Kunstig intelligens låser op for ekstreme vejrmysterier

Fra sødrænende tørke i Californien til brobrydende oversvømmelser i Kina, ekstremt vejr laver kaos. At forberede sig på ekstreme vejrforhold i et skiftende klima er fortsat en udfordring, imidlertid, fordi deres årsager er komplekse, og deres reaktion på global opvarmning ofte ikke er godt forstået. Nu, Stanford-forskere har udviklet et maskinlæringsværktøj til at identificere betingelser for ekstreme nedbørshændelser i Midtvesten, som tegner sig for over halvdelen af ​​alle større amerikanske oversvømmelseskatastrofer. Udgivet i Geofysiske forskningsbreve , deres tilgang er et af de første eksempler på brug af kunstig intelligens til at analysere årsager til langsigtede ændringer i ekstreme hændelser og kunne hjælpe med at gøre fremskrivninger af sådanne hændelser mere nøjagtige.

"Vi ved, at oversvømmelser er blevet værre, " sagde studielederforfatter Frances Davenport, en ph.d. studerende i jordsystemvidenskab på Stanford's School of Earth, Energi- og miljøvidenskab (Stanford Earth). "Vores mål var at forstå, hvorfor ekstrem nedbør stiger, hvilket igen kan føre til bedre forudsigelser om fremtidige oversvømmelser."

Blandt andre påvirkninger, global opvarmning forventes at drive kraftigere regn og snefald ved at skabe en varmere atmosfære, der kan indeholde mere fugt. Forskere antager, at klimaændringer kan påvirke nedbør på andre måder, også, såsom at ændre hvornår og hvor storme opstår. Det har været vanskeligt at afsløre disse påvirkninger, imidlertid, dels fordi globale klimamodeller ikke nødvendigvis har den rumlige opløsning til at modellere disse regionale ekstreme begivenheder.

"Denne nye tilgang til at udnytte maskinlæringsteknikker åbner nye veje i vores forståelse af de underliggende årsager til skiftende ekstremer, " sagde studiets medforfatter Noah Diffenbaugh, Kara J Foundation Professor i School of Earth, Energi- og miljøvidenskab. "Det kunne gøre det muligt for samfund og beslutningstagere at forberede sig bedre til begivenheder med stor indflydelse, som dem, der er så ekstreme, at de falder uden for vores historiske erfaring."

Davenport og Diffenbaugh fokuserede på det øvre Mississippi vandskel og den østlige del af Missouri vandskel. Den meget oversvømmelsestruede region, som spænder over dele af ni stater, har oplevet ekstreme nedbørsdage, og store oversvømmelser er blevet hyppigere i de seneste årtier. Forskerne startede med at bruge offentligt tilgængelige klimadata til at beregne antallet af ekstreme nedbørsdage i regionen fra 1981 til 2019. Derefter trænede de en maskinlæringsalgoritme designet til at analysere netdata, såsom billeder, at identificere atmosfæriske cirkulationsmønstre i stor skala forbundet med ekstrem nedbør (over 95. percentilen).

"Den algoritme, vi bruger, identificerer korrekt over 90 procent af de ekstreme nedbørsdage, hvilket er højere end ydeevnen af ​​traditionelle statistiske metoder, som vi testede, " sagde Davenport.

Den trænede maskinlæringsalgoritme afslørede, at flere faktorer er ansvarlige for den seneste stigning i ekstrem nedbør fra Midtvesten. I løbet af det 21. århundrede, de atmosfæriske trykmønstre, der fører til ekstrem midvestnedbør, er blevet hyppigere, stigende med en hastighed på omkring én ekstra dag om året, selvom forskerne bemærker, at ændringerne er meget svagere tilbage længere tilbage i tiden til 1980'erne.

Imidlertid, forskerne fandt ud af, at når disse atmosfæriske trykmønstre opstår, mængden af ​​nedbør, der resulterer, er klart steget. Som resultat, dage med disse forhold er mere tilbøjelige til at have ekstrem nedbør nu, end de gjorde tidligere. Davenport og Diffenbaugh fandt også, at stigninger i nedbørsintensiteten på disse dage var forbundet med højere atmosfæriske fugtstrømme fra Den Mexicanske Golf ind i Midtvesten, at bringe det nødvendige vand til kraftig nedbør i regionen.

Forskerne håber at kunne udvide deres tilgang til at se på, hvordan disse forskellige faktorer vil påvirke ekstrem nedbør i fremtiden. De forestiller sig også at omplacere værktøjet for at fokusere på andre regioner og typer af ekstreme begivenheder, og analysere tydelige årsager til ekstrem nedbør, såsom vejrfronter eller tropiske cykloner. Disse applikationer vil hjælpe yderligere med at analysere klimaændringernes forbindelser til ekstremt vejr.

"Mens vi først fokuserede på Midtvesten, vores tilgang kan anvendes til andre regioner og bruges til at forstå ændringer i ekstreme begivenheder mere bredt, " sagde Davenport. "Dette vil hjælpe samfundet bedre med at forberede sig på virkningerne af klimaændringer."