Озоноразрушающие галоуглероды являются мощными парниковыми газами, но также могут вызывать радиационное охлаждение за счёт истощения стратосферного озона. Ранее глобальные климатические модели показали существенное вызванное озоноразрушающими галоуглеродами потепление во второй половине XX века, которое лишь частично компенсировалось потерей озона. Однако более поздние оценки чистого эффективного радиационного воздействия озоноразрушающих галоуглеродов указывают на возможность гораздо большей компенсации за счёт истощения озона, ставя под сомнение климатические сопутствующие выгоды Монреальского протокола, который привёл к глобальному поэтапному прекращению их выбросов. В данном исследовании, анализируя результаты нескольких комплексных химико-климатических моделей с реалистичным истощением стратосферного озона, авторы подтверждают, что чистый эффект от выбросов озоноразрушающих галоуглеродов, по всей вероятности, является положительным, с наилучшей оценкой ~ 0,2 Вт·м⁻² для 2014 года, что согласуется с более ранними оценками, показывающими лишь частичное компенсационное воздействие истощения озона. Кроме того, представленные результаты показывают, что если бы выбросы озоноразрушающих галоуглеродов не происходили во второй половине XX века, глобальное потепление в этот период было бы примерно на 20% ниже, что подтверждает критически важную дополнительную пользу Монреальского протокола в смягчении глобального потепления.

Ссылка: https://www.nature.com/articles/s41612-026-01398-5

Тропические леса Амазонии, возможно, переходят от роли огромного поглотителя углерода к роли чистого источника выбросов углерода. Вырубка лесов в результате преднамеренных пожаров приводит к выбросам в атмосферу около 1,5 миллиарда тонн углекислого газа (CO₂) в год, что способствует глобальному потеплению (1). Изменения в растительности региона в результате расчистки земель влияют на состав атмосферы, долю солнечной радиации, отражаемой от поверхности Земли (альбедо), и свойства облаков. Эти факторы могут усиливать или замедлять эффект потепления, вызванный вырубкой лесов, но их вклад неясен. В частности, облака регулируют температуру Земли, отражая поступающий солнечный свет и удерживая исходящее тепло. На странице 429 этого номера Дрор и Фейнгольд (2) сообщают, что вырубка тропических лесов Амазонии увеличивает облачность на низких высотах (<2000 м над уровнем моря), частично компенсируя разогревающее влияние выброшенного CO₂. Охлаждающий эффект удивителен и может иметь значение для оценки обратной связи облаков, связанной с растительностью и выбросами парниковых газов.

1 L.V. Gatti et al., Nature 595, 388 (2021).
2 T. Dror, G. Feingold, Science 392, 429 (2026).

Ссылка: https://www.science.org/doi/10.1126/science.aeg5991

Пылевые бури, хотя часто воспринимаются как вредные явления, могут играть неожиданную роль в усилении осадков. Глобальные наблюдения показывают, что накопленное количество осадков за 7 дней после пылевых бурь превышает показатели в условиях отсутствия пыли на 9,6 миллиметра. Численные модели дополнительно подтверждают, что частицы пыли действуют как ледяные ядра, тем самым способствуя образованию облаков и увеличению количества осадков за счёт эффекта ледяных кристаллов. Более того, в регионах с растущим уровнем антропогенных аэрозолей пыль определяет характер выпадения осадков. В то время как повышенный уровень антропогенных аэрозолей сам по себе, как правило, усиливает слабые осадки, присутствие пылевых аэрозолей уменьшает слабые осадки и увеличивает более сильные. В совокупности эти результаты показывают двойную роль пылевых бурь в формировании глобальных структур выпадения осадков, одновременно оказывая негативное воздействие на среду обитания человека. Это исследование создаёт механистическую основу для понимания того, как пыль влияет на экстремальные осадки в глобальном масштабе, расширяя возможности прогнозирования сильных осадков.

Ссылка: https://www.science.org/doi/10.1126/sciadv.adw6864

Модели, основанные на искусственном интеллекте, совершают революцию в прогнозировании погоды и превзошли ведущие системы численного прогнозирования погоды в различных эталонных задачах. Однако их способность экстраполировать и надёжно прогнозировать беспрецедентные экстремальные события остаётся неясной. Авторы показали, что для рекордно экстремальных погодных явлений численная модель прогноза высокой точности (HRES), основанная на физических принципах и полученная от Европейского центра среднесрочных прогнозов погоды, по-прежнему стабильно превосходит современные модели искусственного интеллекта: GraphCast, GraphCast operational, Pangu-Weather, Pangu-Weather operational и Fuxi. Было продемонстрировано, что ошибки прогнозирования в моделях искусственного интеллекта стабильно больше для рекордно высоких температур, холода и ветра, чем в HRES, почти на всех временных интервалах. Авторы также обнаружили, что рассматриваемые модели искусственного интеллекта, как правило, недооценивают как частоту, так и интенсивность рекордно экстремальных событий, а также рекорды жары и переоценивают рекорды холода с возрастающими ошибками при больших превышениях рекордов. Представленные результаты подчёркивают существующие ограничения моделей погоды на основе искусственного интеллекта в экстраполяции за пределы области обучения и в прогнозировании потенциально наиболее масштабных рекордных погодных явлений, которые особенно часто происходят в условиях быстрого потепления климата. Необходимы дальнейшая тщательная проверка и разработка моделей, прежде чем на них можно будет полностью полагаться в таких важных приложениях, как системы раннего предупреждения и управление стихийными бедствиями.

