Глобальные климатические модели играют важную роль в климатических прогнозах, но часто демонстрируют смещения, особенно в представлении экстремальных значений и многомерных зависимостей, что ограничивает их применение при оценке воздействия. Традиционные методы коррекции смещения, такие как квантильное картирование, учитывают маргинальные распределения, но не позволяют корректировать совместные экстремальные значения и связи между переменными. Для решения этих проблем авторы предлагают полную коррекцию плотности с использованием нормализующих потоков (Complete Density Correction using Normalizing Flows, CDC-NF) – новый метод, использующий обратимые преобразования для корректировки полного совместного распределения результатов глобальных климатических моделей. Используя данные наблюдений из ежедневных прогнозов NOAA nClimGrid и глобальных климатических моделей CMIP6, они применили метод CDC-NF с ежедневным временным разрешением к результатам по осадкам и максимальной температуре из прогнозов глобальных климатических моделей CMIP6. По сравнению с традиционными методами оценки влияния климата (коррекции смещения), CDC-NF продемонстрировал существенное улучшение расстояния Вассерштейна, среднеквадратичной ошибки и процентного смещения, особенно для 90-го процентиля экстремальных значений. Кроме того, он сохранил структуру взаимной корреляции, повысив надёжность моделирования сложных экстремальных значений. CDC-NF представляет собой значительный шаг вперёд в области оценки влияния климата, предоставляя надёжную основу для устранения смещений в глобальных климатических моделях и улучшения исследований воздействия на климат в условиях меняющегося климата.

Ссылка: https://www.nature.com/articles/s41597-025-05478-8

Более 30 лет исследования по обнаружению и атрибуции (detection and attribution, D&A) служили основой для ключевых выводов в международных и национальных оценках климатологии, предоставляя убедительные доказательства реальности и серьёзности антропогенного воздействия на глобальный климат. В начале XXI века методы D&A были адаптированы для оценки вклада изменения климата в долгосрочные тенденции в процессах земной системы и экстремальных погодных явлениях. В последнее время исследования по атрибуции количественно оценили воздействие изменения климата на здоровье и экономику. Авторы предлагают практические рекомендации для междисциплинарного сотрудничества между специалистами в области здравоохранения, климата и других соответствующих научных дисциплин, а также заинтересованными сторонами, в разработке, проведении, интерпретации и представлении надёжных и политически значимых атрибуционных анализов последствий для здоровья человека. Эти рекомендации стали результатом обсуждений между экспертами в области здравоохранения и климатологии. Рекомендуемые шаги включают совместную разработку исследовательских вопросов между дисциплинами; создание междисциплинарной аналитической команды с фундаментальной базой в основных дисциплинах; конструктивное взаимодействие с соответствующими заинтересованными сторонами и лицами, принимающими решения, для определения надлежащего дизайна исследования и аналитического процесса, включая определение события или тенденции воздействия; выявление, визуализацию и описание эффектов в причинно-следственной связи от воздействия погодных/климатических переменных до интересующих результатов для здоровья; выбор соответствующих контрфактуальных климатических данных и, где применимо, оценка эффективности моделей воздействия климата и здоровья, используемых в исследованиях D&A; количественная оценка приписываемых изменений климатических переменных; количественная оценка приписываемых воздействий на здоровье в контексте других детерминант воздействия и уязвимости; и представление ключевых результатов, включая описание того, как рекомендации были включены в аналитический план. Внедрение руководства принесёт пользу различным заинтересованным сторонам, включая исследователей, спонсоров исследований, политиков и участников климатических судебных разбирательств за счёт гармонизации методов и повышения уверенности в результатах.

Ссылка: https://link.springer.com/article/10.1007/s10584-025-03976-7

Городская жилая застройка влияет на местный микроклимат и тепловой комфорт человека. Данное исследование объединяет эмпирические данные о микроклимате с данными дистанционного зондирования о сомкнутости древесного полога, размерах участков под застройку, проницаемости поверхностей и цвете крыш для изучения тепловых различий между тремя недавно построенными и тремя уже существовавшими жилыми пригородами в Западном Сиднее, Австралия. В уже построенных районах были большие участки под застройку и взрослые деревья на улицах, в то время как в недавно застроенных пригородах участки были меньше и растительный покров был ограничен. Данные о микроклимате собирались летом 2021 года как в период сильной жары, так и в условиях отсутствия сильной жары при полном солнце. Измерялись температура воздуха, относительная влажность, скорость ветра и температура влажного термометра как индекс теплового стресса. Максимальная суточная температура воздуха достигала 42,7 °C в новых пригородах по сравнению с 39,3 °C в уже существующих (p < 0,001). Уровни температуры влажного термометра во время аномальной жары в новых пригородах соответствовали категории «крайняя осторожность», в то время как в уже существующих оставались в диапазоне «осторожность». Эти результаты подчёркивают преимущества обширных зелёных зон, проницаемых поверхностей и более светлых цветов крыш в условиях воздействия городской жары. Поддержание взрослых деревьев и отказ от тёмных крыш могут значительно снизить летнюю жару и повысить тепловой комфорт на открытом воздухе в различных условиях. Результаты этой работы могут помочь в разработке подходов «снизу вверх» к городскому проектированию с учётом климата, где осведомленные домовладельцы могут влиять на результаты развития.

