Климатический центр Росгидромета

Новости партнеров

Nature Communications Earth & Environment: Отчётливое влияние антропогенных аэрозолей и парниковых газов на изменчивость Эль-Ниньо/Южного колебания

 

Изменчивость Эль-Ниньо/Южного колебания оказывает заметное влияние на экосистемы и суровую погоду. Авторы исследуют влияние антропогенных аэрозолей и парниковых газов на изменчивость Эль- Ниньо/Южного колебания в течение исторического периода, используя широкий набор климатических моделей. Увеличение концентрации аэрозолей значительно усиливает изменчивость Эль-Ниньо/Южного колебания, в первую очередь, за счёт ослабления обратной связи средней адвекции и усиления обратной связи зональной адвекции и термоклина, что связано с более слабым годовым циклом температуры поверхности моря в восточной экваториальной части Тихого океана. Они предотвращают экстремальные явления Эль-Ниньо, уменьшают межгодовую асимметрию температуры поверхности моря в тропической части Тихого океана, влияют на вероятность явлений Эль-Ниньо/Южного колебания в апреле и июне и допускают больше переходов Эль-Ниньо в явления центральной части Тихого океана. В то время как рост содержания парниковых газов значительно снижает изменчивость Эль-Ниньо/Южного колебания посредством более сильного годового цикла температуры поверхности моря и ослабленной обратной связи термоклина. Они способствуют экстремальным событиям Эль-Ниньо, увеличивают асимметрию температуры поверхности моря и увеличивают вероятность пика Эль-Ниньо/Южного колебания в ноябре, одновременно подавляя события Эль-Ниньо/Южного колебания в центральной части Тихого океана.

 

Ссылка: https://www.nature.com/articles/s43247-025-01996-w

Печать

npj Climate and Atmospheric Science: Улучшение субсезонных ансамблевых прогнозов наступления волн тепла за счёт лучшего представления неопределённостей на поверхности суши

 

Неопределённости в процессах на поверхности суши в значительной степени ограничивают прогнозы наступления субсезонных волн тепла. Лучшее представление неопределённостей в процессах на поверхности суши с использованием методов ансамблевого прогнозирования может быть важным способом улучшения прогнозов наступления волн тепла. Однако генерация членов ансамбля, адекватно представляющих неопределённости процессов на поверхности суши, особенно те, которые связаны с её параметрами, остаётся сложной задачей. В этом исследовании был использован подход условного нелинейного оптимального возмущения, связанного с параметрами (conditional nonlinear optimal perturbation related to parameters, CNOP-P), для генерации членов ансамбля с целью представления неопределённостей в процессах на поверхности суши, возникающих из-за параметров. На основе шести сильных и продолжительных событий волн тепла в среднем и нижнем течении реки Янцзы были проведены эксперименты по ансамблевому прогнозированию наступления волн тепла с моделью Weather Research and Forecasting (WRF). Была оценена производительность подхода CNOP-P и традиционного метода ансамблевого прогнозирования случайных возмущений параметров. Результаты показывают, что детерминированные и вероятностные навыки прогнозирования начала волн тепла показывают большее превосходство при использовании подхода CNOP-P, что приводит к гораздо лучшим прогнозам экстремальных температур воздуха, чем при использовании традиционного метода. Это произошло потому, что члены ансамбля, сгенерированные методом CNOP-P, лучше представляли неопределённости в важных физических процессах на суше, определяющих начало волн тепла в среднем и нижнем течении реки Янцзы, в частности неопределённости процессов растительности, тогда как члены ансамбля, сгенерированные методом случайного возмущения параметров, не могли этого сделать. Это открытие предполагает, что метод CNOP-P подходит для создания членов ансамбля, которые адекватнее представляют неопределённости модели посредством более разумной характеристики ошибок параметров.

