Модель земной системы глубокого обучения конкурентоспособна по сравнению с моделями CMIP6 и потребляет меньше вычислительной мощности.

В последние годы учёные обнаружили, что модели погоды, основанные на машинном обучении, могут делать прогнозы быстрее, используя меньше энергии, чем традиционные модели. Однако многие из этих моделей не способны точно предсказывать погоду более чем на 15 дней вперёд и начинают прогнозпровать нереалистичную погоду уже к 60-му дню.

Модель глубокого обучения Земли (Deep Learning Earth System Model, DLESyM) построена на двух нейронных сетях, работающих параллельно: одна моделирует океан, а другая — атмосферу. В ходе вычислений модельные прогнозы состояния океана обновляются каждые четыре модельных дня. Поскольку атмосферные условия меняются быстрее, прогнозы для атмосферы обновляются каждые 12 модельных часов.

Создатели модели, Крессвелл-Клей и др. (Cresswell-Clay et al.), обнаружили, что DLESyM точно соответствует климатическим данным прошлых лет и создаёт точные краткосрочные прогнозы. Используя текущий климат Земли в качестве базовой линии, она также может точно воспроизводить климат и межгодовую изменчивость за 1000-летние периоды менее чем за 12 часов вычислительного времени. В целом, модель DLESyM не уступает моделям CMIP6, которые широко используются в современных вычислительных климатических исследованиях.

Модель DLESyM превзошла модели CMIP6 в воспроизведении тропических циклонов и летних муссонов в Индии. Она, по крайней мере, не хуже моделей CMIP6 отразила частоту и пространственное распределение событий, блокирующих атмосферные явления в Северном полушарии, которые могут вызывать экстремальные погодные явления. Кроме того, прогнозируемые моделью штормы также весьма реалистичны. Например, структура норд-остера*, сгенерированного в конце 1000-летнего моделирования (в 3016 году), очень похожа на норд-остер, наблюдавшийся в 2018 году.

Однако как новая модель, так и модели CMIP6 плохо отражают климатологию ураганов в Атлантике. Кроме того, DLESyM менее точна, чем другие модели машинного обучения, для среднесрочных прогнозов или прогнозов на срок до 15 дней. Важно отметить, что модель DLESyM проводит моделирование только текущего климата, то есть не учитывает его антропогенное изменение.

По мнению авторов, ключевым преимуществом модели DLESyM является то, что она использует гораздо меньше вычислительной мощности, чем модель CMIP6, что делает её более доступной по сравнению с традиционными моделями.
(AGU Advances, https://doi.org/10.1029/2025AV001706, 2025)

*Сильный северо-восточный ветер, шторм с ветром и снегом, обрушивающийся зимой и осенью на Атлантическое побережье США.

Ссылка: https://eos.org/research-spotlights/machine-learning-simulates-1000-years-of-climate

Это исследование имеет важное значение, поскольку оно предоставляет важные сведения о том, как глобальное потепление влияет на растительную биомассу, которая является ключевым фактором секвестрации углерода. Понимание снижения долгосрочной реакции биомассы на повышение температуры имеет решающее значение для прогнозирования эффективности растений в смягчении антропогенного изменения климата. Учитывая прогнозируемое продолжение глобального потепления, это исследование предоставляет ценные эмпирические данные и совершенствует глобальные модели, помогая политикам и учёным разрабатывать более точные стратегии смягчения антропогенного изменения климата. Результаты также подчёркивают важность учёта таких факторов, как свойства почвы и землепользование, при оценке будущей роли наземных экосистем в накоплении углерода.

Секвестрация углерода посредством реакции растительной биомассы на глобальное потепление играет жизненно важную роль в смягчении антропогенного изменения климата, однако последние данные свидетельствуют о том, что этот эффект уменьшается в долгосрочной перспективе. Чтобы исследовать влияние продолжительности потепления на реакцию биомассы растений, авторы проанализировали глобальный набор данных из 2291 парных наблюдений, показав, что потепление увеличило общую надземную биомассу растений на 9,4% и подземную биомассу на 2,6%. Однако по мере увеличения продолжительности потепления положительная реакция биомассы растений сместилась к нейтральной или отрицательной, со значительным сокращением биомассы в регионах, где среднегодовые температуры превысили 10 °C. Прогнозируется, что глобальная надземная биомасса сократится на 4–16% при повышении температуры климата на 2 °C. Это исследование предполагает, что долгосрочное потепление климата значительно ослабит хранение углерода растениями, даже если повышение температуры останется в пределах целевых показателей Парижского соглашения, и предлагает эмпирические ограничения для глобальных моделей биомассы и климата.

