Las huellas digitales antropogénicas en la precipitación diaria reveladas por el aprendizaje profundo

Área de la Ciencia:

• Ciencias del clima
• Aplicaciones del aprendizaje automático en ciencias ambientales
• Hidrometeorología

Sus antecedentes:

• Los modelos climáticos proyectan una mayor variabilidad de las precipitaciones globales y extremos debido al calentamiento del efecto invernadero.
• La verificación observacional de estas proyecciones es un desafío debido a las fluctuaciones naturales de las precipitaciones a escala regional.
• La distinción entre las señales del cambio climático y la variabilidad natural de los datos de precipitación sigue siendo un obstáculo importante.

Objetivo del estudio:

• Demostrar la capacidad del aprendizaje profundo para detectar señales de cambio climático dentro de los datos de precipitación diaria observados.
• Identificar regiones y escalas de tiempo específicas en las que los impactos del calentamiento antropogénico en las precipitaciones ya son perceptibles.
• Validar las predicciones de los modelos climáticos de la variabilidad de las precipitaciones intensificadas utilizando evidencia observacional.

Principales métodos:

• Entrenamiento de una red neuronal convolucional (CNN) utilizando campos de precipitación diarios y datos globales de la temperatura media del aire superficial de las simulaciones de modelos climáticos.
• Aplicación del algoritmo de aprendizaje profundo entrenado a los datos históricos de precipitación por observación.
• Utilizando un marco de IA explicable para analizar los hallazgos de la CNN e identificar regiones y escalas de tiempo sensibles.

Principales resultados:

• El aprendizaje profundo identificó con éxito las señales emergentes de cambio climático en los campos de precipitación diaria dentro del registro de observación.
• Los datos de precipitación diaria observados surgieron como un fuerte predictor del calentamiento planetario, que muestra la desviación de la variabilidad natural desde mediados de la década de 2010.
• La variabilidad de la precipitación en escalas de tiempo meteorológicas (<10 días) en el Pacífico oriental tropical y las trayectorias de tormentas de latitudes medias mostraron una alta sensibilidad al calentamiento antropogénico.

Conclusiones:

• El impacto del calentamiento global en las fluctuaciones hidrológicas diarias se ha vuelto perceptible, incluso cuando los cambios de precipitación media anual a largo plazo están enmascarados por la variabilidad natural.
• El aprendizaje profundo ofrece una herramienta poderosa para detectar señales sutiles de cambio climático en conjuntos de datos ambientales complejos.
• Los hallazgos proporcionan evidencia observacional que respalda las proyecciones del modelo climático de mayor variabilidad y extremos de lluvia.