npj Climate and Atmospheric Science: Почему 2023 и 2024 годы стали самыми жаркими подряд?
Глобальная температура поверхности достигла рекордно высокого уровня в 2023 году. Используя глобальную климатическую модель, авторы показывают, что Эль-Ниньо вместе с внетропической изменчивостью «усилили» 2023 год, сделав его самым жарким годом на фоне потепления на 0,2 °C/десятилетие. Созданная авторами модель, инициализированная в июле 2024 года, правильно предсказала, что 2024 год станет ещё одним самым жарким годом за всю историю наблюдений.
Введение
Средняя глобальная температура поверхности (Global-mean surface temperature, GMST) увеличивалась со скоростью 0,2 °C за десятилетие с 1980 года в основном из-за антропогенных выбросов парниковых газов1. Скорость увеличения GMST варьируется в межгодовых и десятилетних временных масштабах. Глобальное потепление поверхности замедлялось в течение длительных периодов 1998–20132,3 и 2016–2022 гг., но резко возросло во время явлений Эль-Ниньо 2015–2016 и 2023–2024 гг. (рис. 1а), причём 2023 год стал самым жарким годом за всю историю наблюдений на момент представления этой работы. Сильное потепление над Северной Америкой (рис. 2а) повлекло широкомасштабные лесные пожары по всей Канаде, вызвав дым, который достиг неба Нью-Йорка. Температура поверхности увеличилась на большей части земного шара (рис. 2а), и планета в огне заставляет задуматься о том, что вызвало всплеск глобального потепления. Возможные виновники варьируются от сокращения выбросов аэрозолей4,5, сокращения низкого облачного покрова6 до внутренней изменчивости климата. Известно, что Эль-Ниньо увеличивает GMST, но его вклад в рекордное глобальное потепление в 2023 году ещё предстоит количественно оценить7,8,9. Не менее важно изучить пространственное распределение температурных аномалий 2023 года и определить, соответствует ли оно типичному Эль-Ниньо за пределами тропической части Тихого океана. Значительные несоответствия могут указывать на вклад других климатических режимов. Здесь авторы используют результаты глобальных климатических моделей, вызванные радиационным воздействием и Эль-Ниньо – Южное колебанием (ЭНЮК), чтобы количественно оценить вклад Эль-Ниньо в рекордную GMST в 2023 году.
Рис. 1: Эволюция глобальной температуры и связь с ЭНЮК. a Среднегодовые аномалии GMST (относительно 1991–2020 гг.): наблюдения (ERA5 сплошным синим цветом; GISTEMP пунктирным синим цветом) и среднее ансамбля пейсмейкера TP (черный) с 20 членами, проходящими серым цветом. Прогноз на 2024 год показан красным цветом. b Изменения температуры поверхности с 2022 по 2023 гг., усреднённые по земному шару, тропикам и внетропическим зонам Северного и Южного полушарий (слева направо). Красные точки обозначают среднее ансамбля пейсмейкера TP (20 членов, проходимые серыми точками). Единица измерения — °C.
Рис. 2: Аномалии температуры поверхности в 2023 г. Среднегодовые аномалии (°C, относительно 1991–2020 гг.) в (a) ERA5, (b) CM2.1 Run 14, выбранном для высокой пространственной корреляции с наблюдениями во внетропическом Северном полушарии14, (c) CESM2 и (d) CM2.1 ансамблевые средние. Область восстановления температуры поверхности моря TP SST отмечена пунктирными линиями в (b–d).
Результаты
Влияние тропического океана
Авторы используют воспроизведение ситуации с помощью глобальной связанной модели океана и атмосферы (CM2.1)10, в которой температура поверхности моря (SST) «подталкивается» к наблюдениям в тропической части Тихого океана (TP, отмечено на рис. 2d; 10% площади поверхности Земли), но океан и атмосфера в остальном полностью взаимодействуют (см. Методы). Модель используется 20 раз, различаясь только начальными условиями, в течение 42,5-летнего периода с января 1982 г. по июнь 2024 г. Среднее по ансамблю представляет собой реакцию климата на наложенное радиационное воздействие и изменчивость TP SST. Большим преимуществом моделирования ритма TP является то, что результаты можно напрямую сравнивать с наблюдениями, чтобы определить вклад TP и основные механизмы2. Среднее по ансамблю ритма TP очень хорошо отслеживает наблюдаемую GMST (рис. 1a), а временные ряды с исключённым трендом коррелируют на уровне 0,73, что является значимым на уровне 99%. Ансамбль из 10 участников TP с более новой версией климатической модели (CESM2)11 даёт очень похожие результаты (рис. 2c, S1), подтверждая, что ЭНЮК является основным фактором межгодовой изменчивости GMST.
