Главные темы номера:

• БРИКС: Мероприятия по тематике климата, проведенные в РФ
• Минэкономразвития России: Рекомендации регионам по учету рисков от изменения климата
• Боннская конференция по климату завершилась прогрессом по ключевым вопросам повестки дня и заложила основу для КС-29

Также в выпуске:

• • Выдержка из Астанинской декларации по итогам заседания Совета глав государств-членов Шанхайской организации сотрудничества 4 июля 2024 года
  • Гидрометцентр России совместно с ИВМ РАН стали ассоциированными членами консорциума по прогнозированию климата на период от года до десятилетия
  • Минэкономразвития представило структуру нацпроекта «Эффективная и конкурентная экономика»
  • В Минобрнауки России обсудили дальнейшее развитие проекта по созданию карбоновых полигонов
  • Российские нефтегазовые компании исполнили обязательства по сокращению выбросов лучше зарубежных
  • Правительство РФ утвердило Положение о государственном мониторинге многолетней мерзлоты
  • Ямальские ученые составили план адаптации к новым изменениям климата
  • Новые публикации в российских и зарубежных научных изданиях
  • Выдержки из интервью Генерального секретаря ООН Антониу Гутерриша первому заместителю генерального директора ТАСС Михаилу Гусману
  • Исполнительный совет ВМО завершил работу по принятию ключевых практических решений
  • Президент 29-й Конференции Сторон РКИК ООН, Министр экологии и природных ресурсов Азербайджана направил официальное письмо правительствам стран-участниц

Ссылка: выпуск бюллетеня №109 за июнь - июль 2024 г.

Океан — это великолепный резервуар кинетической энергии, которой обладают течения в различных пространственно-временных масштабах. Эти течения переносят тепло и материал, регулируя региональный и глобальный климат. Обычно считается, что крупномасштабные циркуляции океана должны стать более энергичными при глобальном потеплении, особенно в верхнем слое. Однако, используя моделирование глобального климата с высоким разрешением, авторы продемонстрировали, что общая кинетическая энергия океана, по прогнозам, значительно сократится при потеплении климата, несмотря на общее ускорение крупномасштабных циркуляций океана в верхнем слое. Это сокращение в первую очередь объясняется ослаблением мезомасштабных вихрей океана в глубинном океане. Усиление вертикальной стратификации при глобальном потеплении уменьшает доступную потенциальную энергию, хранящуюся в крупномасштабных циркуляциях океана, уменьшая её преобразование в кинетическую энергию вихрей. Эти результаты показывают более спокойный глубинный океан при глобальном потеплении и предполагают решающую роль мезомасштабных вихрей в определении антропогенного изменения общей кинетической энергии океана.

Ссылка: https://www.nature.com/articles/s41558-024-02075-2

Тундровые и бореальные экосистемы охватывают северный циркумполярный регион многолетней мерзлоты и испытывают быстрые изменения окружающей среды с важными последствиями для глобального бюджета углерода. Авторы проанализировали многодесятилетние временные ряды, содержащие 302 годовые оценки потока углекислого газа (CO₂) в 70 экосистемах многолетней и немноголетней мерзлоты и 672 оценки летнего потока CO₂ в 181 экосистеме. Обнаружено увеличение годового поглощения CO₂ в экосистемах немноголетней мерзлоты, но не в экосистемах многолетней мерзлоты, несмотря на аналогичное увеличение летнего поглощения. Таким образом, недавние потери CO₂ в невегетационный период существенно повлияли на баланс CO₂ экосистем многолетней мерзлоты. Кроме того, анализ межгодовой изменчивости показывает, что более тёплое лето усиливает цикл углерода (повышает производительность и дыхание) на предположительно ограниченных по азоту участках и на участках, менее зависящих от летних осадков. Эти результаты свидетельствуют, что доступность воды и питательных веществ будет важным предиктором реакции углеродного цикла этих экосистем на будущее потепление.

Ссылка: https://www.nature.com/articles/s41558-024-02057-4

Более надёжные и менее энергоёмкие модели могут помочь лучше подготовиться к экстремальным погодным условиям. 

Компьютерная модель, сочетающая традиционные технологии прогнозирования погоды с машинным обучением, превзошла другие инструменты на основе искусственного интеллекта в прогнозировании погодных сценариев и долгосрочных климатических тенденций. 

Этот инструмент, описанный в журнале Nature 22 июля¹, является первой моделью машинного обучения, позволяющей генерировать точные ансамблевые прогнозы погоды, представляющие целый ряд сценариев. Его развитие открывает возможности для прогнозирования, которое будет более быстрым и менее энергозатратным, чем существующие инструменты, и более детальным, чем подходы, основанные исключительно на искусственном интеллекте. 