Ссылка: https://www.science.org/doi/10.1126/sciadv.aec1433

Хотя пустынная пыль является наиболее распространённым атмосферным аэрозолем по массе, её воздействие на длинноволновое излучение остаётся неясным, что затрудняет понимание влияния пыли на погоду и климат. В данной работе, используя аналитическую модель, основанную на данных и ограниченную наблюдениями, авторы показывают, что рассеяние и поглощение длинноволнового излучения пылью способствует нагреву планеты на +0,25 ± 0,06 Вт·м⁻² (90%-ный доверительный интервал). Это почти вдвое больше значения, оцененного современными климатическими моделями, не учитывающими рассеяние длинноволнового излучения и недооценивающими сверхкрупную пыль (диаметр > 10 мкм). Эти упущения искажают моделируемое поверхностное энергетическое воздействие, реакцию облаков, осадки и атмосферную циркуляцию. В глобальном масштабе знак и величина прямого радиационного воздействия пыли остаются неопределёнными, и необходимы дополнительные исследования для оценки эффектов охлаждения коротковолновым излучением. Эти результаты показывают, что улучшение представления взаимодействия пыли с длинноволновым излучением может повысить точность прогнозирования погоды и имеет важное значение для выяснения роли пыли в изменении климата.

Ссылка: https://www.nature.com/articles/s41467-026-70952-9

Продолжительность сезона таяния арктического морского льда является важным индикатором и фактором, определяющим масштабные изменения в климатической системе. С 1979 года продолжительность сезона таяния увеличилась примерно на 40 дней, в основном за счёт задержки начала замерзания (~34 дня) по сравнению с более ранним началом таяния (~7 дней). Однако с 2010 года продолжительность сезона таяния стабилизировалась (~108 дней), не демонстрируя последовательных изменений на протяжении лет, вместо этого став крайне изменчивой (+/− 11 дней), в основном за счёт потери многолетнего льда в 2000–2009 гг. и небольшого изменения начала замерзания (~2 дня). Существует резкое различие между десятилетиями: наибольшие изменения в продолжительности сезона таяния произошли в период 2000–2009 гг. (+25 дней), а наименьшие — в период 2010–2023 гг. (−2 дня). Это позволяет предположить, что, хотя в процессах, контролирующих десятилетние колебания продолжительности сезона таяния, может наблюдаться некоторая периодичность, антропогенное воздействие изменило фоновое состояние Арктики и привело к появлению нового, значительно более длительного сезона таяния в Арктике с гораздо более тонким ледяным покровом, более восприимчивым к внешним воздействиям. Термодинамические факторы помогают объяснить эти различия, где летний чистый энергетический баланс поверхности и продолжительность сезона таяния сильно коррелируют (+1 Вт·м⁻² = +2,13 дня к продолжительности сезона таяния). В период с 2000 по 2009 гг. наблюдалось значительное увеличение чистого коротковолнового излучения (+12,6 Вт·м⁻²) и, следовательно, летнего чистого энергетического баланса поверхности (+10 Вт·м⁻², что обусловлено уменьшением поверхностного альбедо (−0,022%) и облачности (−2,3%)). В период 2010–2023 гг. увеличение облачности (+7,2%) и лишь минимальные изменения альбедо (0,011%) привели к чистому снижению солнечной радиации (−3,14 Вт·м⁻²) и летнего солнечного экваториального баланса (−2 Вт·м⁻²). Увеличение летнего солнечного экваториального баланса приводит к таянию морского льда (для таяния 1 м требуется ~34 Вт·м⁻²), при этом дополнительная энергия (+8,5 Вт·м⁻²) обеспечивает 23 см дополнительного таяния, что уменьшает толщину морского льда в октябре/ноябре. Хотя с 2010 года продолжительность сезона таяния, по-видимому, стабилизировалась, условия в Арктике постоянно меняются, и межгодовые колебания накладываются на глобальное потепление. Поэтому крайне важно продолжать внимательно отслеживать продолжительность сезона таяния арктического морского льда, чтобы оценить его устойчивость к нынешним условиям и спрогнозировать будущие изменения.

