Aprendizaje automático basado en corrección de sesgos de proyecciones futuras de concentraciones de ozono de un...

Área de la Ciencia:

• Química Atmosférica y Ciencia Climática
• Modelado Ambiental y Aprendizaje Automático

Sus antecedentes:

• Los modelos globales químico-climáticos (CCM) son vitales para predecir el ozono superficial futuro, esencial para la gestión de la calidad del aire y las evaluaciones de riesgos para la salud.
• Los CCM existentes presentan sesgos en la distribución espacial, la magnitud y las tendencias, lo que limita su aplicación efiabilidad regional.
• Se necesitan proyecciones de ozono precisas para informar estrategias efectivas de protección ambiental.

Objetivo del estudio:

• Aplicar un algoritmo de aprendizaje automático (ML), LightGBM, para corregir los sesgos en las simulaciones de ozono del modelo Community Earth System Model versión 2 (CESM2).
• Calibrar las proyecciones futuras de ozono superficial bajo las Vías Socioeconómicas Compartidas (SSP1-2.6 y SSP5-8.5) para China, Estados Unidos y Europa desde 2020 hasta 2060.
• Analizar los impulsores de las tendencias futuras del ozono, distinguiendo entre las emisiones antropogénicas y los impactos del cambio climático.

Principales métodos:

• Se utilizó el algoritmo de ML LightGBM para corregir los sesgos en las concentraciones de ozono superficial simuladas por CESM2.
• Se aplicó el modelo corregido por sesgos para proyectar los niveles futuros de ozono bajo dos escenarios de emisiones contrastantes (SSP1-2.6 y SSP5-8.5).
• Se realizó un análisis de descomposición para atribuir los cambios en el ozono proyectado a las emisiones antropogénicas y los efectos climáticos.

Principales resultados:

• La corrección de sesgos basada en ML mejoró significativamente la distribución espacial y redujo el sesgo de ozono en un 40-60%, corrigiendo también una tendencia potencialmente errónea en el este de China bajo SSP1-2.6.
• Bajo SSP1-2.6, se proyecta que el ozono corregido disminuirá significativamente en China, EE. UU. y Europa para 2060.
• Bajo SSP5-8.5, se proyecta que el ozono corregido aumentará en China, con aumentos menores en EE. UU. y Europa para 2060.
• Los cambios en las emisiones antropogénicas se identificaron como el principal impulsor de las tendencias futuras del ozono.
• Se observó una 'penalización climática' (aumento del ozono debido al cambio climático) en el este contaminado de China, mientras que los beneficios climáticos (disminución del ozono) ocurrieron en el oeste de China, EE. UU. y Europa bajo SSP5-8.5.

Conclusiones:

• La combinación de ML con CCM ofrece un enfoque poderoso para mejorar la precisión de las proyecciones de calidad del aire.
• Las proyecciones corregidas por ML proporcionan estimaciones más confiables del ozono superficial futuro, lo que respalda una mejor política ambiental regional.
• Son necesarias estrategias de protección ambiental específicas de la región, considerando las influencias variables de las emisiones y el cambio climático en los niveles futuros de ozono.