск при различных видах техногенной деятельности.

Из обобщенных данных наблюдений были взяты характерные для вспышки биомассы фитопланктона значения. Эти значения использовались в качестве входных данных N_max, N_kp, p_am, p^'_am,  и   в экоскрининговых оценках риска.

Расчет Q проводился для двух разных вариантов вспышек фитопланктона – весенней и осенней. Значения y_d выбраны на основе данных экологического состояния, обобщенных оценок техногенных воздействий и экологических последствий на этапах освоения нефтяных ресурсов шельфа (Патин, 2017; Patin, 2004; Goerlandt, Montewka, 2015). Согласно этим данным интервал значений вероятности допустимого экологического риска при различных видах и этапах технологической деятельности составляет от 10^-7 до 10^-1 (Патин, 2017). По сути это вероятности нарушения состояния популяции по показателям отклонения средних значений биомасс за пределы порога нарушений – 10% отклонения (Патин, 2017). На основании этих данных для расчета Q выбрано значение y_d=10^-5.

Вероятность воздействия на экосистему со стороны технических систем в процессе работ на шельфе, заложенная в технологические процессы, q_k выбиралась с учетом зарубежных (Goerlandt, Montewka, 2015) и отечественных (Патин, 2017; Patin, 2004) данных. Из диапазона изменения q_k от 10^-4 до 10^-1 (Патин, 2017) были выбраны значения вероятности редкого события q₁=10^-3, события средней частоты q₂=10^-2 и часто происходящего q₃=10^-1 (таблицы 1 и 2).

Для аварийных событий при нефтяных разработках на шельфе можно выделить два типа воздействий: 1) кратковременные выбросы загрязняющих веществ в больших объемах (острый стресс для экосистемы) и 2) регулярные, штатные выбросы небольших объемов, осуществляемые в течение длительного времени (хронический стресс). Можно выделить также третью группу неблагоприятных сочетаний воздействий, наложение на регулярные выбросы кратковременных воздействий высокой интенсивности. Используя приведенные выше условия и данные, полученные в численных экспериментах по соотношениям (1)–(4), были проведены оценочные расчеты допустимой вероятности Q воздействия на экосистему для следующих сценариев.

Сценарий I – на весенней вспышке фитопланктона продолжительностью один месяц, в соотношениях (3) P_am=t_m/t=1/12 учитывалось сочетание естественных неблагоприятных факторов (пониженная освещенность, коэффициент скорости фотосинтеза k=3) и антропогенное воздействие типа «авария технической системы». В качестве средних значений биомасс E_mν (соотношения (4)) были взяты биомассы фито- и зоопланктона, полученные в численных экспериментах с моделью для случаев нормальной и пониженной скорости фотосинтеза (рис. 2). Значения максимальных N_max = 7∙10³мг/м³ и критических биомасс N_kp =10 мг/м³ также были взяты из модельных расчетов (рис. 2). Использовались данные наблюдений (рис. 3) (Умербаева, 2012; Шиганова и др., 2003; Shiganova et al., 2004; Лобковский и др., 2005). Данные и результаты расчетов экологического риска и допустимого воздействия представлены в табл. 1.

Таблица 1. Оценка допустимой вероятности антропогенной нагрузки Q при аварийности технической системы низкой (q₁), средней (q₂) и высокой (q₃) частоты осуществления воздействия на экосистему шельфа Северного Каспия во время весенней вспышки биомассы фитопланктона длительностью 1 месяц

Table 1. Assessment of the acceptable probability of anthropogenic load Q in the event of a technical system failure of low (q₁), medium (q₂) and high (q₃) frequency of impact on the ecosystem of the North Caspian shelf during a spring outbreak of phytoplankton biomass lasting 1 month

Анализ полученного результата (рис. 5) показал, что только при значении q₁=10^-3 (редком событии воздействия на экосистему) и высоких значениях биомассы фитопланктона (6∙10³ мг/м³, табл. 1) расчет дает высокие значения (до 0,9) допустимой вероятности антропогенного воздействия указанного типа. При низких значениях биомассы и редком антропогенном воздействии допустимая вероятность Q не превышает 0,2 (рис. 5, табл. 1). А при более частых технологических аварийных режимах q₂=10^-2 и q₃=10^-1 вероятность допустимого воздействия не должна превышать единиц и долей процента (рис. 5). Результаты оценки экологического риска показали, что для экосистемы Северного Каспия существуют естественные сезоны и сценарии антропогенного воздействия, которые позволяют снизить надежностное обеспечение технологических процессов освоения ресурсов, тем самым снизив затраты и расширив спектр применяемых технологий.

