Почвенные микробы играют важную роль в поддержании функций и услуг почвы, но динамика содержания почвенной микробной биомассы углерода (МБУ) в условиях глобального изменения климата остается неясной¹. Недавно Патуан и др.² объединили глобальный набор данных по МБУ с моделированием случайного леса и сообщили, что глобальная МБУ снизилась за 1992–2013 гг., в основном из-за повышения температуры. Напротив, используя полевые наблюдения МБУ в ходе экспериментов по манипулированию потеплением почвы и долгосрочные измерения на месте по всему миру, авторы обнаружили, что МБУ не показала существенных изменений при потеплении почвы. Эти результаты показывают, что МБУ почвы вряд ли значительно снизилась из-за глобального потепления на 0,28°C в течение 1992–2013 гг., и что необходимы дальнейшие механистические исследования, чтобы понять потенциальные изменения МБУ в условиях изменения климата.
Используя глобальный набор данных МБУ ³, Патуан и его коллеги² обучили модель случайного леса, основанную на пространственных градиентах МБУ и переменных климата, окружающей среды и растительного покрова, для прогнозирования глобальных временных изменений МБУ на 1992–2013 гг. Их результаты показали, что МБУ снизилась во всём мире на 3,4% ± 3,0% (среднее значение доверительного интервала ± 95%, с ежегодной скоростью снижения 0,16%). Важно отметить, что они обнаружили, что изменение температуры является преобладающим фактором, контролирующим скорость и пространственную структуру изменения МБУ (дополнительные рисунки 1 и 5 в Патуан и др.²). Этот вывод был основан на статистической модели в основном статических наблюдений МБУ, без явного рассмотрения основных механизмов, связывающих потепление с потерей МБУ.
Прямые доказательства любой реакции МБУ на повышение температуры также следует наблюдать в ходе более контролируемых экспериментов по полевому потеплению на месте. Авторы собрали 130 парных измерений МБУ из таких экспериментов с помощью обзора литературы; только два из этих парных измерений были включены в работу Патуан и др.². Реакция МБУ на потепление (показанная как логарифмически преобразованный коэффициент реакции, LN(RR), в разделе «Методы») не выявила последовательной тенденции к снижению с усилением потепления. Дальнейший анализ путём разделения наблюдений на разные группы по величине потепления (<1°C, 1–2°C, 2–3°C, 3–4°C и 4–5°C) показал, что МБУ значительно снижается только тогда, когда почва прогрелась более чем на 4°C (рис. 1б), что намного превышает уровень антропогенного потепления на сегодняшний день, либо без существенных изменений, либо со значительным увеличением для группы потепления на 1–2°C. Подтверждается, что на эти результаты не влияет систематическая ошибка публикации, за исключением группы с потеплением на 1–2°C. Исправление этой ошибки с помощью метода «обрезки и заполнения» делает изменение МБУ более незначимым. Отсутствие существенных изменений МБУ в ответ на потепление сохранялось независимо от продолжительности потепления. 

Рис. 1: Изменения углерода в микробной биомассе (МБУ) в ответ на изменение температуры по данным полевых измерений

a Пространственное распределение участков экспериментов по полевому потеплению (чёрные кружки и синие точки, синие точки обозначают участки, включённые в ссылку 2) и долгосрочные измерения МБУ на месте (красные и синие квадраты, синий квадрат обозначает участок, включённый в ссылку 2). Размер круга указывает число измерений. b МБУ изменяется в ответ на потепление почвы для разных интервалов величины потепления. c Наклон МБУ в зависимости от годовой температуры, подобранный с использованием простой модели линейной регрессии для каждого пункта долгосрочных измерений на месте. На панелях b и c заштрихованные точки и столбцы ошибок обозначают среднее и 95% доверительные интервалы соответственно.

