В последние десятилетия поверхностное потепление Арктики достигло своего максимума (минимума) в холодное время года (летом) из-за увеличения выделения (формирования) сезонного накопления тепла океаном (СНТО). Данные реанализа показывают, что увеличение таяния наземного льда доминирует над летним поверхностным потеплением Арктики. Отсутствие таяния наземного льда снижает поверхностное потепление Арктики в моделировании проекта CMIP6. Образование/выделение СНТО в Арктике в основном происходит в верхнем слое океана. Дополнительный выброс СНТО завершается в основном за счёт усиления вертикальной диффузии и доминирует в поверхностном потеплении Арктики в холодное время года. Хотя причиной выделения СНТО является то, что приземный воздух становится холоднее морской поверхности, морской лёд демонстрирует высокий коэффициент корреляции с поверхностным потеплением Арктики в холодное время года, поскольку выделение СНТО увеличивается за счёт усиления вертикальной диффузии и теплообмена между воздухом и морем. В исторических расчётах CMIP6 вертикальная диффузия и глубина перемешанного слоя (ГПС) значительно различаются, хотя ГПС и СНТО сильно коррелируют в большинстве членов CMIP6. Более высокая ГПС в холодное время года предполагает больший дополнительный выброс СНТО и более тёплую арктическую поверхность, что, в свою очередь, приводит к более тёплой весенней арктической поверхности и большему таянию морского льда в следующем году. В результате более глубокая ГПС более чувствительна к изменению климата и приводит к завышенным оценкам будущего климата.

Ссылка: https://www.nature.com/articles/s41598-025-96214-0

Каспийское море - крупнейший в мире замкнутый водоём, который является средой обитания для сотен эндемичных и мигрирующих видов, а также обеспечивает экосистемные услуги, поддерживающие миллионы людей. Прогнозируется, что глобальное потепление приведёт к снижению уровня воды до 21 м к 2100 году. Используя геопространственный анализ, авторы оценили влияние снижения уровня моря на среду обитания, охраняемые территории и инфраструктуру. Было показано, что снижение уровня воды всего на 5–10 м критически нарушит ключевые экосистемы (включая среду обитания эндемичных каспийских тюленей и осетровых), сократит существующую площадь охраняемых морских территорий до 94% и сделает гражданскую и промышленную инфраструктуры стоимостью миллиарды долларов устаревшими. Рекомендуется заменить традиционное статическое планирование охраны природы на упреждающий, динамичный подход, позволяющий охраняемым территориям отслеживать меняющиеся экосистемы, чтобы помочь эндемичному биоразнообразию Каспийского моря адаптироваться к этим изменениям и избежать конфликтов с усилиями по смягчению последствий, направленными на защиту деятельности человека.

Ссылка: https://www.nature.com/articles/s43247-025-02212-5

Модели машинного обучения и искусственного интеллекта стали популярными для прогнозирования изменения климата. Лесные регионы Калифорнии и Западной Австралии всё чаще сталкиваются с интенсивными лесными пожарами, в то время как другие части мира - с различными проблемами, связанными с климатом. Для решения этих проблем были разработаны модели машинного обучения и искусственного интеллекта для прогнозирования рисков лесных пожаров и поддержки стратегий смягчения последствий. Это исследование сосредоточено на разработке моделей прогнозирования лесных пожаров с использованием алгоритмов классификации одного класса. К ним относятся машина опорных векторов, изоляционный лес, автокодировщик, вариационный автокодировщик, глубокое описание опорных векторов и обнаружение аномалий с помощью состязательного обучения. Модели были протестированы с помощью пятикратной перекрёстной проверки для минимизации смещения при выборе обучающих и тестовых данных. Результаты показали, что эти модели машинного обучения с одним классом превзошли модели машинного обучения с двумя классами, основанные на тех же наземных данных, достигнув среднего уровня точности от 90% до 99%. Кроме того, авторы использовали значения Шепли для определения наиболее значимых особенностей, влияющих на модели прогнозирования лесных пожаров, что внесло новый взгляд на исследования прогнозирования лесных пожаров. При анализе моделей, обученных на наборе данных Калифорнии, критическими факторами оказались сезонные максимальные и средние температуры точки росы. Эти идеи могут значительно улучшить стратегии смягчения последствий лесных пожаров. Кроме того, авторы сделали эти модели доступными и удобными для пользователя, задействовав их через REST API с использованием Python Flask 1.1.2 и разработав веб-инструмент.

