Быстрое получение трёхмерных данных о зданиях, включая геометрические атрибуты, такие как крыша, высота и ориентация, а также показательные атрибуты, такие как функция, качество и возраст, имеет важное значение для точного городского анализа, моделирования и обновления политики. Текущие наборы данных о зданиях страдают от неполного охвата мультиатрибутов зданий. В этой статье представлен первый набор данных о зданиях с несколькими атрибутами (CMAB) национального масштаба, охватывающий 3667 городов, 31 миллион зданий и 23,6 миллиарда м² крыш с F1-оценкой 89,93% при извлечении на основе OCRNet, что в общей сложности составляет 363 миллиарда м³ фонда зданий. Авторы обучили агрегированные модели XGBoost с помощью бутстрапа с административными классификациями городов, включая морфологию, местоположение и функциональные особенности. Используя данные из нескольких источников, включая миллиарды изображений дистанционного зондирования и 60 миллионов изображений с видом на улицу, они сгенерировали атрибуты крыши, высоты, структуры, функции, стиля, возраста и качества для каждого здания с помощью машинного обучения и больших мультимодальных моделей. Точность была подтверждена с помощью эталонных тестов модели, существующих аналогичных продуктов и ручной проверки изображений с видом на улицу, в основном выше 80%. Этот набор данных и результаты имеют решающее значение для глобальных целей устойчивого развития и городского планирования.

Ссылка: https://www.nature.com/articles/s41597-025-04730-5

Городские деревья известны своей способностью смягчать городской тепловой стресс, поэтому включение их эффектов имеет решающее значение для исследования городского климата. Однако из-за ограничений дистанционного зондирования LAI (leaf area index) в городских районах, как правило, маскируется (например, в данных MODIS), что, в свою очередь, ограничивает его применение в моделях городского полога. Чтобы устранить этот пробел, авторы разработали набор данных LAI городских деревьев с высоким разрешением (500 м) и длительным временным рядом (2000–2022 гг.), полученный с помощью модели случайного леса, обученной с данными MODIS LAI, с помощью метеорологических переменных и наборов данных высоты деревьев. Результаты показывают, что этот набор данных имеет высокую точность при проверке по справочным картам участка с коэффициентом корреляции R = 0,85 и среднеквадратическим отклонением RMSE = 1,03 м²/м². По сравнению с повторно обработанным MODIS LAI, этот смоделированный LAI показывает RMSE в диапазоне от 0,36 до 0,64 м²/м² и R в диапазоне от 0,89 до 0,97 в глобальном масштабе. Этот набор данных обеспечивает разумное представление LAI городских деревьев с точки зрения величины и сезонных изменений, тем самым потенциально расширяя его применение в моделях городского полога и исследованиях городского климата.

Ссылка: https://www.nature.com/articles/s41597-025-04729-y

По сравнению с засухой и волнами тепла влияние зимнего потепления на потоки CO₂ в лесах изучено меньше, несмотря на его высокую значимость в более холодных регионах с более высоким содержанием углерода в почве. Целью авторов было проверить влияние исключительно тёплой зимы 2020 года на зимний бюджет CO₂ в вечнозелёных хвойных лесах, адаптированных к холоду, по всей Европе и определить вклад климатических факторов в изменения зимних потоков CO₂. Рабочая гипотеза заключалась в том, что потепление зимой приводит к более высоким выбросам на более холодных участках из-за усиления дыхания экосистемы. Для проверки этой гипотезы авторы использовали 98 измерений вихревой ковариации по годам в 14 вечнозелёных хвойных лесах, распределённых с севера на юг Европы (от Швеции до Италии). Был использован подход, основанный на данных, для количественной оценки влияния радиации, температуры воздуха и температуры почвы на изменения потоков CO₂ во время тёплой зимы 2020 года. Полученные результаты показали, что потепление зимой значительно снизило суммарную продуктивность лесной экосистемы на большинстве участков. Вклад климатических переменных в потоки CO₂ различался на разных участках: в южных регионах с более высокими средними температурами радиация оказывала большее влияние на суммарную продуктивность лесной экосистемы. Напротив, на более холодных участках температура воздуха играла более важную роль в воздействии на суммарную продуктивность лесной экосистемы. Во время тёплой зимы 2020 года в более холодных регионах наблюдались более значительные аномалии температуры воздуха по сравнению с другими участками; однако не наблюдалось значительно большего увеличения на более холодных участках из-за зимнего потепления. Различная реакция суммарной продуктивности лесной экосистемы на разных участках свидетельствует о сложных взаимодействиях между климатическими переменными, такими как температура воздуха, температура почвы и радиация. Эти результаты подчёркивают важность интеграции эффектов зимнего потепления для более точного прогнозирования воздействия изменения климата на динамику углерода в лесах.

