杀疯了!最新Nature子刊,人工智能 vs 气候极端事件!

文摘   2024-11-30 19:54   中国香港  
关注地球与工智能设置EarthAi星标

人工智能发现以前未检测到的历史气候极端事件

Plésiat, É., Dunn, R.J.H., Donat, M.G. et al. Artificial intelligence reveals past climate extremes by reconstructing historical records. Nat Commun 15, 9191 (2024). https://doi.org/10.1038/s41467-024-53464-2IF: 14.7 Q1

全球有超过30,000个气象站,通常每天都会测量温度、降水等指标。对于气候研究人员来说,要整理和分析这些庞大的数据,以制作每月和每年的全球及区域温度(尤其是后者),这些数据常常成为新闻焦点。

现在,研究人员利用人工智能(AI)对这些数据集进行分析,以研究欧洲的温度极端情况,发现与传统方法得到的结果相比,有着极好的一致性,并且还发现了以前未知的气候极端事件。他们的工作已发表在《自然通讯》杂志上。

随着世界气候的快速变化,了解温度和降水极端情况的变化至关重要,这样规划者才能适应当前和即将到来的极端情况。

一些地区的降雨量更重,现在“远远超出历史气候”范围,这是根据2021年《自然》杂志上的一篇论文所述。热极端情况也在增加——全球超过30%的陆地面积现在每年至少有一个月的温度高于二西格玛统计水平,而在1950年这一比例约为1%。

在分析历史平均温度时,一个重要的问题是一些气象站缺乏数据,特别是在上个世纪的前半叶。

一个有人值守的气象站可能因为损坏、看守人搬迁或死亡、停止运行而未立即更换,或者可能从未更换过。新的气象站技术需要与之前的仪器进行相关性校准,而非洲和极地的大部分地区提供的信息很少,甚至没有。

气候研究人员花费了大量的时间来处理这些空白。一个被称为数据均质化的研究领域,不同均质化方法的选择在很大程度上解释了不同团体发布的全球平均温度和趋势结果中的微小差异。

由德国汉堡气候计算中心的Étienne Plésiat领导的团队,包括来自英国和西班牙的同事,认为极端温度是应用AI神经网络技术的合适领域。

他们专注于欧洲,该地区拥有特别密集的气象站,且这些气象站的历史比世界其他地方更久远。(例如,哈德利中央英格兰温度数据始于1659年,是世界上最古老的记录。)利用AI,该团队重建了欧洲气候极端情况的观测——极热和极冷的白天,以及极热和极冷的夜晚。

由于欧洲温度站的高密度,传统的统计方法如克里金法(Kriging)、逆距离加权(Inverse Distance Weighting)和角距离加权(Angular Distance Weighting)在预测缺乏温度计但附近有邻近站点的任何位置的温度值时表现良好,但在附近数据稀缺时表现不佳。所有这些方法都是使用测量值以及兴趣点与邻近气象站之间的距离来预测兴趣点的温度,主要区别在于计算中如何对距离(或角度)进行加权。

在过去几年中,AI方法在构建缺失的气候信息和量化不确定性方面超越了这些传统方法。

Plésiat及其同事使用的AI模型是在CMIP6档案(耦合模型比较项目,全球气候模型的合作项目,将大气和海洋耦合起来计算过去的气候、当前的气候和未来的气候)的地球系统模型的历史模拟上训练和比较的。

他们的AI结果通过与这些再分析模拟的比较进行评估,使用的方法包括均方根误差、斯皮尔曼秩相关系数,后者指示独立变量和因变量之间的关联程度(它推广了众所周知的皮尔逊系数R,包括非线性依赖),等等。

研究人员发现,他们称之为CRAI(气候重建AI)的深度学习技术,在计算温暖日(日最高温度超过90百分位的天数百分比)、凉爽日(日最高温度低于10百分位的天数百分比)以及类似地对温暖夜晚和凉爽夜晚进行计算时,超越了上述几种插值方法。

然后,他们将其应用于重建HadEX3数据集中所有欧洲领域内的领域——HadEX3由1901年至2018年的80多个极端温度和降水指数组成,这些指数分布在网格化的地球表面上。

在这里,他们的技术也显示出重建过去极端事件和揭示未被所谓的“再分析数据集”覆盖的时间间隔的空间趋势的能力。(气候再分析通过利用气候模型以及可用的观测数据来填补观测数据库中的空白。)

此外,他们的CRAI揭示了以前未知的欧洲极端情况——例如,1929年的寒潮和包括1911年发生的热浪。由于数据稀疏,这些极端情况以前只是通过轶事暗示。

“我们的研究表明,将这种方法应用于全球范围或其他数据稀缺地区的必然性和潜在好处,”团队在他们的论文中总结道。

“实际上,我们发现我们的基于AI的重建在数据稀缺地区比传统统计方法显示出更大的准确性,”并补充说,当利用更多的信息时,训练这样的CRAI模型应该提高准确性。

“这项工作强调了AI在改善我们对气候极端情况及其长期变化的理解方面的变革潜力。”

来源:NC、phys.org


加EarthAi微信交流群,请备注:姓名-行业-单位)


声明:本公众号分享的资源均来自于互联网的公开资源,仅供个人学习和研究使用,不代表本人对其版权、真实性、合法性、准确性等方面做出任何保证。任何使用本号分享的资源的个人或组织,需自行承担相应的法律责任和后果;本号不承担任何法律责任和连带责任。使用本号分享的资源即代表您已完全了解并同意本免责声明的所有内容。






上海位温信息科技有限公司

专业的商业气象服务商



(咨询数据详情,可添加微信,请备注:合规数据



可提供气象产品 

  • 全国三千多个基准站

3213 个主要城市站点、每小时发 布 1 次,

每天发布 24 次,每次提供当前整点时刻的

城市站点实况天气(实况产品会在整点后

15 分钟、20 分钟、30 分钟进行数据更新),

要素包括:天气现象、气温、体感温度、风速、

风力、风向、相对湿度、气压、1小时降水量、

10分钟降水量、能见度、日出时间、日落时间、

紫外辐射等要素。

  • 探空气象站

  • 海洋气象站

  • 雷达拼图

  • 卫星云图(风云4、葵花8)

  • 格点实况、再分析资料

  • 数值预报:CMA EC GFS

  • 强对流天气预报

  • 强天气落区预报

    强对流天气(短时强降水/冰雹/雷暴大风)概率预报图

  • 台风、热带气旋

可提供国内与国外各类气象咨询气象服务

本公司提供服务稳定可靠,您值得拥有。





EarthAi
AI4Earth、人工智能、气象数值预报、学术论文!产业资讯等等……
 最新文章