 

Ссылка: https://www.nature.com/articles/s41612-024-00876-y

Печать

Climatic Change: Повышение эффективности мер адаптации к изменению климата

 

В значительной степени экономические показатели и механизмы лежат в основе разработки политики адаптации. Такой акцент имеет нежелательные последствия для эффективности мер адаптации, а также для способности предотвращать несоизмеримые потери. В статье предлагаются четыре стратегических изменения в политике адаптации, которые смещают фокус с рынков на видение на уровне сообщества того, что влечёт за собой пригодное для жизни будущее. Эти изменения включают в себя а) учёт различных этических позиций посредством процессов принятия решений, богатых информацией, включающих различные точки зрения и являющихся прозрачными в отношении компромиссов ценностей, которые они влекут за собой; б) отражение социальных норм в адаптации с помощью инициатив, возглавляемых сообществом, посредством которых местные приоритеты и культурные выражения ставятся в центр внимания при разработке мер адаптации; в) ограничение зависимости от пути посредством лидеров в ключевых институтах, готовых влиять на изменения во времена разрушительных климатических катастроф; и г) предоставление избирательных прав маргинализированным группам, в частности, путём включения множественных знаний и мировоззрений в политику адаптации, поощрения обсуждений и переговоров, а также подрыва практик исключения.

 

Ссылка: https://link.springer.com/article/10.1007/s10584-024-03838-8

Печать

npj Climate and Atmospheric Science: Причины рекордно холодного события в исторически самом тёплом 2023 году и оценка будущих рисков

 

Неожиданное рекордно холодное событие обрушилось на восточный Китай в декабре 2023 года, вызвав массовые остановки транспорта, дефицит электроэнергии и ущерб сельскохозяйственным культурам. То, каким образом такое необычное холодное событие сформировалось в условиях глобального потепления, неясно, как и то, каким образом антропогенное изменение климата может повлиять на настоящую и будущую частоту и интенсивность подобных холодных событий. Авторы показывают, что крупномасштабная циркуляция атмосферы, связанная с тёплой Арктикой, была основным фактором, объясняющим 83 ± 2% интенсивности холодного события 2023 года, тогда как термодинамический эффект изменения климата подавил интенсивность события на −6 ± 3% в ERA5 и −22 ± 2% в HadGEM3- A-N216. Анализ атрибуции, основанный на сопряжённых модельных расчётах, показывает, что из-за антропогенного изменения климата частота и интенсивность событий, подобных случившемуся в 2023 году, уменьшаются на 92,5 ± 2,5% и 1,9 ± 0,2°C соответственно при климатическом состоянии 2023 года. Термодинамический эффект антропогенного изменения климата перевешивает его динамический эффект. Будущие прогнозы показывают, что частота и интенсивность этих событий, подобных случившемуся в 2023 году, ещё больше уменьшатся на 95 ± 3% и 2,05 ± 0,25°C к концу этого столетия при сценарии промежуточных выбросов по сравнению с оценками, сделанными при нынешнем климате. Напротив, события, подобные случившемуся в 2023 году, станут аналогичны нынешним событиям, когда будет достигнут целевой показатель Парижского соглашения в 1,5°C. Эти результаты подчёркивают сдерживающее влияние антропогенного изменения климата на похолодание, однако к концу столетия потребуются меры по адаптации к будущим рискам похолодания, подобного случившемуся в 2023 году, если будет достигнута углеродная нейтральность.

 

Ссылка: https://www.nature.com/articles/s41612-024-00886-w

Печать

EGUsphere: Оценка региональных и межгодовых изменений содержания тропосферного озона в химических реанализах

 

