人工智能预测，世界大部分地区的气温上升 3°C 的速度将大大快于之前的预期。 资料来源：IOP Publishing
三位顶尖气候科学家分析了来自10个全球气候模型的数据，利用人工智能（AI）提高准确性。 他们的研究结果表明，区域变暖阈值很可能比以前估计的更快达到。
这项研究发表在IOP出版社的《环境研究快报》（Environmental Research Letters）上，研究预测，根据政府间气候变化专门委员会（IPCC）的定义，大多数陆地地区可能会在2040年或更早之前超过1.5°C的升温临界值。 此外，预计到 2060 年，一些地区的气温将超过 3.0°C 的临界值，大大早于之前的估计值。
包括南亚、地中海、中欧和撒哈拉以南非洲部分地区在内的地区预计将更快达到这些临界值，从而加剧脆弱生态系统和社区面临的风险。
这项研究由科罗拉多州立大学教授伊丽莎白-巴恩斯（Elizabeth Barnes）、斯坦福大学教授诺亚-迪芬鲍（Noah Diffenbaugh）和苏黎世联邦理工学院教授索尼娅-塞内维拉特内（Sonia Seneviratne）共同完成，使用了一种尖端的人工智能迁移学习方法，该方法整合了来自多个气候模型和观测数据的知识，以完善之前的估计，并提供更准确的区域预测。
主要发现
研究人员利用基于人工智能的迁移学习，分析了来自 10 个不同气候模型的数据，以预测气温的升高，结果发现：
-
到 2040 年，34 个地区的升温幅度可能超过 1.5°C。
-
预计到 2040 年，这 34 个地区中有 31 个地区的升温幅度将达到 2°C。
-
预计到 2060 年，这 34 个地区中有 26 个地区的升温幅度将超过 3°C。
伊丽莎白-巴恩斯（Elizabeth Barnes）说："我们的研究强调了将创新的人工智能技术（如迁移学习）纳入气候建模的重要性，从而有可能改善和限制区域预测，并为全球政策制定者、科学家和社区提供可操作的见解。
这项研究的共同作者、斯坦福大学教授诺亚-迪芬鲍补充说："重要的是，不仅要关注全球气温的上升，还要关注地方和区域发生的具体变化。 通过限制区域变暖阈值的达到时间，我们可以更清晰地预测对社会和生态系统产生具体影响的时间。 研究所面临的挑战是，区域气候变化可能更具不确定性，这既是因为气候系统在较小的空间尺度上本来就更加嘈杂，也是因为大气、海洋和陆地表面的变化过程对特定区域将如何准确应对全球尺度的变暖造成了不确定性"。
编译自/ScitechDaily