Ссылка: https://www.pnas.org/doi/10.1073/pnas.2420379122

Автомобильные дороги обеспечивают безопасный и эффективный транспорт и играют важнейшую роль в функционировании общества и экономики. Однако изменение климата всё чаще приводит к превышению инженерных ограничений дорожного покрытия, что способствует его разрушению. В данном обзоре авторы рассматривают воздействие изменения климата на автомобильные дороги и подходы к его смягчению. Дороги уязвимы к изменениям температуры, осадкам и повышению уровня моря, вызванным изменением климата. Высокие температуры размягчают асфальтовые покрытия, вызывая образование колейности, которое, по прогнозам, будет увеличиваться на 2% на каждый 1% повышения средней температуры. Повышение влажности в подстилающей почве, вызванное осадками и повышением уровня моря, снижает несущую способность автомобильных дорог на месяцы, а в некоторых случаях вдвое сокращает их срок службы. Закрытие дорог из-за экстремальных погодных явлений или связанных с ними реконструкций приводит к задержкам и объездам; ожидается, что к 2100 году затопления во время приливов в США будут приводить к задержкам в 3,4 млрд человеко-часов в год. Прогнозируется, что изменение климата приведёт к увеличению ежегодных расходов на содержание дорожного покрытия в среднем более чем на 500 миллионов долларов США к 2050 году в зависимости от страны. Стратегии адаптации включают в себя изменение типа асфальта, армирование бетона сталью, стабилизацию гравийных дорог и добавление природных элементов. Необходимы скорейшая реализация политических мер, рекомендации по оценке альтернатив адаптации и изучение совокупного воздействия различных климатических факторов.

Ссылка: https://www.nature.com/articles/s43017-025-00711-9

Северный Ледовитый океан занимает 3% поверхности Земли, но, по оценкам, его вклад в глобальный океанский сток углерода составляет 5–14%. Разрозненность и неравномерность распределения данных наблюдений усложняют понимание масштабов и механизмов, контролирующих этот сток углерода. Авторы применили и развили двухэтапный нейронный сетевой подход Ландшютцера и др. (2016, https://doi.org/10.1002/2015gb005359; Самоорганизующаяся карта — сеть прямой связи) для улучшения региональных реконструкций парциального давления углекислого газа (p(CO₂)) на поверхности океана в Северном Ледовитом океане и последующей оценки потока между атмосферой и океаном. Это исследование показывает, что биогеохимические свойства, ранее выбранные в качестве предикторных переменных для (p(CO₂)) в глобальном масштабе, не очень хорошо подходят для Северного Ледовитого океана, а исследование чувствительности выявляет значительные различия в объёме поглощения углерода Северным Ледовитым океаном в зависимости от выбора параметризации потока CO₂ между атмосферой и океаном. Это особенно актуально для показателей, связанных с морским ледяным покровом, что приводит к разнице до 25% (9,2–13,3 Пг С) в общем объёме поглощения углерода Северным Ледовитым океаном за 32-летний период исследования.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025GB008576

Модели машинного обучения, построенные на основе наблюдаемых атмосферных условий, могут превосходить традиционные физические модели в краткосрочных и среднесрочных (1–14 дней) прогнозах. В данной работе авторы берут модель машинного обучения ACE2, обученную прогнозировать 6-часовые шаги в атмосферной эволюции и способную сохранять стабильность в течение длительных периодов прогнозирования, и оценивают её с точки зрения пригодности для сезонного прогнозирования (с заблаговременностью 1–3 месяца). Используя данные об устойчивой температуре поверхности моря и аномалиях морского льда с центром в 1 ноября каждого года, они инициализировали ансамбль сезонных прогнозов с запаздыванием, охватывающий период с 1993/1994 по 2015/2016 годы. За этот 23-летний период наблюдается поразительное сходство в моделях предсказуемости с ведущей физической моделью. Модель ACE2 демонстрирует точные прогнозы Североатлантического колебания с корреляционной оценкой 0,47 (p = 0,02), а также реалистичное глобальное распределение точности и ансамблевого разброса. Изучение прогнозов зимы 2009/2010 годов указывает на потенциальные ограничения ACE2 в плане охвата экстремальных сезонных условий, выходящих за рамки обучающих данных. Данное исследование показывает, что модели машинного обучения погоды могут давать точные глобальные сезонные прогнозы и открывают новые возможности для более глубокого понимания, разработки и создания краткосрочных климатических прогнозов.