Авторы оценивают региональные и межгодовые изменения содержания тропосферного озона в пяти химических реанализах: реанализе Copernicus Atmosphere Monitoring Service (CAMSRA), реанализе Tropospheric Chemistry второго поколения (TCR-2), реанализе GEOS-Chem, региональном анализе Community Multiscale Air Quality (CMAQ) и реанализе качества воздуха в Китае (CAQRA). Обнаружено, что существуют большие региональные различия (около 10–15 нмоль моль-1) в средней поверхностной концентрации озона между реанализами. GEOS-Chem имеет высокий уровень концентрации озона относительно ансамблевого среднего в большинстве континентальных регионов, тогда как CAMSRA имеет низкий уровень. Сравнение с наблюдениями за поверхностным озоном показывает, что реанализы имеют высокие смещения относительно наблюдений, при этом смещения концентрации поверхностного озона превышают 10 нмоль моль-1 в GEOS-Chem. Оказалось, что CAMSRA имеет наименьшее смещение по отношению к наблюдениям, с отрицательными смещениями в Европе, а также в центральной и западной части США и положительными смещениями во всех остальных местах. В свободной тропосфере реанализы хорошо согласуются, а среднее смещение между реанализами и наблюдениями озонозонда невелико, менее 4 нмоль моль-1 на уровне 500 гПа. Кроме того, корреляции между данными озонозондов и реанализов достигают 0,8 и 0,9 в южных и северных средних широтах соответственно. Результаты показывают, что химические реанализы должны предоставлять ценную информацию для количественной оценки изменений содержания озона в свободной тропосфере. Однако для повышения полезности анализов содержания поверхностного озона необходимы улучшения в реанализах, чтобы лучше использовать ассимилированные наблюдения для смягчения влияния расхождений в модельной химии и выбросах предшественников озона.

 

Ссылка: https://egusphere.copernicus.org/preprints/2025/egusphere-2024-3759/

Печать

Geophysical Research Letters: Глобальная климатология дневного охлаждения поверхности городских парков с использованием спутниковых наблюдений

 

Стратегии снижения температуры на основе зелёной инфраструктуры могут помочь облегчить бремя перегрева для городских жителей. Хотя охлаждающий эффект парков изучался в отдельных спутниковых исследованиях, глобального многолетнего исследования не было. Это исследование даёт всестороннюю глобальную оценку климатологии дневного острова прохлады парка (surface park cool island , SPCI) с использованием температур поверхности земли из 2083 систематически отобранных парков по всему миру (2013–2022 гг.). Благодаря детальному выбору парков и стратификации данных выделяются ключевые факторы, влияющие на наблюдаемую интенсивность SPCI. Анализ показывает, что охлаждение тесно связано с типом парка, при этом в парках с обильными деревьями в среднем на 3,4°C прохладнее, чем в окружающей городской местности летом. Далее изучается, как на SPCI влияют сезонные колебания, засухи и городская морфология в различных фоновых климатах. Эти результаты, наряду с разработанным глобальным набором данных SPCI, предлагают критически важную информацию для проектирования устойчивых к изменению климата зелёных насаждений.

 

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL112887

Печать

Journal of Climate: Диагностика факторов, способствующих межмодельному разбросу климатической обратной связи в CMIP6

 

Глобальный параметр климатической обратной связи температуры поверхности λ значительно варьируется в зависимости от выбора климатических моделей, и его реальное значение остаётся неопределённым. Исследования показали, что структура реакции температуры поверхности моря (ТПМ) и физика атмосферной модели могут влиять на параметр климатической обратной связи в исторических и идеализированных расчётах потепления. В этом исследовании авторы разработали и проанализировали серию целевых экспериментов с атмосферными глобальными климатическими моделями, чтобы количественно определить, насколько ТПМ (как структура потепления, так и базовая климатология) и физика атмосферной модели вносят вклад в межмодельный разброс параметра климатической обратной связи и обратной связи облаков в проекте CMIP6. Были использованы три атмосферные глобальные климатические модели, HiRAM, AM2.5 и AM4, разработанные в Лаборатории геофизической гидродинамики (Geophysical Fluid Dynamics Laboratory, GFDL), которые охватывают широкий спектр обратных связей в ответ на равномерное потепление поверхности. Три модели GFDL указывают на то, что исторические закономерности изменения ТПМ систематически изменяют λ, что подтверждает предполагаемую роль «эффекта закономерности» в исторической чувствительности климата. Однако также обнаружено, что использование одной атмосферной глобальной климатической модели с различными закономерностями потепления ТПМ, вызванного CO2, или модельной климатологией ТПМ из набора климатических моделей из CMIP6 может воспроизвести только ∼10% межмодельного разброса λ, вызванного CO2, в то время как используемая атмосферная модель определяет величину λ (∼45%). Это подчёркивает роль физики атмосферной модели в изменении λ, особенно схем, связанных с облаками. Кроме того, продемонстрировано, что нелинейное взаимодействие между ТПМ и атмосферной глобальной климатической моделью играет немалую роль в воздействии на λ.

