Для улучшения диагностики и прогнозирования изменений, вызванных усилением антропогенного воздействия, необходимо расширить сравнительный анализ измерений и моделирования содержания озона — одного из климатически важных атмосферных газов. Это обусловлено решающим влиянием стратосферного озона на радиационный баланс системы Земля-атмосфера и ролью тропосферного озона, третьего по значимости антропогенного фактора, способствующего парниковому эффекту. Такая задача особенно актуальна для России, поскольку её географическое положение делает её более уязвимой к изменению климата, чем другие страны, а региональные тенденции изменчивости содержания озона над ней ещё недостаточно изучены. Анализ измерений содержания тропосферного озона (СTO) на спутнике ИКФС-2 за 2015–2022 гг. показал, что в Сибирском, Дальневосточном, Северо-Кавказском и Южном федеральных округах России максимум СTO, вызванный фотохимическим образованием приземного озона, наблюдается в июле (до 30–35 ед. Добсона для среднемесячных значений в слое от поверхности до уровня 400 гПа). В Северо-Западном федеральном округе максимум СТО (до 25–30 ед. Добсона), определяемый меридиональным переносом, наблюдается в конце весны. Статистически значимых линейных трендов СТО не обнаружено. Модель WRF-Chem качественно описывает сезонные колебания СТО, а также его аномальное увеличение, вызванное лесными пожарами. Изменчивость общего содержания озона (OCО) анализируется по измерениям OMI (2005–2023 гг.) и ИКФС-2 (2015–2022 гг.), а также по результатам моделирования SOCOLv3. Отрицательные аномалии содержания озона весной (до 15% для среднемесячных значений) обычно наблюдаются при положительных значениях индекса арктического колебания и западной фазе квазидвухлетних колебаний. За период 2008–2022 гг. в ноябре для европейской части России и Западной и Центральной Сибири получено статистически значимое увеличение ОСО (+1,6–1,7% в год).

Ссылка: https://www.mdpi.com/2073-4433/17/3/265

Насколько распространены городские лесные пожары по сравнению с пожарами в менее населённых местах? Хотя это не новое явление, распространённость городских лесных пожаров в предыдущих демографических анализах недооценивалась из-за ограничений исторических данных. В данном исследовании авторы изучают различные последствия лесных пожаров в Соединённых Штатах, демонстрируя, как связанные административные и пространственные источники данных могут улучшить понимание воздействия лесных пожаров на человека, особенно в урбанизированных районах. С 1999 по 2020 гг. лесные пожары постоянно происходили на всём континууме «сельская местность — город», но с бо́льшим количеством жертв и разрушений строений, сосредоточенных в более урбанизированных местах. Почти три четверти всех строений, разрушенных лесными пожарами, находились в городских или микрогородских районах. В отличие от этого, лесные пожары выжгли почти в 2,5 раза больше земли в сельских районах, чем в городских. Авторы приходят к выводу, что понимание воздействия лесного пожара как более городского или более сельского зависит от используемого метода измерения воздействия.

Ссылка: https://www.nature.com/articles/s43247-026-03336-y

Гольфстрим является частью Атлантической меридиональной термохалинной циркуляции (АМТЦ). АМТЦ — это переломный элемент, который может разрушиться под воздействием изменяющихся внешних факторов. Однако роль Гольфстрима в таком переломном событии неизвестна. Авторы исследуют связь между АМТЦ и Гольфстримом, используя автономную океаническую модель с высоким разрешением (0,1°), в которой АМТЦ разрушается под воздействием медленно возрастающего пресноводного воздействия. Ослабление АМТЦ постепенно смещает Гольфстрим вблизи мыса Хаттерас на север, за которым следует резкое смещение на север на 219 км в течение двух лет. Это быстрое смещение происходит за несколько десятилетий до смоделированного коллапса АМТЦ. Спутниковая альтиметрия показывает значительное (1993–2024 гг., p < 0,05) смещение Гольфстрима на север вблизи мыса Хаттерас, что также подтверждается наблюдениями за температурой подповерхностных слоёв (1965–2024 гг., p < 0,01). Эти данные косвенно свидетельствуют об ослаблении Атлантической меридиональной термохалинной циркуляции в настоящее время и демонстрируют, что резкие изменения направления Гольфстрима могут служить индикатором раннего предупреждения о возможном переломе в развитии АМТЦ.