Ссылка: https://www.nature.com/articles/s41612-025-01198-3

Разреженная сеть наземных арктических станций приводит к значительным пробелам в данных по атмосферному метану (CH₄), особенно в регионах, покрытых морским льдом. Судовые измерения могут дополнить эти данные, углубив понимание региональной и сезонной изменчивости концентрации CH₄. В данном исследовании представлены непрерывные судовые измерения концентрации и изотопного состава CH₄ над поверхностью открытого океана и морского льда во время 4-го (июнь–июль 2020 г.) и 5-го (август–сентябрь 2020 г.) этапов экспедиции Многопрофильной дрейфующей обсерватории по изучению арктического климата (MOSAiC) в Центральной Арктике. Измерения направлены на улучшение понимания процессов путём выявления локальных источников выбросов и уточнения путей переноса и анализа атмосферного перемешивания. Авторы сравнили три метода фильтрации загрязнений и применили алгоритм обнаружения загрязнений к необработанным данным. Сравнение с данными близлежащих наземных станций и их сезонными циклами показывает, что судовые данные фиксируют динамические изменения в источниках, стоках и процессах переноса CH₄, выходящие за рамки сезонности. Чтобы расшифровать основные процессы, авторы определили пути переноса воздушных масс в пограничном слое атмосферы над Северным Ледовитым океаном и их области источников, используя пятидневные обратные траектории из инструмента LAGRANTO, основанные на данных поля ветра реанализа ERA5. Оказалось, что изменчивость концентрации CH₄ обусловлена ​​воздушными массами, на которые преимущественно влияют открытые океанские и покрытые морским льдом регионы, при этом динамика морского льда вносит определённые изменения вдоль путей переноса. Эти результаты подчёркивают важность переноса и происхождения воздушных масс в формировании изменчивости концентрации CH₄ в центральной Арктике. Исследование подчёркивает ценность интеграции судовых измерений CH₄ с траекторным анализом для улучшения понимания на уровне процессов и поддержки улучшенного регионального моделирования.

Ссылка: https://egusphere.copernicus.org/preprints/2025/egusphere-2025-3778/

Образование приземного озона (O₃) в городских районах нелинейно зависит от относительной доступности его прекурсоров: оксидов азота (NOx) и летучих органических соединений (ЛОС). Для снижения загрязнения O₃ ключевым вопросом является определение режима образования O₃ (ограниченного NOx или ЛОС). Авторы использовали наземные наблюдения O₃ в сочетании с космическими наблюдениями его прекурсоров, а именно диоксида азота (NO₂) и формальдегида (HCHO), для изучения долгосрочных сдвигов в режимах химического образования O₃ в регионах-источниках выбросов по всему миру. Сначала они получили пороговые значения режима для отношения HCHO/NO₂, определяемого по спутниковым данным, исследуя его связь с эффектом O₃ в выходные дни. Было обнаружено, что переход от режима, ограниченного ЛОС, к режиму, ограниченному NOx, происходит при ~3,1 [2,7–3,4] для HCHO/NO₂ с небольшими региональными вариациями. Интегрируя данные с четырёх спутниковых приборов, включая Global Ozone Monitoring Experiment (GOME), SCanning Imaging Absorption SpectroMeter for Atmospheric ChartographY (SCIAMACHY), Ozone Monitoring Instrument (OMI) и TROPOspheric Monitoring Instrument (TROPOMI), авторы построили 27-летний (1996–2022 гг.) ряд спутниковых данных HCHO/NO₂, на основе которого оценили долгосрочные тенденции в режимах производства O₃. Очевидна заметная глобальная тенденция к режимам, ограниченным NOx, особенно в развитых регионах, таких как Северная Америка, Европа и Япония, с намечающимися тенденциями в развивающихся странах, таких как Китай и Индия, за последние два десятилетия. Этот сдвиг поддерживается как ростом отношений HCHO/NO₂, так и уменьшением эффекта выходных дней для O₃. Тем не менее, городские территории по-прежнему находятся в переходном режиме с ограниченным содержанием ЛОС, если судить по среднегодовым показателям. Эти результаты подчёркивают важность адаптивных стратегий контроля выбросов для снижения уровня загрязнения O₃.

Ссылка: https://acp.copernicus.org/articles/25/9127/2025/

Атлантификация — это продолжающееся океаническое явление, характеризующееся расширением типичной атлантической зоны в сторону Арктики, что приводит к быстрым океаническим и экологическим изменениям в европейской Арктике. Используя реанализ и мультимодельный ансамбль расчётов невозмущенных и переходных доиндустриальных, исторических и будущих состояний, данное исследование показывает, что современная атлантификация, возможно, началась в конце XIX века, и ей предшествовало несколько эпизодов «арктификации» в доиндустриальное тысячелетие. В исторический период атлантификация и панарктическое потепление конструктивно накладывались друг на друга, способствуя потеплению верхних слоёв океана и осолонению в Баренцевом море. Прогнозируется, что современная атлантификация продолжится в ближайшие несколько десятилетий, полностью раскрывая свой исключительный характер в контексте прошедшего тысячелетия. Однако атлантификация останавливается во второй половине XXI века, отделяясь от панарктического потепления. Расширение атлантического региона на север сдерживается появлением демпфирующего механизма, при котором градиент плотности между Атлантикой и Арктикой постепенно увеличивается, что поддерживает противоток за счёт бароклинной коррекции, сдвигающей арктический полярный фронт к югу. Поскольку эволюция этого градиента плотности тесно связана с отступлением кромки морского льда, освобождение Баренцева моря ото льда в конце лета может означать конец современной атлантификации.

