КАКАЯ ЧАСТЬ НЕДАВНИХ ИЗМЕНЕНИЙ КЛИМАТА — ЕГО СОБСТВЕННЫЕ КОЛЕБАНИЯ?

Любой наблюдаемый климатический тренд — сумма двух вещей. Первая — вынужденный отклик (forced response): изменения, вызванные парниковыми газами, аэрозолями, землепользованием и извержениями вулканов. Вторая — внутренняя изменчивость: собственные колебания климата, такие как Эль-Ниньо или медленные осцилляции Тихого и Атлантического океанов. Различать их важно — и чтобы понять изменение климата, и чтобы судить, правильно ли его воспроизводят климатические модели.

Беда в том, что реальность разыгрывается только один раз. Климатические модели можно прогнать десятки раз с одним и тем же воздействием, и среднее по этим прогонам выявляет вынужденную часть. Но у моделей есть систематические ошибки, а более простые статистические приёмы обычно предполагают, что вынужденная картина никогда не меняется. Недавнее международное сравнение таких методов показало, что ошибки остаются большими — и что методы машинного обучения справляются не лучше классической статистики.

В статье приводится поучительный пример: замедление глобального потепления в 1998–2012 годах сначала истолковали как признак того, что антропогенное потепление ослабевает, а модели ошибаются, — пока не признали его внутренней изменчивостью.

Сеть, которая учит шум

Парвати Кулот, Вэньюй Чжоу и их коллеги из Тихоокеанской северо-западной национальной лаборатории и университетов Калифорнии в Сан-Диего и Вашингтона построили ConvLSTM — нейросеть, сочетающую чувство пространственных закономерностей с памятью о том, как они развиваются. Её обучили на больших ансамблях симуляций 15 климатических моделей, используя карты приповерхностной температуры, осадков и давления на уровне моря. Её задачей было распознавать природные колебания; всё, что остаётся, — вынужденная часть.

На моделях, которых она раньше не видела, сеть превзошла шесть существующих методов по температуре, осадкам и давлению на большей части исторического периода — с одним исключением: симуляцией, которую авторы считают нереалистичным выбросом. Для реального мира десять версий сети, каждая обученная на своём наборе из десяти моделей, применили к климату, наблюдаемому с 1940 года.

Что она находит в реальных данных

Замедление потепления 1998–2012 годов оказывается естественной изменчивостью, как и заключили более поздние исследования. Природная составляющая глобальной температуры тесно следует медленной осцилляции Тихого океана.
Арктика. Наблюдаемое потепление Арктики в последнее время достигло примерно четырёхкратного глобального темпа. По данным сети, вынужденная часть остаётся почти постоянной — примерно трёхкратной. Остальное сделали природные колебания: Тихий океан сдерживал глобальное потепление, а собственные региональные колебания Арктики — арктическая мода изменчивости — усиливали потепление там, особенно в 2005–2020 годах.
Атлантика. Контраст температур между Северной и Южной Атлантикой с 1950 года описывает V-образную кривую. Вынужденная часть тоже снижается и растёт — в соответствии с ростом и последующим спадом аэрозольного загрязнения в Северном полушарии. Естественная изменчивость усилила размах колебания, создав глубокий минимум 1970-х и 1980-х годов.
Тихий океан и юго-запад США. С 1980 года восточная экваториальная часть Тихого океана нагревалась слабее западной — картина «по типу Ла-Нинья», которую модели редко воспроизводят. Согласно сети, один лишь вынужденный отклик дал бы слабую противоположную картину «по типу Эль-Ниньо»; естественная изменчивость её перевернула. То же верно для усиления области высокого давления над северо-востоком Тихого океана и иссушения юго-запада Северной Америки: в основном природные явления, со скромной вынужденной долей.

Для нескольких из этих особенностей тренд, наблюдавшийся за 1980–2022 годы, лежит за пределами диапазона оценённого вынужденного отклика — напоминание о том, что отдельный исторический тренд может плохо указывать на то, что вызвал человек.

Проверка для моделей

Поскольку сеть даёт явную оценку вынужденной части, её можно напрямую сравнить с тем, что моделируют климатические модели. Общие картины совпадают: больше потепления над сушей и в высоких широтах, меньше — над субполярной Северной Атлантикой и Южным океаном, более влажные тропики и высокие широты, более сухие субтропики. Но модели сильнее нагревают Северное полушарие, слабее усиливают субтропическое высокое давление и слабее иссушают сушу. Авторы предполагают, что нынешние модели могут недооценивать, насколько смещение ветров иссушит континенты.

Ограничения они перечисляют сами. Сеть учится на моделях, поэтому систематическая ошибка, общая для всех моделей, может её обмануть. Почему она работает так хорошо, трудно разглядеть изнутри. И она предполагает, что среднее по конечному набору симуляций и есть истинный вынужденный отклик. В этих пределах, заключают авторы, машинное обучение может сделать атрибуцию прошлых изменений климата надёжнее — а проверку моделей точнее.