На пойтингеровской таблице (есть такая римская дорожная карта населённого мира, она датируется пятым веком нашей эры) уровень Каспия показан на 20 метров выше современного. И современные данные, которые приведены на рисунке, показывают характерные резкие изменения уровня Каспийского моря. Возник вопрос: как найти механизм для объяснения этого явления? Предположим, что испарения с поверхности бассейна, которые составляют очень значительную часть водного баланса и бассейна и моря, немонотонно зависят от влагозапасов. А как это может быть? В общем, здесь такой механизм возникает. Теплоёмкость сухих компонентов грунта – единица. Теплоёмкость воды в четыре раза больше. Поэтому при увлажнении бассейн Каспия увеличивает свою теплоёмкость, тратятся большие затраты солнечного тепла на нагрев, испарения уменьшаются, и таким образом мы получаем механизм положительной обратной связи, который обычно дестабилизирует систему. Что будет в окрестности этого механизма – представляет собой расшифровку механизма его колебаний.

У нас получилось, что в окрестности неустойчивого уровня существуют ещё два слабоустойчивых уровня, в результате чего море под воздействием осадков эволюционирует из одного состояние к другому. Расстояние между ними может быть несколько метров, и в этом состоит квазициклический характер его состояния, который и описывают те учёные-путешественники, о которых я говорил. Мы такую модель построили статистически.

И.К. Море стояло около ста лет на довольно высокой отметке – порядка минус двадцати пяти метров (за ноль принят уровень Балтийского моря). Затем оно неожиданно, примерно за 20 лет, перешло к отметке минус 28. Простояло так 40 лет, а потом снова начался неожиданный подъём, который ошеломил всех.

А.Г. Я помню, что были социальные теории – винили большевиков, которые Волгу перекрыли, и поэтому стоки вод в Каспий уменьшились.

И.К. Нет, была взята малая часть. То есть это не могло так существенно изменить состояние.

А.Г. Я понимаю. Теперь оказывается, что не могло.

И.К. Прыжок на два с половиной метра – таким образом объяснить не получится.

Мы описали этот процесс с помощью нелинейной стохастической модели процесса колебания уровня Каспийского моря. Наша модель состоит из детерминированной части и случайной части. Случайная часть – это остаточная последовательность нашей модели, она аппроксимируется, мы её грубо аппроксимировали авторегрессией первого порядка с достаточно высокой корреляцией. И именно она обеспечивает переходы. Оценку параметров этой модели мы провели современными методами математической статистики на основании натурных данных, наблюдений с 1830-го года (ещё со времён Пушкина записывался уровень Каспийского моря) и по наше время.

Характерная особенность решения или реализации является наличие переходов от высокого состояния – минус 25,46, к низкому – минус 28,3, а средним является минус 26,62. То есть море совершает такие переходы примерно один раз в 200 лет. А время перехода гораздо меньше. Это примерно 20, 30, 40 лет. Причём море может иногда подняться до какого-то уровня и потом опуститься снова, то есть не завершить переход. Вот такая возможная реализация была получена методом математического моделирования.

А.Г. Поэтому «псевдоцикличностью» это и называете, что здесь цикл может быть не завершён?

В.Н. Мы называем это квазицикличностью, потому что это случайная величина. Цикл, это как в синусоиде, а это случайная величина, которой не может быть приписано одно значение.

А.Г. Но тут сразу возникает вопрос: насколько вы можете экстраполировать полученные вами значения и, следовательно, имеет ли ваша теория предсказательные функции?

В.Н. Предсказательных функций она, по сути дела, имеет немного. Она может на такие вопросы ответить: почему возникают такие переходы? И если бы у нас было предположение, что такое возможно, я не думаю, чтобы так легко согласились на переброску рек в своё время. Тогда признали, что падение уровня до минус в двадцать девять – это навеки, и поэтому решили: «Перебросим реки и будем увеличивать уровень за счёт перебрасываемой воды 100 лет и потом увидим, как получается положительный эффект». Вот если бы была такая теория, на мой взгляд, то не так бы легко это проходило – переброска рек.