Ссылка: https://bg.copernicus.org/articles/22/1393/2025/

Климатические данные высокого разрешения важны для понимания воздействия изменения климата на множество секторов по всему миру. В этом исследовании на основе последних опубликованных метеорологических записей за 1991–2020 гг. и недавно обновлённых моделей общей циркуляции авторы создали 30-летний усреднённый набор данных с шагом 0,01° (≈1 км) из 5 основных климатических переменных и 23 биоклиматических переменных, используя программное обеспечение ANUSPLIN, масштабирование с помощью дельта-коррекции и метод кубической сплайновой повторной выборки. Каждая переменная содержит ежемесячные исторические данные на сетке за период 1991– 2020 гг. и скорректированные по смещению данные за три будущих периода (2021–2040, 2041–2070, 2071–2100 гг.), три сценария (SSP1-2.6, SSP2-4.5 и SSP5-8.5) и 10 моделей общей циркуляции (включая ансамблевую модель). Исторические интерполяции, созданные программным обеспечением ANUSPLIIN, показали хорошее соответствие (выше 0,91) наблюдениям. Дельта-коррекции улучшила точность большинства исходных прогнозов моделей общей циркуляции, уменьшив смещение на 0,69– 58,63%. Таким образом, этот новый набор данных демонстрирует надёжное качество данных и дополнительно предоставляет высокоточные и скорректированные по смещению долгосрочные усреднённые исторические и будущие климатические данные по всему Китаю для исследований экологического и климатического воздействия.

Ссылка: https://www.nature.com/articles/s41597-025-04761-y

Исследователи демонстрируют метод оценки того, как повышение уровня моря может сказаться на повышении уровня грунтовых вод, что может привести к распространению опасности наводнений далеко вглубь суши. Поскольку изменение климата продолжает приводить к повышению уровня Мирового океана, многие люди, живущие в прибрежных районах, уже видят его последствия. Эрозия побережья ускоряется и смещает береговые линии вглубь страны, а штормовые нагоны усиливаются. Но под поверхностью скрывается ещё одно важное последствие, которое пока плохо изучено: повышение уровня грунтовых вод. Имеющиеся данные свидетельствуют о том, что в некоторых низменных прибрежных районах с неглубоким залеганием грунтовых вод повышение уровня моря приведёт к одновременному повышению уровня грунтовых вод, что может повлечь за собой серьёзные риски для домов, предприятий и другой инфраструктуры. В новой статье, посвящённой прибрежному городу Данидин, Новая Зеландия, Кокс и др. (Cox et al.) демонстрируют метод прогнозирования того, как повышение уровня моря может изменить уровень грунтовых вод и тем самым увеличить опасность затопления внутренних территорий. Южный Данидин уже переживает периодические наводнения, которые станут ещё более серьёзными с повышением уровня моря; исследователи описывают город как пример для новозеландских сообществ, реагирующих и адаптирующихся к изменению климата и повышению уровня моря. Исследователи использовали данные за 2019–2023 гг. из сети из 35 датчиков грунтовых вод, установленных на низменных прибрежных землях Данидина, где расположена большая часть городской инфраструктуры. Они сравнили данные датчиков с данными о приливах, осадках и других факторах, чтобы спрогнозировать будущее влияние повышения уровня моря на грунтовые воды. Результаты показывают, что повышение уровня моря сначала приведёт к повышению уровня грунтовых вод, что снизит способность земли поглощать осадки. При дальнейшем повышении уровня моря грунтовые воды могут подняться ещё больше и начать вызывать проблемы, ещё находясь под землей, такие как переполнение систем сточных вод, просачивание в подвалы и дестабилизация фундаментов зданий. В конечном итоге грунтовые воды могут подняться достаточно высоко, чтобы выйти в виде источников и вызвать наводнение. Исследователи приходят к выводу, что опасность наводнений, возникающая в результате повышения уровня грунтовых вод, может распространяться гораздо дальше вглубь страны, чем многие ожидают. Кроме того, если предположить, что защитный рельеф песчаного барьера дюн Данидина не претерпит существенных изменений, эти эффекты грунтовых вод произойдут раньше, чем любое прямое затопление из-за поднимающегося моря. Исследователи отмечают, что их подход содержит ключевые предположения и неопределённости — например, что уровень грунтовых вод и моря будет повышаться с одинаковой скоростью, а уровень грунтовых вод сохранит примерно ту же форму, но что консервативные прогнозы ценны для планирования и управления опасностями в Данидине. Поскольку метод относительно прост и недорог, его также можно применять в аналогичных прибрежных регионах по всему миру, говорят они. (Earth’s Future, https://doi.org/10.1029/2024EF004977, 2025)

