Где в атмосфере прячутся следы наших выбросов ✛ ✎

Оригинал: "Investigation of regional variations in CO$$_2$$ growth rates : Integrating Emission Inventories and Atmospheric Observations"
arXiv:2606.28462 · 2026-06-26 · arXiv non-exclusive · собственный разбор · 2 мин
Региональные скорости роста CO₂ в атмосфере почти не видят локальные выбросы, потому что их заслоняют дыхание биосферы и глобальные климатические качели.

Переводчик в зале старается передать речь оратора, но в зале шумно: кто-то кашляет, скрипят стулья, за окном шумит улица. Если оратор говорит тише, переводчик всё равно продолжает переводить, но его голос тонет в шуме. Так и атмосфера: она «переводит» наши выбросы углекислого газа в рост его концентрации, но этот сигнал заглушают дыхание лесов, океана и глобальные климатические качели.

Исследователи взяли данные за 2015–2024 годы и привели их к общей сетке размером 1°×1°. Атмосферный рост CO₂ рассчитали из реанализа CAMS, который даёт трёхчасовые поля XCO₂ (средней по столбу атмосферы доли углекислого газа). После недельного усреднения и подгонки динамической линейной моделью получили годовые темпы роста. Антропогенные выбросы взяли из базы EDGAR, биосферную активность оценили по солнечно-индуцированной флуоресценции GOSIF (свечению растений, отражающему фотосинтез), а климатическую изменчивость представили индексом Южного колебания со сдвигом на семь месяцев. Для каждой ячейки суши построили линейные регрессии, где рост CO₂ объяснялся локальными выбросами и либо SOI, либо GOSIF. Затем применили кластеризацию K-средних к парам «выбросы – флуоресценция» и с помощью анализа устойчивости выделили пять основных углеродных режимов, которые сохранялись на протяжении десятилетия.

В 2020 году, несмотря на снижение выбросов из-за локдаунов, во многих городах вклад эмиссионного члена в модель даже вырос. Это значит, что атмосферный отклик на наши действия не всегда предсказуем: шум от других процессов может как заглушить, так и неожиданно усилить сигнал.

Кластеризация выделила пять режимов: от почти неактивных полярных областей до антропогенных ядер и активных биосферных стоков. При усреднении внутри кластеров уникальные региональные особенности сглаживаются, и главным драйвером почти везде остаётся глобальный климатический сигнал. Исключение — кластер активной биосферы, где биогенный сигнал настолько силён, что переживает усреднение. Модель с SOI объясняла от 43% до 89% дисперсии внутри кластеров, тогда как модель с GOSIF давала значительно худшие результаты, особенно при кросс-валидации.

Работа показывает, что сверху вниз детектировать региональные изменения выбросов гораздо труднее, чем принято считать. В отличие от соседних исследований, которые оценивали выбросы или биосферный отклик по отдельности, здесь впервые на глобальной сетке сопоставлены все три главных драйвера с явной проверкой их статистической силы.

Для климатической политики это означает, что верификация обязательств по сокращению выбросов не может опираться только на атмосферные наблюдения без учёта регионального контекста. Если переводчик не слышит тихую реплику оратора, это не значит, что оратор молчит: просто шум в зале слишком силён. Чтобы понять, кто и сколько говорит, нужно учитывать акустику каждого зала.

Южное колебание, которое авторы используют как климатический драйвер, измеряется разницей атмосферного давления между Таити и Дарвином. Этот индекс предложили ещё в 1987 году, и он до сих пор остаётся одним из самых простых и надёжных индикаторов Эль-Ниньо.

Понятия
углеродный след углекислый газ тропосферная двухлетняя осцилляция сезонный цикл глобальное потепление естественная изменчивость климат связь океана и атмосферы энсо североатлантическая осцилляция декадная изменчивость тропосфера спутниковый рекорд UAH многомерный индекс ЭНСО климатическая модель химия атмосферы сезонный форсинг диполь индийского океана Ниньо 4 буйковые станции TAO/TRITON