Istraživači sa Univerziteta Stanford i Državnog univerziteta Kolorado razvili su inovativni metod za proučavanje uticaja globalnog zagrijevanja na ekstremne vremenske prilike.
Njihov pristup, detaljno opisan u časopisu Science Advances, koristi mašinsko učenje za precizno određivanje u kojoj mjeri je globalno zagrijevanje doprinijelo toplotnim talasima koji su pogodili SAD i druge dijelove svijeta u posljednjih 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 promjena 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 promjenama.
„Vidjeli smo uticaje koje ekstremni vremenski događaji mogu imati na ljudsko zdravlje, infrastrukturu i ekosisteme. Da bismo dizajnirali efikasna rješenja, moramo bolje razumjeti u kojoj mjeri globalno zagrijevanje dovodi do promjena u ovim ekstremnim događajima“, rekao je Džared Trok, vodeći autor studije.
Pročitajte još:
- Australija gradi najveće solarno područje na svijetu
- EU: Zakon o obnovi prirode stupio na snagu
- Električni reaktor smanjuje industrijske emisije
Kako funkcioniše metod?
Trok i njegov tim obučili su modele vještačke 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 primjenili stvarne vremenske podatke iz konkretnih toplotnih talasa kako bi utvrdili koliko bi bili intenzivni da su se dogodili u različitim nivoima globalnog zagrijevanja.
Upoređivanjem predviđanja na različitim nivoima globalnog zagrijevanja, istraživači su mogli da procjene kako su klimatske promjene uticale na učestalost i ozbiljnost istorijskih vremenskih događaja. Na primer, njihov metod je primjenjen na toplotni talas u Teksasu iz 2023. godine, koji je doprineo rekordnom broju smrtnih slučajeva povezanih sa toplotom. Otkrili su da je globalno zagrijevanje učinilo taj talas toplote za 1,18 do 1,42 stepena Celzijusa toplijim nego što bi bio bez klimatskih promjena.
Nova metoda pokazala se tačnom i u predviđanju ekstremnih toplotnih talasa u drugim djelovima svijeta, uključujući Evropu, Rusiju i Indiju. Istraživači su otkrili da bi se neki od najgorih toplotnih talasa u posljednjih 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 zagrijevanja od oko 1,3°C iznad predindustrijskih nivoa.
“Pokazali smo da je mašinsko učenje moćan i efikasan novi alat za proučavanje uticaja globalnog zagrijevanja na istorijske vremenske događaje. Nadamo se da će ova studija pomoći u promovisanju budućih istraživanja o korišćenju vještačke inteligencije kako bismo poboljšali naše razumijevanje o uticaju emisija na ekstremne vremenske prilike, pomažući nam da se bolje pripremimo za buduće ekstremne događaje“, rekao je Trok.
Energetski portal