Ссылка: https://www.mdpi.com/2073-4433/16/8/899

Лесные пожары выбрасывают загрязняющие вещества, такие как мелкодисперсные частицы (PM_2,5) и предшественники озона (O₃), которые могут негативно влиять на качество воздуха. Для лучшего понимания процессов, непосредственно влияющих на перенос дыма и химический состав дымового шлейфа, в данном исследовании использовалась сопряжённая модель «пожар-атмосфера» (WRF-SFIRE-Chem) для количественной оценки вклада дыма от лесных пожаров в концентрацию O₃ относительно региональных антропогенных выбросов. Совместное моделирование «пожар-атмосфера-химия» также использовалось для изучения того, как обратные связи аэрозольного излучения, то есть затенение дыма, влияют на перенос дыма и химический состав дымового шлейфа. В данном исследовании изучался крупный эпизод задымления, произошедший во время рекордного сезона лесных пожаров на западе США в 2020 году. В целом, WRF-SFIRE-Chem удалось воспроизвести эволюцию регионального дымового шлейфа для случая задымления в августе 2020 года. Моделирование чувствительности от WRF-SFIRE-Chem показывает, что вклад в концентрацию O₃ от дыма лесных пожаров (21 ± 4,4 млрд^-1) был намного больше, чем увеличение концентрации O₃ от региональных антропогенных источников выбросов (11 ± 1,3 млрд^-1). Затенение дымом также оказало большое влияние на метеорологию, где поступающая солнечная радиация и температура на уровне 2 м под дымовым шлейфом уменьшились примерно на 400 Вт м⁻² и 4 °C соответственно. Затенение дымом также изменило перенос дыма и снизило концентрацию O₃ в дымовом шлейфе до 10 млрд^-1. Эти результаты предполагают, что могут происходить значительные увеличения концентрации O₃ даже при отсутствии региональных антропогенных выбросов. Это исследование также подчёркивает важность учёта затенения дымом в транспортно-химических моделях, что оказалось важным в контексте как переноса дыма, так и фотохимии шлейфа.

Ссылка: https://www.sciencedirect.com/science/article/pii/S1352231025003796

Широкомасштабные изменения приповерхностной многолетней мерзлоты в северных экосистемах происходят в результате постепенного оттаивания сверху вниз и более резкого локального развития термокарста. Оба типа оттаивания связаны с потерей экосистемных услуг, включая гидротермическую и механическую стабильность почв и долгосрочное хранение углерода. В данной работе авторы проанализировали взаимосвязи между сосудистым подлеском, базальным слоем мха, толщиной активного слоя и потоками парниковых газов вдоль градиента оттаивания от торфяного плато многолетней мерзлоты до талого болота во внутренних районах Аляски. Они использовали толщину активного слоя для определения четырёх отдельных стадий оттаивания: стабильной, ранней, промежуточной и развитой, и выявили ключевые таксоны растений, служащие надёжными индикаторами каждой стадии. Опережающее таяние с более толстым деятельным слоем и более развитыми термокарстовыми образованиями было связано с увеличением обилия злаков и сфагновых мхов, но снижением видового богатства растений и обилия эрикоидов, а также значительным увеличением эмиссии метана. Раннее таяние, характеризующееся утолщением деятельного слоя без развития термокарста, совпало с уменьшением эрикоидного покрова и видового богатства растений, а также увеличением эмиссии CH₄. Эти результаты показывают, что ранние стадии таяния, до формирования термокарстовых образований, связаны с отчётливыми изменениями растительности и влажности почвы, приводящими к резкому увеличению эмиссии метана, которая затем сохраняется за счёт проседания поверхности земли и образования болот с провалами. Текущее моделирование торфяников многолетней мерзлоты будет недооценивать эмиссию углерода от её таяния, если эти связи между растительным сообществом, нелинейной динамикой деятельного слоя и потоками углерода из возникающих протаивающих образований не будут включены в рамки моделирования.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2024JG008639