Во-вторых, мы можем, исходя из темы нашей передачи, давать вероятностный прогноз. То есть, мы можем вот так сказать: «Сегодня отметка какая? Какова вероятность приблизиться к отметке минус 25,6, за сколько лет и какова вероятность придти назад в исходное состояние – минус 28,3, и сколько лет длится этот переход?» Вот такова реальность. Потому что вероятность уже не ассоциируется с незнанием. Это принципиальная особенность нашего мира. И я думаю, в ваших предыдущих передачах эта тема уже не раз звучала.

А.Г. Разумеется.

И.К. Наша модель объясняет, почему не сбывались прогнозы, построенные на основе линейных моделей.

Кроме того, аналогичные модели мы построили для других бессточных водоёмов – для Мёртвого моря, для озёр Балхаш, Большое Солёное, Чаны, Чад и так далее. И везде мы получили то же самое. И основным общим, характерным свойством всех этих решений является бимодальность гистограмм. Пожалуйста, покажите рисунок 3 по теме 2. Все эти гистограммы – бимодальные. Сверху Каспийское море, потом озеро Чад, потом Мёртвое море.

Теперь, почему не сбывались эти прогнозы? Потому что линейная модель имеет только один устойчивый уровень состояния. И каждый переход воспринимает как чрезвычайно редкое событие с очень малой вероятностью. Линейные модели использовались, конечно, для обоснования переброски северных рек. И используются, возможно, и сейчас тоже для каких-то целей.

Кроме того, мы рассчитали показатели Харста для приращения уровня Каспийского моря и стока Волги. Сток Волги занимает 80 процентов от стоков всех рек, впадающих в Каспийское море. Мы получили близкие значения. Затем мы рассчитали эти показатели для некоторых объектов бассейна Каспийского моря – температуры воды в Астрахани, в Казани, среднегодовых значений температур. Тоже получили показатель Харста больше, чем одна вторая. То есть это такая система, которая характеризуется нелинейными свойствами.

В.Н. Я хотел сказать, что есть эффект, который родственен эффекту Харста и дополняет его. Это так называемый степенной закон распределения вероятностей. Что это за закон? Вероятности катастрофических наводнений, в которых гибнут люди, убывает с ростом числа жертв этих наводнений, не экспоненциально, а по степенному закону, то есть очень медленно. Говоря другим языком, можно сказать, что вероятности этих наводнений гораздо выше, чем принято считать. Возникает тогда вопрос: как рассчитывать вероятности таких наводнений, как описать физический механизм, который приводит к степенному закону затухания распределения вероятностей, и как построить удобную аналитическую функцию, чтобы можно было бы на основе этой придуманной нами функции правильно подсчитать вероятность этих катастрофических наводнений? Или, по крайней мере, согласовать их с известными данными по степенной статистике, которая широко применяется в американских работах. Но там ничего не говорится о механизме.

Так вот, почему это важно? Важно потому, что в 20-е годы в Нидерландах правительственный комитет по защите от наводнений принял максимальный уровень воды 390 сантиметров. На этот уровень предполагалось рассчитывать защитные сооружения.

А.Г. Это от уровня моря?

В.Н. Нет, на уровне внезапного подъёма воды.

А.Г. Ну, 390 от уровня моря.

В.Н. Такой уровень возможен раз в 10 тысяч лет. Гидротехники не стали ориентироваться на столь редкое событие, взяли отметку 340 сантиметров. Стремление удешевить строительство привело к трагедии голландского урагана, вызвало большие разрушения и самое большое несчастье – погибло около 2000 человек.

Таким образом, правильное определение вероятности этих катастроф нам очень важно. Так вот, мы посмотрели на эту задачу и построили простую модель, заключающуюся в расчёте стока, в который входят осадки, испарения, сток и влагозапасы бассейна. Такая модель описывается стохастическим дифференциальным уравнением. Мы написали уравнение Фоккера-Планка-Колмогорова для этой системы и получили достаточно простое распределение – со степенным затуханием функции распределения вероятности при больших величинах этого стока. А поскольку можно предполагать, что масштабы этого бедствия функционально связаны с расходом воды и уровнем воды, мы стали использовать эту функцию для расчёта катастрофических наводнений на разных реках. Мы начали с Невы. Потому что для неё посчитаны детальные гидродинамические модели, и можно было сравнить эту теорию с гидродинамическими теориями наводнений.