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

Ускоряющееся таяние Гренландского ледникового щита приводит к выбросу больших объёмов пресной воды в прибрежную зону океана, снижая щёлочность морской воды. Биогеохимические процессы, такие как фотосинтез, дыхание и растворение минералов в осадочных отложениях, также формируют динамику углерода в этих опреснённых водах, но их совокупное влияние на углеродный насос океана остаётся невыясненным. В данной работе авторы изолируют химические эффекты разбавления талой воды с помощью контролируемого эксперимента по смешиванию морской и пресной воды, предоставляя эмпирические доказательства нелинейного снижения парциального давления углекислого газа (pCO₂). Моделирование карбонатной системы выявило механизмы, лежащие в основе этой нелинейности, помогая объяснить 17-летнее низкое pCO₂ в гренландском фьорде. Анализ чувствительности показывает, что влияние биогеохимических процессов в основном определяется химической средой, в которой они протекают. Поступление пресной воды снижает буферную ёмкость и, следовательно, усиливает чувствительность системы к биологической активности и закислению. Представленные результаты показывают, как талая вода усиливает биогеохимический контроль pCO₂ в прибрежных системах Арктики.

Ссылка: https://www.nature.com/articles/s43247-025-02685-4

В данном исследовании оцениваются три различных показателя радиационного воздействия (мгновенное: instantaneous IRF; с поправкой на стратосферную температуру: stratospheric-temperature adjusted SARF; эффективное: stratospheric-temperature adjusted ERF) для будущих изменений содержания озона. Для этого используется комбинация онлайн- и офлайн-методов. Авторы разделяют влияние изменений в предшественниках озона и озоноразрушающих веществах и настраивают модельные эксперименты таким образом, чтобы на эволюцию физических и динамических характеристик модели влияли только изменения озона (включая последующие изменения влажности, облачности и альбедо поверхности).

В рамках сценария SSP3-7.0 они наблюдали устойчивое увеличение содержания озона в связи с будущим ростом количества прекурсоров озона и снижением количества озоноразрушающих веществ, что приводит к увеличению радиационного воздействия с 2015 по 2050 гг. на 0,268 ± 0,084 Вт·м⁻² (ERF), 0,244 ± 0,057 Вт·м⁻² (SARF) и 0,288 ± 0,101 Вт·м⁻² (IRF). Это увеличение делает озон вторым по величине фактором, способствующим потеплению к 2050 году в этом сценарии, примерно половина которого обусловлена ​​восстановлением стратосферного озона, а другая половина — прекурсорами тропосферного озона.

Обнаружено, что увеличение содержания озона приводит к уменьшению доли облаков, вызывая общую отрицательную корректировку радиационного воздействия (положительную на коротких волнах и отрицательную на длинных). Необлачные корректировки, обусловленные изменениями водяного пара и альбедо, положительны. ERF немного превышает офлайновый SARF для изменения общего содержания озона, но примерно вдвое превышает SARF для изменения, вызванного озоноразрушающими веществами (ERF = 0,156 ± 0,071 Вт·м⁻², SARF = 0,076 ± 0,025 Вт·м⁻²). Следовательно, ERF является более подходящим показателем для диагностики климатических последствий изменений содержания стратосферного озона.

Ссылка: https://acp.copernicus.org/articles/25/9031/2025/

Эффективность использования углерода (ЭИУ) микробами характеризует отношение количества углерода, удерживаемого в биомассе, к его поглощению. Несмотря на свою важность для определения потерь и образования углерода в почве, изменение ЭИУ микробами при таянии многолетней мерзлоты остаётся недостаточно изученным. Обнаружено, что микроорганизмы верхнего слоя почвы (0–10 см) растут быстрее и обладают более высоким ЭИУ после резкого таяния многолетней мерзлоты. Ускоренный рост в первую очередь обусловлен изменениями в составе микробного сообщества (большая биомасса грибов по сравнению с бактериями и быстрее растущие таксоны) и повышением доступности почвенного фосфора. Эти результаты свидетельствуют о том, что повышение ЭИУ микробами после таяния многолетней мерзлоты потенциально способствует включению компонентов микробных клеток в почву и, следовательно, стимулирует образование стабильного почвенного углерода.

