Как инверсионные следы на самом деле влияют на климат
Раньше считалось, что чем меньше сажи вылетает из двигателя, тем меньше будет вред от инверсионных следов. Однако недавно ученые сделали важное открытие, которое меняет привычный взгляд на влияние авиации на глобальное потепление. Оказывается, простое сокращение чёрных частиц (сажи) в выхлопе самолётов не решает проблему инверсионных следов, которые задерживают тепло в атмосфере.
Исследователи провели замеры прямо во время полёта пассажирского лайнера. Они изучали, какие частицы выбрасываются двигателями и как именно из них образуются знакомые нам белые полосы за самолётом (конденсационные следы, или контрейлы).
Оказалось, что эти следы могут формироваться через разные механизмы. Всё зависит не только от количества сажи в выхлопе, но и от состава самого топлива. Другими словами, при низком уровне сажи и другом топливе физика процесса образования следа меняется.
Рисунок 1
Рисунок 1 (a) -- Коммерческий пассажирский самолёт (тестовый Airbus A321neo), оснащённый двигателями CFM LEAP-1A с «обеднённым» сгоранием (низкое образование сажи), сопровождается исследовательским самолётом DLR Falcon для измерения выбросов двигателей и характеристик инверсионных следов. (b) -- в обычных двигателях сгорания типа rich–quench–lean (богатая смесь — охлаждение — обеднённая смесь) образование инверсионных следов обусловлено большим количеством выбрасываемых частиц сажи (выше пунктирной линии). А для двигателей с обеднённым сгоранием и низким уровнем сажи основную роль в зарождении ледяных кристаллов в следе играют летучие частицы и частицы смазочного масла (ниже линии).
Конденсационные следы -- серьёзный фактор потепления (иногда даже более значимый, чем накопление углекислого газа от авиации). Чтобы реально снизить этот эффект, простой фильтрации сажи недостаточно. Потребуется комплексный подход: менять химический состав топлива и, возможно, пересматривать сами режимы полёта.
Работа была опубликована в журнале Nature 1 апреля 2026.
Друзья, я - физик теоретик, мой основной профиль на стыке нелинейной динамики и машинного обучения. По работе я часто читаю научные статьи, и иногда натыкаюсь на что-то любопытное. Поэтому буду периодически выкладывать. Если интересно -- подписывайтесь :)