從加利福尼亞的湖泊排水干旱到中國(guó)的斷橋洪水，極端天氣正在造成嚴(yán)重破壞。然而，在不斷變化的氣候中為極端天氣做準(zhǔn)備仍然是一個(gè)挑戰(zhàn)，因?yàn)樗鼈兊脑蚝軓?fù)雜，而且它們對(duì)全球變暖的反應(yīng)往往不是很清楚?，F(xiàn)在，斯坦福大學(xué)的研究人員開(kāi)發(fā)了一種機(jī)器學(xué)習(xí)工具來(lái)識(shí)別中西部極端降水事件的條件，這些事件占美國(guó)所有主要洪水災(zāi)害的一半以上。他們的方法發(fā)表在《地球物理研究快報(bào)》上，是使用人工智能分析極端事件長(zhǎng)期變化原因的首批例子之一，有助于使此類事件的預(yù)測(cè)更加準(zhǔn)確。“我們知道洪水越來(lái)越嚴(yán)重，”該研究的主要作者弗朗西斯達(dá)文波特說(shuō)，他是斯坦福大學(xué)地球、能源與環(huán)境科學(xué)學(xué)院(斯坦福地球)地球系統(tǒng)科學(xué)的博士生。“我們的目標(biāo)是了解極端降水量增加的原因，進(jìn)而可以更好地預(yù)測(cè)未來(lái)的洪水。”
除其他影響外，全球變暖預(yù)計(jì)會(huì)通過(guò)創(chuàng)造可以保持更多水分的溫暖大氣來(lái)推動(dòng)更大的降雨和降雪?？茖W(xué)家們假設(shè)氣候變化也可能以其他方式影響降水，例如改變風(fēng)暴發(fā)生的時(shí)間和地點(diǎn)。然而，揭示這些影響仍然很困難，部分原因是全球氣候模型不一定具有空間分辨率來(lái)模擬這些區(qū)域性極端事件。
“這種利用機(jī)器學(xué)習(xí)技術(shù)的新方法為我們了解極端變化的根本原因開(kāi)辟了新途徑，”該研究的合著者、地球、能源與環(huán)境科學(xué)學(xué)院的 Kara J 基金會(huì)教授Noah Diffenbaugh說(shuō)。“這可以使社區(qū)和決策者更好地為高影響事件做好準(zhǔn)備，例如那些極端到我們歷史經(jīng)驗(yàn)之外的事件。”
Davenport 和 Diffenbaugh 專注于密西西比河上游流域和密蘇里流域東部。近幾十年來(lái)，這個(gè)高度易受洪水侵襲的地區(qū)跨越九個(gè)州的部??分地區(qū)，出現(xiàn)了極端降水日和大洪水變得更加頻繁。研究人員首先使用公開(kāi)可用的氣候數(shù)據(jù)來(lái)計(jì)算該地區(qū)從 1981 年到 2019 年的極端降水日數(shù)。然后他們訓(xùn)練了一種機(jī)器學(xué)習(xí)算法，該算法旨在分析圖像等網(wǎng)格數(shù)據(jù)，以識(shí)別大規(guī)模大氣環(huán)流模式與極端降水有關(guān)(高于 95%)。
“我們使用的算法正確識(shí)別了 90% 以上的極端降水日，這高于我們測(cè)試的傳統(tǒng)統(tǒng)計(jì)方法的性能，”達(dá)文波特說(shuō)。
訓(xùn)練有素的機(jī)器學(xué)習(xí)算法表明，近期中西部極端降水增加的原因有多種。在 21 世紀(jì)，導(dǎo)致極端中西部降水的大氣壓力模式變得更加頻繁，以每年大約一天的速度增加，盡管研究人員指出，隨著時(shí)間的推移，回到 1980 年代，這些變化要弱得多.
然而，研究人員發(fā)現(xiàn)，當(dāng)這些大氣壓模式確實(shí)發(fā)生時(shí)，由此產(chǎn)生的降水量明顯增加。因此，與過(guò)去相比，在這些條件下的日子現(xiàn)在更有可能出現(xiàn)極端降水。Davenport 和 Diffenbaugh 還發(fā)現(xiàn)，這些天降水強(qiáng)度的增加與從墨西哥灣到中西部的大氣水分增加有關(guān)，從而為該地區(qū)帶來(lái)了強(qiáng)降雨所需的水。
標(biāo)簽： 斯坦福大學(xué)
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！