Авторы рассматривают вопрос о том, влияет ли изменчивость Атлантической меридиональной термохалинной циркуляции и связанный с ней перенос тепла в средних широтах на арктическую систему Земли. С этой целью был проведён анализ когерентности временных рядов переноса тепла в океане, интенсивности Атлантической меридиональной термохалинной циркуляции и климатических показателей Арктики в большом числе моделей ансамбля CMIP6. Авторы обнаружили, что в мультидекадных временных масштабах большинство моделей CMIP6 действительно демонстрируют статистически значимую связь между Атлантической меридиональной термохалинной циркуляцией в средних широтах (45° с.ш.) и такими показателями, как температура приземного воздуха в Арктике и протяжённость морского льда. Однако полученные результаты не подтверждают утверждение о том, что аномалии переноса тепла в более низких широтах распространяются на север, в сторону Арктики. Вместо этого они говорят, что изменчивость меридионального переноса тепла в океане возникает в субполярной Северной Атлантике и распространяется на юг и север.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025GL116282

Китайское метеорологическое управление (China Meteorological Administration, CMA) представило свои глобальные климатические наборы данных на IV Форуме по метеорологическому сотрудничеству Китай-АСЕАН, что стало первым случаем предоставления климатических продуктов страны для международного обмена.

Набор данных охватывает шесть категорий: глобальный набор данных о поверхности, глобальный набор данных радиозондирования, глобальные объединённые данные о температуре поверхности, CMA ReAnalysis V1.5, набор данных о Земле и радиации спутников Fengyun (FY) и набор данных об океане спутников FY.

Они будут способствовать международному обмену данными, предоставлять прикладные услуги, такие как метеорологическое раннее предупреждение, предотвращение и смягчение последствий стихийных бедствий, а также содействовать глобальным исследованиям и разработкам в области технологий искусственного интеллекта и изучения изменения климата.

Глобальные климатические наборы данных используют независимо разработанные продукты с применением передовых технологий и надёжного качества, входящие в состав 106 высококачественных метеорологических продуктов CMA.

Среди них, суточные и месячные значения Global Surface Dataset и Global Radiosonde Dataset можно проследить вплоть до 1850 года, при этом самая длинная последовательность охватывает 176 лет.

На основе данных, собранных с глобальной сети станций наблюдений с несколькими источниками, данные Global Merged Surface Temperature были подвергнуты пространственно-временной реконструкции для получения ежемесячных продуктов глобальной температуры поверхности с 1850 года на координатной сетке с пространственным разрешением 2°×2°, что эквивалентно примерно 200 км.

Данные FY Satellites Land & Radiation Dataset и FY Satellites Ocean Dataset прошли перекалибровку и коррекцию согласованности исторических спутниковых данных FY, что позволило сформировать такие продукты, как температура поверхности Земли на расстоянии 5 км, радиация, температура поверхности моря и морской лёд.

Целевые пользователи этих наборов данных — специалисты по метеорологическому прогнозированию, раннему предупреждению и углублённым приложениям искусственного интеллекта. Доступ к ним можно получить через такие каналы, как англоязычная версия Китайской сети метеорологических данных, веб-сайт Всемирного метеорологического центра в Пекине и англоязычная версия Службы спутниковых данных Фэнъюнь.

CMA заявляет, что будет постоянно оценивать эффективность использования и бесперебойность каналов загрузки для международных информационных продуктов, обеспечивая стабильно высокое качество информационных продуктов и бесперебойность каналов обмена.

Ссылка: https://www.meteorologicaltechnologyinternational.com/news/data/china-meteorological-administration-shares-its-global-climate-datasets-internationally-for-first-time.html

Выбросы метана из бореально-арктического региона, вероятно, увеличатся в связи с потеплением и таянием многолетней мерзлоты, но величина этого увеличения недостаточно хорошо оценена. В данной работе показано, что выделение нескольких классов водно-болотных угодий и озёр улучшает понимание текущих и будущих выбросов метана. Оценка авторами суммарной годовой эмиссии метана (1988–2019 гг.) составила 34 (95%-ный доверительный интервал: 25–43) Тг CH₄ в год, при этом преобладают пять классов водно-болотных угодий (26 Тг CH₄ в год) и семь классов озёр (5,7 Тг CH₄ в год). Эта оценка оказалась ниже предыдущих благодаря подробному описанию классов водно-болотных угодий и озёр с низкой эмиссией метана, например, вечномёрзлых болот, болот, крупных озёр и ледниковых озёр. Для дальнейшего снижения неопределённости необходимы улучшенные карты водно-болотных угодий и дополнительные измерения зимних выбросов из водно-болотных угодий и при вскипании озёр. Согласно прогнозам, выбросы метана увеличатся примерно на 31% при сценарии умеренного потепления (SSP2-4.5 к 2100 году), что обусловлено в первую очередь потеплением, а не таянием многолетней мерзлоты.

Ссылка: https://www.nature.com/articles/s41558-025-02413-y

Представлен всесторонний обзор истории развития, текущего состояния и будущих тенденций метеорологического обслуживания гражданской авиации. В условиях быстрого роста объёмов мирового воздушного движения и усложнения условий эксплуатации точная и своевременная метеорологическая информация стала незаменимой для обеспечения эффективности и безопасности полётов гражданской авиации. Экстремальные погодные явления, в частности, неоднократно демонстрировали свой потенциал для нарушения расписания полётов, снижения безопасности пассажиров и причинения значительного экономического ущерба, что подчёркивает критическую необходимость создания надёжных систем метеорологического обслуживания в авиационном секторе. В связи с этим в данной работе сначала рассматривается важность метеорологического обслуживания гражданской авиации для обеспечения безопасности полётов, повышения их регулярности и снижения эксплуатационных расходов. Затем подробно рассматривается процесс развития, от первоначального создания инфраструктуры до современных и интеллектуальных разработок, охватывающих эволюцию оборудования для наблюдений, технологий прогнозирования и моделей обслуживания. При анализе текущего состояния в статье рассматриваются такие проблемы, как сложность точного прогнозирования в сложных погодных условиях и вопросы межведомственного взаимодействия, а также меры по улучшению и достижения. Наконец, определены будущие тенденции, включая применение новых технологий, таких как искусственный интеллект и «большие данные», расширение сферы услуг и укрепление международного сотрудничества, с целью предоставления ориентиров для дальнейшего повышения уровня метеорологического обслуживания гражданской авиации.

Ссылка: https://www.mdpi.com/2073-4433/16/9/1014

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/