Сигнал реакции МБУ на изменение температуры также можно обнаружить при долгосрочных измерениях МБУ на месте, которые подвержены межгодовым изменениям температуры. Авторы проверили эту гипотезу, проведя поиск долгосрочных измерений МБУ in-situ в литературе. Были собраны данные из шести участков, при этом минимальный период наблюдения составлял три года, а самый длительный период - до 10 лет; только один из этих сайтов был включен в Патуан и др.². Не обнаружено значимой корреляции между МБУ и годовой температурой на каком-либо отдельном участке (рис. 1в), что позволяет предположить небольшие изменения МБУ в ответ на изменение температуры с течением времени. Эта независимая вторая линия доказательств дополнительно подтверждает вывод о том, что МБУ не демонстрирует существенных изменений в ответ на потепление. 

Как согласовать работу Патуана и др.² с этими выводами? Ключевой вывод Патуана и др.² о практически постоянном снижении МБУ с увеличением годовой температуры совпадает с отрицательной корреляцией между МБУ и температурой в пространственном градиенте данных, использованных Патуаном и др.². То есть временное снижение глобального МБУ, предсказанное моделью случайного леса, вероятно, является результатом отрицательной взаимосвязи между МБУ и температурой в пространственных градиентах, а не результатом фактического изменения с течением времени. Подобные риски, связанные с выводом о временной чувствительности на основе пространственных градиентов (т.е. замены пространства временем), были продемонстрированы Кнаппом и др.⁴, которые утверждают, что статистические модели, пространственно полученные из нескольких мест, имеют тенденцию переоценивать экологические реакции на климатические изменения по сравнению с фактическими временными моделями, полученными на основе многолетних наблюдений in-situ (рис. 1 в работе Кнапп и др.⁴). 

Рис. 2: Прогнозируемая годовая скорость изменения (% год-1) глобального углерода микробной биомассы (МБУ) за 1992–2013 гг. и её взаимосвязь с наклоном между МБУ и температурой

a Результаты 200 повторений начальной выборки (m = 500) исходного набора данных (n = 762) Патуана и др.2. Серые точки и полосы ошибок обозначают среднее значение и 95% доверительный интервал прогнозируемого изменения МБУ. Средняя глобальная скорость изменения МБУ на основе всех 200 прогнозов начальной загрузки (-0,143% ± 0,135%, средний доверительный интервал ± 95%) показана чёрной точкой и полосой ошибок, в то время как данные Патуана и др.2 (-0,162% ± 0,146%) показаны синим цветом. На панели b показано то же, что и на a, но в этом случае 200 выборок начальной загрузки (m = 500) были извлечены из комбинированного набора данных (n = 762 + 106) Патуана и др.2 и наблюдений МБУ из контрольной обработки база данных полевых исследований по потеплению. Средняя глобальная скорость изменения МБУ по всем 200 прогнозам начальной загрузки составляет -0,092% ± 0,118%.

 Если замена пространства временем лежит в основе вывода, сделанного Патуаном и др.², то следует ожидать большего снижения глобального МБУ, когда их подход применяется к подмножествам данных наблюдений, если они имеют более крутые пространственные отрицательные наклоны между МБУ и температурой. Авторы проверили эту гипотезу путём случайной выборки из исходного набора данных Патуана и др.2 200 раз, каждый раз с размером выборки 500 из общего числа 762 выборок (для обсуждения статистической устойчивости «m из n» по сравнению с традиционной подвыборкой «n из n» при начальной загрузке, см. Chernick⁵), с последующей подгонкой и прогнозированием модели случайного леса. Скорость изменения глобальной МБУ в течение 1992–2013 гг., определённая путём усреднения всех результатов начальной загрузки, подтвердила скорость, указанную в Патуан и др.², но, в соответствии с авторской гипотезой, полученная глобальная скорость изменения МБУ показала значительную положительную корреляцию с наклоном между МБУ и температурой (рис. 2а). Повторение бутстрэп-анализа путём выборки из объединённого набора данных Патуана и др.² и собственных данных привело к аналогичному выводу, но с более низкой средней скоростью изменения глобальной МБУ (-0,092% ± 0,118%, рис. 2b), всего лишь примерно вдвое меньше, чем первоначально сообщалось Патуаном и др.². 