Ссылка: https://www.mdpi.com/2073-4433/16/4/441

Продукты глобальных аномалий запасов воды на суше из эксперимента по гравитационному восстановлению и климату (Gravity Recovery and Climate Experiment, GRACE) и его последующей миссии (GRACE/FO) имеют задержку около трёх месяцев, что значительно ограничивает их оперативное использование в управлении водными ресурсами и мониторинге засух. Для решения этой проблемы авторы разработали байесовскую свёрточную нейронную сеть для прогнозирования полей аномалий запасов воды на суше с оценками неопределённости в течение периода задержки. Результаты показывают, что байесовская свёрточная нейронная сеть обеспечивает оценки аномалий запасов воды на суше в режиме, близком к реальному времени, которые хорошо соответствуют наблюдениям GRACE/FO, со средними коэффициентами корреляции 0,92–0,95, эффективностью Нэша-Сатклиффа 0,81–0,89 и среднеквадратичной ошибкой 1,79–2,26 см для прогнозов на один-три месяца вперёд. Что ещё более важно, модель улучшает глобальный гидрологический мониторинг засух, позволяя их обнаруживать за три месяца до появления данных GRACE/FO, со средними несоответствиями характеристик ниже 16,4%. Этот прорыв в возможностях раннего оповещения устраняет фундаментальное ограничение спутникового гидрологического мониторинга и даёт управляющим водными ресурсами критически важное время для внедрения стратегий смягчения последствий засухи.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL112677

Точное прогнозирование будущих засух имеет решающее значение для эффективности стратегий планирования и адаптации. Однако надёжность будущих прогнозов ставится под сомнение неопределённостями, связанными с моделью, сценарием и внутренней изменчивостью, и важно оценить, как эти неопределённости влияют на глобальные и региональные прогнозы засух. В этом исследовании авторы количественно оценивают неопределённость будущих засух в период с 2015 по 2100 гг. в рамках различных сценариев (SSP1-2.6, SSP2-4.5, SSP3-7.0 и SSP5-8.5) с учётом данных CMIP6. В глобальном масштабе неопределённость модели является доминирующим фактором в прогнозах засух начала XXI века, в то время как неопределённость сценария становится доминирующим фактором к концу века. В региональном масштабе вклад различных источников неопределённости значительно различается. Неопределённость, связанная с продолжительностью, частотой и суровостью засухи, схожа. В долгосрочной перспективе максимальная доля неопределённостей модели, сценария и внутренней изменчивости выше минимальной на 40%, 60% и 30% соответственно между регионами с самыми высокими и самыми низкими значениями. Эти различные источники неопределённости развиваются с течением времени, причём скорость изменений варьируется в зависимости от региона. Средиземноморье и Центральная Америка испытывают более быстрые изменения, в то время как Северная Америка и Африка демонстрируют более медленные изменения. Это исследование подчёркивает важность исследований регионального масштаба для учёта пространственных различий в неопределённости и необходимость региональных стратегий при планировании и адаптации к будущим прогнозам засухи.

Ссылка: https://link.springer.com/article/10.1007/s10584-025-03919-2

Леса играют ключевую роль в глобальных обязательствах по достижению углеродной нейтральности в ближайшие десятилетия. Глобальные карты потенциального лесного покрова с высоким пространственным разрешением для текущего состояния и будущих климатических сценариев необходимы для оценки риска будущей потери углерода лесами и потенциала хранения углерода посредством проектов по лесонасаждению/лесовосстановлению. Авторы представляют данные, интегрирующие спутниковые наблюдения лесного покрова в структуру машинного обучения для оценки пропускной способности лесного покрова (процент покрытия лесом), которая отражает максимальный потенциальный лесной покров с учётом естественных нарушений. Предложенная ими модель улучшает предыдущие оценки за счёт снижения ошибок прогнозирования, лучшего согласования с наблюдениями лесного покрова на нетронутых территориях и снижения пространственной дисперсии в областях без топографических изменений. Однако неопределённости остаются, особенно в регионах, где деятельность человека значительно изменила ландшафты. Несущая способность лесного покрова обеспечивает оценку потенциального лесного покрова на основе климатических и почвенных условий. Это служит первым шагом в определении возможностей лесонасаждения/лесовосстановления, но его следует дополнительно оценить с точки зрения конкуренции за землепользование, экологической осуществимости и других ограничений.