Рис. 5. Зависимость допустимой вероятности антропогенного (техногенного) воздействия Q от экологического риска y_a при аварийности технической системы: низкой (q₁), средней (q₂) и высокой (q₃) частоты осуществления в экосистеме шельфа Северного Каспия во время весенней вспышки биомассы фитопланктона длительностью 1 месяц (по данным таблицы 1)

Fig. 5. Dependence of the permissible probability of anthropogenic (technogenic) impact Q on the environmental risk y_a in case of technical system accidents: low (q₁), medium (q₂) and high (q₃) frequency of occurrence in the ecosystem of the North Caspian shelf during a spring phytoplankton biomass outbreak lasting 1 month (according to table 1)

Сценарий II. Для летней вспышки с одним летним максимумом биомассы фитопланктона рассчитывалась допустимая вероятность более длительного воздействия, в течение трех расчетных месяцев (P_am=t_m/t=1/4), при тех же значениях q₁, q₂ и q_3. Для средних значений биомассы фитопланктона E_mν (соотношения (4)) использованы данные наблюдений (Шиганова и др., 2003; Shiganova et al., 2004). Исходные данные и результаты расчета приведены в таблице 2.

Полученные результаты показали, что увеличение длительности антропогенного воздействия в течение трех месяцев снижает допустимую вероятность такой нагрузки почти в два раза (по сравнению со сценарием I): Q=0,42 (табл. 2, рис. 6). Предложенный метод оценки риска и вероятности воздействия применим в рамках существующей трофической структуры экосистемы, даже, если отдельные ее компоненты переходят на какое-то ограниченное время в теплящееся состояние.

Рис. 6. Зависимость допустимой вероятности антропогенного (техногенного) воздействия Q от экологического риска y_a при аварийности технической системы: низкой (q₁), средней (q₂) и высокой (q₃) частоты осуществления в экосистеме шельфа Северного Каспия во время весенней вспышки биомассы фитопланктона длительностью 3 месяца (по данным таблицы 2)

Fig. 6. Dependence of the permissible probability of anthropogenic (technogenic) impact Q on the environmental risk y_a in case of technical system failure: low (q₁), medium (q₂) and high (q₃) frequency of occurrence in the ecosystem of the North Caspian shelf during the spring phytoplankton biomass outbreak lasting 3 months (according to table 2)

Таблица 2. Оценка допустимой вероятности антропогенной нагрузки Q при аварийности технической системы низкой (q₁), средней (q₂) и высокой (q₃) частоты осуществления воздействия на экосистему шельфа Северного Каспия во время летне-осенней вспышки биомассы фитопланктона
длительностью 3 месяца

Table 2. Assessment of the acceptable probability of anthropogenic load Q in case of technical system failure of low (q₁), medium (q₂) and high (q₃) frequency of impact on the ecosystem of the North Caspian shelf during the summer-autumn phytoplankton biomass outbreak lasting 3 months

Выводы

В представленной работе не ставилась цель расчета риска конкретного воздействия на экосистему. Мы предложили инструмент оценки экологического риска, вариации которого затруднительно учесть известными методами ранжирования. Предложенный подход к моделированию оценки экологического риска является новым по сравнению с действующими методами. Наложение динамики воздействий на естественную динамику экосистем дает возможность получить внутригодовые вариации значений риска, а, следовательно, и допустимую вероятность антропогенного воздействия. В таких расчетах учитываются все существенные воздействия, их режимы и динамика во взаимосвязи с сезонной динамикой экосистемы.

Возможные перспективы дальнейшего развития метода связаны с объединением его с методами ранжирования или матричными методами оценки риска. Самостоятельное применение предложенного метода также весьма актуально и эффективно. В рамках концепции экосистемно-ориентированных исследований, объединяющей природные и экономические аспекты, метод поможет минимизировать экономические затраты при освоении ресурсов шельфа. Объем природоохранных мероприятий должен определяться повышением или понижением требований к допустимой антропогенной нагрузке, рассчитанной по экоскрининговой модели. При минимальном экологическом риске допустимую вероятность антропогенной нагрузки можно увеличить до максимума, а, следовательно, снизить на этом этапе экономические требования к обеспечению экологической безопасности. Напротив, при максимальном уровне экологического риска, допустимая вероятность антропогенной нагрузки должна быть сведена к минимуму, что требует увеличения экономических затрат. Таким образом перераспределение экономических затрат в течение года будет обусловлено соответствующей меняющейся вероятностью экологического риска, что повысит их эффективность и оптимизирует их уровень.