Патуан и др.² провели важный анализ и получили интуитивно привлекательные результаты. Представленные здесь результаты, однако, противоречат их выводам, поскольку показывают, что ни в полевых экспериментах по потеплению, ни в долгосрочных измерениях на месте не было обнаружено последовательного снижения МБУ в ответ на потепление. Их работа потенциально может привести к переоценке реакции МБУ на среднее глобальное потепление в 1992–2013 годах, составившее 0,28 °C. Этот вывод согласуется с недавним метаанализом Чжоу и др.⁶, которые обнаружили, что потепление существенно не влияет на микробное разнообразие, функциональность или МБУ почвы, подразумевая, что микробы могут адаптироваться к определённым изменениям температуры. С другой стороны, тематические исследования сообщают, что долгосрочное потепление, превышающее пороговое значение, действительно может снизить доступность субстратов и активность ферментов и, следовательно, снизить рост микробов и эффективность использования ими углерода и в конечном итоге привести к снижению МБУ⁷. Тем не менее, большой разброс LN(RR) для данной величины потепления в вышеприведённых результатах (рис. 1b) предполагает, что другие факторы взаимодействуют с потеплением, чтобы в совокупности определить реакцию МБУ. Авторы утверждают, что сбор экспериментальных данных с большим кчислом переменных и интеграция их с моделями, основанными на процессах, могут помочь улучшить понимание и прогнозирование судьбы МБУ в теплеющем мире.

Далее приведена методика исследования (раздел «Методы»).

Цитируемая литература

¹ Guerra, C. A. et al. Global projections of the soil microbiome in the Anthropocene. Glob. Ecol. Biogeogr. 30, 987–999 (2021).
² Patoine, G. et al. Drivers and trends of global soil microbial carbon over two decades. Nat. Commun. 13, 4195 (2022).
³ Xu, X., Thornton, P. E. & Post, W. M. A global analysis of soil microbial biomass carbon, nitrogen and phosphorus in terrestrial ecosystems. Glob. Ecol. Biogeogr. 22, 737–749 (2013).
⁴ Knapp, A. K., Ciais, P. & Smith, M. D. Reconciling inconsistencies in precipitation–productivity relationships: implications for climate change. N. ^Phytol. 214, 41–47 (2017).
⁵ Chernick, M. R. What Is Bootstrapping. Bootstrap Methods: A Guide for Practitioners and Researchers: 1-25 (Wiley, New York, 2007).
⁶ Zhou, Z., Wang, C. & Luo, Y. Meta-analysis of the impacts of global change factors on soil microbial diversity and functionality. Nat. Commun. 11, 3072 (2020).
⁷ Liu, X. et al. Soil aggregate-mediated microbial responses to long-term warming. Soil Biol. Biochem. 152, 108055 (2021). 

Ссылка: https://www.nature.com/articles/s41467-024-45508-4

Антропогенное изменение климата усиливает глобальный круговорот воды на суше за счёт увеличения годового суммарного количества осадков на всей суше (ГСКОС). Хотя увеличение среднего глобального наземного ГСКОС объясняется антропогенным изменением климата, неясно, верно ли это в равной степени для засушливых и влажных регионов, учитывая разницу в изменениях ГСКОС между двумя климатическими регионами.Авторы показывают, что рост ГСКОС в засушливых регионах происходит в два раза быстрее, чем во влажных регионах земного шара в течение 1961–2018 гг. как по данным наблюдений, так и по результатам моделирования. Прогнозируется, что это более быстрое увеличение будет расти с будущим потеплением, с усилением антропогенного глобального круговорота воды на суше в самых засушливых регионах земного шара. Показано, что это явление можно объяснить более быстрыми темпами реакции потепления и выпадения осадков, а также более сильным переносом влаги в засушливых регионах в условиях антропогенного изменения климата. Результаты количественного выявления и атрибуции показывают, что глобальное увеличение ГСКОС больше нельзя отнести на счёт антропогенного изменения климата, если исключить засушливые регионы. В период с 1961 по 2018 гг. наблюдаемый ГСКОС увеличился на 5,63–7,39% (2,44–2,80%) в засушливых (влажных) регионах, и целых 89% (всего 5%) можно отнести на счёт антропогенного изменения климата. Более быстрый вызванный антропогенным изменением климата глобальный круговорот воды на суше в засушливых регионах, вероятно, будет иметь как благотворное, так и вредное воздействие на эти регионы, одновременно уменьшая дефицит воды и увеличивая риск крупных наводнений.