«Традиционные климатические модели необходимо запускать на суперкомпьютерах. Эту модель можно запустить за считанные минуты», — говорит соавтор исследования Стефан Хойер (Stephan Hoyer), изучающий глубокое обучение в исследовательском центре Google в Маунтин-Вью, Калифорния. 

Современные системы прогнозирования обычно полагаются на модели общей циркуляции, программы, которые используют законы физики для моделирования процессов в океанах и атмосфере Земли и прогнозирования того, как они могут повлиять на погоду и климат. Но модели общей циркуляции требуют большой вычислительной мощности, и достижения в области машинного обучения начинают предлагать более эффективную альтернативу. «У нас есть терабайты или петабайты (в миллион раз больше гигабайта) исторических данных о погоде», — говорит Хойер. «Изучая эти шаблоны, мы можем создавать более совершенные модели». 

Уже существуют некоторые модели прогнозирования на основе машинного обучения, такие как Pangu-Weather, созданная технологическим конгломератом Huawei со штаб-квартирой в Шэньчжэне, Китай, и GraphCast компании DeepMind со штаб-квартирой в Лондоне. Эти модели имеют уровень точности, аналогичный типичным моделям общей циркуляции для детерминистического прогнозирования — подхода, генерирующего единый прогноз погоды. Но модели общей циркуляции не столь надёжны для ансамблевого прогнозирования или долгосрочного прогнозирования климата. 

«Проблема с подходами, основанными на чистом машинном обучении, заключается в том, что вы обучаете его только на тех данных, которые он уже видел», — говорит Скотт Хоскинг (Scott Hosking), исследующий данные об искусственном интеллекте и окружающей среде в Институте Алана Тьюринга в Лондоне. «Климат постоянно меняется, мы идём в неизвестность, поэтому нашим моделям машинного обучения приходится экстраполировать это неизвестное будущее. Внося физику в модель, мы можем гарантировать, что наши модели физически ограничены и не могут делать ничего нереалистичного». 

Гибридная модель 

Хойер и его команда разработали и обучили NeuralGCM — модель, сочетающую в себе «аспекты традиционного физического решателя атмосферы с некоторыми компонентами искусственного интеллекта». Они использовали эту модель для составления краткосрочных и долгосрочных прогнозов погоды, а также климатических прогнозов. Чтобы оценить точность NeuralGCM, исследователи сравнили свои прогнозы с реальными данными, а также с результатами других моделей, включая модели общей циркуляции и модели, основанные исключительно на машинном обучении. 

Как и нынешние модели машинного обучения, NeuralGCM может давать точные краткосрочные детерминированные прогнозы погоды — на срок от одного до трёх дней — потребляя при этом лишь часть энергии, необходимой моделям общей циркуляции. Но при составлении долгосрочных прогнозов на срок более семи дней она допустила гораздо меньше ошибок, чем другие модели машинного обучения. Фактически, долгосрочные прогнозы NeuralGCM были аналогичны прогнозам, сделанным ансамблевой моделью Европейского центра среднесрочных прогнозов погоды (ECMWF-ENS), моделью общей циркуляции, которая широко считается золотым стандартом прогнозирования погоды. 

Команда также проверила, насколько хорошо модель может прогнозировать различные погодные явления, такие как тропические циклоны. Они обнаружили, что многие модели чистого машинного обучения дают противоречивые и неточные прогнозы по сравнению с NeuralGCM и ECMWF-ENS. Исследователи даже сравнили NeuralGCM с климатическими моделями сверхвысокого разрешения, известными как глобальные модели разрешения штормов. NeuralGCM может производить более реалистичные подсчёты и траектории тропических циклонов за более короткое время. 

Возможность прогнозировать такие события «очень важна для улучшения способности принимать решения и стратегии готовности», — говорит Хоскинг. 

Хойер и его коллеги стремятся к дальнейшему совершенствованию и адаптации NeuralGCM. «Мы работали над атмосферным компонентом моделирования системы Земли… Возможно, это та часть, которая наиболее непосредственно влияет на повседневную погоду», — говорит Хойер. Он добавляет, что команда хочет включить в будущие версии больше аспектов науки о Земле, чтобы ещё больше повысить точность модели. 

