Ученые из Международного института прикладного системного анализа (IIASA) в Лондоне и Колумбийского университета в Нью-Йорке создали первую глобальную карту зон климатической опасности. Исследование опубликовано в научном журнале Proceedings of the National Academy of Sciences (PNAS).
Специалисты рассмотрели волны тепла за последние 65 лет, выявив области, где экстремальная жара проявляется гораздо сильнее по сравнению со средними сезонными температурами.
Эти тепловые волны в основном наблюдались в последние пять лет, хотя некоторые из них произошли в начале 2000-х или ранее.
Наиболее пострадавшие от климата регионы включают центральный Китай, Японию, Корею, Аравийский полуостров, восточную Австралию и части Южной Америки и Арктики.
Однако наиболее интенсивный и последовательный сигнал поступает из северо-западной Европы, где серии волн тепла привели к примерно 60 тыс. жертв в 2022 году и 47 тыс. человеческих потерь в 2023 году.
Климатические катаклизмы происходили в Германии, Франции, Великобритании и Нидерландах и других странах. В сентябре этого года новые рекорды максимальной температуры были установлены в Австрии, Франции, Венгрии, Словении, Норвегии и Швеции. Во многих частях юго-запада США и Калифорнии также наблюдались рекордные температуры вплоть до октября.
В этих регионах экстремальные температуры растут быстрее, чем средние летние температуры, со скоростью, намного превышающей ту, которую прогнозировали самые передовые климатические модели в течение последних нескольких десятилетий.
Однако это явление происходит не везде. Исследование показало, что рост температур во многих других регионах ниже, чем предсказывали модели.
К ним относятся обширные районы северной части США и южной части Канады, внутренние регионы Южной Америки, большая часть Сибири, северная Африка и северная Австралия.
Исследование стало важным шагом на пути к устранению растущего риска, вызванного экстремальной и беспрецедентной жарой, путем выявления регионов, которые исторически сталкивались с быстро растущим риском, и количественной оценки способности моделей воспроизводить эти сигналы.