Динамика почвенного углерода при таянии многолетней мерзлоты представляет собой существенный фактор неопределённости в климатических прогнозах. Как потеря, так и образование почвенного углерода в регионах многолетней мерзлоты опосредованы микроорганизмами, и баланс этих двух процессов можно охарактеризовать синтетической метрикой, называемой эффективностью использования микробного углерода (ЭИУ). Однако то, как микробная ЭИУ реагирует на таяние многолетней мерзлоты, остаётся неясным из-за отсутствия прямых экспериментальных данных. Здесь, основываясь на последовательности данных таяния многолетней мерзлоты продолжительностью около 27 лет и пяти дополнительных участках, подвергшихся термокарсту на северо-востоке Тибетского нагорья, авторы исследовали реакцию микробной ЭИУ на резкое таяние многолетней мерзлоты, используя подход, независимый от субстрата, слежения за ¹⁸O. Результаты, полученные в ходе последовательности таяния и на дополнительных участках в региональном масштабе, последовательно показывают, что микробная ЭИУ верхнего слоя почвы (от 0 до 10 см) увеличивается после разрушения многолетней мерзлоты в результате ускоренного роста. Повышенный рост микроорганизмов и ЭИУ обусловлены изменениями в микробных сообществах с увеличением соотношения грибковой и бактериальной биомассы и увеличением количества копиотрофов. Кроме того, повышенная доступность почвенного фосфора также может способствовать росту микроорганизмов и ЭИУ. Эти результаты показывают, что более высокая ЭИУ микроорганизмов при резком таянии многолетней мерзлоты потенциально повышает стабильность углерода в почве, способствуя отложению углерода, полученного микробным путём. Таким образом, модели земной системы должны подробно описывать микробную ЭИУ и её факторы для точного прогнозирования обратной связи между углеродом многолетней мерзлоты и климатом.

Ссылка: https://www.pnas.org/doi/10.1073/pnas.2419206122

Спутниковые оценки выбросов углекислого газа от ископаемого топлива (fossil fuel carbon dioxide, FFCO₂) имеют решающее значение для глобальной инвентаризации, но ограничены разреженным покрытием. Поскольку наблюдения за диоксидом азота (NO₂) могут улучшить оценки выбросов CO₂, авторы использовали наблюдения за NO₂ с двух спутников на полярной орбите (GaoFen-5B и DaQi-1) для ограничения оценок выбросов углерода на основе измерений OCO-3 XCO₂. По сравнению с предыдущими оценками эмиссии CO₂, ограниченными полярно-орбитальными спутниками (например, Tropospheric Monitoring Instrument), этот подход позволяет обнаружить на 40% больше ежедневных выбросов и снизить неопределённость до 12%, в основном за счёт уменьшения временных различий и более частого наблюдения. Усовершенствованные оценки охватывают 69 глобальных случаев выбросов, в основном в Восточной Азии, Европе, на Ближнем Востоке и в Северной Америке. Около 45% оценочных выбросов ниже значений, рассчитанных по методу «снизу вверх», что потенциально отражает влияние локальных усилий по контролю выбросов. Эти результаты подчёркивают важность спутникового мониторинга выбросов FFCO₂ и ценность будущих миссий с высокоточными комбинированными измерениями NO₂/CO₂.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025GL116877

Ожидается, что экстремальные явления, превосходящие исторические пределы, будут происходить чаще в условиях будущего потепления. Однако время возникновения рекордно интенсивных комбинированных волн тепла и экстремальных осадков, когда экстремальные осадки следуют вскоре после волн тепла, редко количественно определялось. В данной работе представлен первый глобальный анализ времени возникновения рекордно интенсивных комбинированных волн тепла и экстремальных осадков, а также их зависимости от валового внутреннего продукта и численности населения с использованием нескольких крупных ансамблей. В очагах комбинированных волн тепла и экстремальных осадков, как правило, время возникновения наступает раньше. Согласно сценарию SSP2-4.5, ожидается, что к 2100 году 71% территорий мира испытает рекордную частоту комбинированных волн тепла и экстремальных осадков, по сравнению с менее чем 10% к 2030 году. Однако в большинстве регионов с ограниченными водными ресурсами признаки комбинированных волн тепла и экстремальных осадков не проявляются как минимум до 2100 года. Социально-экономические риски демонстрируют тревожную тенденцию к росту на протяжении всего XXI века. К концу XXI века ожидается значительное снижение валового внутреннего продукта и численности населения, при этом наиболее масштабные последствия коснутся беднейших регионов, что указывает на острую необходимость разработки стратегий адаптации, учитывающих специфику региона.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025GL116884