Работа выполнена в рамках Госзадания тема 0149-2020-0005.

Автор заявляет об отсутствии конфликта интересов, требующего раскрытия в данной статье.

Список литературы

1. Беляев В.И. Моделирование морских систем. – Киев: Наук. думка, 1987. – 203 с.
2. Беляев В.И., Кондуфорова Н.В. Математическое моделирование экологических систем шельфа. – Киев: Наук. думка, 1990. – 240 с.
3. Лобковский Л.И., Копелевич О.В., Соловьева Н.В. Совместное использование данных натурных, дистанционных наблюдений и математического моделирования для оценки состояния экологической системы Северного Каспия // Защита окружающей среды в нефтегазовом комплексе. 2005. № 5. С. 24–28.
4. Патин С.А.Нефть и экология континентального шельфа: в 2-х т. т. 1: Морской нефтегазовый комплекс: состояние, перспективы, факторы воздействия. – М.: Изд-во ВНИРО, 2017. – 326 c.
5. Соловьева Н.В. Математическое моделирование с использованием данных натурных и дистанционных наблюдений для оценки состояния экологической системы шельфа // Нефтяное хозяйство. 2005. №10. С. 16–25. DOI: https://doi.org/10.25791/esip.04.2019.569
6. Соловьева Н.В. Синтез динамического и экоскринингового подходов в моделировании для оценки экологического риска // Экология гидросферы. 2019б. №1 (3). С. 68–81. URL:http://hydrosphere-ecology.ru/142
7. Соловьева Н.В. Исследования экологической системы шельфа Северного Каспия на основе математического моделирования // Экологические системы и приборы. 2016. №6. С. 21–32.
8. Умербаева Р.И., Попова Н.В., Саркисян Н.А. Характеристика планктона мелководной части Северного Каспия // Юг России: экология, развитие. 2012. Т. 7, №1. С. 43–49. DOI: https://doi.org/10.18470/1992-1098-2012-1-43-49
9. Флейшман Б.С. Основы системологии. – М.: Радио и связь, 1982. – 368 с.
10. Шиганова Т.А., Сапожников В.В., Мусаева Э.И., Доманов М.М., Булгакова Ю.В., Белов А.А., Зазуля Н.И., Зернова В.В., Кулешова  А.Ф., Сокольский А.Ф., Имирбаева Р.И., Микуиза А.С. Условия, определяющие распределение гребневика Mnemiopsis leidyi и его влияние на экосистему Северного Каспия // Океанология. 2003. Т.43, №5. С. 716–733.
11. Aurand D., Cunningham M., Pond R., Cocanaur A., Coelho G., Stevens L. The use of consensus ecological risk assessments to evaluate oil spill response options: lessons learned from workshops in nine different locations // Proceedings of the 2005 International Oil Spill Conference. – Washington, D.C.: API, 2005. P. 379–386. DOI: https://doi.org/10.7901/2169-3358-2005-1-379
12. Belyaev V.I., Konduforova N.V. Modelling of the shelf ecosystem // Ecological Modelling. 1992. V.60. P. 95–118. DOI: https://doi.org/10.1016/0304-3800(92)90041-C
13. Chen S.Q., Chen B., Fath B.D. Ecological risk assessment on the system scale: A review of state-of-the-art models future perspectives // Ecological Modelling. 2013. V.250. P. 25–33. DOI: http://dx.doi.org/10.1016/j.ecolmodel.2012.10.015
14. Fath B.D. Structural food web regimes // Ecological Modelling. 2007. V.208. P. 391–394. DOI: http:// dx.doi.org/ 10.1016/j.ecolmodel.2007.06.013
15. Fath D., Asmus H., Asmus R., Baird D., Borrett S.R., Jonge V., Ludovisi A., Niquil N., Scharler U.M., Schücke U., Wolff M. Ecological network analysis metrics: The need for an entire ecosystem approach in management and policy // Ocean & Coastal Management. 2019. V.174. P. 1–14. DOI: http://dx.doi.org/10.1016/j.ocecoaman.2019.03.007
16. Fath B.D., Borrett S.R. Matlab A. Function for Network Environ Analysis // Env. Model. Soft. 2006. V.21, №3. С. 375–405. DOI: https://doi.org/10.1016/j.envsoft.2004.11.007
17. Fleishman B.S. Contribution to the theory of adaptation with application to ecology // Ecological Modelling. 1984. V. 26, №1–2. P. 21–31. DOI: https://doi.org/10.1016/0304-3800(84)90090-5.
18. Goerlandt F., Montewka J. A framework for risk analysis of maritime transportation systems: A case study for oil spill from tankers in a ship-ship collision // Safety Science. 2015. V. 76. P. 42-66. DOI: https://doi.org/10.1016/j.ssci.2015.02.009
19. Kraly J., Pond R., Aurand D.V., Coelho J., Walker A.H., Martin B., Caplis J., Sawby M. Ecological risk assessment principles applied to oil spill response planning // Proceedings of the2001 International Oil Spill Conference. – Washington, D.C.: API, 2001. – P. 177–184.
20. Linkov I., Clark J. Approaches and application of comparative risk assessment concepts to oil spill preparedness planning and response // Proceedings of the 2003 International Oil Spill Conference. – Washington, D.C.: API, 2003. – P. 59–61. DOI: http://dx.doi.org/10.7901/2169-3358-2003-1-59
21. Patin S.А. Environmental impact of crude oil spills // Encyclopedia of Energy. — New York: Elsevier Science, 2004. – V.1. P. 737–748.
22. Shiganova T.A., Dumont H., Sokolsky A.F., Kamakin A.M., Tinenkova D., Kurasheva E.K. Population dynamics of Mnemiopsis leidyi in the Caspian Sea, and effects on the Caspian ecosystem // Dumont H., Shiganova T., Niermann U. (eds.). The Ctenophore Mnemiopsis leidyi in the Black, Caspian and Mediterranean Seas and other aquatic invasions. – Dordrecht: Kluwer Academic Publication, 2004. – С. 71–111.
23. Solovjova N.V. Synthesis of ecosystemic and ecoscreening modelling in solving problems of ecological safety // Ecol. Modelling. 1999. V.124. P. 1–10. DOI: https://doi.org/10.1016/S0304-3800(99)00122-2
24. Stevens L., Roberts J. Hume D. Incorporating consequence analysis into oil spill risk assessment in New Zealand // Proceedings of the 2005 International Oil Spill Conference. Washington, D.C.: API, 2005. – 5 с. https://doi.org/10.7901/2169-3358-2005-1-265
25. Ulanowicz R.E. Quantitative methods for ecological network analysis // Computational Biology and Chemistry. 2004. V.28, №5–6. С. 321–339. DOI: https://doi.org/10.1016/j.compbiolchem.2004.09.001
    