Ссылка: https://www.nature.com/articles/s41612-024-00590-9

Значительный прогресс в науке об углероде многолетней мерзлоты, достигнутый за последние десятилетия, включает выявление его огромных запасов в многолетней мерзлоте, разработку новых панарктических карт вечной мерзлоты, увеличение числа наземных точек измерения потоков CO₂ и метана, а также важных факторов, влияющих на круговорот углерода, в том числе изменения растительности, периодов замерзания и оттаивания почвы, лесных пожаров и других тревожных явлений. Исследования по моделированию, основанные на процессах, теперь учитывают ключевые элементы круговорота углерода в многолетней мерзлоте, а достижения в области статистического моделирования и обратного моделирования улучшают понимание баланса C в регионе многолетней мерзлоты. При объединении существующих данных и результатов моделирования регион многолетней мерзлоты, вероятно, станет источником метана в водно-болотных угодьях и небольшим стоком CO₂ в наземной экосистеме с более низким суммарным поглощением CO₂ в более высоких широтах, исключая выбросы лесных пожаров. В 2002–2014 гг. самый сильный сток CO₂ был расположен в западной Канаде (медиана: -52 г C м^-2 год^-1), а наименьшие - на Аляске, в канадской тундре и сибирской тундре (медиана: от -5 до -9 г C м⁻² год^-1). Евразийские регионы имели самые большие медианные потоки метана на водно-болотных угодьях (16–18 г CH₄ м^-2 год^-1). Количественная оценка баланса углерода в региональном масштабе остаётся сложной задачей из-за высокой пространственной и временной изменчивости и относительно низкой плотности наблюдений. Более точные потоки углерода в регионах многолетней мерзлоты требуют: (a) разработки более качественных карт, характеризующих водно-болотные угодья, динамику растительности и нарушений, включая резкое таяние многолетней мерзлоты; (б) создания новых круглогодичных участков наблюдений потоков CO₂ и метана в недостаточно представленных районах; и (в) улучшенных моделей, которые лучше отражают важную динамику углеродного цикла многолетней мерзлоты, включая выбросы в межвегетационный период и воздействие возмущений.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2023JG007638

Эль-Ниньо – Южное колебание (ЭНЮК) – весьма заметное климатическое явление, имеющее серьёзные последствия для глобальных погодных условий и изменения климата. Точное предсказание ЭНЮК имеет значительную научную и экономическую ценность. Однако из-за сложной взаимосвязи между эволюцией океанов и атмосферы в пространственных и временных масштабах в настоящее время наиболее совершенным физически обоснованным динамическим моделям с трудом удаётся давать точные прогнозы за пределами одного года. Модели глубокого обучения часто отдают приоритет комплексному сложению модулей, игнорируя важнейшую пространственную и временную информацию и обеспечивая неточные прогнозы на длинных дистанциях. Чтобы преодолеть эти проблемы, в этом исследовании предлагается модель ENSONet. Она определяет область высокой корреляции Ниньо и временные отношения путём разработки чётких параметров обучения пространственного местоположения и временного внедрения. Архитектура прогрессивного прогнозирования использует множественное обучение для повышения точности долгосрочного прогнозирования и эффективной дистанции. Кроме того, на основе особенностей океана с помощью пространственных и временных модулей обнаруживаются новые регионы, важные для прогнозирования, а сложные структуры прогнозирования изучаются путём точного моделирования пространственно-временных отношений. Обширные эксперименты с наборами реальных данных показывают, что ENSONet идентифицирует регионы, непосредственно связанные с индексом Ниньо, и выявляет новые представляющие интерес регионы посредством непрерывного обучения. Успешно прогнозируя изменения ЭНЮК с 1984 по 2023 гг., она демонстрирует своё качество в изучении сложных моделей прогнозирования. В заключение, ENSONet не только расширяет горизонт прогнозирования до 18-го месяца, но также демонстрирует значительное повышение его точности со средним улучшением на 28,99%, тем самым достигая самых современных показателей.