Ссылка: https://eos.org/research-spotlights/flooding-from-below-the-unseen-risks-of-sea-level-rise

Глобальные концентрации CO₂ в атмосфере, обусловленные антропогенными выбросами и динамикой естественного углеродного цикла, стали критическим ускорителем изменения климата. Однако из-за пространственно-временной неоднородности источников и поглотителей углерода оценка потока CO₂ остается крайне неопределённой. Точная количественная оценка вклада различных источников и стоков углерода в концентрацию CO₂ в атмосфере имеет важное значение для понимания углеродного цикла и глобального углеродного баланса. В этом исследовании модель GEOS-Chem (версия 13.2.1), основанная на метеорологических данных MERRA-2, использовалась для воспроизведения ежемесячных глобальных концентраций CO₂ с 2006 по 2010 гг. Модель была настроена с горизонтальным разрешением 2,5° долготы × 2,0° широты и 47 вертикальными гибридными сигма-слоями до уровня 0,01 гПа. Для оценки влияния различных источников выбросов и стоков был применен подход «Переключение и замена инвентаря», в котором была разработана серия численных экспериментов, в которых отдельные источники выбросов выборочно отключались. Вклад восьми основных компонентов потока CO₂, включая сжигание ископаемого топлива, сжигание биомассы, сбалансированную биосферу, суммарный обмен земель, авиацию, судоходство, обмен океанов и химические источники, был количественно определён путём сравнения базового моделирования (BASE) с экспериментами по возмущению, специфичными для источника. Результаты показывают, что глобальная концентрация CO₂ демонстрирует пространственную закономерность с более высокими концентрациями в Северном полушарии и на суше, причём Восточная Азия, Юго-Восточная Азия и восточная часть Северной Америки являются регионами с высокой концентрацией. Глобальная средняя концентрация CO₂ увеличивалась на 1,8 млн⁻¹ в год с 2006 по 2010 гг., при этом восточный регион Китая демонстрирует самый высокий темп роста в 3,0 млн⁻¹ в год. Сжигание ископаемого топлива определяется как крупнейший источник выбросов CO₂, за которым следует сжигание биомассы, в то время как океаны и суша служат значительными поглотителями CO₂. Влияние потока углерода на концентрацию CO₂ в атмосфере в первую очередь определяется пространственным распределением выбросов, при этом более высокая интенсивность потока в индустриальных регионах и регионах, где сжигается биомасса, приводит к более выраженному локальному увеличению концентрации. И наоборот, области с сильными поглотителями углерода, такие как леса и океаны, демонстрируют более низкое суммарное накопление CO₂.

Ссылка: https://www.mdpi.com/2072-4292/17/6/1009

Будущие антропогенные изменения землепользования могут изменить нагрузку атмосферного углеродистого аэрозоля (чёрный углерод и органический аэрозоль) за счёт возмущения биогенных и пожарных выбросов. Однако этот эффект изучен недостаточно. Авторы изучают глобальную эволюцию будущего углеродистого аэрозоля в рамках прогнозируемых сценариев лесовосстановления и обезлесения Shared Socioeconomic Pathways с использованием модели CESM2 с настоящего момента до 2100 года. По сравнению с настоящим моментом, изменение будущих выбросов биогенных летучих органических соединений следует за изменениями в лесном покрове, в то время как выбросы от пожаров уменьшаются в обоих прогнозах, что обусловлено тенденциями в пожарах, связанных с обезлесением. Связанное с этим изменение нагрузки углеродсодержащего аэрозоля приводит к умеренному прямому радиационному воздействию аэрозоля (от −0,021 до +0,034 Вт/м²) и скромному среднему снижению концентрации PM_2,5 (от −0,11 мкг/м³ до −0,23 мкг/м³) в обоих сценариях. Обнаружено, что будущие антропогенные изменения землепользования могут быть более важными в определении нагрузки атмосферного углеродсодержащего аэрозоля, чем прямые антропогенные выбросы, что подчёркивает важность дальнейшего ограничения воздействия изменений землепользования.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL110962

