Significance Extreme climate events have increased in many regions. Efforts to test the influence of global warming on individual events have also increased, raising the possibility of operational, real-time, single-event attribution. We apply four attribution metrics to four climate variables at each available point on a global grid. We find that historical global warming has increased the severity and probability of the hottest monthly and daily events at more than 80% of the observed area and has increased the probability of the driest and wettest events at approximately half of the observed area. Our results suggest that scientifically durable operational attribution is possible but they also highlight the importance of carefully diagnosing and testing the physical causes of individual events.

This study identifies statistically significant trends in mid-atmospheric circulation patterns that partially explain observed changes in extreme temperature occurrence over Eurasia and North America; although the underlying cause of circulation pattern trends remains uncertain, most extreme temperature trends are shown to be consistent with thermodynamic warming. Changes in atmospheric circulation — the position of the jet stream or intertropical convergence zone for example — may be linked to changes in the occurrence of temperature extremes, but quantitative evidence is scarce. Daniel Horton and colleagues identify statistically significant trends in mid-atmospheric circulation patterns over Eurasia and North America, with the trends partially explaining observed changes in extreme temperature. At present, it is unclear whether these trends are related to greenhouse gas emissions or natural variability, and better-understood thermodynamic changes control more of the overall trends in extremes. But in some regions and for some types of extreme temperature events, shifts in atmospheric circulation are an important actor. Surface weather conditions are closely governed by the large-scale circulation of the Earth’s atmosphere. Recent increases in the occurrence of some extreme weather phenomena1,2 have led to multiple mechanistic hypotheses linking changes in atmospheric circulation to increasing probability of extreme events3,4,5. However, observed evidence of long-term change in atmospheric circulation remains inconclusive6,7,8. Here we identify statistically significant trends in the occurrence of atmospheric circulation patterns, which partially explain observed trends in surface temperature extremes over seven mid-latitude regions of the Northern Hemisphere. Using self-organizing map cluster analysis9,10,11,12, we detect robust circulation pattern trends in a subset of these regions during both the satellite observation era (1979–2013) and the recent period of rapid Arctic sea-ice decline (1990–2013). Particularly substantial influences include the contribution of increasing trends in anticyclonic circulations to summer and autumn hot extremes over portions of Eurasia and North America, and the contribution of increasing trends in northerly flow to winter cold extremes over central Asia. Our results indicate that although a substantial portion of the observed change in extreme temperature occurrence has resulted from regional- and global-scale thermodynamic changes, the risk of extreme temperatures over some regions has also been altered by recent changes in the frequency, persistence and maximum duration of regional circulation patterns.

Runoff from snowmelt is regarded as a vital water source for people and ecosystems throughout the Northern Hemisphere (NH). Numerous studies point to the threat global warming poses to the timing and magnitude of snow accumulation and melt. But analyses focused on snow supply do not show where changes to snowmelt runoff are likely to present the most pressing adaptation challenges, given sub-annual patterns of human water consumption and water availability from rainfall. We identify the NH basins where present spring and summer snowmelt has the greatest potential to supply the human water demand that would otherwise be unmet by instantaneous rainfall runoff. Using a multi-model ensemble of climate change projections, we find that these basins—which together have a present population of ∼2 billion people—are exposed to a 67% risk of decreased snow supply this coming century. Further, in the multi-model mean, 68 basins (with a present population of >300 million people) transition from having sufficient rainfall runoff to meet all present human water demand to having insufficient rainfall runoff. However, internal climate variability creates irreducible uncertainty in the projected future trends in snow resource potential, with about 90% of snow-sensitive basins showing potential for either increases or decreases over the near-term decades. Our results emphasize the importance of snow for fulfilling human water demand in many NH basins, and highlight the need to account for the full range of internal climate variability in developing robust climate risk management decisions.

Abstract Lightning is a major source of wildfire ignition in the western United States (WUS). We build and train convolutional neural networks (CNNs) to predict the occurrence of cloud‐to‐ground (CG) lightning across the WUS during June–September from the spatial patterns of seven large‐scale meteorological variables from reanalysis (1995–2022). Individually trained CNN models at each 1° × 1° grid cell ( n = 285 CNNs) show high skill at predicting CG lightning days across the WUS (median AUC = 0.8) and perform best in parts of the interior Southwest where summertime CG lightning is most common. Further, interannual correlation between observed and predicted CG lightning days is high (median r = 0.87), demonstrating that locally trained CNNs realistically capture year‐to‐year variation in CG lightning activity across the WUS. We then use layer‐wise relevance propagation (LRP) to investigate the relevance of predictor variables to successful CG lightning prediction in each grid cell. Using maximum LRP values, our results show that two thermodynamic variables—ratio of surface moist static energy to free‐tropospheric saturation moist static energy, and the 700–500 hPa lapse rate—are the most relevant CG lightning predictors for 93%–96% of CNNs depending on the LRP variant used. As lightning is not directly simulated by global climate models, these CNNs could be used to parameterize CG lightning in climate models to assess changes in future CG lightning occurrence with projected climate change. Understanding changes in CG lightning risk and consequently lightning‐caused wildfire risk across the WUS could inform fire management, planning, and disaster preparedness.

Abstract Climate change poses growing risks to global agriculture including perennial tree fruit such as apples that hold important nutritional, cultural, and economic value. This study quantifies historical trends in climate metrics affecting apple growth, production, and quality, which remain understudied. Utilizing the high-resolution gridMET dataset, we analyzed trends (1979-2022) in several key metrics across the U.S. – cold degree days, chill portions, last day of spring frost, growing degree days (GDD), extreme heat days (daily maximum temperature >34°C), and warm nights (daily minimum temperatures >15°C). We found significant trends across large parts of the U.S. in all metrics, with the spatial patterns consistent with pronounced warming across the western states in summer and winter. Yakima County, WA, Kent County, MI, Wayne County, NY—leading apple-producers—showed significant decreasing trends in cold degree days and increasing trends in GDD and warm fall nights. Yakima county, with over 48,870 acres of apple orchards, showed significant changes in five of the six metrics - earlier last day of spring frost, fewer cold degree days, increasing GDD over the overall growth period, and more extreme heat days and warm nights. These trends could negatively affect apple production by reducing the dormancy period, altering bloom timing, increasing sunburn risk, and diminishing apple appearance and quality. Large parts of the U.S. experience detrimental trends in multiple metrics simultaneously that indicate the potential for compounding negative impacts on the production and quality of apples and other tree fruit, emphasizing the need for developing and adopting adaptation strategies.