В условиях меняющихся экологических тенденций многие элементы земной системы могут быть готовы к критическим переходам или «критическим изменениям». Надёжное прогнозирование этих критических изменений имеет решающее значение для принятия политических решений. Многие из существующих методов обнаружения критических точек основаны на потере устойчивости или «критическом замедлении» системы по мере приближения к критической точке. Однако эти методы подвержены ложным срабатываниям; обнаруженное замедление может быть артефактом нестационарного шума, не связанного с поведением, приводящим к критической точке. Здесь авторы исследуют эффективность ранних предупреждающих сигналов, основанных на неравновесной термодинамической структуре. Метод обнаружения без использования модели основан на повышенной внутренней необратимости во времени из-за нарушения детального равновесия, предшествующего началу критического изменения или нестабильности. Авторы демонстрируют, что эти системы раннего предупреждения эффективны для обнаружения критических точек и устойчивы к ложным срабатываниям, вызванным нестационарным шумом, используя идеализированные модели двух ключевых элементов земной системы, подверженных критическим изменениям: Атлантической меридиональной опрокидывающей циркуляции и потери арктического морского льда.

Ссылка: https://www.nature.com/articles/s43247-025-03165-5

В статье описывается открытый набор данных, включающий метеорологические данные, собранные с четырёх станций на уровне улиц, и микромасштабные тепловые изображения, полученные с помощью инфракрасной тепловизионной камеры во время экстремальной жары в конце августа 2024 года в Питтсбурге, США. Метеорологические данные включают температуру воздуха, относительную влажность, скорость и направление ветра, а также количество осадков, измеренные на высоте 2 метров над землей. По микромасштабным тепловым изображениям можно оценить температуру застроенных поверхностей в пределах уличного каньона на территории университетского кампуса, включая дорогу, тротуары и фасады зданий. Другие факторы, способствующие или смягчающие перегрев городов, такие как выбросы отработанного тепла, транспорт и растительность, также могут быть проанализированы с помощью микромасштабных тепловых изображений. Метеорологические данные и микромасштабные тепловые изображения находятся в открытом доступе в репозитории 4TU.ResearchData под лицензией CC BY 4.0. Для извлечения и обработки данных, в частности микромасштабных тепловых изображений, была разработана библиотека на языке Python, которая доступна для публичного использования через установщик пакетов PIP.

Ссылка: https://www.nature.com/articles/s41597-026-06763-w

Рассмотрение сложных метеорологических процессов с высоким пространственным разрешением требует значительных вычислительных ресурсов. Для ускорения метеорологических расчётов исследователи использовали нейронные сети для даунскейлинга метеорологических переменных, полученных из расчётов с низким разрешением. Несмотря на значительные достижения, современные передовые алгоритмы даунскейлинга адаптированы к конкретным переменным. Обработка метеорологических переменных изолированно приводит к игнорированию их взаимосвязи, что ведёт к неполному пониманию динамики атмосферы. Кроме того, трудоёмкие процессы сбора и обработки данных, а также вычислительные ресурсы, необходимые для даунскейлинга отдельных переменных, являются существенными препятствиями. Учитывая ограниченную универсальность существующих моделей для различных метеорологических переменных и их неспособность учитывать взаимосвязи между переменными, в данной статье предлагается унифицированный подход к даунскейлингу с использованием метаобучения, архитектура которого основана на модели Enhanced Deep Super-Resolution (EDSR). Предложенная структура поддерживает даунскейлинг для различных переменных и наборов данных xsclimate. Модель демонстрирует высокую расширяемость за счёт обобщения на 18 переменных, ранее не встречавшихся в процессе обучения, из CFS, S2S (CMA) и CMIP6 (CMCC-ESM2), таких как среднее давление на уровне моря, температура на уровне 850 гПа и компоненты U- и V-ветра на уровне 500 гПа, что знаменует собой шаг к универсальному решению для масштабирования. Экспериментальные данные показывают, что предложенная модель превосходит лучшие из существующих методов, таких как EDSR и ClimateSD, как в количественной, так и в качественной оценке.

Ссылка: https://link.springer.com/article/10.1007/s00382-025-08036-5

По мере развития глобального потепления сокращение площади арктического морского льда усиливается и распространяется на центральную Арктику. Это существенно влияет на чувствительность арктического морского льда к изменению климата и представляет серьёзную угрозу для экологической среды и человеческого общества. Преобладающий научный консенсус гласит, что в сокращении площади арктического морского льда доминируют термодинамические процессы. Однако, основываясь на данных о протяжённости морского льда за 34 года (1989–2022 гг.) и методе эмпирических ортогональных функций, данное исследование показывает, что третий (центрально равномерный режим, Centrally Uniform Mode (CUM)) и четвёртый (режим, подобный волновому шлейфу, Wave Train–like Mode (WTM)) доминирующие режимы событий с экстремально низкой протяжённостью морского льда в центральной Арктике характеризуются сопоставимым вкладом термодинамических и динамических процессов. При использовании диагностического метода баланса морского льда для количественной оценки термодинамический (динамический) вклад составляет 49% (51%) в CUM и 58% (42%) в WTM. С механистической точки зрения, как CUM, так и WTM возникают в результате комбинированного воздействия адвекции температуры в средних широтах и ​​движения морского льда. Важную роль также играют обратные связи, обусловленные водяным паром и облаками. Аномалия атмосферной циркуляции, связанная с CUM, является частью циркумглобальной удалённой связи. На WTM в основном влияет смещённый полярный вихрь, отражающий регулирующее воздействие конкуренции между поясом высокого давления в средних широтах и ​​полярным вихрем за изменения морского льда в центральной Арктике. Выяснение механизмов, посредством которых вышеупомянутые термодинамические и динамические процессы регулируют изменения морского льда в центральной Арктике, значительно расширяет понимание изменения климата.