Вода в реках Земли распространяется волнами в пространстве и времени по гидрографическим сетям. Детальное понимание динамики рек в глобальном масштабе необходимо в целях получения точных данных о запасах и потоках поверхностных вод для поддержки управления водными ресурсами, прогнозирования и смягчения последствий стихийных бедствий, связанных с водой. Глобальные данные in situ о речном стоке имеют решающее значение для поддержки таких исследований, но их по-прежнему сложно получить в адекватных пространственно-временных масштабах, если они вообще существуют. Многие ожидания возлагаются на методы дистанционного зондирования как на ключевой инструмент. Однако, несмотря на быстрое расширение возможностей спутников, остаётся неясным, какие временные интервалы, пространственное покрытие, площадь зоны охвата, пространственное разрешение, точность наблюдений, время задержки и интересующие нас переменные, получаемые со спутников, наилучшим образом подходят для регистрации распространения воды в реках в пространстве и времени. Кроме того, способность численных моделей компенсировать разреженность данных посредством объединения данных с модельными оценками остаётся неясной. Авторы рассматривают недавние усилия по выявлению типа дистанционных наблюдений, которые могли бы улучшить понимание и представление динамики рек. Ключевые приоритеты включают: (a) разрешение узких водоёмов (менее 50–100 м), (б) дальнейший анализ точности сигнала в зависимости от гидрологической изменчивости и соответствующих технологий (оптические/SAR-изображения, альтиметрия, микроволновая радиометрия), (в) достижение интервалов наблюдений 1–3 дня, (г) использование ассимиляции данных и многоспутниковых подходов с использованием существующих комплексов, и (д) измерение новых переменных для точной оценки расхода воды. Авторы рекомендуют ориентированную на гидрологию многоцелевую систему наблюдений, включающую: (a) передовую одно- или двухспутниковую миссию для расширенных измерений поверхностных вод и (б) комплекс экономически эффективных спутников для изучения динамических процессов.

Ссылка: https://agupubs.pericles-prod.literatumonline.com/doi/10.1029/2024RG000871

Метод компьютерного зрения, модифицированный для сканирования данных климатических моделей, помогает учёным предсказывать, где и когда в будущем произойдут резкие климатические изменения.

В связи с глобальным ростом температуры, сокращением биоразнообразия и повышением уровня моря учёные обеспокоены вероятностью резких климатических изменений, особенно в чувствительных подсистемах климатической системы, таких как тропические леса Амазонки, морские льды Антарктиды и Тибетское нагорье. Резкие изменения могут проявляться, например, в виде значительных и внезапных изменений интенсивности осадков в муссонной системе, таяния льдов в Антарктиде или таяния многолетней мерзлоты в Северном полушарии.

Терпстра и др. (Terpstra et al.) стремились выявить резкие изменения, которые могут произойти в будущем, сосредоточившись на климатических подсистемах, обсуждаемых в докладе «Глобальные переломные моменты 2023 года». Группа проанализировала результаты 57 моделей, полученные в рамках шестой фазы проекта сравнения сопряжённых моделей (CMIP6). Все модели следовали сценарию изменения климата на протяжении 150 лет, при котором концентрация углекислого газа ежегодно увеличивалась на 1%, пока не достигла четырёхкратного доиндустриального уровня.

Затем они применили к смоделированным климатическим данным метод обнаружения границ Кэнни, изначально созданный для выявления границ на компьютерных изображениях. В данном случае они использовали его для обнаружения границ, или точек во времени и пространстве, где в течение десятилетия происходили резкие изменения 82 переменных, таких как солёность поверхности моря, влажность почвы и масса углерода в растительности и почве. В предыдущих исследованиях использовался аналогичный метод для сканирования границ в климатических данных, но не в масштабе подсистем.

Хотя исследователи наблюдали большие различия между модельными оценками, 48 из 57 моделей показали резкий сдвиг по крайней мере в одной подсистеме за моделируемый период. Муссонные системы оказались выбросами: только одна модель указала на резкий сдвиг летнего индийского муссона, и ни одна не указала на резкие сдвиги южноамериканских и западноафриканских муссонов.