Ссылка: https://link.springer.com/article/10.1007/s00382-024-07119-z

Исследования характеристик скорости ветра представляют интерес для многих дисциплин: от возобновляемых источников энергии до экологии. В то время как обычно изучаются средние значения и тенденции, меньше внимания уделяется оценке других характеристик, таких как условия слабого ветра. Однако в литературе нет чёткого определения понятия «слабый ветер». Авторы предлагают шкалу Бофорта для характеристики значений слабого ветра над Европой через фиксированный порог 3,3 м/с (категория «легкий бриз»). Климатологическая (1979–2018 гг.) оценка выполняется с использованием почасовых данных реанализа ERA5. Ограниченное число станций наблюдения указывает на среднее за 40 лет число часов слабого ветра около 3500 в год, это сопоставимо с соответствующими ячейками реанализа ERA5, что показывает серьёзные ограничения в горных районах. Европейский регион имеет сильный градиент часов слабого ветра с севера на юг. Замечательные закономерности получены над побережьями и регионами со сложной орографией. Сезонная изменчивость слабого ветра колеблется около 20–25% для большинства регионов, а межгодовой коэффициент изменчивости - от 0,05 до 0,17. В океанических регионах значения слабого ветра меньшие, чем на суше. При этом атлантический и средиземноморский регионы ведут себя по-разному. Наибольшие годовые периоды (последовательные) почасовых эпизодов слабого ветра находятся в диапазоне от 5 до 10 дней (от 120 до 240 часов) на многих территориях суши. Среднечасовые периоды ветра обычно длятся от 15 до 25 часов и имеют более 200 эпизодов.

Ссылка: https://link.springer.com/article/10.1007/s00382-024-07123-3

Было высказано предположение, что по мере исчезновения морского льда возникнет глубокая конвекция в открытом океане в Арктике, которая увеличит потерю льда. Здесь, используя 36 современных климатических моделей и до 50 членов ансамбля в каждой модели, авторы показывают, что глубокая арктическая конвекция встречается редко при самом сильном сценарии потепления. Только пять моделей имеют конвекцию к 2100 году, а 11 — к середине рассматриваемого временного интервала. При этом самые глубокие смешанные слои находятся в восточной части Евразийского бассейна. Когда этот регион подвергается засолению и увеличению скорости ветра, модели конвектируют; всё же большинство моделей «освежаются». Модели, в которых нет конвекции, имеют самый сильный галоклин и наиболее стабильный морской лёд, но те, которые теряют лёд раньше всех – из-за сильно нагревающихся атлантических вод – не имеют постоянной глубокой конвекции: она прекращается в середине столетия. Изменения галоклина и атлантических вод необходимо срочно лучше отражать в моделях.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2023GL106499

Большая часть нашего понимания кайнозойского климата основана на записях δ¹⁸O, измеренных у донных фораминифер. Однако это измерение отражает совокупный сигнал глобальной температуры и уровня моря, что препятствует чёткому пониманию взаимодействий и обратных связей климатической системы, вызывающих глобальное изменение температуры. Представленная новая реконструкция изменения температуры за последние 4,5 миллиона лет включает две фазы долговременного похолодания, причём вторая фаза ускоренного похолодания во время перехода среднего плейстоцена (от 1,5 до 0,9 миллиона лет назад) сопровождается переходом от доминирующей 41 000-летней низкоамплитудной периодичности до доминирующей 100 000-летней периодичности с высокой амплитудой. Изменения в темпах долгосрочного охлаждения и изменчивости согласуются с изменениями в углеродном цикле, первоначально вызванными геологическими процессами, за которыми последовали дополнительные изменения в углеродном цикле Южного океана.

