Краткосрочные изменения морского ледяного покрова в Арктике (МЛП) в значительной степени обусловлены погодными условиями, и сильная потеря льда обычно происходит во время интенсивных арктических циклонов, вызывающих необычно тёплые и штормовые условия. Такие условия затягиваются, когда несколько циклонов быстро сменяют друг друга. Авторы анализируют изменения МЛП в такие периоды кластеризации последовательных циклонов, используя спутниковые наблюдения и данные реанализа за 1979-2024 гг. Хотя циклоны, как правило, уменьшают МЛП по сравнению с условиями без циклонов, кластеры циклонов влияют на лёд примерно в 2,5 раза дольше и вызывают в два раза более сильное общее снижение МЛП, чем одиночные циклоны. Величина потери МЛП из-за кластеров циклонов зависит от интенсивности и числа кластеризованных циклонов, и усиление потери МЛП наблюдается в период 2004-2024 гг. по сравнению с 1979-1999 гг., даже в рамках фиксированных категорий МЛП. Эти результаты подчёркивают значимость совокупного воздействия скоплений погодных явлений для изменчивости морского льда в Арктике и указывают на необходимость понимания факторов, определяющих последовательное образование скоплений циклонов в Арктике.

Ссылка: https://www.nature.com/articles/s41467-026-76245-5

Явления Эль-Ниньо обычно развиваются медленно, но быстро затухают, однако процессы, вызывающие эту фазовую асимметрию, остаются недостаточно изученными. В данной работе авторы проводят анализ теплового баланса смешанного слоя на глубинах от 30 до 100 м и предлагают диагностическую модель с разрешением по глубине. Результаты показывают, что асимметрия возникает из-за термодинамического затухания, океанической зональной адвекции и обратной связи термоклина. Термодинамическое затухание в основном отражает пассивный линейный отклик на аномалии температуры поверхности моря, в то время как сезонная модуляция эффективности затухания добавляет усиление фазы затухания. Динамические обратные связи сильно меняются с глубиной и усиливаются в течение концентрированного периода года затухания, обусловленного корректировкой океанических волн и сезонно изменяющимися фоновыми условиями. Диагностика с учётом глубины показывает, что асимметрия фазы Эль-Ниньо зависит от вертикальной структуры теплового баланса, предоставляя физический ориентир для интерпретации эволюции Эль-Ниньо –Южного Колебания и выявления потенциальных предвестников, которые могут быть полезны для систем прогнозирования Эль-Ниньо.

Ссылка: https://www.nature.com/articles/s41612-026-01498-2

Искусственный интеллект (ИИ) стал ключевым фактором городского развития в цифровую эпоху. В то же время неравномерное развитие ИИ в разных городах создаёт новый «цифровой разрыв». Будучи одной из стран-пионеров в развитии ИИ, Китай воспользовался возможностями, которые предоставляет развитие ИИ в городах, одновременно столкнувшись с проблемой регионального разрыва в развитии ИИ. Это создаёт уникальный контекст для направления и пространственного распределения регионального развития ИИ. Однако существующие оценки индексов развития ИИ в масштабе городов, как правило, используют один показатель и имеют ограничения, такие как недостаточная релевантность показателя, короткий период охвата и отсутствие оценки регионального разрыва в развитии ИИ. В данном исследовании был создан набор данных для оценки индекса развития ИИ в масштабе китайских городов, включающий 283 города, а также набор данных о региональном разрыве в развитии ИИ в масштабе 26 провинций за период с 2003 по 2023 гг. Эти наборы данных охватывали комплексную систему показателей и метод оценки, включающие три метрики: число предприятий, занимающихся ИИ, число заявок на патенты и плотность установки промышленных роботов, а также использовали метод коэффициента Дагума-Джини для оценки регионального индекса разрыва в развитии ИИ. Эти наборы данных позволяют всесторонне оценить ситуацию и тенденции развития ИИ в китайских городах и региональный разрыв в развитии ИИ, предоставляя данные для академических исследований, связанных с региональным развитием ИИ, и для разработки государственной политики.

