Прогнозирование закисления океана теперь возможно за годы вперед

Исследователи из Университета Колорадо в Боулдере разработали метод, который позволит ученым точно прогнозировать кислотность океана до пяти лет вперед. Это даст возможность рыболовецким хозяйствам и сообществам, зависящим от морепродуктов, адаптироваться к меняющимся условиям в реальном времени, повышая экономическую и продовольственную безопасность в ближайшие десятилетия.

Предыдущие работы демонстрировали возможность прогнозирования кислотности океана на несколько месяцев, но данное исследование впервые доказывает, что можно предсказывать её изменчивость за несколько лет вперед. Новый метод, описанный в Nature Communications, открывает потенциал для прогнозирования ускорения или замедления процесса закисления океана. Исследователи сосредоточились на Калифорнийской системе течений, одном из четырех крупнейших в мире систем прибрежного апвеллинга, которая поддерживает рыболовную индустрию с оборотом в миллиарды долларов.

«Мы взяли климатическую модель и запустили её, как прогноз погоды, — и модель включала химию океана, что крайне ново», — сказал ведущий автор исследования Райли Брейди. Эта система особенно уязвима к закислению из-за подъема естественно кислых глубинных вод к поверхности. Океан поглощает огромную долю избыточного углекислого газа (CO₂) из атмосферы — 24 миллиона тонн ежедневно, — что делает его более кислым. «Закисление океана сегодня происходит в 10 раз быстрее, чем в любой момент за последние 55 миллионов лет», — отметила соавтор работы Николь Ловендуски.

Для проверки метода ученые использовали климатическую модель Национального центра атмосферных исследований (NCAR) для ретроспективных прогнозов прошлого. Они обнаружили, что модель отлично справляется с предсказанием кислотности. Однако такие прогнозы требуют колоссальных вычислительных мощностей и времени и пока не готовы к повседневному оперативному использованию, как прогнозы погоды.

Глобальная модель может учитывать такие климатические явления, как Эль-Ниньо, и предоставлять граничные условия для более локальных высокодетальных моделей, значительно улучшая их точность и дальность прогноза. «Это та информация, которой могли бы пользоваться управляющие рыболовством», — подчеркнул Брейди.