Ссылка: https://www.nature.com/articles/s43247-026-03309-1

Глобальное потепление и социально-экономическое развитие в совокупности приводят к резкому увеличению использования кондиционеров. Однако в результате применения технологии, обеспечивающей тепловой комфорт, также выбрасывается большое количество парниковых газов, усугубляя изменение климата. Авторы количественно оценивают глобальные выбросы парниковых газов, связанные с кондиционерами, и обусловленное этим воздействие на потепление в рамках пяти климатических сценариев, разделяя вклад глобального потепления и социально-экономического развития. В среднем сценарии (SSP245) совокупные выбросы, связанные с кондиционерами, достигают 113,3 Гт CO₂-экв в период с 2010 по 2050 гг., повышая среднюю глобальную температуру на 0,05°C (0,03°C-0,07°C), при этом только около 8,3% приходится на потребность в охлаждении, обусловленную изменением климата. Неравенство в доходах усугубляет неравенство в использовании кондиционеров, существенно ограничивая доступ к охлаждению в регионах с низким уровнем дохода. Хотя рост доходов уменьшает это неравенство, он увеличивает выбросы: рост потребления электроэнергии, обусловленный ростом доходов, добавляет 14–146 Гт CO₂-экв и дополнительное потепление на 0,003–0,05°C к 2050 году, даже при сценарии SSP119. Эти результаты подчёркивают необходимость быстрого перехода к низкоуглеродной экономике в сфере охлаждения, который уравновешивает общее воздействие на потепление с равным доступом к охлаждению.

Ссылка: https://www.nature.com/articles/s41467-026-69393-1

Изменение климата ускоряется с угрожающей скоростью: 2024 год был признан самым жарким годом за всю историю наблюдений, со средней температурой на 1,55 °C выше значений, установленных в Парижском соглашении. В связи с этим экстремальные погодные явления, такие как наводнения, жара, лесные пожары и таяние ледников, представляют угрозу для экологических систем. Инвестируя в солнечные технологии, страны могут работать над более устойчивым энергетическим будущим и решать насущную проблему изменения климата. В данной работе исследовался глобальный потенциал солнечной фотоэлектрической энергии с помощью моделей сезонной авторегрессионной интегрированной скользящей средней с экзогенными факторами (Seasonal Autoregressive Integrated Moving Average with Exogenous Factors, SARIMAX) и временной свёрточной сети (Temporal Convolutional Network, TCN), реализованных на языке Python, для периода с 2023 по 2050 гг., используя входные данные за период с 2000 по 2022 гг. Результаты показали, что мощность солнечных фотоэлектрических систем составляла 1,23 ГВт в 2000 году, а затем увеличилась до 1053,12 ГВт к 2022 году. Модели SARIMAX и TCN оценили будущую мощность солнечных фотоэлектрических систем, которая, по прогнозам, увеличится с 1291,29 ГВт и 1094,40 ГВт в 2023 году до 11641,41 ГВт и 11577,24 ГВт к 2050 году. Однако энергия солнечных фотоэлектрических систем в 2000 году составляла 1,03 ТВт·ч, а затем увеличилась до 1323,32 ТВт·ч в 2022 году. Модели SARIMAX и TCN спрогнозировали будущее солнечной фотоэлектрической энергии, прогнозируя её увеличение с 1935,52 ТВт·ч и 1557,92 ТВт·ч в 2023 году до 14967,15 ТВт·ч и 15928,52 ТВт·ч к 2050 году. Из результатов видно, что модель SARIMAX обладает более высокой точностью по сравнению с моделью TCN.