Литература

1. Kochkov D. et al. Nature, https://doi.org/10.1038/s41586-024-07744-y (2024).

Ссылка: https://www.nature.com/articles/d41586-024-02391-

В последние десятилетия влагоёмкость атмосферы увеличилась во всём мире вместе с глобальным потеплением, причём особенно заметная тенденция потепления наблюдается в Арктике. Однако из-за ограниченности данных наблюдений вариации и причины полярных осадков, особенно крупномасштабных, связанных с арктическими циклонами, остаются неясными. В этой статье спутниковые данные GPM сравниваются с данными реанализа ERA5 для изучения характеристик летних осадков на северной окраине Евразийского региона и влияния активности циклонов на осадки. Выявлено, что высокие значения осадков в Арктическом регионе, на что указывают данные GPM и ERA5, в основном сосредоточены на северной окраине Евразийского региона. Однако данные GPM показывают общее большее количество осадков, в то время как станционные наблюдения более точно согласуются с изменениями осадков ERA5 на северной окраине Евразийского региона. Результаты идентификации циклонов показывают, что летние циклоны на северной окраине Евразийского региона в основном распространены в Баренцевом, Карском морях и море Лаптевых, а доля осадков от циклонов, полученных из ERA5, составляет 37,35%, что значительно выше, чем у циклонов, полученных из GPM (29,47%). Кроме того, высокая активность циклонов приводит к более интенсивным осадкам: на верхние 5% самых сильных циклонов приходится 60% (GPM) и 40% (ERA5) от общего количества циклонических осадков.

Ссылка: https://www.nature.com/articles/s41598-024-67661-y

Пик Эль-Ниньо – Южного колебания (ЭНЮК) обычно приходится на бореальную зиму — с ноября по январь следующего года. Эта специфическая особенность ЭНЮК известна как сезонная фазовая блокировка ЭНЮК. В этом исследовании, основанном на результатах 34 климатических моделей CMIP6, сезонные характеристики фазовой синхронизации модельно воспроизведённых явлений Эль-Ниньо и Ла-Нинья оцениваются с точки зрения эволюции аномалий температуры поверхности океана, связанных с ЭНЮК и распределением вероятностей пикового месяца — времени, когда ЭНЮК достигает пика. Обнаружено, что модели CMIP6 недооценивают силу фазовой синхронизации ЭНЮК как для явлений Эль-Ниньо, так и для явлений Ла-Нинья. Среднее значение пикового месяца по ансамблю соответствует наблюдениям, но разброс результатов между моделями велик. Модели воспроизводят синхронизацию фаз явлений Эль-Ниньо лучше, чем синхронизацию фаз Ла-Нинья, и большая погрешность моделирования CMIP6 для синхронизации фаз Ла-Нинья в моделях может оказать влияние на моделирование сезонной синхронизации фаз в ЭНЮК.

Ссылка: https://www.mdpi.com/2073-4433/15/8/882

Океан поглощает около четверти антропогенно выбрасываемого углерода и, по прогнозам, останется основным стоком углерода, как только глобальная температура стабилизируется. Несмотря на важность этого стока углерода, оценки его значимости за последние десятилетия остаются неопределёнными, главным образом из-за слишком малого числа и неравномерности выборки наблюдений, а также недостатков моделей океана и их настроек. Здесь представлена гибридная модельная оценка ежегодно усреднённого стока углерода в океане с 1959 по 2022 гг. путём объединения высокочастотной изменчивости усреднённых за год оценок стока углерода из моделей океана в ретроспективном режиме и долгосрочных тенденций из полностью связанных моделей системы Земли. Модели океана в ретроспективном режиме воспроизводят наблюдаемую изменчивость климата, но их стратегия ускорения, вероятно, приводит к слишком слабым долгосрочным тенденциям, тогда как полностью связанные модели системы Земли воспроизводят собственную внутреннюю изменчивость климата, но лучше отражают долгосрочные тенденции. Комбинирование этих двух подходов к моделированию позволяет сохранить сильные стороны каждого подхода и устранить соответствующие недостатки. Оценка стока углерода в океане с 1959 по 2022 гг., полученная по этой гибридной модели, составляет 125±8 Пг C и аналогична по величине, но на 70% менее неопределённа, чем лучшая оценка Глобального углеродного бюджета.

Ссылка: https://egusphere.copernicus.org/preprints/2024/egusphere-2024-2171/

Хотя Северный Ледовитый океан небольшой, его мелководные шельфы и высокопродуктивные прибрежные воды делают его важным компонентом глобального биогеохимического круговорота, особенно азота. Поскольку неорганические формы растворённого азота существуют в очень многих различных степенях окисления, круговорот его может быть весьма сложным. В этом обзоре авторы описывают современное понимание основных каналов доставки азота в поверхностные воды Арктики, а также ключевые физические и биологические процессы, ответственные за преобразование одной формы азота в другую. Также обсуждаются факторы окружающей среды, которые в настоящее время контролируют эти преобразования, и то, как это может измениться в будущей Арктике.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2024JG008088