 

Ссылка: https://journals.ametsoc.org/view/journals/clim/38/3/JCLI-D-23-0528.1.xml

Печать

Nature Communications: Атлантическая меридиональная термохалинная циркуляция, судя по данным о потоках тепла между воздухом и морем, не ослабевала с 1960-х годов

 

Атлантическая меридиональная термохалинная циркуляция (АМТЦ) имеет решающее значение для глобального поглощения углерода и тепла океаном и контролирует климат вокруг Северной Атлантики. Несмотря на свою важность, количественная оценка прошлых изменений АМТЦ и оценка её уязвимости к изменению климата остаются крайне неопределёнными. Понимание прошлых изменений АМТЦ опиралось на косвенные данные, в первую очередь на аномалии температуры поверхности моря над субполярной Северной Атлантикой. Авторы использовали 24 модели земной системы из Проекта CMIP6, чтобы продемонстрировать, что эти температурные аномалии не могут надёжно реконструировать АМТЦ. Вместо этого было обнаружено, что аномалии потоков тепла «воздух-море» к северу от любой заданной широты в Северной Атлантике между 26,5° с.ш. и 50° с.ш. тесно связаны с аномалией АМТЦ на этой широте в десятилетних и столетних временных масштабах. В этих временных масштабах аномалии потока тепла «воздух-море» тесно связаны с вызванными АМТЦ аномалиями потока тепла на север, вследствие сохранения энергии. Однако в годовых временных масштабах аномалии потока тепла «воздух-море» в основном определяются изменчивостью атмосферы и в меньшей степени аномалиями АМТЦ. На основе выявленной здесь взаимосвязи и оценок прошлого потока тепла «воздух-море» в Северной Атлантике на основе наблюдений из продуктов реанализа, десятилетняя средняя АМТЦ на 26,5° с.ш. не ослабела с 1963 по 2017 гг., хотя существенная изменчивость присутствует на всех широтах.

 

Ссылка: https://www.nature.com/articles/s41467-024-55297-5

Печать

Biogeosciences: Тление почвы в лесах умеренного пояса: недооцененный фактор выбросов углерода при пожарах, выявленный с помощью отношений смеси в атмосфере

 

Пожар считается важной климатической переменной, выделяющей парниковые газы в процессе горения. Текущие глобальные оценки выбросов при пожарах традиционно опираются на грубые данные дистанционного зондирования выжженных территорий, а также на полноту сгорания и коэффициенты выбросов для конкретного биома. Однако сохраняются большие неопределённости относительно выжженных территорий, затронутой биомассы и коэффициентов выбросов. Недавнее повышение разрешения улучшило предыдущие оценки выжженных территорий и надземной биомассы, одновременно увеличив информационное содержание, используемое для получения коэффициентов выбросов, дополненных бортовыми датчиками, размещёнными в тропиках. На сегодняшний день лесам умеренного пояса, характеризующимся меньшей частотой пожаров и более строгими ограничениями воздушного наблюдения вблизи лесных пожаров, уделялось меньше внимания. В этом исследовании авторы использовали характерный пожарный сезон 2022 года, повлиявший на леса умеренного пояса Западной Европы, для изучения выбросов при пожарах, отслеживаемых сетью атмосферных вышек. Изучалась роль тления почвы, ответственного за более высокие выбросы углерода, о которых локально сообщали пожарные, но которые не учитывались в балансах выбросов при пожарах умеренного пояса. Оценено соотношение CO/CO2, выделяемое крупными пожарами в средиземноморских, атлантических сосновых и атлантических умеренных лесах Франции. Полученные результаты выявили низкую модифицированную эффективность сгорания для двух атлантических умеренных регионов, что подтверждает предположение о сильном тлеющем горении. Этот тип горения был связан с определёнными характеристиками пожара, такими как длительные тепловые сигналы пожара, и затронул экосистемы, охватывающие виды хвойных листьев, торфяники и поверхностные залежи лигнита в почвах. Благодаря данным с высоким разрешением (приблизительно 10 м) по выжженным площадям, биомассе деревьев, торфяникам и органическому веществу почвы, авторы предложили пересмотренную структуру выбросов при горении, соответствующую наблюдаемой модифицированной эффективности сгорания. Их оценки показали, что было выброшено 6,15 Мт CO2 (±2,65), при этом подземный запас составил 51,75% (±16,05). Кроме того, была рассчитана общая эмиссия в размере 1,14 Мт CO (±0,61), из которых 84,85% (±3,75) приходится на подземное сжигание. В результате выбросы углерода от пожаров 2022 года во Франции составили 7,95 Мт CO2-экв (±3,62). Эти значения в два раза превышают оценки Глобальной системы ассимиляции пожаров (GFAS) для страны, достигая 4,18 Мт CO2-экв (CO и CO2). Пожары составляют 1,97% (±0,89) годового углеродного следа страны, что соответствует сокращению на 30% поглощения углерода лесами в этом году. Отсюда следует вывод, что текущие европейские оценки выбросов от пожаров должны быть пересмотрены с учётом сжигания почвы в лесах умеренного пояса. Также рекомендуется использовать отношения смеси атмосферных газов в качестве эффективной системы мониторинга продолжительных почвенных пожаров, которые могут вновь вспыхнуть в последующие недели.