Ссылка: https://www.nature.com/articles/s41598-026-41357-x

Ежедневная изменчивость температуры (ЕИТ) существенно влияет на здоровье человека и экосистемы, однако её представление в основных наборах данных реанализа не было систематически оценено. В этом исследовании оценивается способность четырёх широко используемых наборов данных реанализа, а именно ERA-Interim, ERA5, JRA-55 и MERRA-2, по сравнению с данными станционных наблюдений, отражать пространственные и временные характеристики ЕИТ. Все четыре набора данных в целом воспроизводят наблюдаемую пространственную картину ЕИТ, но, как правило, недооценивают её величину в глобальном масштабе, за исключением восточного Китая. JRA-55 показывает лучшие результаты в низких и средних широтах, в то время как другие наборы данных демонстрируют более тесное соответствие с наблюдениями в высоких широтах. Что касается долгосрочных тенденций, то результаты реанализа в целом отражают наблюдаемую картину уменьшения ЕИТ в высоких широтах и ​​увеличения ЕИТ в средних и низких широтах, но показывают тенденции, противоположные наблюдениям летом в Евразии, низких широтах и ​​Южном полушарии. Точность прогнозов наиболее высока зимой и наименьшая летом, при этом ERA5 и ERA-Interim показывают наилучшие результаты в целом. Использование ERA5 для дальнейшего анализа позволяет предположить, что недавнее ослабление интенсивности глобальных экстремальных значений ЕИТ компенсируется увеличением частоты экстремальных событий, причём оба показателя демонстрируют существенную региональную и сезонную изменчивость. Эти результаты способствуют лучшему пониманию краткосрочной изменчивости температуры и предоставляют рекомендации для оценки рисков, раннего предупреждения и смягчения последствий.

Ссылка: https://www.mdpi.com/2073-4433/17/3/235

Ухудшение качества воздуха представляет значительные риски для здоровья человека и экосистем, особенно в быстро урбанизирующихся и индустриализированных засушливых регионах. Метеорологические условия сильно влияют на образование, перенос и рассеивание загрязняющих веществ в воздухе, однако их взаимосвязи носят сильно нелинейный характер и трудно поддаются количественной оценке с использованием традиционных статистических подходов. В данном исследовании изучается влияние метеорологических параметров на ключевые загрязняющие вещества в воздухе в Восточном регионе Саудовской Аравии с использованием методов машинного обучения. Были проанализированы данные наблюдений за пять лет (2017–2021 гг.), включая температуру, влажность, скорость и направление ветра, точку росы и атмосферное давление, а также концентрации диоксида азота (NO₂), монооксида углерода (CO) и твёрдых частиц (PM₁₀). Четыре алгоритма машинного обучения, включая нейронные сети (Neural Networks, NN), деревья решений (Decision Trees, DT), случайные леса (Random Forests, RF) и градиентный бустинг (Gradient Boosting, GB), были оценены с использованием стандартных показателей эффективности. Были проанализированы среднеквадратичные ошибки MSE и RMSE, средняя абсолютная ошибка MAE и коэффициент детерминации R². Результаты показывают, что метеорологические параметры оказывают специфическое влияние на загрязняющие вещества. Модель GB достигла наивысшей точности прогнозирования для NO₂ (R² ≈ 0,83), что подчёркивает доминирующую роль влажности, точки росы и сезонных колебаний. Умеренная точность прогнозирования наблюдалась для CO (R² ≈ 0,46), что указывает на комбинированное влияние метеорологических факторов и процессов, обусловленных выбросами. В отличие от этого, PM₁₀ показала слабую корреляцию с метеорологическими переменными, отражающую доминирование эпизодических пылевых явлений и неметеорологических факторов в засушливых регионах. Эти результаты демонстрируют эффективность ансамблевых моделей машинного обучения в выявлении нелинейных взаимосвязей между метеорологическими характеристиками и загрязняющими веществами. Исследование предоставляет ценные данные для прогнозирования качества воздуха и поддерживает основанное на данных управление окружающей средой в засушливых и полузасушливых регионах.