Будущее изменение климата и его влияние на засуху имеют решающее значение для Узбекистана, расположенного в Центральной Азии, крупнейшей засушливой зоне мира. В этом исследовании изучается развивающаяся интенсивность изменений климата и засух с использованием мультимодельных ансамблей, полученных в ходе этапов 5 и 6 проекта взаимного сравнения связанных моделей (CMIP5 и CMIP6) в рамках сценариев RCP и SSP. Прогнозы показывают разные темпы повышения температуры и осадков в рамках RCP и SSP. Ожидается, что к середине столетия прогнозируемое повышение температуры достигнет 2–2,5°C в рамках SSP1-2.6, SSP2-4.5 и SSP3-7.0. К 2080–2099 гг. прогнозируется повышение среднемесячных температур в течение года на 2–3°С (SSP1-2.6) и более выраженное повышение летом до 3–4°С (SSP2-4.5) и 4–6°C (SSP3-7.0), с заметным контрастом условий между горными и пустынными районами Узбекистана. Региональные изменения осадков за периоды исследования демонстрируют относительно небольшую изменчивость, за исключением Ферганской долины, где обнаруживаются заметные тенденции. В рамках SSP1-2.6 и SSP2-4.5 увеличение количества осадков относительно скромное, тогда как изменения в SSP3-7.0 более существенны, при этом в некоторых регионах колебания достигают 10–20 мм за период. Стандартизированный индекс эвапотранспирации осадков (SPEI), рассчитанный на основе прогнозируемой температуры и осадков, даёт оценку будущих тенденций засухи. Полученные результаты показывают увеличение засушливости при всех сценариях к середине столетия, а долгосрочные прогнозы указывают на стабилизацию вокруг различных значений SPEI к 2100 году: RCP2.6 и SSP1-1,9 стабилизируются на уровне -1,0; RCP4.5, RCP6.0, SSP2-4.5 и SSP3-7.0 − на уровне -1,5; в то время как сценарии RCP8.5 и SSP5-8.5 прогнозируют значения -2 или меньше к 2100 году. Заметные различия в индексе SPEI обнаружены между равнинными и предгорными регионами. Учитывая сильную зависимость Узбекистана от сельского хозяйства и ирригации, которые, как ожидается, больше всего пострадают от изменения климата, это исследование обеспечивает научную основу для принятия обоснованных политических решений. Это включает в себя различные аспекты, такие как планирование и управление водными ресурсами, а также более широкое социально-экономическое развитие страны.

Ссылка: https://www.mdpi.com/2073-4433/15/7/866

Оценка глобальных химико-климатических/транспортных моделей в верхней тропосфере – нижней стратосфере является важным шагом на пути к лучшему пониманию химического состава вблизи тропопаузы и, следовательно, к более точной оценке воздействия выбросов NO_x в эту область атмосферы, особенно дозвуковой авиацией. С этой целью настоящее исследование сосредоточено на оценке долгосрочного моделирования пяти глобальных моделей, основанных на измерениях на месте на борту пассажирского самолета (IAGOS). Большинство расчётов охватывают период 1995–2017 гг. и следуют общему протоколу среди моделей. Оценка сосредоточена на климатологических средних показателях озона (O₃), водяного пара (H₂O), оксида углерода (CO) и химически активных соединений азота (NO_y). Во внетропических регионах модели воспроизводят сезонность содержания озона, водяного пара и NO_y как в верхней тропосфере, так и в самой нижней стратосфере, но ни одна из них не воспроизводит весенний максимум CO в верхней тропосфере. Тропосферные индикаторы (CO и H₂O) имеют тенденцию недооцениваться моделями, что согласуется с завышенной оценкой межтропопаузального обмена, но не исключает других факторов, таких как недооценка выбросов CO, недооценка переноса с поверхности, или завышенное окисление CO гидроксильным радикалом OH. Большинство моделей систематически переоценивают содержание озона в верхней тропосфере, и уровень фона NO_x оказывается основным фактором, вносящим вклад в изменчивость содержания озона в разных моделях. Разделение между отдельными составляющими NO_y радикально меняется в разных моделях и служит источником неопределённости в отношении смеси NO_x и его воздействия на состав атмосферы и, в частности, на реакцию на выбросы NO_x от авиации. Однако, независимо от средних отклонений, выделяются некоторые хорошо воспроизводимые географические и сезонные распределения, такие как сезонные сдвиги зоны межтропической конвергенции над Африкой, максимум содержания H₂O в верхней тропосфере во время азиатского летнего муссона и внетропического озона (H₂O) в нижней стратосфере (в верхней тропосфере), которые показывают высокую корреляцию с наблюдениями. Эти особенности обнадеживают в отношении моделируемой динамики как в тропосфере, так и в стратосфере. Настоящее исследование подтверждает важность точного разделения между верхней тропосферой и нижней стратосферой с использованием динамического индикатора для оценки результатов модели, а также для взаимного сравнения моделей.

Ссылка: https://egusphere.copernicus.org/preprints/2024/egusphere-2024-2208/