Более того, увеличение GMST в 2022–2023 гг. является самым большим по крайней мере с 1880 года. Расчёт ритма TP успешно фиксирует этот скачок из-за перехода от Ла-Нинья к Эль-Ниньо. Эти результаты показывают, что за исключением крупных вулканических извержений, ЭНЮК является доминирующим фактором изменчивости GMST из года в год, и определяют внутреннюю изменчивость температуры поверхности внетропического Северного полушария14 как второй по величине источник изменчивости GMST. Поскольку ЭНЮК предсказуемо на три сезона вперёд (r>0,5) в прогнозе, инициализированном из запуска ритма TP, GMST можно предсказать на 12 месяцев вперёд. В частности, прогноз ритма TP, инициированный в июле 2024 года, предсказывает рекордно высокий GMST в 2024 году из-за сохраняющегося эффекта Эль-Ниньо 2023–2024 гг. Однако используемая модель прогнозирует, что 12-месячное среднее значение GMST с июля 2024 года по июнь 2025 года (год ЭНЮК 2024/25) будет снижаться по мере перехода Тихого океана к явлению Ла-Нинья.
Расчёт TP pacemaker использует сценарий RCP4.5 с января 2006 года. Примечательно, что внутренняя изменчивость климата и грубое радиационное воздействие RCP, разработанное почти 20 лет назад без различных недавних изменений, являются рецептом для рекордного всплеска GMST и распределения температуры планеты в 2023 году (рис. 2a, b). В десятилетних и более длительных временных масштабах радиационное воздействие становится важным для изменений GMST. В расчёте TP pacemaker отрицательные смещения развиваются с 2016 года, возможно, из-за ошибок в воздействии RCP4.5. Спутниковые наблюдения планетарного радиационного дисбаланса в верхней части атмосферы показывают тенденцию к росту6,15, которая систематически больше, чем в атмосферных моделях, способных воспроизводить вызванные наблюдаемую температуру поверхности моря и морской лёд16. Более точное радиационное воздействие наряду с лучшим представлением облачных процессов обещает дальнейшее улучшение моделирования и понимания тенденции и изменчивости GMST.
Методы
Данные наблюдений
Для наборов данных наблюдений авторы использовали глобальный атмосферный реанализ ERA517 для температуры поверхности и ветра; анализ температуры поверхности GISS (GISTEMP) версии 418 для GMST; оптимальную интерполяционную температуру поверхности моря (OISST) версии 219 и расширенную реконструированную температуру поверхности моря (ERSST) версии 520 для температуры поверхности моря.
Моделирование
Авторы использовали версию 2.1 (CM2.1)10 связанной модели Geophysical Fluid Dynamics Laboratory для моделирования. Свободно связанные исторические (HIST) и TP-задающие расчёты форсируются с историческим радиационным воздействием проекта CMIP5 для периода 1982–2005 гг. и сценария RCP4.5 впоследствии. В эксперименте TP-задающего21 тропическая тихоокеанская температура поверхности моря восстанавливается до ежедневной климатологии HIST плюс наблюдаемая межгодовая аномалия OISST с 10-дневным временем e-folding для 50-метрового смешанного слоя океана. Аномалии определяются из климатологии 1982–2011 гг. Восстанавливающая область охватывает 15°S–15°N от побережья Америки до линии перемены дат и треугольный клин, простирающийся до 135°E, с буферной зоной 5° по широте. Океан и атмосфера полностью связаны в других местах. Расчёты HIST и TP pacemaker имеют 40 и 20 членов соответственно с разными начальными условиями. Чтобы оценить потенциальный эффект ЭНЮК в GMST 2024-2025 гг., CM2.1 была отделена с 1 июля 2024 года от моделирования TP pacemaker и запущена в полностью связанном режиме в течение 12 месяцев. 20 членов ансамбля разделяют те же условия ЭНЮК до июня 2024 года, но затем расходятся из-за внутренней изменчивости за пределами TP. Прогностическая способность была проверена путём проведения ретроспективного анализа с 1 июля каждого года с 1983 по 2023 гг.