Ссылка: https://www.nature.com/articles/s41597-025-04408-y

Исторические записи климатических полей часто скудны из-за отсутствующих измерений, особенно до внедрения крупномасштабных спутниковых миссий. Было введено несколько статистических и основанных на применении моделей методов для заполнения пробелов и реконструкции исторических записей. Здесь авторы используют недавно представленный обученный на выходных данных числовой климатической модели подход глубокого обучения, основанный на свёртках Фурье, для реконструкции исторических климатических полей. С использованием этого подхода можно реалистично реконструировать большие и нерегулярные области отсутствующих данных и воспроизводить известные исторические события, такие как сильные Эль-Ниньо или Ла-Нинья, с очень небольшим количеством заданной информации. Этот метод превосходит широко используемый метод статистического кригинга, а также другие недавние подходы машинного обучения. Модель обобщает до более высоких разрешений, чем те, на которых она обучалась, и может использоваться в различных климатических полях. Более того, она позволяет закрашивать маски, которые никогда ранее не встречались во время обучения модели.

Ссылка: https://www.science.org/doi/10.1126/sciadv.adp0558

Оптимальный подход «дактилоскопического» анализа является центральным для обнаружения и атрибуции изменения климата. Он использует регрессионную модель с ковариатами, имеющими ошибки измерения, связанными общей ковариационной матрицей с ошибкой регрессии до известного масштаба. Выводы о коэффициентах регрессии жизненно важны для создания надёжных заявлений об обнаружении и атрибуции, а также для количественной оценки неопределённостей в результатах, таких как атрибутивное потепление. Традиционно для этого использовался метод наименьших квадратов, зависящий от точной оценки ковариационной матрицы ошибки регрессии. Однако неточности в оценке этой матрицы могут привести к искаженным оценкам масштабного коэффициента и чрезмерно оптимистичным доверительным интервалам, что потенциально искажает точность заявлений об обнаружении и атрибуции. Недавнее появление подхода с использованием оценочных уравнений, предлагающего более эффективную точечную оценку с меньшей возможной дисперсией и точной количественной оценкой неопределённости, побуждает к критической переоценке прошлых анализов обнаружения и атрибуции изменения климата. Применяя этот передовой метод к данным наблюдений HadCRUT5 и результатам мультимодельных расчётов из проекта CMIP6, авторы переоценивают обнаружение и атрибуцию температуры на глобальном и региональном уровнях, усиливают существующие выводы по обнаружению и атрибуции в глобальном масштабе и предоставляют доказательства влияния антропогенных воздействий в различных регионах.

Ссылка: https://journals.ametsoc.org/view/journals/clim/38/8/JCLI-D-24-0193.1.xml

Первые планы по адаптации регионов к климатическим изменениям будут обновлены в первом квартале 2025 года, рассказал "Российской газете" глава Минэкономразвития Максим Решетников. Новые исследования показывают, что экономика России от глобального потепления может получить 1 трлн руб.

"В 2023 году мы скорректировали методическую базу по планам адаптации к климатическим изменениям. Регионы и федеральные органы исполнительной власти уже активно пользуются нашими методическими рекомендациями. Вместе с Агентством стратегических инициатив и Центром стратегических разработок мы провели серию разъясняющих семинаров по вопросам адаптации к изменениям климата. Кроме того, сейчас заканчивается первый этап создания "Российской системы климатического мониторинга" (ВИП ГЗ), которой занимаются 40 научных институтов. В итоге у нас появились новые модели, новые результаты исследований", - говорит министр.

На основе этой базы будут обновлены все региональные планы по адаптации к изменениям климата. "Ожидаем, что к концу первого квартала 2025 года первые планы будут обновлены", - отметил министр. По его словам, в рамках проекта плана реализации Стратегии низкоуглеродного развития также закладываются мероприятия по адаптации и проработка вопроса о формировании таксономии адаптационных проектов.

От глобального изменения климата экономика России может получить 1 трлн руб., в том числе за счет развития Северного морского пути. Однако думать нужно не только о выгодах, но и о рисках

"Я думаю, что мы в сентябре сформируем базовую рамку проекта бюджета. И уже с учетом этого и с учетом формирования новых национальных проектов вернемся к этой теме и доработаем планы адаптации на отраслевом и региональном уровне. Это потребует времени", - рассказал Максим Решетников.

Тем временем новое исследование центра "Климатическая политика и экономика России" ИНП РАН при поддержке Фонда Мельниченко показало, что в целом экономика России от глобального изменения климата выиграет - годовой объем ВВП увеличивается более чем на 1 трлн руб. (или 0,7% современного объема ВВП) при повышении среднегодовой температуры в стране на 1 С. Также, считают эксперты, будет умирать меньше людей благодаря снижению смертности из-за холодов.