Наблюдения за осадками на поверхности Земли имеют решающее значение для улучшения оценок количества осадков, скорректированных по данным приборов, особенно в эпоху миссии Global Precipitation Measurement. Однако более 60% стран не имеют полноценной сети наземных датчиков количества осадков, что серьёзно ограничивает точность глобальных спутниковых данных об осадках. В данной работе представлена модель, объединяющая интеллектуальную оптимизацию регионального масштаба, топографический анализ и сквозную нейронную сеть для совокупного использования данных об осадках из нескольких источников и реконструкции глобальных пространственно-временных полей количества осадков с устранением пробелов в данных в разных масштабах. Анализ показывает, что модель существенно повышает точность спутниковых данных об осадках, увеличивая коэффициент корреляции с 0,66 до 0,77. В частности, спутниковые оценки при высоком уровне количества осадков и на сложных рельефах демонстрируют заметное улучшение при применении модели. Эти результаты свидетельствуют о том, что предлагаемый подход обладает большим потенциалом для будущего применения в мониторинге штормов и прогнозировании наводнений, особенно в горных регионах с ограниченным количеством данных наблюдений.

Ссылка: https://www.nature.com/articles/s43247-025-02624-3

Изучается потенциал моделей машинного обучения сверхвысокого разрешения для даунскейлинга количества осадков со 100 до 12,5 км в часовом масштабе с использованием данных конформно-кубической атмосферной модели (Conformal Cubic Atmospheric Model, CCAM) над Австралией. Были рассмотрены два подхода: идеальный подход, при котором модель машинного обучения обучается на входных данных с огрублённым высоким разрешением (т.е. данные CCAM с разрешением 12,5 км, огрублённые до разрешения 100 км), и несовершенный подход, при котором в качестве входных данных используются исходные данные с низким разрешением (т.е. использование CCAM с разрешением 100 км), и в обоих случаях в качестве целевых данных используются данные с высоким разрешением (т.е. расчёты CCAM с разрешением 12,5 км). В идеальном случае модель машинного обучения (ML_Perfect) точно воспроизводит климатологию с высоким разрешением и экстремальные явления. Однако модель ML_Perfect с данными CCAM 100 км в качестве входных данных (т. е. в несовершенной обстановке) занижает величину выходных данных и вносит пространственные несоответствия, в то время как модель ML_Imperfect фиксирует структуры с высоким разрешением, но занижает экстремальные значения. Это говорит о том, что подход с использованием модели ML_Perfect сверхвысокого разрешения не подходит для даунскейлинга количества осадков из-за пространственных несоответствий между грубыми и высокоразрешёнными модельными реализациями. Кроме того, авторы ввели основанную на чувствительности диагностику, выходящую за рамки стандартных методов оценки, чтобы понять поведение модели и выявить структурные проблемы. Эта диагностика показывает, что обе модели нелинейно увеличивают входные данные об осадках, не создавая ложных пространственных связей. Однако модель ML_Imperfect выводит данные об осадках в высокогорных регионах независимо от входных данных, что подчёркивает структурную проблему модели ML_Imperfect. В этом исследовании рассматриваются проблемы использования моделей машинного обучения сверхвысокого разрешения для даунскейлинга количества осадков, предлагается несколько полезных диагностических методов для оценки моделей машинного обучения сверхвысокого разрешения и их физического реализма, а также предлагаются идеи для изучения с целью улучшения даунскейлинга количества осадков на основе машинного обучения.

Ссылка: https://www.nature.com/articles/s41598-025-05880-7

Засуха, характеризующаяся водообеспеченностью ниже среднего уровня, оказывает глубокое влияние на региональные водные ресурсы и различные экосистемные услуги. Индекс интенсивности засухи Палмера (Palmer Drought Severity Index, PDSI) является широко используемой метрикой для мониторинга засух и оценки изменения климата, но страдает от присущих ему климатических противоречий и не обеспечивает всесторонних и надёжных оценок в условиях меняющегося климата. В данной работе разработан ежемесячный мультимодельный и мультисценарный набор данных самокалиброванного PDSI за период 1850–2094 гг., полученный на основе 11 результатов климатических моделей в рамках Проекта сравнения сопряжённых моделей 6 (PDSI_CMIP6). Традиционная двухслойная модель ведра в PDSI заменяется прямыми гидрологическими результатами моделей CMIP6, что обеспечивает согласованность с прогнозами CMIP6. Оценки PDSI проверяются с помощью моделирования влажности почвы посредством корреляционно-регрессионного анализа. Применение набора данных выявляет выраженную пространственную неоднородность долгосрочных тенденций засух на разных континентах с ограниченным изменением глобального среднего, но заметным региональным усилением в условиях изменения климата. Этот набор данных обеспечивает ограниченную неопределённостью количественную оценку условий влажности суши в условиях меняющегося климата, точно отражая прогнозируемые CMIP6 гидрологические изменения.

Ссылка: https://www.nature.com/articles/s41597-025-05790-3