Учёные из Университета штата Аризона описали схему управляемого вмешательства в развитие опасной погоды. Идея в том, чтобы не «ломать» атмосферу крупными воздействиями, а вносить небольшие изменения в ранней фазе процесса, когда система особенно чувствительна. В компьютерных моделях такой подход позволял сдвигать траектории штормов, ослаблять холодные волны и уменьшать интенсивность осадков.
Авторы называют подход Weather Jiu-Jitsu, то есть использование внутренней динамики самой атмосферы против будущего экстремума. Работа опирается на численные эксперименты, в том числе с ИИ-моделью земной системы Aurora, и не проверялась в реальных условиях. Речь идёт не о готовой технологии, а о доказательстве принципа: малое и точное воздействие за несколько дней до пика может изменить дальнейшую эволюцию погодной системы.
В моделировании команда тестировала сценарии на исторических событиях. Для урагана «Сэнди» расчёты показали возможность сместить траекторию примерно на 300 км, что в теории уводило бы шторм от Нью-Йорка. Для зимнего шторма в Техасе 2021 года модель допускала повышение экстремальных минимальных температур примерно на 10 °C, а для атмосферных рек, связанных с наводнениями, снижение осадков примерно на 5%.
Предлагаемые инструменты звучат скромнее результата. В статье упоминаются управляемый засев облаков и другие точечные вмешательства в атмосферные процессы. Главная роль отводится не самому «рычагу», а моменту применения: нужно поймать стадию, когда небольшое возмущение ещё способно перенастроить крупномасштабные потоки воздуха, включая струйные течения.
Авторы прямо признают, что практическое применение потребует многоступенчатой проверки. Сначала нужны повторяемые численные эксперименты на архивах, затем региональные тесты с жёсткими ограничениями, после этого пилоты под внешним надзором. В качестве возможной рамки они называют международные структуры уровня Всемирной метеорологической организации.
Интерес к таким сценариям понятен из масштаба ущерба. По оценке авторов, только в 2024 году климатические экстремумы обошлись мировой экономике примерно в $417 млрд. Это совпадает с более широким трендом: системы защиты на земле дорожают, а потери от наводнений, жары и штормов растут быстрее, чем успевает перестраиваться инфраструктура.
Попытки управлять погодой не новы, и именно этот бэкграунд делает нынешнюю работу интересной и уязвимой одновременно. Самый известный пример, Project Stormfury в США, шёл с 1962 по 1983 год и пытался ослаблять ураганы за счёт засева облаков йодистым серебром. Программу закрыли после того, как стало ясно, что исходные представления о структуре циклона были неполными, а доказать эффект вмешательства не удалось.
Сегодня технологии модификации погоды применяются гораздо уже. Китай, ОАЭ и ряд штатов США используют засев облаков в основном для увеличения осадков или подавления града. Для управления траекториями тропических циклонов или длительных засух признанной рабочей методики нет, а регуляторные и политические риски здесь выше, чем в обычных программах по осадкам.
Новая деталь в работе ASU связана с ИИ-моделями прогноза. Если раньше подобные идеи упирались в недостаточную точность расчётов и слишком короткий горизонт полезного прогноза, то системы класса Aurora, GraphCast и GenCast показали, что машинное обучение уже может конкурировать с традиционными численными моделями по ряду задач среднесрочного прогноза. Это не отменяет физики атмосферы, но даёт более точный поиск «окна», когда малое воздействие ещё способно сработать.
При этом цена ошибки здесь выше, чем в обычном прогнозе. Если модель неверно определит чувствительную фазу системы, вмешательство может не дать эффекта или сместить ущерб в другой регион. Для регуляторов это означает не только научную, но и юридическую проблему: кто отвечает, если шторм ушёл от одного мегаполиса и пришёл к другому берегу.
По этой причине у концепции, вероятно, длинный путь до полевых испытаний. В ближайшие годы её будут проверять прежде всего на ретроспективных сценариях и региональных моделях. Ответ на главный вопрос, можно ли стабильно и безопасно менять траектории экстремальной погоды вне компьютера, появится только после серии ограниченных экспериментов, а не после одной эффектной симуляции.