В исследовании говорится, что глобальное изменение климата создает дополнительный спрос - например, строительный бизнес получает заказы на выполнение проектов по адаптации к климатическим изменениям, планы которых некоторые регионы как раз подготовят в следующем году.

"При реализации внешнеторгового потенциала могут возникнуть дополнительные выгоды. Например, при восполнении дефицита сельскохозяйственной продукции и воды в других странах, возникающего из-за изменения климата, или при перенаправлении на экспорт всех энергоресурсов, сэкономленных в осенне-зимний период (из-за снижения спроса на теплоснабжение в России)", - говорится в исследовании.

Также, по данным аналитиков, глобальное потепление благоприятно влияет на производственный потенциал (сельское и лесное хозяйство). Множество отраслей вовлекается также в работу Северного морского пути (СМП) - мегапроекта, само развитие которого в целом связано с изменением климата.

При этом ряд отраслей пострадает, особенно это почувствуют ТЭК, ЖКХ и транспорт (повреждение инфраструктуры из-за сильного ветра, обледенения, паводков). Также повысится износ оборудования при высоких нагрузках из-за перепадов температур.

"Я бы точно не говорил о прибыли от глобального потепления. В Арктике есть ледовые циклы, нам в любом случае надо будет наращивать группировки ледокольного флота в связи с развитием круглогодичной навигации по СМП. Если же глобальное изменение климата в Арктике продолжится такими же темпами, то несущая способность многолетнемерзлых грунтов снизится, и ущерб от деформации зданий и сооружений может составить 7 трлн руб. к 2050 году. Так что скорее всего, глобальное потепление может привести к сложностям по содержанию инфраструктурных объектов. И к этому надо быть готовым заранее", - отметил глава "Востокгосплана" Михаил Кузнецов.

7 триллионов рублей к 2050 году может составить ущерб от деформации зданий и сооружений из-за глобального изменения климата
По его словам, сейчас как раз важно заниматься корректировкой требований к строительству, к эксплуатации зданий.

"Нам нужно относиться к глобальному потеплению не с захода, сколько это денег нам принесет, а думать о том, с какими рисками мы столкнемся. Где-то это отселение поселков, где-то местность превратится в болота, и мы это уже видим. Где-то увеличится количество пожаров", - сказал он.

В исследовании подчеркивается, что больше зданий будет подвержено повреждениям и разрушениям из-за наводнений, подтаивания многолетней мерзлоты, ветра, оползней и селей.

Как отметил глава "Востокгосплана", уже сейчас усложняется доставка товаров до некоторых месторождений, там, где обычно зимник держался 200 дней, сейчас это уже 150 дней. А строительство дороги - это новые траты, так что перед подсчетом прибыли надо приготовиться к убыткам, добавил он.

Ссылка: https://rg.ru/2024/09/10/chtoby-leto-ne-konchalos.html

Время, которое вулканические аэрозоли проводят в стратосфере, является одним из основных факторов, влияющих на климатическое воздействие вулканических извержений. Устойчивость стратосферного аэрозоля описывалась по-разному, и во многих работах указывается приблизительно 12-месячное «время пребывания» аэрозоля после крупных тропических извержений. Авторы стремятся разработать структуру для описания эволюции глобального стратосферного аэрозоля после крупных вулканических извержений и количественной оценки его устойчивости на основе глобальных спутниковых наблюдений аэрозоля, моделирования переноса трассеров и простого концептуального моделирования. Было показано, что время пребывания воздуха в стратосфере, которое оценивается с помощью экспериментов с пассивным импульсом трассера и является одним из факторов, влияющих на продолжительность жизни стратосферных аэрозолей, сильно зависит от широты и высоты впрыска, с особенно сильной чувствительностью к высоте впрыска в первые 4 км над тропической тропопаузой. Моделируемая эволюция стратосферного трассера лучше всего описывается простой моделью, включающей задержку между впрыском и началом удаления из стратосферы. На основе анализа глобальных наблюдений стратосферного аэрозоля было продемонстрировано, что время жизни стратосферного аэрозоля от извержения Пинатубо 1991 года составляет приблизительно 22 месяца. Авторы оценили потенциальное влияние неопределённостей наблюдений на это время жизни, находя маловероятным, что время жизни аэрозоля от извержения Пинатубо составляет менее 18 месяцев.

Ссылка: https://acp.copernicus.org/articles/25/3821/2025/