Ссылка: https://link.springer.com/article/10.1007/s00382-026-08052-z

Температура почвы является критически важным параметром, влияющим на экологические и гидрологические процессы, однако её точное прогнозирование в условиях изменения климата остаётся сложной задачей из-за низкого разрешения климатических моделей и сложных взаимодействий между почвой и атмосферой. В данном исследовании разработана модель глубокого обучения для детализации температуры почвы (на глубине 5 см) в западном Иране в условиях сценариев изменения климата. Используя ансамбль из трёх взаимодополняющих методов — анализа важности методом случайного леса (Gini), анализа важности перестановок и анализа SHAP (SHapley Additive exPlanations) — авторы определили оптимальные предикторы из 26 доступных переменных CanESM5 (CMIP6). Четыре модели глубокого обучения — CNN, LSTM, GRU и гибридная CNN-LSTM — были оценены на предмет эффективности детализации с использованием исторических данных (1980–2014 гг.). Гибридная модель CNN-LSTM превзошла другие, достигнув наивысшей точности (NSE > 86%, RMSE < 4,3°C) за счёт учёта пространственных и временных зависимостей в термической динамике почвы. Оценка правдоподобности тренда каждого сценария (2015–2020 гг.) выявила региональные климатические закономерности: западные станции, расположенные в более засушливых районах и чувствительные к потеплению, соответствовали сценариям SSP245/SSP370, в то время как восточные станции, находящиеся под влиянием гор Загрос, продемонстрировали обратную связь по охлаждению и осадкам в пользу сценариев SSP119/SSP126. Прогнозы на будущее в рамках сценариев SSP126, SSP245 и SSP585 показали нелинейную реакцию температуры почвы, при этом сценарии с высокими выбросами (SSP585) вызвали первоначальное охлаждение (-4,11°C к 2040 году), за которым последовало ускоренное потепление (+2,09°C к 2100 году). В отличие от этого, сценарии с низким и средним уровнем выбросов (SSP126, SSP245) приводят к стабильному умеренному потеплению. Это вызывает резкое изменение десятилетних тенденций для сценария SSP585, переход от сильного похолодания к быстрому потеплению, и изменяет статистический профиль климата. Результаты подчёркивают, что высокие выбросы откладывают, но в конечном итоге вызывают наиболее интенсивное потепление, указывая на критическое влияние сценариев выбросов на будущие темпы и характер изменения температуры почвы.

Ссылка: https://www.nature.com/articles/s41598-026-384

Потепление придонных вод на арктическом шельфе приводит к таянию подводной многолетней мерзлоты, высвобождая большие объёмы старого органического углерода. Ожидается, что это таяние ускорится с продолжающейся потерей морского льда и потеплением океана. Однако скорость разложения оттаявшего органического вещества подводной многолетней мерзлоты на CO₂ и CH₄ остается неопределённой. В данной работе авторы использовали данные 156 экспериментов по инкубации в подводной и наземной многолетней мерзлоте в сочетании с моделью реактивного континуума для оценки реакционной способности органического вещества многолетней мерзлоты (т.е. параметров a, ν) и количественной оценки скорости разложения органического вещества после таяния. Полученные результаты показывают, что реакционная способность органического вещества подводной многолетней мерзлоты аналогична реакционной способности органического вещества наземной многолетней мерзлоты, разлагающегося в аноксических условиях, что подчёркивает, что наземные данные обеспечивают надёжную эмпирическую основу для определения реакционной способности органического вещества подводной многолетней мерзлоты. Органическое вещество (подводной) многолетней мерзлоты в среднем менее реакционноспособно (a_mean = 7,39 × 10⁻⁴ лет; ν_mean = 1,85 × 10⁻³), чем органическое вещество наземной или морской среды, но сохраняет небольшую, высокореактивную фракцию, обеспечивающую высокие начальные скорости разложения. Эти первоначально высокие скорости быстро снижаются в течение многих лет и десятилетий, и большая часть органического вещества разлагается медленно в аноксических условиях. Используя ансамбль из 1000 сценариев оттаивания и деградации, авторы оценили кумулятивную потерю органического углерода в подводной многолетней мерзлоте до 96 Пг C (18–126 Пг C) за 300 лет, при этом средние годовые темпы деградации составляют ~350 Тг C в год (60–450 Тг C в год) при умеренном оттаивании. Если метаногены полностью преобразуют метан, его производство может в десять раз превысить текущие глобальные выбросы метана из океана. Это исследование предоставляет первую количественную основу для разработки моделей деградации подводной многолетней мерзлоты в длительных временных масштабах и может помочь улучшить оценки выбросов парниковых газов и их неопределённости в условиях будущих сценариев потепления.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025GB008712

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