    

Статья поступила в редакцию 23.06.2020
После доработки 15.10.2020
Статья принята к публикации 20.10.2020

Об авторах

Соловьева (Кондуфорова) Наталья Владимировна − Natalia V. Solovjova

доктор физико-математических наук
ведущий научный сотрудник, Институт океанологии им. П.П.Ширшова РАН,  Москва, Россия (P.P. Shirshov Institute of Oceanology RAS, Moscow, Russia), Лаборатория структуры и динамики планктонных сообществ

soloceanic@yandex.ru

https://orcid.org/0000-0002-4268-7790

Корреспондентский адрес: Россия, 117997, г. Москва, Нахимовский проспект, 36, ИОРАН. Телефон (499) 124-79-96.

ССЫЛКА:

Соловьева Н.В. Оценки экологического риска для экосистемы Каспийского шельфа на основе моделирования // Экология гидросферы. 2020. №1 (5). С. 21–37. URL: http://hydrosphere-ecology.ru/199 

DOI – https://doi.org/10.33624/2587-9367-2020-1(5)-21-37

При перепечатке ссылка на сайт обязательна

Ecological risk assessment for the ecosystem of the Caspian shelf on the basis of modeling

Natalia V. Solovjova

Shirshov Institute of Oceanology RAS (Moscow, Russia)

Based on ecoscreening models, results of dynamic (ecosystem) modeling and field observations, environmental risk assessments for the Northern Caspian ecosystem were calculated. The proposed method is effective in assessing the risk from the combined action of natural, anthropogenic, and invasive factors in the development of oil resources in offshore waters. Calculations of ecological risk and the acceptable probability of impact for the ecosystem were carried out for three frequency ranges of anthropogenic impacts such as "technical system accidents" during the spring phytoplankton outbreak, taking into account the natural and low illumination of the Northern Caspian water area. The results obtained for spring and summer-autumn maxima of phytoplankton biomass of various durations revealed ranges of practically safe, with a probability of acceptable impact from 80 to 100%, ecosystem conditions, and extremely dangerous, with a probability of acceptable impact less than 5%. The results obtained showed that conclusions about ecosystem vulnerability in conditions of intense anthropogenic pressure are not trivial and that it is necessary first to calculate the environmental risk and then evaluate the acceptable probability of impact. The proposed approach is important for overcoming difficulties in the practical harmonization of environmental and economic requirements for the safe development of shelf resources.