Ссылка: https://www.nature.com/articles/s41597-026-08024-2

Изменение количества осадков в зависимости от высоты (Elevation-Dependent Precipitation Change, EDPC) всё чаще признаётся ключевой особенностью изменения климата в горных районах, однако его глобальные характеристики и представление в климатических моделях остаются недостаточно изученными. В данной работе авторы оценивают способность современных глобальных климатических моделей воспроизводить EDPC и давать прогнозы его будущей эволюции. Они анализируют высотные тенденции среднегодовых, интенсивных и экстремальных суточных осадков за исторический (1951–2020 гг.) и будущий (2015–2099 гг.) периоды в пяти горных регионах — Тибетском плато, Скалистых горах США, Большом Альпийском регионе, северных Андах и южных Андах — используя 28 моделей CMIP6 и данные реанализа ERA5 в качестве эталона. Результаты моделирования анализируются с помощью кластерного подхода для выявления групп моделей, демонстрирующих схожие закономерности EDPC. Результаты показывают межмодельную изменчивость, при этом состав кластеров различается в зависимости от регионов и индексов осадков. В течение исторического периода наблюдаются различные структуры поведения EDPC: в некоторых регионах (например, на Тибетском плато) по крайней мере один кластер точно воспроизводит профиль ERA5, тогда как в других (например, в Андах и Скалистых горах США) ни один кластер не соответствует ERA5. Прогнозы показывают зависимость сигналов EDPC от региона и кластера, что препятствует надёжной характеристике будущего EDPC. Модели, которые наилучшим образом воспроизводят поведение EDPC в рамках ERA5, не ограничивают прогнозируемые будущие изменения. Тем не менее, принадлежность к кластерам остаётся стабильной во всех сценариях выбросов (SSP2–4,5 и SSP5–8,5), при этом величина EDPC усиливается в сценарии с более высокими выбросами, что указывает на модуляцию интенсивностью изменения климата. Наконец, хотя среднее значение ансамбля нескольких моделей достаточно хорошо воспроизводит данные ERA5 в исторический период, оно, как правило, переоценивает изменения осадков в прогнозах, подчёркивая ценность кластеризации для оценки EDPC в прогнозах климатических моделей.

Ссылка: https://link.springer.com/article/10.1007/s00382-026-08292-z

Пространственно-временные изменения арктического морского ледового покрова являются одним из ключевых индикаторов изменения полярного климата. В данном исследовании использовались данные реанализа NOAA/NSIDC Climate Data Record of Passive Microwave Sea Ice Concentration, Version 5, and Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2) для количественного анализа пространственно-временных закономерностей и основных факторов изменений площади, начала таяния и плотности арктического морского льда в период с 1979 по 2025 гг. Результаты показывают значительное сокращение площади морского льда: ежегодное уменьшение составляет 1,98 × 10⁴ км², а плотность снижается со скоростью 2,6% за десятилетие. Плотность на границе ледового покрова падает ниже 25% с июня по сентябрь. Пространственные различия выражены особенно сильно: наиболее интенсивное сокращение площади морского льда наблюдается в регионах Гренландии и Баренцева моря, в то время как центральная Арктика остаётся относительно стабильной. Частота наличия многолетнего ледового покрова снизилась с 6,7% до 3,5%, что привело к изменению структуры морского льда с «преобладания толстого льда» на «преобладание тонкого льда». Данное исследование обеспечивает научную основу для раннего предупреждения об изменении климата в Арктике и разработки региональных стратегий адаптации.