Ссылка: https://www.nature.com/articles/s43247-026-03534-8

2025 год характеризовался географически сконцентрированными аномалиями наводнений, сформированными изменением крупномасштабной атмосферной циркуляции и изменчивостью океанической и атмосферной систем, при этом предшествующие гидрологические условия и топография усилили воздействие в нескольких регионах. Этот год занял одно из последних мест по уровню подверженности наводнениям за последние два десятилетия, причинив ущерб на сумму более 28 миллиардов долларов США и приведя к 4200 смертельным случаям, связанным с наводнениями, во всём мире.

Ключевые моменты

Риск внезапных наводнений был продемонстрирован на примере катастрофы в Техасском регионе Хилл-Кантри, где в начале июля экстремальная конвекция привела к резким пиковым расходам воды и серьёзным последствиям в условиях короткого замыкания.

Предшествующие осадки усилили опасность на юге Бразилии, где дожди в середине июня, выпавшие на уже насыщенные водой бассейны после наводнений 2024 года, вызвали масштабные наводнения в системе Уругвай-Ибикуи.

Усиление экстремальных погодных условий в сезон муссонов и повторяющиеся ливневые дожди, связанные с тайфунами, привели к тому, что в этом году в Южной и Юго-Восточной Азии произошло самое смертоносное наводнение, унесшее более 1000 жизней.

Ссылка: https://www.nature.com/articles/s43017-026-00779-x   

В данном исследовании авторы разработали совместную модель на основе четырёхмерной вариационной ассимиляции данных (4DVAR) с использованием глубокого обучения (deep learning, DL) для оценки суточных концентраций оксида углерода CO в Восточной Азии. Прямая модель построена на архитектуре U-Net, а её сопряжённая версия сформулирована путём явного вычисления градиентов функции стоимости относительно начального условия с использованием алгоритма обратного распространения ошибки. Совместная модель на основе DL (adjoint model, ADM) была сначала проверена с помощью сопряжённого теста — теста градиента конечных разностей. Идеализированные эксперименты с использованием синтетических приращений CO в одной точке сетки над Корейским полуостровом показали, что сопряжённая чувствительность распространяется горизонтально и вертикально в область выше по течению вдоль климатологических потоков с диффузионными особенностями. Кроме того, идеализированные эксперименты 4DVAR с использованием наблюдений за содержанием CO на месте над Кореей и Японией в 2020–2022 гг. продемонстрировали существенное снижение погрешности на Корейском полуострове, в Японии и на северо-востоке Китая. Это подтверждает, что основанный на глубоком обучении алгоритм ADM демонстрирует физически обоснованное распространение информации наблюдений во времени и пространстве, предлагая многообещающую и эффективную альтернативу динамическим сопряжённым модельным подходам, ограниченным высокими вычислительными затратами.

Ссылка: https://www.nature.com/articles/s41612-026-01410-y

Прогнозирование погоды играет жизненно важную роль в современном обществе, от сельского хозяйства и логистики до прогнозирования выработки возобновляемой энергии и подготовки к экстремальным погодным явлениям. Модели прогнозирования погоды на основе глубокого обучения, созданные с использованием целевой функции прогнозирования следующего состояния на основе данных ERA5, показали большие успехи по сравнению с численными глобальными моделями циркуляции. Здесь предлагается методология использования детерминированных моделей погоды при разработке вероятностных моделей погоды, что приводит к повышению производительности и снижению вычислительных затрат. Авторы разработали вероятностную модель погоды, основанную на сопоставлении потоков, современном варианте диффузионных моделей, которая обучена проецировать детерминированные прогнозы погоды на распределение погодных состояний ERA5. Предложенная модель ArchesWeatherGen превосходит IFS ENS и NeuralGCM по всем основным переменным WeatherBench (за исключением геопотенциала NeuralGCM). Эта работа также направлена ​​на демократизацию использования генеративных моделей машинного обучения в исследованиях прогнозирования погоды.

Ссылка: https://www.science.org/doi/10.1126/sciadv.adx2372

2024 год стал самым жарким за всю историю наблюдений, сопровождавшимся экстремальными осадками, засухами и пожарами. Глобальная скорость роста концентрации CO₂ в атмосфере в 2024 году достигла исторического максимума в 3,73 млн-1 в год, значительно превысив предыдущий рекорд, установленный во время явления Эль-Ниньо 2015/16 годов. В данном исследовании авторы изучают причины и основные механизмы этого рекордно высокого темпа роста, комбинируя данные спутниковых атмосферных инверсий и оценки валовой первичной продуктивности и выбросов от пожаров. Было обнаружено, что рекордно высокий темп роста концентрации CO₂ обусловлен значительным сокращением поглощения CO₂ наземными экосистемами. Это в основном связано с резким увеличением общего дыхания экосистем, которое произошло преимущественно в травянистых и кустарниковых зарослях из-за сочетания жарких и влажных климатических условий в 2024 году. Учитывая прогнозируемое увеличение частоты и интенсивности сочетаний экстремальных ливневых и жарких периодов в условиях потепления, изменения в дыхании экосистем станут более резкими и вызовут положительную обратную связь с изменением климата.

Ссылка: https://www.nature.com/articles/s41467-026-72189-y