Key words: probabilistic assessments of environmental risk; modeling; ecosystem; probability of acceptable impact; Caspian Sea

References

1. Aurand D., Cunningham M., Pond R., Cocanaur A., Coelho G., Stevens L. The use of consensus ecological risk assessments to evaluate oil spill response options: lessons learned from workshops in nine different locations. In: Proceedings of the 2005 International Oil Spill Conference. API, Washington, D.C. 2005. P. 379–386. DOI: https://doi.org/10.7901/2169-3358-2005-1-379
2. Belyaev V.I. Modelirovanie morskih sistem [Modeling of marine systems]. Naukova Dumka, Kiev, 1987. 203 p. (in Russ).
3. Belyaev V.I., Konduforova N.V. Matematicheskoe modelirovanie ekologicheskih sistem shel'fa [Mathematical modeling of ecological systems of the shelf]. Naukova Dumka, Kiev, 1990. 240 p. (in Russ).
4. Belyaev V.I., Konduforova N.V. Modelling of the shelf ecosystem. Ecological Modelling. 1992. V.60. P. 95–118.
5. Chen S.Q., Chen B., Fath B.D. Ecological risk assessment on the system scale: A review of state-of-the-art models future perspectives. Ecological Modelling. 2013. V.250. P. 25–33. DOI: http://dx.doi.org/10.1016/j.ecolmodel.2012.10.015
6. Fath B.D. Structural food web regimes. Ecological Modelling. 2007. V.208. P. 391–394. DOI: http://dx.doi.org/10.1016/j.ecolmodel.2007.06.013
7. Fath D., Asmus H., Asmus R., Baird D., Borrett S.R., Jonge V., Ludovisi A., Niquil N., Scharler U.M., Schücke U., Wolff M. Ecological network analysis metrics: The need for an entire ecosystem approach in management and policy. Ocean & Coastal Management. 2019. V.174. P. 1–14. DOI: http://dx.doi.org/10.1016/j.ocecoaman.2019.03.007
8. Fath B.D., Borrett S.R. A matlab function for network environ analysis. Env. Model. Soft. 2006. V.21, N3. P. 375–405. DOI: https://doi.org/10.1016/j.envsoft.2004.11.007
9. Fleishman B.S. Kriterii ekologicheskoj bezopasnosti v usloviyah neopredelennosti ekoskriningovyj podhod [Environmental safety criteria in the face of uncertainty ecoscreening approach]. In: Razrabotka osnov standartov ekologicheskoj bezopasnosti [Ecoscreening. Development of the basics of environmental safety standards]. Dep. VINITI, N3401, 12.19.1995 (in Russ.)
10. Fleishman B.S. Osnovy sistemologii [Fundamentals of systemology]. Radio i svyaz', Moscow, 1982. 368 p. (in Russ).
11. Goerlandt F., Montewka J. A framework for risk analysis of maritime transportation systems: A case study for oil spill from tankers in a ship-ship collision. Safety Science. 2015. V. 76. P. 42-66. DOI: https://doi.org/10.1016/j.ssci.2015.02.009.
12. Kraly J., Pond R., Aurand D.V., Coelho J., Walker A.H., Martin B., Caplis J., Sawby M. Ecological risk assessment principles applied to oil spill response planning In: Proceedings of the2001 International Oil Spill Conference. API, Washington, D.C., 2001. P. 177–184. DOI: https://doi.org/10.7901/2169-3358-2001-1-177
13. Linkov I., Clark J. Approaches and application of comparative risk assessment concepts to oil spill preparedness planning and response In: Proceedings of the 2003 International Oil Spill Conference. API, Washington, D.C., 2003. P. 59–61. DOI: http://dx.doi.org/10.7901/2169-3358-2003-1-59
14. Lobkovsky L.I., Kopelevich O.V., Solovjova N.V. Sovmestnoe ispol'zovanie rezul'tatov matematicheskogo modelirovanija, distancionnyh i naturnyh nabljudenij dlja upravlenija sostojaniem jekologicheskoj sistemy shel'fa Kaspijskogo morja [Sharing data from field, remote observations and mathematical modeling to assess the state of the ecological system of the Northern Caspian]. Environmental protection in the oil and gas complex. 2005. №5. P. 29–39. (in Russ).
