KI-gestützte Klimaprognosen prognostizieren schnellere Erwärmung in vielen Regionen

AI sagt voraus, dass die Temperaturen in den meisten Teilen der Welt viel schneller als bisher erwartet auf 3°C ansteigen werden.

Drei führende Klimaforscher haben Erkenntnisse aus 10 globalen Klimamodellen kombiniert und kommen mit Hilfe künstlicher Intelligenz (KI) zu dem Schluss, dass regionale Erwärmungsschwellen wahrscheinlich schneller erreicht werden als bisher angenommen.

Die Studie, die in den Environmental Research Letters von IOP Publishing veröffentlicht wurde, geht davon aus, dass die meisten Landregionen, wie sie vom Intergovernmental Panel on Climate Change (IPCC) definiert wurden, die kritische Schwelle von 1,5 °C wahrscheinlich bis 2040 oder früher überschreiten werden. Ebenso sind mehrere Regionen auf dem besten Weg, die 3,0-°C-Schwelle bis 2060 zu überschreiten – früher als in früheren Studien angenommen.

Regionen wie Südasien, der Mittelmeerraum, Mitteleuropa und Teile Afrikas südlich der Sahara werden diese Schwellen voraussichtlich schneller erreichen, was die Risiken für gefährdete Ökosysteme und Gemeinschaften erhöht.

Die von Elizabeth Barnes, Professorin an der Colorado State University, Noah Diffenbaugh, Professor an der Stanford University, und Sonia Seneviratne, Professorin an der ETH Zürich, durchgeführte Studie verwendete einen hochmodernen KI-Transfer-Learning-Ansatz, der Wissen aus mehreren Klimamodellen und Beobachtungen integriert, um frühere Schätzungen zu verfeinern und genauere regionale Vorhersagen zu liefern.

Wichtigste Ergebnisse

Mithilfe von KI-basiertem Transferlernen analysierten die Forscher Daten aus 10 verschiedenen Klimamodellen, um Temperaturanstiege vorherzusagen, und stellten fest:

• 34 Regionen werden bis 2040 wahrscheinlich eine Erwärmung von mehr als 1,5 °C aufweisen.
• 31 dieser 34 Regionen werden bis 2040 voraussichtlich eine Erwärmung von 2 °C erreichen.
• 26 dieser 34 Regionen werden bis 2060 voraussichtlich eine Erwärmung von mehr als 3 °C erreichen.

Elizabeth Barnes sagt: „Unsere Forschung unterstreicht, wie wichtig es ist, innovative KI-Techniken wie das Transferlernen in die Klimamodellierung einzubeziehen, um regionale Vorhersagen potenziell zu verbessern und einzuschränken und umsetzbare Erkenntnisse für politische Entscheidungsträger, Wissenschaftler und Gemeinden weltweit zu liefern.“

Noah Diffenbaugh, Mitautor und Professor an der Stanford University, fügte hinzu: „Es ist wichtig, sich nicht nur auf den globalen Temperaturanstieg zu konzentrieren, sondern auch auf spezifische Veränderungen in lokalen und regionalen Gebieten. Indem wir einschränken, wann regionale Erwärmungsschwellen erreicht werden, können wir den Zeitpunkt spezifischer Auswirkungen auf die Gesellschaft und die Ökosysteme klarer vorhersehen. Die Herausforderung besteht darin, dass der regionale Klimawandel unsicherer sein kann, sowohl weil das Klimasystem bei kleineren räumlichen Skalen von Natur aus unruhiger ist als auch weil Prozesse in der Atmosphäre, im Ozean und an der Landoberfläche Unsicherheit darüber schaffen, wie genau eine bestimmte Region auf die globale Erwärmung reagieren wird.“

Lesen Sie das vollständige Manuskript hier.

Quelle

IOP Publishing 2024 | Translated with www.DeepL.com/Translator