Ссылка: https://www.nature.com/articles/s41598-026-39579-0

Поскольку экстремальные температурные явления становятся всё более частыми, возрастает потребность в ежедневных данных о выбросах CO₂ для количественной оценки их воздействия. Однако такие данные доступны только с 2019 года. Чтобы восполнить этот пробел, авторы собрали более двух миллионов наблюдений в режиме, близком к реальному времени, о производстве электроэнергии, транспортной активности, потреблении природного газа или градусо-днях отопления и промышленном производстве с 2019 года и использовали эти высокочастотные данные для создания ежедневного набора данных о выбросах CO₂ за 2019–2024 гг. Затем они применили модели машинного обучения и методы расчёта градусо-дней для разделения ежемесячных выбросов CO₂ нежилого и жилого секторов за 1970–2018 гг. на ежедневные показатели. Далее исторический набор данных был объединён с набором данных за 2019–2024 гг. для создания глобального набора данных о ежедневных выбросах CO₂ за период с 1970 по 2024 гг. для 14 стран и регионов, охватывающего четыре сектора: энергетика, промышленность, жилищное строительство и транспорт (включая наземный транспорт и авиацию). Полученный долгосрочный набор данных позволит проводить надёжный анализ воздействия экстремальных температур на выбросы и повысит точность инверсии потоков углерода в транспортно-химических моделях.

Ссылка: https://www.nature.com/articles/s41597-026-06621-9

Надёжные и сопоставимые данные о выбросах парниковых газов на субнациональном уровне остаются дефицитными, несмотря на растущие ожидания того, что города и регионы будут играть ведущую роль в борьбе с изменением климата. Непоследовательная отчётность, методологические различия и ограниченный охват самоотчётных кадастров препятствуют отслеживанию прогресса и определению возможностей для смягчения последствий. Для решения этих проблем авторы разработали структуру машинного обучения для оценки ежегодных выбросов в CO₂-эквиваленте категорий 1 и 2 для субнациональных юрисдикций в странах G20 с 2000 по 2020 гг. Предложенный подход интегрирует общедоступные геопространственные, социально-экономические и экологические данные с самоотчётными кадастрами, где это возможно, и согласовывает прогнозы с субнациональными административными границами. По сравнению с традиционными подходами, основанными на даунскейлинге или использовании прокси-данных, эта модель повышает пространственную релевантность и точность прогнозирования, одновременно учитывая специфические для данной местности факторы выбросов. Этот глобально согласованный, административно выровненный набор данных может служить отправной точкой для оценки прогресса в области изменения климата, особенно в условиях недостатка данных или непоследовательности в отчётности, и способствует принятию более целенаправленных, основанных на данных политических решений в области декарбонизации городов и регионов.

Ссылка: https://www.nature.com/articles/s41597-026-06691-9

Негативные последствия изменения климата особенно интенсивны в городах и урбанизированных районах. Это обусловлено спецификой городского развития, уплотнением почвы и фрагментацией природных систем. Ряд этих новых вызовов, с которыми сталкиваются города, требует поиска адаптивных решений. Важно, однако, помнить, что методы формирования политики адаптации городов будут различаться в зависимости от масштаба города. Это исследование является результатом работы междисциплинарной команды, занимающейся анализом, консультациями и выбором наилучшего направления адаптации городов к изменению климата. Сине-зелёная инфраструктура со всеми её многогранными преимуществами была выбрана в качестве универсального решения для укрепления потенциала адаптации к изменению климата, которое легко реализовать в малых городах. Особенно важными были выбор решений для конкретных мест со всеми их условиями, а также создание синергии между решениями, направленными на озеленение и водоснабжение. Выбор этих действий базировался на основных критериях – масштабе, простоте реализации и относительно низкой стоимости выполнения. Предлагаемые мероприятия носят как технический и организационный, так и информационный и образовательный характер. Последний аспект особенно актуален для небольших городов из-за ограниченных инвестиционных бюджетов. Авторы также приходят к выводу, что дальнейшие исследования должны быть направлены как на поиск комплексных решений по адаптации к изменению климата для средних и малых городов, так и на понимание их более широкого контекста, например, важности взаимоотношений между городом и сельской местностью.

Ссылка: https://link.springer.com/article/10.1007/s10584-026-04134-3