Нове дослідження показало, що суперболти з більшою ймовірністю вражають, чим ближче зона електричного заряду грозової хмари знаходиться на поверхні суші або океану. Ці умови відповідальні за появу гарячих точок суперболтів над деякими океанами і високими горами.

Суперболти становлять менше 1% від загальної кількості блискавок, але коли вони ударяють, вони завдають потужного удару. За словами авторів, середня потужність удару блискавки становить близько 300 мільйонів вольт, але суперболти в 1000 разів сильніші і можуть завдати серйозної шкоди інфраструктурі та кораблям.

«Суперболти, хоч вони становлять лише крихітний відсоток усіх блискавок, це чудове явище», — сказав Авіхай Ефраїм, фізик з Єврейського університету в Єрусалимі та провідний автор цього дослідження.

У звіті 2019 року було виявлено, що суперболти мають тенденцію концентруватися над північно-східною частиною Атлантичного океану, Середземним морем та Альтіплано у Перу та Болівії, яке є одним із найвищих плато на Землі. «Ми хотіли знати, чому ці потужні суперболти з більшою ймовірністю утворюються в одних місцях, а не в інших», — сказав Ефраїм.

Нове дослідження дає перше пояснення освіти та поширення суперболтів по суші та морю по всьому світу. Дослідження було опубліковано у Журналі геофізичних досліджень: Атмосфера.

Грозові хмари часто досягають висоти від 12 до 18 кілометрів (від 7,5 до 11 миль) та охоплюють широкий діапазон температур. Але щоб утворилася блискавка, хмара має перетнути лінію, де температура повітря досягає 0 градусів за Цельсієм (32 градуси за Фаренгейтом). Вище лінії замерзання, у верхніх частинах хмари, відбувається електрифікація та утворюється «зона зарядки» блискавки. Ефраїм ставив питання, чи можуть зміни висоти лінії замерзання і, як наслідок, висоти зони зарядки вплинути на здатність шторму утворювати суперболти.

Попередні дослідження вивчали, чи можуть на міцність суперболтів впливати морські бризки, викиди судноплавних шляхів, солоність океану або навіть пил пустелі, але ці дослідження були обмежені регіональними водоймищами і могли пояснити лише частину регіонального розподілу суперболтів. Глобальне пояснення «гарячих точок» суперболтів залишалося незрозумілим.

Щоб визначити, що змушує суперболти групуватися у певних областях, Ефраїму та його співавторам необхідно було знати час, місце та енергію вибраних ударів блискавок, які вони отримали за допомогою набору радіохвильових детекторів.

Вони використовували ці дані про блискавки для вилучення ключових властивостей середовища ураганів, включаючи висоту поверхні землі та води, висоту зони заряду, температуру верхньої та нижньої межі хмар, а також концентрації аерозолів. Потім вони шукали кореляцію між кожним із цих факторів і силою суперболти, отримуючи уявлення про те, що викликає сильнішу блискавку, а що ні.

Дослідники виявили, що, на відміну від попередніх досліджень, аерозолі не вплинули на міцність суперболтів. Натомість менша відстань між зоною зарядки та поверхнею землі чи води призвела до значного підвищення напруги блискавки. Шторми поблизу поверхні дозволяють формуватися розрядам з вищою енергією, тому що, як правило, більш коротка відстань означає менший електричний опір і, отже, вищий струм. А вищий струм означає сильніші блискавки.

Три регіони, де спостерігається найбільша кількість суперударів, — північно-східна частина Атлантичного океану, Середземного моря і Альтіплано — має одну спільну рису: короткі проміжки між зонами заряду блискавки та поверхнями.

«Кореляція, яку ми побачили, була дуже чіткою і значною, і було дуже приємно бачити, що вона спостерігається у трьох регіонах», — сказав Ефраїм. «Для нас це великий прорив».

Знання того, що невелика відстань між поверхнею та зоною зарядки хмари призводить до появи більшої кількості суперблискавок, допоможе вченим визначити, як зміни клімату можуть вплинути на появу суперблискавок у майбутньому. За словами Ефраїма, вищі температури можуть призвести до збільшення кількості слабших блискавок, але більша кількість вологи в атмосфері може протидіяти цьому. Остаточної відповіді наразі немає.

Надалі команда планує вивчити інші фактори, які можуть сприяти утворенню суперболтів, таких як магнітне поле або зміни сонячного циклу.

«Є набагато більше невідомого, але те, що ми тут виявили, — це більша частина головоломки», — сказав Ефраїм. “І ми ще не закінчили. Нам ще багато треба зробити». Джерело

Втрата льодовика є гострою проблемою в усьому світі, оскільки танення льоду впливає на запаси прісної води, підвищення рівня моря та циркуляцію океану. Часто глобальні моделі льодовиків використовуються для кращого розуміння масштабів цієї загрози, як-от нещодавня модель, яка показує широку деглаціацію в середніх широтах до 2100 року. Однак ця та інші моделі не визначать лінійний зв’язок між температурою та втрата льодовика, особливо в таких регіонах, як Ісландія, де спостерігаються екстремальні температури, що відрізняються від середньосвітових.

