Комплексные катастрофы, вызванные взаимодействием засухи и лесных пожаров, участились во всём мире. Несмотря на эту тенденцию, до сих пор отсутствуют методологии для количественной оценки риска катастроф, связанных с засухой и лесными пожарами, что затрудняет разработку планов реагирования. Поэтому в данном исследовании предлагается количественная методология оценки риска катастроф, связанных с засухой и лесными пожарами, путём применения сценария для моделирования погодных условий, вызванных засухой, и индекса пожарной опасности (Fire Weather Index (FWI)) для количественной оценки потенциального распространения и интенсивности лесных пожаров. Сценарии засухи представляют собой 12-месячную засуху с 30-летним периодом повторяемости, тогда как обычные сценарии основаны на типичных региональных климатических условиях. На основе каждого сценария были рассчитаны DFWI и NFWI для количественной оценки рисков катастроф, связанных с засухой и лесными пожарами, и отдельных лесных пожаров. Оценённые DFWI показали количественный риск связанных с засухой и лесными пожарами катастроф в каждом регионе, на основе которых были разработаны ежемесячные карты риска для выделения зон высокого риска. Путём сравнения индексов DFWI и NFWI был проведён количественный анализ влияния засухи на риск лесных пожаров. Эти результаты предоставляют важную информацию для стратегий реагирования на стихийные бедствия, связанные с лесными пожарами, и подчёркивают необходимость комплексного управления реагированием на засуху и лесные пожары, наглядно демонстрируя влияние засухи на риск лесных пожаров.

Ссылка: https://www.nature.com/articles/s41598-026-36589-w

Модели общей циркуляции атмосферы на основе глубокого обучения увеличивают скорость расчётов, однако их способность воспроизводить экстремальные события за пределами диапазона обучения остаётся неизвестной. В данной работе авторы оценивают две такие модели — гибридную нейронную модель общей циркуляции (NGCM) и чисто основанную на данных модель земной системы на основе глубокого обучения (DLESyM) — по сравнению с обычной моделью высокого разрешения «суша-атмосфера» (HiRAM) при воспроизведении волн тепла и холода на суше. Все модели работают с данными наблюдений за температурой поверхности моря и морским льдом за период 1900–2020 гг., уделяя особое внимание вневыборочному периоду (1900–1960 гг.). Обе модели глубокого обучения успешно обобщаются на неизвестные климатические условия, в целом воспроизводя частоту и пространственные закономерности волн тепла и холода в период 1900–1960 гг. с точностью, сравнимой с точностью HiRAM. Исключением являются некоторые районы Северной Азии и Северной Америки, где все модели показывают плохие результаты в период 1940–1960 гг. Из-за чрезмерной автокорреляции температуры модель DLESyM склонна переоценивать частоту аномальных жары и холода, в то время как гибридная модель NGCM, сочетающая физические и «глубокие» вычисления, демонстрирует устойчивость, более схожую с моделью HiRAM.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025GL117990

Экстремальные волны тепла усиливаются в условиях изменения климата, однако их прогнозирование по-прежнему ограничено недостаточным учётом взаимодействия суши и атмосферы (С–А). Большинство моделей погоды на основе глубокого обучения полагаются исключительно на атмосферные переменные, игнорируя влияние состояния поверхности суши на экстремальные температуры. Здесь представлена структура прогнозирования С–А для лета в Северном полушарии, которая включает многослойную влажность почвы и температуру в атмосферный прогноз. Для лучшего учёта отложенных обратных связей поверхности суши модель обучается с использованием многошаговой функции потерь. Такой подход улучшил представление взаимодействия С–А на временных интервалах от 1 до 7 дней. Использование многошаговой функции потерь позволило модели С–А повысить измеренную по среднеквадратичной ошибке точность прогнозирования волн тепла на 5,9–11,2% по сравнению с моделью, учитывающей только атмосферу, в то время как одношаговая функция потерь обеспечила улучшение лишь на 0,4–2,4%. Наибольший прирост точности прогнозов наблюдался на коротких временных интервалах (~3 дня), когда предсказуемость влажности почвы и циркуляции была высокой, и сохранялся в течение 7 дней благодаря связи С–А, обусловленной предсказуемостью влажности почвы. Исследования недавних периодов сильной жары дополнительно продемонстрировали способность прогнозирования учитывать высыхание поверхности земли и связанные с этим экстремальные температуры. Эти результаты подчёркивают важность включения связи С–А в многоступенчатую оптимизацию для совершенствования прогнозирования аномальной жары на основе данных.

