Новые исследования показывают, что способность растений поглощать избыточный углекислый газ (CO2) может быть значительно ниже, чем ранее оценивалось климатическими моделями, согласно исследованию, опубликованному 5 января 2026 года Университетом Граца. Исследование показало, что климатические модели переоценили естественную фиксацию азота, важнейший элемент для роста растений, примерно на 50 процентов.

Исследование подчеркивает критическую роль доступности азота в обеспечении эффективного использования растениями повышенного уровня CO2 для роста. Хотя повышенный CO2 может стимулировать рост растений, этот эффект зависит от достаточного количества азота, питательного вещества, необходимого для фотосинтеза и общего здоровья растений. Переоценка естественной фиксации азота в климатических моделях предполагает, что выгоды для охлаждения климата, получаемые от роста растений в условиях высокого содержания CO2, менее существенны, чем предполагалось.

Этот вывод имеет серьезные последствия для прогнозов изменения климата. Поскольку растения поглощают меньше CO2, чем ожидалось, естественный буфер Земли против изменения климата уменьшается, что приводит к увеличению неопределенности в будущих климатических прогнозах. «Эта сниженная способность растений действовать как поглотитель углерода означает, что уровень CO2 в атмосфере может расти быстрее, чем прогнозировалось, что потенциально ускорит глобальное потепление», — заявил ведущий исследователь из Университета Граца.

Климатические модели — это сложные вычислительные инструменты, которые имитируют климатическую систему Земли, включая различные факторы, такие как состав атмосферы, океанические течения и процессы на поверхности суши. Эти модели полагаются на алгоритмы и огромные наборы данных для прогнозирования будущих климатических сценариев. Однако, как показывает это исследование, неопределенности в ключевых параметрах, таких как скорость фиксации азота, могут существенно повлиять на точность этих прогнозов.

Исследование также подчеркивает важность включения более точных представлений о биологических процессах в климатические модели. Традиционные модели часто упрощают сложные экологические взаимодействия, что может приводить к расхождениям между прогнозами моделей и реальными наблюдениями. Недавние достижения в области искусственного интеллекта (ИИ) и машинного обучения изучаются для улучшения представления этих процессов. Алгоритмы ИИ могут анализировать большие наборы данных для выявления закономерностей и взаимосвязей, которые могут быть неочевидны при традиционных подходах к моделированию. Например, модели машинного обучения можно обучить прогнозировать скорость фиксации азота на основе факторов окружающей среды, таких как температура, осадки и состав почвы.

Последствия этого исследования выходят за рамки научного сообщества. Политики полагаются на климатические модели для принятия решений, связанных с сокращением выбросов и стратегиями адаптации к изменению климата. Осознание того, что растения могут поглощать не так много CO2, как считалось ранее, требует переоценки этих стратегий. Для достижения климатических целей может потребоваться более агрессивное сокращение выбросов, и, возможно, потребуется уделять больше внимания разработке технологий, которые непосредственно удаляют CO2 из атмосферы.

Будущие исследования будут сосредоточены на уточнении оценок скорости фиксации азота и включении этих улучшенных оценок в климатические модели. Ученые также изучают способы повышения естественной фиксации азота с помощью устойчивых методов ведения сельского хозяйства. Ожидается, что интеграция ИИ и машинного обучения в климатическое моделирование будет играть все более важную роль в повышении точности и надежности климатических прогнозов.