15. Patin S.A. Neft' i jekologija kontinental'nogo shel'fa [Oil and ecology of the continental shelf]: v 2-h t. 2-e izd. t. 1: Morskoj neftegazovyj kompleks: sostojanie, perspektivy, faktory vozdejstvija. Izd-vo VNIRO, Moscow, 2017. 326 p. (In Russ.)
16. Patin S.А. Environmental impact of crude oil spills. In: Encyclopedia of Energy. New York, Elsevier Science, 2004. P. 737–748.
17. Shiganova T.A., Dumont H., Sokolsky A.F., Kamakin A.M., Tinenkova D. & Kurasheva E.K. Population dynamics of Mnemiopsis leidyi in the Caspian Sea, and effects on the Caspian ecosystem In: The Ctenophore Mnemiopsis leidyi in the Black, Caspian and Mediterranean Seas and other aquatic invasions. Kluwer Academic Publication, Dordrecht, 2004. P. 71–111.
18. Shiganova T.A., Sapozhnikov V.V., Musaeva Je.I., Domanov M.M., Bulgakova Ju.V., Belov A.A., Zazulja N.I., Zernova V.V., Kuleshova A.F., Sokol'skij A.F., Imirbaeva R.I., Mikuiza A.S. Factors determining the conditions of distribution and quantitative characteristics of the ctenophore Mnemiopsis leidyi in the north Caspian. Okeanogolija [Oceanology]. 2003. V. 43. №5. P. 716-733. (in Russ).
19. Solovjova N.V. Matematicheskoe modelirovanie ekologicheskogo riska dlya shel'fovyh ekosistem, nahodyashchihsya pod intensivnym antropogennym vozdejstviem [Mathematical modeling of ecological risk for shelf ecosystems under intense anthropogenic impact]. Ekologicheskie sistemy i pribory. 2019а. №4. P. 16–25 (In Russ.). DOI: https://doi.org/10.25791/esip.04.2019.569
20. Solovjova N.V. Synthesis of dynamic and eco-screening approaches in modeling for ecological risk assessment. Hydrosphere Ecology. 2019b. №1 (3). P. 68–81. URL: http://hydrosphere-ecology.ru/142 (in Russ).
21. Solovjova N.V. Synthesis of ecosystemic and ecoscreening modelling in solving problems of ecological safety. Ecol. Modelling. 1999. V.124. P. 1–10.
22. Solovyova N.V. The study of the ecological system of the north Caspian shelf on the basis of mathematical modeling. Jekologicheskie sistemy i pribory [Ecological Systems and Devices]. 2016. № 6. P. 21–32. (in Russ).
23. Stevens L., Roberts J. Hume D. Incorporating consequence analysis into oil spill risk assessment in New Zealand In: Proceedings of the 2005 International Oil Spill Conference. API, Washington, D.C., 2005. P. 265–270. DOI: https://doi.org/10.7901/2169-3358-2005-1-265
24. Ulanowicz R.E. Quantitative methods for ecological network analysis. Computational Biology and Chemistry. 2004. V.28, N5–6. P. 321–339. DOI: https://doi.org/10.1016/j.compbiolchem.2004.09.001
25. Umerbayeva R.I., Popova N.V., Sargsyan N.A. Description of plankton of shallow part of north Caspian Sea. South of Russia: ecology, development. 2012. V.7, N1. P. 43–49. DOI: https://doi.org/10.18470/1992-1098-2012-1-43-49 (In Russ.)

Authors

Solovjova Natalia V.

P.P. Shirshov Institute of Oceanology RAS, Moscow, Russia

soloceanic@yandex.ru

https://orcid.org/0000-0002-4268-7790

ARTICLE LINK:

Solovjova N.V. Ecological risk assessment for the ecosystem of the Caspian shelf on the basis of modeling. Hydrosphere Ecology. 2020. №1 (5). P. 21–37. URL: http://hydrosphere-ecology.ru /199

DOI – https://doi.org/10.33624/2587-9367-2020-1(5)-21-37

When reprinting a link to the site is required

Уважаемые коллеги! Если Вы хотите получить версию статьи в формате PDF, пожалуйста, напишите в редакцию, и мы ее вам с удовольствием пришлем бесплатно. 

Адрес - info@hydrosphere-ecology.ru

При перепечатке ссылка на сайт обязательна

На ГЛАВНУЮ

К разделу ПУБЛИКАЦИИ