هوش مصنوعی نشان می دهد که چگونه گرم شدن آب و هوا باعث تشدید شدیدترین بارش های NZ می شود

نوشته نیلش رامپال، استیون شروود، گفتگو

ویرایش شده توسط Swati Mestri، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

مخرب ترین رویدادهای آب و هوایی، بلایای رکوردشکنی "یک در 100 سال" است که جوامع معمولا فقط یک بار دیده اند.

اما درک اینکه چگونه این رویدادهای نادر می توانند در آینده تغییر کنند، دشوار است. با نمونه‌های کمی در سوابق تاریخی، تخمین اینکه چقدر می‌توانند شدید شوند و چگونه نتایج ممکن است در آینده‌های احتمالی متفاوت باشد، دشوار است.

تحقیقات اخیر نشان می دهد که سیستم های آب و هوایی که هر سال باران شدیدی را به نیوزیلند می آورند، با گرم شدن آب و هوا شدیدتر می شوند.

در مطالعه جدیدمان، ما از هوش مصنوعی مولد (genAI) برای شبیه‌سازی صدها راه ممکن در قرن حاضر و کشف چگونگی تغییر بارندگی شدید در این آینده‌های احتمالی استفاده کردیم.

ما می دانیم که جو گرمتر می تواند بخار آب بیشتری را در خود نگه دارد و به طوفان اجازه می دهد تا بارندگی شدیدتری تولید کند. اما بیشتر درک ما از مدل‌های جهانی ناشی می‌شود که شبکه‌های آن‌ها آنقدر درشت هستند که کل منطقه، مانند اوکلند، می‌تواند در یک سلول شبکه قرار گیرد.

با استفاده از genAI برای بررسی این تغییرات در مقیاس‌های ظریف‌تر در سراسر نیوزیلند، متوجه شدیم که نادرترین بارندگی‌ها با گرم شدن سیاره شدیدتر می‌شوند و افزایش بیشتری نسبت به بارش‌های شدیدی که اغلب تجربه می‌کنیم.

در آینده ای که انتشار گازهای گلخانه ای همچنان در حال افزایش است، میزان بارش باران در روز در یک رویداد یک در 100 سال حدود 9 درصد به ازای هر درجه گرمایش افزایش یافته است، میانگین در نیوزلند و آینده های احتمالی که ما شبیه سازی کردیم. برای بارندگی شدیدی که اغلب تجربه می کنیم، افزایش حدود 5.6 درصد در هر درجه بود.

هر چه بارندگی روزانه شدیدتر باشد، احتمال وقوع سیل و خسارت بیشتر است.

یک رویداد یک در 100 سال به این معنی است که احتمال 1٪ بارندگی بیش از مقادیر رکورد در هر سال وجود دارد. اما این اتفاقات یک بار در قرن اتفاق نمی افتد. آنها می توانند نزدیک به هم اتفاق بیفتند و با گرم شدن آب و هوا شانس آنها تغییر می کند.

میانگین افزایش هایی که توضیح می دهیم تنها بخشی از داستان را بیان می کند. مطالعه ما نشان داد که گرم شدن هوا نیز شکاف بین آینده‌های احتمالی خفیف‌تر و شدیدتر را افزایش می‌دهد. در آینده های شدیدتر، بارندگی شدید به طور قابل ملاحظه ای بیشتر از میانگین های بالا افزایش یافت.

درک طیف وسیعی از نتایج ممکن، از جمله بهترین و بدترین موارد در شبیه‌سازی‌هایمان، تصویر واضح‌تری از رویدادهای نادر و آسیب‌بار بارانی که باید برای آن آماده شویم، به ما می‌دهد.

مدل‌های اقلیمی مرسوم از قوانین فیزیک برای شبیه‌سازی آب و هوا استفاده می‌کنند. مدل‌های منطقه‌ای دقیق به رایانه‌های قدرتمندی نیاز دارند که تعداد نسخه‌های پژوهشگران آینده را محدود می‌کند.

تیم ما هوش مصنوعی را بر روی 140 سال شبیه‌سازی آب و هوای منطقه‌ای که شرایط تاریخی و گرم‌تر آینده را پوشش می‌دهد، آموزش داد. او آموخت که چگونه الگوهای آب و هوای جهانی به بارندگی و دما محلی ترجمه می شود.

پس از حدود یک روز آموزش، هوش مصنوعی با استفاده از چهار تراشه کامپیوتری تخصصی، بیش از 15000 سال شبیه سازی شده را در شش ساعت تولید کرد. مدل‌های منطقه‌ای مرسوم سال‌ها طول می‌کشید.

این به معنای نگاه کردن به 15000 سال آینده نیست. کل شامل بسیاری از تکرارهای تاریخ و آینده های احتمالی تا سال 2100 است که از 20 مدل آب و هوای جهانی استخراج شده است.