Ссылка: https://www.nature.com/articles/s41612-025-01311-6

Увеличение частоты и масштабов наводнений приводит к гибели людей, повреждению инфраструктуры и экономическим потрясениям, что делает эффективное управление наводнениями крайне необходимым. Всё чаще продвигаются природоориентированные решения, но вопрос о том, могут ли леса смягчать последствия крупных наводнений, остаётся предметом многолетних научных споров. Решение этой проблемы имеет решающее значение, поскольку управление наводнениями требует надёжных прогнозов и обоснованного, научно подтверждённого понимания. Авторы показывают, что традиционный детерминистический подход использует нерелевантный исследовательский вопрос, неверную гипотезу и не причинно-следственный эксперимент, что делает его вывод о незначительном влиянии лесов на крупные наводнения научно необоснованным. В отличие от этого, причинно-следственный, стохастический подход учитывает вероятностную природу наводнений и позволяет изучать антропогенное воздействие на гидроклиматические переменные посредством соответствующих исследовательских вопросов, проверяемых гипотез, контролируемого эксперимента и обоснованных физических рассуждений. Обоснованный стохастический подход должен заменить ошибочные альтернативы, предполагающие, что леса могут смягчить последствия крупных наводнений. При использовании строгих методов гидрология может поддержать стратегии, которые существенно снизят риск наводнений в условиях всё более неопределённого будущего.

Ссылка: https://link.springer.com/article/10.1007/s13280-026-02346-6

По мере усложнения климатических моделей возрастает потребность во всесторонней и систематической оценке их производительности относительно наблюдений. Учитывая растущее число и разнообразие используемых климатических моделей, сообщество вышло за рамки простого их сравнения и перешло к разработке методов, способных сравнивать большое число моделей с набором климатических показателей. В данной работе представлен подробный обзор методов и подходов к оценке и сравнительной оценке, разработанных за последнее десятилетие, с акцентом на научные последствия для результатов проекта сравнения моделей CMIP и результатов CMIP6, которые внесли вклад в Шестой оценочный доклад МГЭИК (AR6). На основе этого обзора авторы объясняют современную философию сравнительной оценки моделей и дают чёткие разграничения и определения терминов «верификация модели», «валидация процесса», «оценка» и «сравнительная оценка». Хотя в разработке моделей на основе систематической оценки и сравнительной оценки достигнут значительный прогресс, некоторые искажения климатической системы всё ещё сохраняются. Разработка программных пакетов с открытым исходным кодом, созданных сообществом, сыграла фундаментальную роль в выявлении областей, требующих существенного улучшения моделей и снижения систематической ошибки. Рассматриваются ключевые особенности нескольких программных пакетов, широко используемых в течение последнего десятилетия для оценки и сравнительного анализа глобальных и региональных климатических моделей. Кроме того, обсуждаются лучшие практики выбора показателей оценки и сравнительного анализа, а также интерпретация полученных результатов, важность выбора подходящих источников эталонных данных и точная количественная оценка неопределённости.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025RG000891

В отличие от глобальных тенденций потепления, большая часть Евразии пережила тенденцию к похолоданию зимой в период 1990–2014 гг. Некоторые исследования предполагают причинно-следственную связь между этим региональным похолоданием, особенно сильным в Сибири, и одновременным сокращением площади арктического морского льда. Однако модели исторического климата, работающие в свободном режиме, в подавляющем большинстве случаев воспроизводят вынужденный сигнал потепления в Евразии, что приводит к другим исследованиям, предполагающим, что наблюдаемое похолодание объясняется внутренней изменчивостью. Авторы использовали ретроспективные сезонные климатические прогнозы, чтобы подчеркнуть устойчивую динамическую связь между похолоданием в Сибири и изменениями атмосферной циркуляции в северо-восточной части Атлантического океана. Изучая межгодовую предсказуемость этих циркуляционных структур, они обнаружили ложно слабые, но эффективные модельные сигналы. После коррекции этих слабых динамических сигналов также появляется более сильная низкочастотная изменчивость температуры в Сибири, при этом моделируется половина наблюдаемого похолодания 1990–2014 гг. Эти результаты показывают, что десятилетняя изменчивость климата в Евразии, по крайней мере частично, обусловлена ​​предсказуемой реакцией атмосферной циркуляции на медленно меняющиеся граничные условия.

