学科: 大气科学

本研究利用卫星数据发现，美国12个主要城市的甲烷排放量比官方统计高出80%，其中休斯顿高达4倍，而洛杉矶和辛辛那提反而低32%–37%。主要原因是垃圾填埋场实际气体收集效率（平均38%）远低于报告值（70%），导致大量甲烷被漏报；洛杉矶因管理先进，收集效率达85%，表明通过改进填埋场管理可大幅减排。

标签: 卫星遥感 垃圾填埋场 城市减排 大气反演 甲烷排放

本文指出，即使全球升温仅2℃，干旱、强降水和森林火灾等极端气候影响也可能比升温3℃或4℃时的平均预测更严重。传统方法用高升温情景下的模型平均值代表最坏情况，但忽略了不同行业对气候敏感性的差异。本研究提出新方法，针对关键行业识别空间一致的极端气候结果，强调应加快减排以将升温控制在2℃以内。

标签: 极端气候 模型不确定性 气候风险

研究发现，森林土壤中的微塑料主要来自空气传播，而非本地污染。微塑料先落在树冠叶片上，再经雨水或落叶带入土壤，并在腐烂落叶层中富集。这表明森林是大气微塑料污染的重要‘指示器’。

标签: 凋落物 大气沉降 微塑料 树冠 森林土壤

过去11年是有记录以来最热的11年，2025年为历史第二或第三高温年。大气二氧化碳和海洋热量创历史新高，南北极海冰达1979年以来最低水平。报告首次纳入‘地球能量失衡’指标，显示地球蓄热正加速加剧。

标签: 全球变暖 地球能量失衡 海冰减少 海洋热含量 温室气体

本周起，美国西部遭遇破纪录热浪，同时今年夏秋可能爆发强厄尔尼诺事件。二者虽无直接关联，但叠加全球变暖背景，将加剧今夏至明年的极端天气风险，影响供水、野火和泥石流等。

标签: 厄尔尼诺 晚冬热浪 气候叠加效应 科罗拉多河 积雪短缺

巴西正开发一款AI工具，像‘过去的谷歌地图’，帮居民查自家地址在历次洪灾中的水位情况，从而提前识别风险、规划撤离。这是全球首批将AI、模拟技术和公众参与结合的国家级防灾工具之一。

标签: 人工智能防灾 公众参与式预警 历史洪水地图 气候适应 社区韧性

新研究发现，格陵兰冰盖深处存在类似‘热对流’的缓慢翻滚运动——就像一锅微沸的意大利面，这使冰比原先认为的软约10倍。该现象虽不直接导致更快融化，但能帮助科学家更准确预测海平面上升。

标签: 冰的软度 冰盖动力学 格陵兰冰盖 海平面上升 热对流

本文探讨人工智能天气预报模型的兴起及其潜在风险：AI模型预报更快、成本更低，但在预测罕见极端天气（如超强台风、破纪录高温）时可靠性不足；而传统物理模型虽慢但更稳健。专家呼吁建立统一标准，用真实历史极端事件严格测试AI模型，确保公众安全。

标签: 人工智能天气预报 数值天气预报 极端天气预测 气候适应性 气象模型评估

北方针叶林储存着巨量碳，但气候变暖正导致野火更频繁猛烈，使这里成为全球温室气体增长最快的来源之一。本文提出一种新方法，利用卫星数据与实地观测结合，在10米到1000公里尺度上精准绘制野火碳排放图，揭示了土壤闷燃、气候条件和地形排水如何共同决定排放量，为科学保护森林碳库提供关键工具。

标签: 北方针叶林野火 土壤有机碳排放 气候-排水调控 火辐射功率 高分辨率碳测绘

全球多地极端火灾天气正变得越来越同步发生，即多个地区同时出现干燥、高温、大风等易燃条件。这导致大规模山火频发，加剧了灭火资源调度难度，并严重恶化区域空气质量，威胁公众健康。研究发现，1979—2024年全球多数地区同步天数翻倍以上，其中超一半增长由人类活动引起的气候变化导致。

标签: 人为气候变化 极端火灾天气同步性 森林火灾 气候变率 空气质量