Cuantificación Global de Carbono Negro en Nieve Estacional: Un Marco de Aprendizaje Automático Físicamente y...

Área de la Ciencia:

• Ciencia de los Sistemas Terrestres
• Ciencia Climática
• Ciencias Ambientales

Sus antecedentes:

• El carbono negro en la nieve estacional (BCS) impacta significativamente el clima de la Tierra al reducir el albedo y acelerar el deshielo.
• La cuantificación precisa de los efectos climáticos e hidrológicos del BCS está limitada por datos escasos y de alta calidad.

Objetivo del estudio:

• Desarrollar un marco novedoso para generar un conjunto de datos integral de concentración global de BCS.
• Mejorar la precisión de las estimaciones de BCS y sus evaluaciones de impacto climático.

Principales métodos:

• Se introdujo un marco Dual Random Forest (DRF), que integra mecanismos físicos y datos observacionales.
• Se preentrenó DRF con simulaciones del Modelo del Sistema Terrestre y se ajustó con observaciones de campo globales.
• Se generó un conjunto de datos global mensual de BCS de 44 años (1981-2024) con una resolución de 0.5° × 0.625°.

Principales resultados:

• El conjunto de datos DRF demostró alta precisión (R=0.92, NME=31%) en comparación con las observaciones, superando a los métodos existentes.
• El conjunto de datos captura con precisión las variaciones estacionales de BCS y las tendencias a largo plazo, incluidas las influencias antropogénicas.
• Reprodujo con éxito las tendencias crecientes impulsadas por la actividad humana y la variabilidad decenal de los patrones climáticos naturales.

Conclusiones:

• El novedoso marco DRF proporciona un conjunto de datos global de BCS valioso y de alta precisión.
• Este conjunto de datos permite una cuantificación robusta de la fuerza radiativa inducida por BCS y la atribución del deshielo.
• Facilita una mejor comprensión de los impactos del oscurecimiento de la nieve frente al calentamiento climático en la aceleración del deshielo.