Ссылка: https://www.nature.com/articles/s41612-025-01297-1

Неопределённая верхняя граница чувствительности климата определяет наихудшие прогнозы глобального потепления. Недавние палеоклиматические реконструкции предполагают высокую чувствительность в 5 °C на каждое удвоение CO₂. Однако, анализируя пространственные закономерности потепления в плиоцене — наиболее близком аналоге потепления в ближайшем будущем — авторы показывают, что ледяные щиты и топография усиливали потепление в прошлом за счёт регионального воздействия на облачность. Аналогично, похолодание во время последнего ледникового максимума усиливалось реакцией океана и облаков на массивные ледяные щиты. Поскольку эти усиливающие обратные связи связаны с уникальными не связанными с CO₂ факторами воздействия палеоклимата, верхняя граница современного потепления от удвоения CO₂ снижается на 1 °C, ограничивая чувствительность климата до 2,1–4,0 °C (90%-ный доверительный интервал). Таким образом, палеоклиматические данные ограничивают верхнюю границу оценок чувствительности климата и прогнозируемое потепление в XXI веке.

Палеоклиматические данные предоставляют примеры прошлых изменений климата, которые позволяют оценить современное потепление, вызванное выбросами парниковых газов, известное как климатическая чувствительность Земли. Однако при выводе о климатической чувствительности на основе палеоклиматических данных необходимо учитывать различия между прошлыми и настоящими изменениями климата. Ближайшим палеоклиматическим аналогом краткосрочного потепления, вызванного выбросами парниковых газов, является плиоцен (5,3–2,6 млн лет назад), тёплая эпоха с концентрацией CO₂ в атмосфере, аналогичной сегодняшней. Недавние реконструкции показывают, что плиоцен был на 1 °C теплее, чем считалось ранее, что подразумевает более высокую климатическую чувствительность, которая также подтверждается недавними реконструкциями, показывающими большее похолодание при снижении концентрации CO₂ во время последнего ледникового максимума (19–23 тыс. лет назад). Однако крупномасштабные закономерности изменения температуры в палеоклимате сильно отличаются от современных прогнозов. Обратная связь и чувствительность климата зависят от температурных режимов, и такие «эффекты режимов» необходимо учитывать при использовании палеоклимата для оценки чувствительности современного климата. В данной работе авторы объединили реконструкции, полученные методом ассимиляции данных, с результатами моделей общей циркуляции атмосферы, чтобы показать, что климат Земли более чувствителен к воздействию плиоцена, чем к воздействию современного CO₂. Плиоценовые ледниковые щиты, топография и растительность изменяют характер потепления океана и вызывают дестабилизирующие обратные связи, обусловленные облачностью, а обратные связи последнего ледникового максимума аналогично усиливаются североамериканскими ледниковыми щитами. Учёт эффектов палеоклиматических режимов даёт наилучшую (медианную) оценку чувствительности современного климата в 2,8 °C и 66%-ный доверительный интервал от 2,4 до 3,4 °C (90%-ный доверительный интервал: от 2,1 до 4,0 °C), что существенно снижает неопределённость в прогнозах потепления в XXI веке.

Ссылка: https://www.pnas.org/doi/10.1073/pnas.2511370123

Полярный морской лёд претерпевает быстрые изменения, в последнее время наблюдаются рекордно низкие его площади в обоих полушариях, что повышает потребность в точных прогнозах на периоды от нескольких дней до нескольких сезонов для навигации, управления экосистемами и оценки климатических рисков. Точное прогнозирование протяжённости морского льда имеет важное значение для понимания взаимосвязанных климатических процессов, обеспечения безопасной работы в полярных регионах и разработки стратегий адаптации. Численные модели, основанные на физических принципах, остаются основой оперативного прогнозирования, но их точность ограничена неопределённостями во взаимосвязанных процессах «океан-лёд-атмосфера», параметризациями и редкими наблюдениями, особенно в краевой зоне льда и в сезоны таяния. Статистические и эмпирические модели могут обеспечить полезные базовые значения для низкоразмерных индексов или коротких периодов прогнозирования, однако они часто испытывают трудности с представлением высокоразмерных нелинейных взаимодействий и сдвигов режимов. В данном обзоре обобщены последние достижения в области глубокого обучения для ключевых задач прогнозирования морского льда, включая площадь морского льда, его толщину и движение. Методы систематизированы по следующим категориям: (i) последовательные архитектуры (например, LSTM/GRU и временные трансформеры) для учёта временных зависимостей, (ii) модели преобразования изображений и компьютерного зрения (например, CNN/U-Net, компьютерные трансформеры и генераторы на основе диффузии или GAN) для учёта пространственных структур и масштабирования, (iii) пространственно-временные модели, совместно воспроизводящие динамику в пространстве-времени. Также обобщены гибридные стратегии, которые интегрируют глубокое обучение с численными моделями посредством постобработки, эмуляции и ассимиляции данных, а также обучение, основанное на физических принципах, включающее законы сохранения или динамические ограничения. Несмотря на быстрый прогресс, остаются проблемы в обобщении в условиях нестационарного климата, сдвиге набора данных и физической согласованности (например, сохранение массы/энергии), интерпретируемости и справедливой оценке в разных регионах и временных рамках прогнозирования. В заключение авторы приводят практические рекомендации для будущих исследований, включая стандартизированные эталонные показатели, вероятностное прогнозирование с учётом неопределённости, обучение с учётом физических принципов и нейронных операторов для динамики на больших расстояниях, а также базовые модели, использующие самообучение на основе крупномасштабных архивов данных наблюдений Земли.