Ссылка: https://www.mdpi.com/2073-4433/17/8/764

В данной работе представлен эталонный набор данных наблюдаемых и смоделированных временных рядов количества осадков для 70 дождемеров в бассейне реки Арно (центральная Италия). Для каждой станции набор данных включает: (i) 20 лет непрерывных 15-минутных и суточных наблюдений за осадками; (ii) 2000-летний синтетический ряд суточных осадков, сгенерированный с использованием стохастической модели CoSMoS-2s; и (iii) соответствующий 2000-летний синтетический 15-минутный ряд, полученный путём мультифрактальной канонической дезагрегации, откалиброванной по наблюдаемым кривым интенсивности-длительности-частоты. Интегрированная модель позволяет генерировать ряды осадков с интервалом менее часа из суточных данных. Хотя ARNO-RAIN предназначен специально для бассейна реки Арно, этот подход может быть перенесён на другие регионы с аналогичной доступностью данных. ARNO-RAIN — это воспроизводимый, хорошо документированный и общедоступный набор данных, предназначенный для поддержки сравнительного анализа, оценки и сопоставления стохастических генераторов осадков и методов дезагрегации. Набор данных дополняется метаданными станций и блокнотами для проверки достоверности, что повышает прозрачность и способствует воспроизводимости исследований.

Ссылка: https://www.nature.com/articles/s41597-026-07991-w

Прогнозирование загрязнения городского воздуха является важной задачей защиты общественного здоровья и управления окружающей средой, которая продолжает оставаться актуальной из-за сложных нелинейных взаимодействий между выбросами, метеорологией, переносом и атмосферной химией. Современные методы глубокого обучения были разработаны для непосредственного улучшения краткосрочной точности прогнозирования путём изучения пространственно-временных корреляций на основе исторических данных. Однако эти основанные на данных, часто неявные подходы, по сути, обходят стороной химические процессы. Следовательно, они, как правило, плохо работают при изменении режима, то есть в условиях высокого уровня загрязнения, фотохимически активных условиях и ненаблюдаемых метеорологических закономерностях, что ограничивает их надёжность и интерпретируемость. В этой статье предложена AtmosChemNet-AI, структура глубокого обучения, учитывающая кинетику реакций, чтобы обойти эти ограничения и позволить сообществу специалистов по атмосферным наукам прогнозировать динамику загрязнения городской атмосферы. Этот новый метод включает в себя дескрипторы-прокси, учитывающие кинетику реакций, посредством построения признаков на основе кинетики, кинетически обусловленного управления в пространственно-временной модели последовательности и регуляризации, ограниченной физическими параметрами, во время обучения. В совокупности эти механизмы ограничивают обучение представлений химически осуществимой эволюцией загрязняющих веществ, сохраняя при этом выразительность современных глубоких нейронных сетей. Валидация проводится для ряда загрязняющих веществ, горизонтов прогнозирования и режимов работы с использованием реальных данных, наблюдений за качеством городского воздуха и метеорологического реанализа. Экспериментальная оценка на рассматриваемых наборах данных, горизонтах прогнозирования и при сравнении с базовыми показателями демонстрирует устойчивое улучшение прогностической эффективности, включая относительное снижение средней абсолютной ошибки и среднеквадратичной ошибки на 15–20%, а также более высокие коэффициенты детерминации. Анализ абляции и режимов подтверждает вывод о том, что знание кинетики реакций повышает устойчивость во время событий с высоким уровнем загрязнения, в благоприятных для реакции условиях и в необученных метеорологических режимах. Основные результаты показывают, что включение знаний о кинетике реакций в модели глубокого обучения значительно повышает точность, стабильность и обобщающую способность прогнозов. Данная структура представляет собой перспективную основу для будущих приложений прогнозирования качества воздуха в реальном времени и поддержки принятия решений в области охраны окружающей среды в городах, при условии дальнейшей проверки на практике и оценки на системном уровне.

