Istraživači sa Univerziteta Stanford i Državnog univerziteta Kolorado razvili su inovativni metod za proučavanje uticaja globalnog zagrevanja na ekstremne vremenske prilike.
Njihov pristup, detaljno opisan u časopisu Science Advances, koristi mašinsko učenje za precizno određivanje u kojoj meri je globalno zagrevanje doprinelo toplotnim talasima koji su pogodili SAD i druge delove sveta u poslednjih nekoliko godina.
Nova metoda ispostavila se ne samo kao veoma tačna, već i relativno jeftina, što bi moglo napraviti revoluciju u načinu na koji naučnici proučavaju i predviđaju uticaj klimatskih promena na niz ekstremnih vremenskih događaja. Štaviše, rezultati istraživanja mogli bi da pomognu u oblikovanju strategija za prilagođavanje klimi, a mogu se koristiti i u sudskim procesima kojima se traži nadoknada štete izazvane klimatskim promenama.
„Videli smo uticaje koje ekstremni vremenski događaji mogu imati na ljudsko zdravlje, infrastrukturu i ekosisteme. Da bismo dizajnirali efikasna rešenja, moramo bolje razumeti u kojoj meri globalno zagrevanje dovodi do promena u ovim ekstremnim događajima “, rekao je Džared Trok, vodeći autor studije.
Pročitajte još:
- EU: Zakon o obnovi prirode stupio na snagu
- Italija ponovo otvara rudnike u potrazi za kritičnim mineralima
- Izum Japanaca nagoveštava kraj za baterije i motore
Kako funkcioniše metod?
Trok i njegov tim obučili su modele veštačke inteligencije da predviđaju dnevne maksimalne temperature koristeći podatke o regionalnim vremenskim uslovima i globalnoj srednjoj temperaturi. Za obuku AI modela, istraživači su koristili veliku bazu podataka klimatskih modela koja obuhvata period od 1850. do 2100. godine. Kada su modeli obučeni i verifikovani, istraživači su primenili stvarne vremenske podatke iz konkretnih toplotnih talasa kako bi utvrdili koliko bi bili intenzivni da su se dogodili u različitim nivoima globalnog zagrevanja.
Upoređivanjem predviđanja na različitim nivoima globalnog zagrevanja, istraživači su mogli da procene kako su klimatske promene uticale na učestalost i ozbiljnost istorijskih vremenskih događaja. Na primer, njihov metod je primenjen na toplotni talas u Teksasu iz 2023. godine, koji je doprineo rekordnom broju smrtnih slučajeva povezanih sa toplotom. Otkrili su da je globalno zagrevanje učinilo taj talas toplote za 1,18 do 1,42 stepena Celzijusa toplijim nego što bi bio bez klimatskih promena.
Nova metoda pokazala se tačnom i u predviđanju ekstremnih toplotnih talasa u drugim delovima sveta, uključujući Evropu, Rusiju i Indiju. Istraživači su otkrili da bi se neki od najgorih toplotnih talasa u poslednjih 45 godina mogli dogoditi više puta u deceniji ako globalne temperature dostignu 2,0°C iznad predindustrijskih nivoa, što je zabrinjavajući scenario s obzirom na trenutni nivo zagrevanja od oko 1,3°C iznad predindustrijskih nivoa.
„Pokazali smo da je mašinsko učenje moćan i efikasan novi alat za proučavanje uticaja globalnog zagrevanja na istorijske vremenske događaje. Nadamo se da će ova studija pomoći u promovisanju budućih istraživanja o korišćenju veštačke inteligencije kako bismo poboljšali naše razumevanje o uticaju emisija na ekstremne vremenske prilike, pomažući nam da se bolje pripremimo za buduće ekstremne događaje “, rekao je Trok.
Energetski portal
