Высокоточное прогнозирование тепловых режимов почвы с использованием различных фреймворков глубокого обучения в условиях изменения климата

Почему тепло под землей имеет значение

Большинство из нас думают об изменении климата в терминах более жаркого лета и уменьшения снежного покрова, но тихие сдвиги всего в нескольких сантиметрах под нашими ногами могут иметь не меньшее значение. Температура почвы определяет рост культур, объемы производства продовольствия, водоудерживающую способность ландшафтов и объем углерода, возвращающегося из почв в атмосферу. В этом исследовании авторы заглядывают под поверхность в гористом, полузасушливом регионе западного Ирана и задаются вопросом: насколько разные климатические сценарии прогреют — или даже временно охладят — почву, от которой мы зависим, и как быстро развернутся эти изменения?

Внимание к суровому ландшафту

Исследователи сосредоточились на провинции Лорестан, регионе с драматичными пиками и долинами вдоль хребта Загрос. Здесь температуры колеблются от лютого зимнего холода до палящего летнего зноя, а фермеры в значительной степени зависят от грунтовых вод для орошения посевов и обеспечения скота. Десять метеостанций вели ежедневную запись температуры почвы на глубине всего 5 сантиметров в течение нескольких десятилетий. Чтобы заглянуть в будущее, команда сопоставила эти местные наблюдения с проекциями глобальной климатической модели, которая описывает атмосферу в широких, низкопространственных штрихах. Их задача заключалась в том, чтобы превратить эти размытые планетарные проекции в четкие прогнозы на уровне станций, полезные для местных управляющих землёй.

Обучая компьютеры «читать» климат

Вместо традиционных, относительно простых статистических формул команда обратилась к глубокому обучению — к тому же семейству методов, что лежит в основе современных систем распознавания речи и поиска по изображениям. Они протестировали четыре архитектуры нейронных сетей, особенно пригодные для работы с пространственно‑временными паттернами: сверточную сеть (CNN), две последовательностные модели (LSTM и GRU) и гибридную архитектуру, сочетающую слои CNN и LSTM. Перед обучением этих моделей исследователи отобрали 26 атмосферных переменных из Канадской модели Земной системы, таких как температура воздуха, поля давления, ветры и влажность, использовав три взаимодополняющих метода, чтобы выяснить, какие из них лучше всего отслеживают наблюдаемые температуры почвы. Температура поверхностного воздуха и давление в средних слоях атмосферы оказались ключевыми предикторами практически на всех станциях.

Более точные подземные прогнозы с гибридным глубоким обучением

Имея лучшие предикторы, исследователи обучили и настроили каждую нейросеть на ежедневных данных за период 1980–2014 гг., тщательно проверяя качество на отложенных годах. Гибридная модель CNN‑LSTM в целом показала наилучшие результаты. Она уловила и крупномасштабные погодные рисунки, и суточные колебания температуры почвы, достигнув высоких показателей точности и удерживая типичные ошибки в пределах нескольких градусов Цельсия. Тестирование по недавним наблюдениям (2015–2020 гг.) показало, что модель может воспроизводить реальное поведение при нескольких климатических сценариях, известных как «Общие социально‑экономические траектории» (Shared Socioeconomic Pathways), которые варьируются от сильного сокращения выбросов до сценариев с активным использованием ископаемого топлива. Интересно, что сценарии, лучше всего согласующиеся с недавними трендами в почве, различались в зависимости от высоты и местоположения: более прохладные горные станции тяготели к низко‑эмиссионным сценариям, тогда как более тёплые низменные участки соответствовали средним и высоким сценариям выбросов.

Неожиданные повороты в будущем прогреве почв

Вооружившись наилучшей моделью, команда спрогнозировала ежедневные температуры почвы до 2100 года для трёх репрезентативных будущих путей: низких, средних и высоких выбросов парниковых газов. Все сценарии в конечном счёте приводят к потеплению почв, но не одинаково и не с одинаковой скоростью. При низких и средних выбросах температура почвы растёт умеренно, затем выравнивается, добавляя к концу века примерно несколько градусов Цельсия относительно настоящего. Однако при сценарии высоких выбросов картина более драматична. В ближайшие пару десятилетий верхний слой почвы в многих местах фактически охлаждается, вероятно из‑за более плотной облачности, изменившихся осадков и более влажных почв, которые экранируют грунт от солнечного излучения, хотя воздух над ними постепенно согревается. После середины века это временное охлаждение меняется на ускоренное потепление, оставляя мир с высокими выбросами с значительно более тёплыми почвами и принципиально изменённой годовой вариабельностью.

Что это значит для фермеров, воды и экосистем

Для неспециалистов посыл одновременно предостерегающий и практический. Работа показывает, что то, что происходит на поверхности почвы, не просто отражает температуру воздуха; местная география и изменения в облачности, осадках и влажности могут временно скрывать потепление, а затем усиливать его. Фермерам и водным менеджерам в регионах вроде Лорестана может грозить запутанная последовательность сначала более прохладных почв, а затем быстрого, труднопереносимого потепления, если выбросы останутся высокими. Напротив, энергичные климатические действия — сценарии, близкие к низко‑эмиссионным траекториям — по‑видимому ведут к более медленному и равномерному прогреву почв, с которым экосистемы скорее смогут справиться. Использование передовых инструментов глубокого обучения позволяет этому исследованию дать более чёткое подземное представление о последствиях наших климатических выборов, переводя абстрактные глобальные сценарии в конкретные риски и временные рамки для того слоя земли, который кормит нас.

Цитирование: Saeidinia, M., Haghiabi, A.H., Nazeri Tahroudi, M. et al. High-resolution forecasting of soil thermal regimes using different deep learning frameworks under climate change. Sci Rep 16, 7377 (2026). https://doi.org/10.1038/s41598-026-38496-6

Ключевые слова: температура почвы, глубокое обучение, изменение климата, даунскейлинг, сельское хозяйство