Ссылка: https://www.nature.com/articles/s41598-026-64476-x

Моделирование городских наводнений требует подробных данных о рельефе и батиметрии. Однако модели высот часто не учитывают геометрию на уровне улиц, городскую инфраструктуру и батиметрию рек. Здесь представлен высокоразрешённый интегрированный набор данных о поверхности города и батиметрии рек для реки Дуэро (Испания). Его новизна заключается в сочетании измеренной батиметрии русла реки с геометрией города с разрешением менее метра. Набор данных объединяет аэрофотосъемку с помощью LiDAR, ортофотоснимки, кадастровые данные и данные эхолокации RTK-GNSS с использованием жёстких линий разрыва, обеспечивающих непрерывность фасадов, стен, улиц и путей течения под мостами, а также уточнение батиметрии с учётом геоморфологии. Набор данных включает растр GeoTIFF с разрешением 1 м, поперечные сечения, батиметрические профили и точки проверки. Проверка достоверности по наземным и батиметрическим контрольным точкам представлена ​​в виде остаточных слоёв, статистических данных о точности по классам, геостатистических продуктов неопределённости и проверок геометрии на уровне улиц. Парные модели наводнений с периодом повторяемости 500 лет показали, что исключение батиметрических и городских поправок существенно изменяет моделируемую опасность наводнений. Неопределённость концентрируется там, где поверхность была наиболее изменена, обуславливая моделируемые схемы наводнений. Без зарегистрированного эталонного наводнения сравнение опасности остаётся относительным. Набор данных поддерживает повторное использование в двумерном гидравлическом моделировании для управления рисками наводнений и городских гидрологических исследований.

Ссылка: https://www.nature.com/articles/s41597-026-08000-w

Лесные экосистемы играют жизненно важную роль в глобальном круговороте углерода, однако долгосрочная динамика надземного углерода в них остаётся неопределённой. В данном исследовании авторы интегрируют результаты спутниковых наблюдений из различных источников и вероятностных моделей глубокого обучения для реконструкции согласованной, учитывающей неопределённость глобальной записи надземного углерода в лесах с 1988 по 2021 гг. с шагом 0,25°. Было обнаружено, что, хотя мировые леса поглотили 6,2 ПгС, влажные тропические и бореальные леса постепенно перешли в разряд источников углерода с начала 2000-х годов. Изменчивость надземного углерода в тропиках стала всё более отрицательно коррелировать с темпами роста атмосферного CO₂ (r = – 0,63 в 2011–2021 гг.), что указывает на то, что тропические леса всё больше влияют на глобальный круговорот углерода. В бразильской Амазонии вклад нетронутых лесов в ежегодные колебания потерь углерода увеличился с 33% в 1990-х годах до 76% в 2010-х годах. Эти результаты подчёркивают уязвимость запасов углерода в ключевых биомах и предоставляют ориентир для отслеживания происходящих изменений в распределении источников и поглотителей углерода в условиях антропогенного изменения климата.

Ссылка: https://www.nature.com/articles/s41467-026-76093-3

Сельскохозяйственное производство Китая обеспечивает продовольственную безопасность 1,4 миллиарда человек, но подвергается существенным колебаниям, сильно зависящим от Эль-Ниньо-Южного колебания (ЭНЮК), которое чередуется между тёплым Эль-Ниньо и холодной Ла-Нинья. Однако неизвестно, является ли воздействие ЭНЮК симметричным между Эль-Ниньо и Ла-Нинья, как долго оно длится и как реагирует на парниковое потепление. В данной работе, используя нелинейную эконометрическую модель, авторы показывают, что как Эль-Ниньо, так и Ла-Нинья оказывают негативное воздействие, сохраняющееся в течение четырёх лет. Они связывают 655 миллиардов юаней с Эль-Ниньо 2015-16 гг. и 131 миллиард юаней с Ла-Нинья 2010-11 гг., причём в юго-восточных провинциях эти значения выше. Из-за нелинейности сельскохозяйственное производство чувствительно к будущим изменениям ЭНЮК. При сценарии с высокими выбросами прогнозируемое увеличение амплитуды ЭНЮК, вероятно, приведёт к дополнительным средним потерям в размере 39,6 триллионов юаней в сельскохозяйственной экономике XXI века, и нельзя исключить возможность гораздо больших потерь.

Ссылка: https://www.nature.com/articles/s43247-026-03873-6