Сигналы антропогенно обусловленного изменения климата возникают из шума внутренней изменчивости в наблюдениях, и воздействие на общество растёт. В течение десятилетий модели климата или земной системы предсказывали, как будут разворачиваться эти сигналы изменения климата. Хотя проблемы остаются, учитывая растущие вынужденные тенденции и удлиняющиеся записи наблюдений, сообщество климатологов теперь в состоянии противостоять сигналам, представленным историческими тенденциями, в моделях и наблюдениях. В этом обзоре рассматривается состояние науки о способности моделей представлять исторические тенденции в климатической системе. В нём также излагаются надёжные процедуры, которые следует использовать при сравнении смоделированных и наблюдаемых тенденций, и как перейти от количественной оценки к пониманию. Наконец, в этом обзоре обсуждаются передовые методы выявления источников расхождений и важность будущих сопоставлений.

Ссылка: https://www.science.org/doi/10.1126/sciadv.adt8035

Для многих стран крупномасштабная посадка деревьев является важнейшим компонентом их планов по декарбонизации. Здесь эти решения рассматриваются в контексте существенной неопределённости, связанной как с будущими климатическими, так и экономическими условиями. На примере Великобритании в этой статье выдвигаются следующие тезисы: 1) Страны могут подвергать себя существенному риску затрат, следуя стратегиям посадки, которые игнорируют неопределённость; 2) Стратегии посадки, использующие портфельные подходы для диверсификации риска, могут существенно снизить подверженность крайностям снижения затрат; 3) Портфельные подходы могут смягчить некоторую подверженность риску, но значительные риски затрат всё ещё существуют; 4) Несмотря на этот постоянный профиль риска, по сравнению с прогнозируемыми затратами на альтернативные технологии, посадка деревьев оказывается весьма экономически эффективным вариантом для удаления углекислого газа.

Чтобы достичь целей по декарбонизации, страны по всему миру взяли на себя амбициозные обязательства по расширению лесных угодий. Реализация этих обязательств требует выбора стратегии посадки: сколько деревьев следует посадить, каких видов и где? Учитывая, что этот выбор должен быть сделан сейчас, но имеет долгосрочные последствия, такие решения страдают от неопределённости. Например, виды, которые хорошо подходят для нынешних условий, могут плохо себя вести в будущих климатических условиях, однако эти будущие климатические условия сами по себе весьма неопределённы. Используя пример Великобритании, страны, приверженной достижению нулевых суммарных выбросов к середине столетия, авторы количественно оценивают ключевые неопределённости, касающиеся совместно эволюционирующих климатических и экономических условий, и изучают, как современные методы принятия решений в условиях неопределённости могут помочь в выборе посадок. Представленный анализ показывает, что лучшая стратегия посадки, предполагающая будущее с «высоким уровнем выбросов», радикально отличается от стратегии для будущего, которое остаётся на «почти историческом» пути. Посадка, ориентированная на первый вариант, при осуществлении второго приводит к значительным суммарным затратам для британского общества. Учёт неопределённости в процессе принятия решений определяет стратегии посадки, которые диверсифицируют риск и значительно снижают вероятность дорогостоящих результатов. Важно отметить, что это исследование показывает, что возможности смягчения риска путём выбора стратегии посадки относительно ограничены. Несмотря на этот постоянный риск, обнаружено, что посадка деревьев остаётся высокорентабельным решением по удалению углерода по сравнению с альтернативными технологиями, даже если эти альтернативы считаются безрисковыми.

Ссылка: https://www.pnas.org/doi/10.1073/pnas.2320961122

Мы видим, как беспрецедентная погода вызывает широкомасштабные последствия по всему миру. В этой перспективе авторы предоставляют обзор методов, которые помогают предвидеть беспрецедентные погодные опасности, которые могут помочь перестать удивляться. Затем обсуждаются методы управления стихийными бедствиями и адаптации к климату, их пробелы и то, как методы прогнозирования беспрецедентной погоды могут помочь повысить устойчивость. Авторы стимулируют размышления о преобразующей адаптации как основе долгосрочной устойчивости к беспрецедентной погоде, поддерживаемой постепенным приспособлением посредством модернизации существующей инфраструктуры и реактивной адаптации посредством краткосрочных ранних действий и реагирования на стихийные бедствия. Потому что в конечном итоге необходимо взять на себя ответственность за повышение устойчивости, а не удивляться беспрецедентной погоде.

Ссылка: https://www.nature.com/articles/s41467-025-57450-0