Дослідження, проведене на льодовику Бруарйокутль в Ісландії, дало подальшу оцінку цієї невизначеності та виявило, що лінійну залежність неможливо пояснити лише місцевими спостереженнями. Це говорить про необхідність вивчення ісландських льодовиків як мережі.

Дослідження, засноване на проекті дисертації цього автора в Лейденському університетському коледжі в Нідерландах, використовувало супутникові зображення та дані з найближчої метеостанції, щоб створити модель втрати площі льодовика з 1984 по 2020 рік. Такі ретроспективні моделі, які називаються ретроспективними моделями, можна використовувати для перевірки моделей для прогнозів майбутніх змін.

Традиційні методи вивчення льодовиків передбачають трудомісткі та ресурсомісткі фізичні вимірювання, тому дослідники іноді використовують для своєї роботи математичні моделі. У цьому контексті доречними є два типи математичних моделей: детерміновані та статистичні моделі. Детерміновані моделі — це тип математичної моделі, яка використовує фізичні закони для моделювання поведінки системи. Статистичні моделі, з іншого боку, базуються на кореляції між спостережуваними даними та реалізуються для прогнозування чи оцінки.

Комплексні детерміновані моделі в глобальному масштабі не реагують на місцеві погодні умови, тому статистичні моделі з’явилися як потенційна альтернатива вивченню танення льодовиків. Одним із прикладів такої статистичної моделі є книга кліматолога Ханса Ерлеманса «Льодовики та зміна клімату» 2001 року. Він виявив, що стабільні кліматичні умови все ще призводять до танення льодовиків у Європейських Альпах.

Іншим прикладом є нещодавнє дослідження, опубліковане в журналі Scientific Reports, яке оцінювало відступ льодовика Нараду в Західних Гімалаях. Це дослідження під керівництвом професора Центрального університету Раджастану Раджеша Кумара дійшло висновку, що зменшення кількості опадів є більш важливим фактором танення льодовиків, ніж підвищення температури.

До останнього дослідження в Ісландії члени нашої дослідницької групи намагалися відтворити результати Кумара та його колег, використовуючи їхні дані та методи. Після кількох місяців маніпулювання даними та спроб зв’язатися з авторами, щоб отримати більше інформації, ми не змогли отримати жодного з результатів, опублікованих у їхній статті. Ця складність змусила нас зацікавитися самим методом, і ми вирішили відтворити його з новими даними для льодовика Бруарйокутль в Ісландії.

В Ісландії розташовані одні з найбільших у світі льодовикових шапок, зокрема Лангйокудль і Ватнайокудль. Ці крижані шапки та вихідні льодовики є критично важливими компонентами постачання прісної води, індустрії туризму та екосистеми країни. Однак зміна клімату спричиняє їх швидке танення, що спонукає деяких стверджувати, що льодовики Ісландії зникнуть протягом наступних 150 років.

Дослідження, проведене на Бруарйокудлі, показало, що опади, а не температура, є ключовим рушієм клімату льодовика. Це відкриття контрастує з повідомленнями, які вказують на те, що температура є ключовим кліматичним фактором ісландських льодовиків. Але дослідження також виявило, що лінійне моделювання площі Бруарйокутль як функції опадів не може бути надійно використано для короткострокового чи довгострокового прогнозування масштабів льодовика.

Нюанс полягає в тому, коли розглядаються залишки моделі — різниці між спостережуваними та прогнозованими значеннями даних. Залишки використовуються при оцінці якості моделі як діагностичний захід. У цьому випадку дослідження вказує на те, що динаміка льодовика та метеорологічна динаміка може бути лише частково змодельована лінійно, але ця модель успішно пояснює базові тенденції у зв’язку між площею та кількістю опадів.

Хоча це може здатися протиріччям, воно висвітлює щось більше. Дослідження в Гренландії так само виявило, що динаміка окремих льодовиків пояснюється нелінійно. Однак вони показують, що нормалізована зміна льодовика є однорідною у великих регіонах. Іншими словами, льодовики не потрібно окремо моделювати, щоб моделювати втрату льоду як функцію клімату в цьому регіоні. Це повертає нас до глобальних моделей льодовиків, які можуть працювати з меншими обчислювальними витратами та складністю моделі для територій із кліматичними аномаліями, що виходять за межі глобального середнього. Неможливо чітко визначити, чи регіональне моделювання стосується ісландських льодовиків, на основі останніх знахідок, але це підкреслює нову захоплюючу можливість.

Інші методи, зокрема нелінійні статистичні моделі або штучні нейронні мережі, можна використовувати для вивчення місцевих льодовиків. Це підкреслює потребу в більш складних, повних і дорогих даних, які краще підходять для вивчення льодовиків (на відміну від загальних даних метеостанцій, які використовувалися в дослідженні). Перешкоди, включаючи часто віддалене та небезпечне середовище льодовиків, свідчать про те, що неможливо отримати дані, необхідні для статистичних моделей для точного прогнозування танення льодовиків. 

У цьому випадку нам, можливо, доведеться переглянути методи, які використовуються для вивчення ісландських льодовиків, враховуючи обмеженість даних. Роблячи це, ми можемо досліджувати зв’язки між регіональними мережами льодовиків і краще інформувати глобальні моделі. Джерело