Три десятилетия моделирования глобальных температурных шаблонов с помощью связанных глобальных климатических моделей

Почему важны более точные климатические карты

Когда говорят об изменении климата, часто приводят одно глобальное число: на сколько потеплела планета. В повседневной жизни важнее другое — где именно и каким образом меняются температуры по всему миру. В этом исследовании оценивают, насколько хорошо климатические модели воспроизводят детальную глобальную картину температур поверхности за последние три десятилетия развития моделей — от ранних экспериментов 1990‑х годов до современных передовых симуляций с разрешением в километры. Понимание этого прогресса показывает, сколько доверия можно возложить на карты будущего климата, которые используются в планировании, адаптации и политике.

От грубых набросков к более чётким изображениям

Современные климатические модели симулируют атмосферу, океаны, сушу и морской лёд на сетке, охватывающей всю планету. В 1990‑е годы эти сетки были относительно грубыми, поэтому маломасштабные объекты, такие как океанские вихри или горные долины, приходилось сильно упрощать. С тех пор вычислительные мощности и научное понимание выросли заметно, позволив моделям работать с более мелкой сеткой и более подробной физикой. Авторы сосредотачиваются на одном простом, но показательном вопросе: насколько близко различные поколения моделей воспроизводят 20‑летний средний шаблон температуры близко к поверхности воздуха по сравнению с наборами данных, основанными на наблюдениях?

Оценка моделей по множеству критериев

Для оценки производительности исследование сравнивает 176 прогонов климатических моделей с 10 независимыми наборами данных на основе наблюдений, которые объединяют измерения с земли, спутники и другие источники. Вместо того чтобы смотреть только на глобальные средние, авторы исследуют, насколько схож температурный шаблон в каждой точке Земли. Модель получает хорошие оценки, когда её локальная температура попадает в разброс контрольных наборов данных. Со временем доля поверхности Земли, где модели совпадают с этим диапазоном, выросла примерно от одной четверти для ранних моделей до более одной трети для последнего поколения из проекта Coupled Model Intercomparison Project (CMIP6). Некоторые новые модели с километровым разрешением — особенно система IFS‑FESOM — сопоставимы или даже превосходят лучшие старые модели, приближаясь к уровню согласованности между самими наборами наблюдательных данных.

Устойчивые проблемные зоны на планете

Даже по мере улучшения моделей определённые регионы остаются упорно трудными для симуляции. Северная часть Северной Атлантики, Южный океан и зоны с маломороклокальным облачным покровом вдоль восточных окраин крупных океанических бассейнов демонстрируют крупные и длительные температурные смещения во многих поколениях моделей. Например, несколько симуляций в километровом масштабе по‑прежнему оказываются слишком холодными в частях Северной Атлантики, что, вероятно, связано с тем, как морской лёд взаимодействует с океаном. Эти устойчивые «горячие» и «холодные» пятна указывают на физические процессы, которые всё ещё недостаточно воспроизведены, и одновременно обозначают области, где будущий прогресс может дать особенно значительный прирост реалистичности.

Почему выбор эталона меняет итоговую оценку

Ключевой вывод заключается в том, что по мере улучшения моделей различия между наблюдательными наборами начинают играть более важную роль. Раньше исследования часто оценивали модели по одному эталонному продукту, неявно предполагая, что большая часть расхождений исходит от ошибок моделей. Сравнивая каждую модель с десятью эталонами по отдельности, авторы показывают, что для новейших, наиболее успешных симуляций до 40% видимой ошибки может происходить от того, какой эталон выбран, а не от самой модели. Даже переключение между двумя широко используемыми реанализами — ERA‑Interim и его преемником ERA5 — может систематически благоволить более старым или более новым поколениям моделей. Это означает, что опора на единый набор данных может дать вводящую в заблуждение картину «лучших» моделей.

Более чёткая сетка полезна, но не решает всё

Более высокое пространственное разрешение — использование более плотной сетки — в целом приводит к лучшим температурным картам, когда модели аккуратно перенастроены для такого разрешения. В широком архиве CMIP авторы обнаруживают явную тенденцию: модели с более мелкой сеткой демонстрируют меньшие ошибки температуры. Однако когда одну и ту же модель просто запускают на более высоком разрешении без перенастройки, производительность может застопориться или даже ухудшиться. Это заметно в специальном наборе высокоразрешённых экспериментов, где намеренно избегали дополнительной перенастройки: в пяти из шести пар моделей при более мелкой сетке результаты стали хуже. Напротив, некоторые прототипы с километровым разрешением уже соперничают с лучшими традиционными моделями или превосходят их, несмотря на лишь ограниченную перенастройку, что подчёркивает и их потенциал, и объём работы, необходимой для полного раскрытия возможностей.

Что это значит для нашего климатического будущего

Проще говоря, исследование показывает, что климатические модели постепенно становятся лучше в отображении температурной картины планеты, но лучшие модели не всегда делают резкий скачок от поколения к поколению. Новые симуляции в километровом масштабе демонстрируют, что можно превзойти нынешние стандарты, но само по себе более мелкое разрешение не является волшебной пилюлей. Важны тщательная архитектура модели, её настройка и тестирование. Одновременно растущее влияние неопределённости в наблюдениях означает, что при оценке моделей необходимо учитывать различия между референсными наборами данных, а не полагаться на один. В сумме эти выводы помогают учёным строить более надёжные «цифровые двойники» Земли — виртуальные лаборатории, которые могут точнее исследовать климат, с которым нам предстоит столкнуться в будущие десятилетия.

Цитирование: Brunner, L., Ghosh, R., Haimberger, L. et al. Three decades of simulating global temperature patterns with coupled global climate models. Commun Earth Environ 7, 400 (2026). https://doi.org/10.1038/s43247-026-03497-w

Ключевые слова: климатические модели, глобальные температурные шаблоны, моделирование в километровом масштабе, оценка моделей, моделирование системы Земли