Они также обнаружили, что чем более выраженное глобальное потепление моделировалось, тем выше была вероятность резких сдвигов. При превышении средней доиндустриальной температуры на 1,5 °C (целевого предела, установленного Парижским соглашением по климату) исследователи обнаружили, что 6 из 10 изученных климатических подсистем продемонстрировали масштабные резкие сдвиги в нескольких моделях.
(AGU Advances, https://doi.org/10.1029/2025AV001698, 2025)

Ссылка: https://eos.org/research-spotlights/abrupt-climate-shifts-likely-as-global-temperatures-keep-rising

Данные полевых измерений растительного покрова Арктики необходимы для создания точных и высококачественных карт структуры и состава растительности. Экстраполяция полевых данных в карты растительного покрова высокого разрешения обеспечивает подробную, функционально-специфическую информацию для использования в моделях земной системы, классификациях растительности и мониторинге изменений растительного покрова во времени и пространстве. Однако полевые кампании по сбору данных о растительном покрове существенно различаются по объёму, методам и целям, что затрудняет их унификацию в различных хранилищах данных и часто не предназначено для удовлетворения потребностей дистанционного зондирования. В данной работе авторы синтезировали и гармонизировали полевые данные о частичном покрытии из различных хранилищ данных, чтобы создать высококачественную и согласованную схему репозитория для приложений дистанционного зондирования, использующих данные о частичном покрытии. Они разработали воспроизводимый рабочий процесс для синтеза данных визуальной оценки и точек пересечения данных о частичном покрытии. Результирующая база данных панарктического растительного покрова (PAVC) содержит синтезированные данные о частичном покрытии как на уровне видов, так и на уровне функциональных типов растений. Последнее включает абсолютное покрытие листопадных кустарников и деревьев, вечнозеленых кустарников и деревьев, разнотравья, злаков, лишайников, мохообразных и «прочей» растительности, а также абсолютное покрытие подстилки и верхнее покрытие воды и голой земли.

Ссылка: https://www.nature.com/articles/s41597-025-05326-9

Прогнозирование погоды традиционно опирается на системы численного прогнозирования, которые интегрируют глобальные наблюдения, усвоение данных и результаты физических моделей. Однако дальнейшее развитие всё чаще сдерживается высокими вычислительными затратами, недостаточным использованием обширных наборов данных наблюдений и трудностями в получении более высокого разрешения. Недавние достижения в области машинного обучения представляют собой многообещающую альтернативу, но всё ещё зависят от начальных условий, создаваемых системами численного прогнозирования погоды. Здесь представлена FuXi Weather — глобальная система прогнозирования на основе машинного обучения, усваивающая данные с нескольких спутников и способная циклически анализировать данные и прогнозы. FuXi Weather генерирует надёжные 10-дневные прогнозы с разрешением 0,25°, используя меньше наблюдений, чем традиционные системы численного прогнозирования погоды. Это демонстрирует ценность фоновых прогнозов в ограничении анализа при усвоении данных. FuXi Weather превосходит прогнозы высокого разрешения Европейского центра среднесрочных прогнозов погоды на период свыше одного дня в регионах с редкими наблюдениями, таких как Центральная Африка, что подчёркивает её потенциал для улучшения прогнозов там, где инфраструктура наблюдений ограничена.

Ссылка: https://www.nature.com/articles/s41467-025-62024-1

Большие языковые модели (Large language models, LLM) представляют собой преобразующий потенциал на переднем крае искусственного интеллекта и машинного обучения, который может помочь ответственным лицам в решении насущных социальных проблем, таких как экстремальные природные явления. Будучи обобщёнными моделями, LLM часто испытывают трудности с предоставлением контекстно-зависимой информации, особенно в областях, требующих специальных знаний. В данной работе авторы предлагают многоагентную систему LLM на основе генерации, дополненной поиском, для поддержки анализа и принятия решений в контексте стихийных бедствий и экстремальных погодных явлений. В качестве подтверждения концепции они представляют WildfireGPT, специализированную систему, ориентированную на риски лесных пожаров. Архитектура использует ориентированный на пользователя многоагентный дизайн для предоставления персонализированной информации о рисках различным группам заинтересованных сторон. Интегрируя данные прогнозов стихийных бедствий и экстремальных погодных явлений, наборы данных наблюдений и научную литературу через рамки генерации, дополненной поиском, система обеспечивает как точность, так и контекстную релевантность предоставляемой информации. Оценка десяти тематических исследований, проведённых экспертами, показывает, что WildfireGPT значительно превосходит существующие решения на базе LLM для поддержки принятия решений.

Ссылка: https://www.nature.com/articles/s44168-025-00254-1