研究人员利用机器学习评估了近年来全球变暖对美国及其他国家极端天气事件的影响。这种创新的方法可能会改变科学家分析和预测气候变化对严重天气影响的方式。
斯坦福大学和科罗拉多州立大学的团队设计了一种快速且经济高效的技术，用于检视具体极端天气事件如何受到全球变暖的影响。他们的研究结果发表在8月21日的《科学进展》上，利用机器学习评估了全球变暖在多大程度上加剧了美国和全球的热浪。这种方法显示出高度的准确性，可能会重新定义科学家研究和预测气候变化对各种极端天气情景的影响的方式。此外，这些发现可能有助于制定气候适应策略，并且与寻求气候相关损失赔偿的法律案件相关。
“极端天气对人类健康、基础设施和生态系统的影响是显而易见的，”这项研究的主要作者、斯坦福大学多尔可持续发展学院的地球系统科学博士生贾里德·特罗克表示。“为了创造有效的解决方案，我们需要更清晰地了解全球变暖如何推动这些极端条件的变化。”
特罗克和他的同事指导AI模型使用区域天气数据和全球平均温度预测每日最高气温。他们使用来自气候模拟数据库的大量数据对这些模型进行了训练，涵盖了1850年至2100年。在训练和验证后，AI模型应用于特定近期热浪的实际数据，使研究人员能够评估这些热浪在不同全球变暖水平下的热度。通过将这些预测与各种变暖情景进行比较，他们估算了气候变化对过去天气事件频率和强度的影响。
案例研究及其延伸
研究人员最初将其AI技术应用于分析2023年德克萨斯州的热浪，这导致该州创下前所未有的热相关伤亡人数。他们的分析指出，全球变暖使得这次热浪的温度比没有气候变化时高出1.18到1.42摄氏度（2.12到2.56华氏度）。该团队的新方法还有效地预测了各个全球地区打破纪录的热浪的强度，符合先前对这些事件的研究报告。
在这些结果的基础上，研究人员利用AI预测如果在更高的全球变暖水平下，曾引发过往破纪录热浪的气象模式再次发生，热浪可能的强度。他们的发现表明，如果全球平均气温比工业革命前水平上升2.0摄氏度，类似过去45年中欧洲、俄罗斯和印度一些最严重事件的热浪事件可能每十年发生多次。目前，全球变暖接近工业革命前水平上升1.3摄氏度。
“机器学习在特定极端天气事件背后的实际气象条件与允许我们对地球系统进行更广泛虚拟实验的气候模型之间架起了一座强大的新桥梁，”研究的高级作者、斯坦福大学多尔可持续发展学院的地球系统科学教授诺亚·迪芬巴赫说道。“虽然AI并不能解决所有科学问题，但这种创新方法是一项令人兴奋的进展，我相信它将被广泛应用于各种领域。”
新的AI方法通过在预测全球变暖对极端事件影响时利用历史天气数据，解决了当前方法的一些弱点——包括以前在斯坦福大学开发的方法。它消除了进行昂贵气候模型模拟的需求，因为AI可以用现有的模型进行训练。这些发展将促进对各个地区极端天气的精准、低成本评估，这对于制定有效的气候适应策略至关重要。此外，它也为快速、实时评估全球变暖对严重天气的贡献铺平了道路。
研究团队计划扩大其方法的应用范围，涵盖更多类型的极端天气条件，并增强其AI网络，以提高预测能力，采用新策略来量化AI预测中的不确定性范围。
“我们的研究结果表明，机器学习是探索全球变暖对历史天气模式影响的强大高效工具，”特罗克说道。“我们希望这项研究能促进进一步利用AI深入了解人类排放如何影响极端天气，从而使我们能够更好地为未来的严重事件做好准备。”