هر کدام نشان دهنده نیوزلند در سلول های شبکه ای به عرض حدود 12 کیلومتر (7.5 مایل) است که به ما امکان می دهد تفاوت های منطقه ای را بررسی کنیم. بررسی قبلی ما نشان داد که رویکردهای مشابه می توانند در سایر نقاط جهان نیز کارساز باشند و می توانند به مناطق کمک کنند تا خطرات آب و هوایی خود را بهتر درک کنند.

برای درک اینکه این آینده های بالقوه اقلیمی چگونه ممکن است انجام شوند، تصور اینکه All Blacks در بازی استرالیا در Eden Park بازی می کنند می تواند مفید باشد.

همانطور که در اوایل این ماه دیدیم، آل بلکز تیم قوی تری هستند و ما انتظار داشتیم که آنها برنده شوند، به خصوص در ادن پارک.

اما هر مسابقه به گونه‌ای متفاوت پیش می‌رود و اگر بخواهیم همان بازی را دوباره بازی کنیم، یک پنالتی از دست رفته، مصدومیت یا کارت قرمز دقیقه آخر می‌تواند نتیجه نهایی را تغییر دهد.

اگر می‌توانستیم همان مسابقه را صدها بار تکرار کنیم، همه بلکز بیشتر اوقات پیروز می‌شد، اما برخی از مسابقات با شکست‌های غیرمنتظره به پایان می‌رسیدند. شش مسابقه تکرار شده تنها تصویری تقریبی از نتایج نادری مانند باخت به والابی ها ارائه می دهد.

صدها نفر به ما شانس بیشتری برای درک این احتمالات شگفت‌انگیزتر و اینکه چگونه آنها به مکان یا عوامل دیگر بستگی دارند، می‌دهند.

آب و هوا نیز به همین صورت عمل می کند. افزایش گازهای گلخانه ای دما را بالا می برد و بر بارندگی شدید تأثیر می گذارد. اما تنوع طبیعی، از جمله آب و هوای روزمره و نوسانات طولانی‌مدت مانند نوسان ال نینو-جنوبی، بر زمان و مکان وقوع افراط و شدت آن تأثیر می‌گذارد.

حتی با انتشار یکسان، تفاوت های کوچک در شرایط شروع به نتایج متفاوتی منجر می شود. تحقیقات قبلی نشان می‌دهد که چگونه شبیه‌سازی بسیاری از آینده‌ها (با کمی تغییر این شرایط) به محققان اجازه می‌دهد هم جهت کلی تغییر و هم نتایج محتمل‌تر را بررسی کنند.

مطالعه ما نشان می‌دهد که این تغییرپذیری با گرم شدن افزایش می‌یابد و دامنه بارش‌های احتمالی را سریع‌تر از شدت متوسط ​​افزایش می‌دهد.

با بازگشت به راگبی، اگر آل بلکز به طور میانگین با امتیاز بیشتری شروع به برد کنند، معادل آن خواهد بود، اما نتایج آنها نیز بسیار متنوع تر شد، با شکست های غیرمنتظره و بردهای بزرگتر.

از آنجایی که گروه های بیشتری اکنون از هوش مصنوعی برای پیش بینی شرایط آب و هوایی آینده استفاده می کنند، کار برای هماهنگ کردن روش ها در سطح جهانی برای توسعه استانداردهای مشترک در حال انجام است.

هوش مصنوعی در شرایط ناآشنا می تواند خروجی های ضعیفی تولید کند. این مشکل برخی از مطالعات قبلی را آزار می‌داد، اما آموزش در آب‌وهوای تاریخی و گرم‌تر به رفع این مشکل کمک کرد، در کنار یک استراتژی آموزشی که کار قبلی ما نشان داد که رویدادهای شدید واقع‌بینانه ایجاد می‌کند.

شبیه‌سازی‌های بیشتر نمی‌توانند دقیقا به ما بگویند که بارندگی بعدی که رکوردشکن است کجا و چه زمانی اتفاق می‌افتد. اما آنها تصویر واضح تری از آنچه را که باید برای آن آماده کنیم، از جمله افراط و تفریط فراتر از هر چیزی که جوامع در حافظه زنده تجربه کرده اند به ما می دهند.

نیلش رامپال و همکاران، کاهش مقیاس با هوش مصنوعی، نقش بزرگ تغییرپذیری داخلی را در پیش‌بینی‌های باریک مقیاس آب و هوا نشان می‌دهد، Climate Dynamics (2026). DOI: 10.1007/s00382-026-08269-y

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →

این مقاله با مجوز Creative Commons از The Conversation بازنشر شده است. مقاله اصلی را بخوانید.