Ссылка: https://www.nature.com/articles/s41598-025-16161-8

Последствия исторической аномальной жары 2020 года всё ещё ощущаются в Сибири год спустя.

В течение первой половины 2020 года среднемесячная температура в Сибири превышала норму на 6 °C. Кульминационный момент наступил 20 июня, когда температура в Верхоянске поднялась до 38 °C — самой высокой температуры, когда-либо зарегистрированной к северу от Полярного круга. Экстремальная жара сопровождалась лесными пожарами, нашествиями насекомых и таянием многолетней мерзлоты.

Квон и соавторы (Kwon et al.) предполагают, что последствия аномальной жары 2020 года всё ещё ощущались в следующем году в виде более тёплых и влажных, чем обычно, почв.

Исследователи получили данные о температуре, осадках и других климатических факторах из Европейского центра среднесрочных прогнозов погоды и включили их в модель высокоширотных экосистем. Чтобы уловить влияние сибирской волны тепла 2020 года, они заменили данные за 2020 год данными за каждый из предыдущих пяти лет (с 2015 по 2019 гг.), что предоставило пять оценок того, как могли бы выглядеть региональные экосистемы в 2021 году, если бы не было волны тепла.

Анализ показал, что из-за высокой температуры температура почвы в 2021 году оставалась примерно на 1,2 °C, или примерно на 150%, теплее, чем она была бы без волны тепла, даже несмотря на то, что температура воздуха вернулась к норме. Более высокие температуры также растопили почвенный лёд, что привело к более влажной почве, чем обычно. Доступность почвенной влаги в корневой зоне, мера того, сколько воды почва может удерживать на глубине корней растений, увеличилась в 2021 году на 10,9% в лесах и на 9,3% на лугах. Однако часть этой талой воды покинула почву через сток.

Моделирование показало, что в ответ на более тёплую и влажную почву микробы стали размножаться, что привело к увеличению выбросов углекислого газа почвенной экосистемой. В лесах этот эффект был в значительной степени компенсирован усилением фотосинтеза, поскольку растения процветали в новых условиях. На лугах, с другой стороны, фотосинтез первоначально увеличился во время аномальной жары, но затем быстро снизился до уровня 2021 года, поскольку растения израсходовали доступную влагу и погибли. Исследователи сообщили, что в результате аномальной жары 2020 года леса получили дополнительно 6 граммов углерода на квадратный метр в первой половине 2021 года, тогда как луга потеряли 10,9 грамма углерода на квадратный метр.
(Global Biogeochemical Cycles, https://doi.org/10.1029/2025GB008607, 2025)

Ссылка: https://eos.org/research-spotlights/in-the-arctic-consequences-of-heat-waves-linger

Изменение климата является одной из важнейших проблем XXI века, особенно его влияние на доступность поверхностных вод в засушливых и гипераридных регионах бассейна реки Евфрат. Целью данного исследования является анализ последствий изменения климата с использованием пяти глобальных климатических моделей в рамках проекта CMIP6. Модельные результаты были статистически редуцированы с применением модели статистического даунскейлинга (SDSM 6.1) в рамках трёх сценариев выбросов парниковых газов, а коррекция смещения была выполнена с использованием данных климатической модели для гидрологического моделирования (CMhyd 1.02). Оценка эффективности основывалась на охватывающих период с 1982 по 2023 гг. данных метеорологических станций, распределённых по пяти климатическим зонам в пределах бассейна. Результаты исследования показали, что связанные с неопределённостью смещения в моделях CMIP6 ограничивают точность климатических прогнозов в бассейне. Использование индивидуальных глобальных климатических моделей вместо опоры исключительно на линейные тренды может снизить смещение и неопределённость при оценке климатических переменных в различных регионах. Хотя модель SDSM обеспечивает хорошее соответствие результатам глобальных климатических моделей, изменчивость пространственных моделей и сценариев выбросов отражается в ограниченной точности некоторых климатических индексов. Было установлено, что применение коррекции смещения с использованием метода линейного масштабирования повышает точность статистического моделирования. Прогнозы показывают, что повышение температуры из-за увеличения выбросов парниковых газов может привести к снижению количества осадков в засушливых регионах и увеличению во влажных регионах. Эти результаты способствуют лучшему пониманию воздействия изменения климата на водные ресурсы в речных бассейнах и обеспечивают научную основу для разработки эффективных стратегий адаптации и будущего планирования.

Ссылка: https://www.nature.com/articles/s41598-025-15483-x