Ссылка: https://www.science.org/doi/10.1126/science.adi1908

Растущая осведомленность общественности о климатических рисках и увеличение инвестиций в адаптацию к изменению климата могут спровоцировать переселение, перераспределение климатических рисков между группами населения и привести к таким социальным последствиям, как сегрегация и джентрификация*. Предыдущие исследования эмпирически изучали влияние климатических рисков на выбор места назначения мигрантами, однако лишь немногие проводили исследования на внутримуниципальном уровне, и ещё меньше учитывали связанные с этим социальные последствия. Исследование дополняет эмпирические данные о климатической миграции, изучая влияние климатических рисков на выбор места назначения мигрантами в уязвимых муниципалитетах. В частности, авторы откалибровали байесовские сети для конкретных мест с помощью данных о миграции, собранных в четырёх мегаполисах США с известными климатическими рисками. Затем они объяснили, как климатические риски влияют на выбор мест назначения мигрантами для четырёх случаев исследования, ссылаясь на разработанные модели. Результаты моделирования выявили отдельные основные факторы, влияющие на выбор мигрантами района проживания во всех исследованных случаях. В Новом Орлеане, штат Луизиана, высокогорные районы могут подвергнуться джентрификации из-за притока образованных мигрантов. В других случаях неоднородные социально-демографические потоки, находящиеся под влиянием климатических рисков, вероятно, усугубят ранее существовавшую несправедливость, включая социальную сегрегацию и экономический разрыв. Исследование способствует получению необходимых эмпирических данных о влиянии климатических рисков на миграцию, которая может усугубить или поднять социальные проблемы в долгосрочной перспективе. Результаты исследования также служат основой для будущих усилий по адаптации к изменению климата, направленных на создание более инклюзивных принимающих сообществ. 

* Джентрификация - реконструкция (ревитализация) пришедших в упадок городских кварталов путём благоустройства и последующего привлечения более состоятельных жителей.

Ссылка: https://link.springer.com/article/10.1007/s10584-024-03687-5

Ожидается, что вызванное климатом продвижение бореальных лесов на север уменьшит альбедо, изменит запасы углерода и заменит тундру, но где и когда это произойдёт, остаётся в значительной степени неизвестным. Используя данные из 19 участков на 22 градусах долготы вдоль линии деревьев на севере Аляски, авторы показывают более сильную временную корреляцию роста годичных колец с водой, открытой отступающим арктическим морским льдом, чем с температурой воздуха. В пространственном отношении эти результаты показывают, что рост деревьев, пополнение и расширение ареала причинно связаны с открытой водой через связанные с этим более высокие температуры, более глубокие снежные покровы и улучшенную доступность питательных веществ. Авторы применили метаанализ к 82 приарктическим участкам и обнаружили, что пропорционально больше линий деревьев продвинулось там, где проксимальнее продолжающаяся потеря морского льда. В совокупности эти результаты показывают, как и где изменение условий морского льда способствует распространению лесов в высоких широтах.

Ссылка: https://www.science.org/doi/10.1126/science.adh2339

Всестороннее понимание изменений количества осадков, обусловленных антропогенным фактором, имеет важное значение для управления водными ресурсами и проектирования инфраструктуры. Однако в региональных масштабах существующие исследования по обнаружению и объяснению редко способны окончательно определить влияние человека на осадки. Авторы показывают, что антропогенные выбросы аэрозолей и парниковых газов являются основными факторами изменения количества осадков в Соединённых Штатах. Выбросы парниковых газов увеличивают среднее и экстремальное количество осадков по данным измерений дождемеров во все сезоны, в то время как десятилетний эффект глобальных выбросов аэрозолей уменьшает количество осадков. Местные выбросы аэрозолей ещё больше компенсируют рост выбросов парниковых газов зимой и весной, но увеличивают количество осадков летом и осенью. Эти результаты показывают, что противоречивые данные литературы об исторических тенденциях осадков можно объяснить компенсацией сигналов аэрозолей и парниковых газов. В масштабах Соединённых Штатов отдельные климатические модели воспроизводят наблюдаемые изменения, но не могут с уверенностью определить, увеличил или уменьшил количество осадков тот или иной антропогенный агент.

Ссылка: https://www.nature.com/articles/s41467-024-45504-8