Моделирование TP pacemaker с 10 членами с использованием Community Earth System Model версии 2 (CESM2) проводилось в течение 2019 года рабочей группой CESM Climate Variability and Change. Авторы продлили моделирование TP pacemaker с CESM2 до декабря 2023 года. Оно использует ежемесячные аномалии ERSST относительно климатологии 1880–2019 гг. и радиационное воздействие - историческое (до 2014 года) и общего социально-экономического направления (SSP3-7.0). Соответствующие 50-членные моделирования только радиационного воздействия (CESM2 HIST) получены из проекта CESM2 Large Ensemble Community Project.
Литература
1 IPCC, 2021: Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press.
2 Kosaka, Y. & Xie, S.-P. Recent global-warming hiatus tied to equatorial Pacific surface cooling. Nature 501, 403–407 (2013).
3 England, M. et al. Recent intensification of wind-driven circulation in the Pacific and the ongoing warming hiatus. Nat. Clim. Change 4, 222–227 (2014).
4 Watson-Parris, D. et al. Weak surface temperature effects of recent reductions in shipping SO2 emissions, with quantification confounded by internal variability. EGUsphere, (2024). [preprint].
5 Xiang, B. Q., Xie, S.-P., Kang, S. M. & Kramer, R. An emerging Asian aerosol dipole pattern exacerbates Northern Hemisphere warming. npj Clim. Atmos. Sci. 6, 77 (2023).
6 Goessling, H. F., Rackow, T. & Jung, T. Recent global temperature surge intensified by record-low planetary albedo. Science 387, 68–73 (2025).
7 Rantanen, M. & Laaksonen, A. The jump in global temperatures in September 2023 is extremely unlikely due to internal climate variability alone. npj Clim. Atmos. Sci. 7, 34 (2024).
8 Raghuraman, S. P. et al. The 2023 global warming spike was driven by the El Niño–Southern Oscillation. Atmos. Chem. Phys. 24, 11275–11283 (2024).
9 Samset, B. H., Lund, M. T. & Fuglestvedt, J. S. 2023 temperatures reflect steady global warming and internal sea surface temperature variability. Commun. Earth Environ. 5, 460 (2024).
10 Delworth, T. L. et al. GFDL’s CM2 global coupled climate models. Part I: Formulation and simulation characteristics. J. Clim. 19, 643–674 (2006).
11 Danabasoglu, G. et al. The community earth system model version 2 (CESM2). J. Adv. Model. Earth Syst. 12, e2019MS001916 (2020).
12 Chiang, J. C. H. & Sobel, A. H. Tropical tropospheric temperature variations caused by ENSO and their influence on the remote tropical climate. J. Clim. 15, 2616–2631 (2002).
13 Amaya, D. J., DeFlorio, M. J., Miller, A. J. & Xie, S.-P. WES feedback and the Atlantic Meridional Mode: observations and CMIP5 comparisons. Clim. Dyn. 49, 1665–1679 (2017).
14 Deser, C., Guo, R. & Lehner, F. The relative contributions of tropical Pacific sea surface temperatures and atmospheric internal variability to the recent global warming hiatus. Geophys. Res. Lett. 44, 7945–7954 (2017).
15 Loeb, N. G. et al. Observational Assessment of Changes in Earth’s Energy Imbalance Since 2000. Surv. Geophys 45, 1757–1783 (2024).
16 Schmidt, G. A. et al. CERESMIP: a climate modeling protocol to investigate recent trends in the Earth’s Energy Imbalance. Front. Clim. 5, 1202161 (2023).
17 Hersbach, H. et al. The ERA5 global reanalysis. Quart. J. Roy. Meteor. Soc. 146, 1999–2049 (2020).
18 Lenssen, N. et al. A GISTEMPv4 observational uncertainty ensemble. J. Geophys. Res. Atmos. 129, e2023JD040179 (2024).
19 Huang, B. et al. Improvements of the Daily Optimum Interpolation Sea Surface Temperature (DOISST) Version 2.1. J. Clim. 34, 2923–2939 (2021).
20 Huang, B. et al. Extended reconstructed sea surface temperature, version 5 (ERSSTv5): Upgrades, validations, and intercomparisons. J. Clim. 30, 8179–8205 (2017).
21 Zhang, P., Xie, S.-P., Kosaka, Y. & Lutsko, N. J. Non-ENSO Precursors for Northwestern Pacific Summer Monsoon Variability with Implications for Predictability. J. Clim. 37, 199–212 (2024).