 

Ссылка: https://bg.copernicus.org/articles/22/213/2025/

Печать

Biogeosciences: Объяснимое машинное обучение для моделирования суммарного обмена экосистем в бореальных лесах

 

Растёт интерес к применению методов машинного обучения для прогнозирования суммарного обмена экосистем (СОЭ) на основе информации о местоположении и климатических переменных. Авторы применили четыре модели машинного обучения (кубист, случайный лес, усреднённые нейронные сети и линейную регрессию) для прогнозирования СОЭ экосистем бореальных лесов на основе климатических и ландшафтных переменных. Были использованы наборы данных с двух станций в финском бореальном лесу (южный участок Хюютиля и северный участок Вярриё) и смоделирован СОЭ в течение пикового сезона роста и в течение всего года. Для Хюютиля все нелинейные модели продемонстрировали схожие результаты с R2 = 0,88 для пикового сезона роста и R2 = 0,90 для всего года. Для Värriö нелинейные модели дали R2 = 0,73–0,76 для пикового сезона роста, тогда как случайный лес и кубист с R2 = 0,74 были несколько лучше, чем усреднённые нейронные сети с R2 = 0,70 для всего года. Используя объяснимые методы искусственного интеллекта, авторы показали, что наиболее важными входными переменными в пиковый сезон являются фотосинтетически активная радиация, диффузная радиация и дефицит давления пара (или температура воздуха), тогда как в годовом масштабе дефицит давления пара (или температура воздуха) заменяется температурой почвы. Когда наборы данных с обеих станций были смешаны, содержание влаги в почве, единственная переменная, явно отличающаяся между наборами данных Hyytiälä и Värriö, оказалось одной из наиболее важных переменных, но её важность уменьшилась, когда были добавлены входные переменные, маркирующие участки. Кроме того, был проведён анализ зависимости СОЭ от входных переменных с учётом существующего теоретического понимания драйверов СОЭ. Показано, что даже если статистические оценки некоторых моделей могут быть очень хорошими, к результатам следует относиться с осторожностью, особенно при их применении к масштабированию. В настройке модели с несколькими взаимозависимыми переменными, повсеместно присутствующими в атмосферных измерениях, некоторые модели демонстрируют сильные противоположные зависимости от этих переменных. Такое поведение может иметь неблагоприятные последствия, если модели применяются к наборам данных в будущих климатических условиях. Эти результаты подчёркивают важность объяснимых методов искусственного интеллекта для интерпретации результатов моделей машинного обучения, особенно когда в качестве входных данных модели используется набор, содержащий взаимозависимые переменные.

 

Ссылка: https://bg.copernicus.org/articles/22/257/2025/

Печать