Ссылка: https://www.mdpi.com/2072-4292/18/3/419

PERSIANN-CCS-CDR — это глобальный набор данных по осадкам с пространственным разрешением 0,04° и временным разрешением 3 часа, начиная с 1983 года. Однако получение достоверной информации оказалось сложной задачей, главным образом из-за несоответствий во входных данных (например, несоответствия между GridSat-B1 и CPC-4km). Признавая наличие этих несоответствий и стремясь устранить проблемы, авторы представили новую версию PERSIANN-CCS-CDR, получившую название PERSIANN-CCS-CDR V2.0. Новая версия состоит из двух подпродуктов с одинаковыми пространственно-временными свойствами, но разными входными данными и периодом записи: 1) PERSIANN-CCS-CDR-B1, использующий данные GridSat-B1 в качестве входных данных и доступный с 1983 года, и 2) PERSIANN-CCS-CDR-CPC, использующий данные CPC-4KM в качестве входных данных и доступный с марта 2000 года. В данной статье освещаются ограничения предыдущей версии PERSIANN-CCS-CDR, представлена ​​версия PERSIANN-CCS-CDR V2.0, оценивается её производительность и даются рекомендации для будущих пользователей по эффективному использованию нового продукта.

Ссылка: https://www.nature.com/articles/s41597-026-06625-5

Исторические и будущие пространственно-временные реакции запасов наземных вод (ЗНВ), важнейшего компонента круговорота воды, на глобальное потепление изучены недостаточно из-за отсутствия глобальных данных наблюдений за ЗНВ и высокой неопределённости климатических прогнозов, особенно в Китае с его различными типами климата. В данном исследовании разработана новая структура для всесторонней оценки прогнозируемых изменений ЗНВ путём интеграции данных глобальных климатических моделей CMIP6, гидрологической модели с переменной инфильтрационной способностью, алгоритмов машинного обучения и иерархического анализа чувствительности, на основе которой анализируются пространственно-временные изменения ЗНВ в ответ на изменение климата в Китае в рамках сценариев SSP1-2.6, SSP2-4.5, SSP5-8.5. Ожидается, что глобальное потепление усилит круговорот воды в Китае, что приведёт к увеличению количества осадков на 5,59–21,09 мм/10 лет и испарения на 2,48–11,61 мм/10 лет в период 2030–2099 гг. соответственно. Более высокая интенсивность круговорота воды прогнозируется в некоторых районах западного Китая, где к концу этого столетия количество осадков и испарение увеличатся на 50% и 70% соответственно. Общее количество запасов воды демонстрирует значительную тенденцию к увеличению (2030–2099 гг.) при сценариях SSP1–2,6 (~1,32 мм/10 лет) и SSP2–4,5 (~1,81 мм/10 лет), но не при сценарии SSP5–8,5. Однако ожидается, что в западном Китае в период 2030–2099 гг. будет наблюдаться тенденция к снижению общего запаса воды при всех сценариях SSP, при этом наиболее выраженная тенденция будет наблюдаться при сценарии SSP5–8.5, что указывает на более серьёзный дефицит воды в будущем и связанные с этим проблемы для данного региона. Анализ влияния осадков показывает, что в будущей изменчивости ЗНВ преобладают осадки, за которыми следуют влажность почвы и температура, в то время как эквивалент водного запаса снега оказывает наименьшее воздействие. Тем не менее, прогнозируется, что вклад осадков в изменчивость ЗНВ снизится при всех сценариях SSP по сравнению с историческим периодом.

Ссылка: https://link.springer.com/article/10.1007/s10584-025-04082-4