Wetenschap
Schema's die het gebruik van LDA voor klimaatgegevens uitleggen:woorden worden vervangen door pixelwaarden, motieven komen overeen met meteorologische objecten (cyclonen en anticyclonen). Krediet:Davide Faranda, Lucas Fery
Door sommige maatregelen behoort klimaatverandering tot het verleden.
"Meerdere bewijslijnen ondersteunen de bevinding dat antropogene broeikasgassen de dominante motor zijn geworden van de opwarming van de aarde die sinds het midden van de twintigste eeuw is waargenomen", meldt de herziene verklaring over het veranderende klimaat van de aarde, aangenomen door de Raad van de American Physical Society in november —de collectieve stem van meer dan 50.000 leden vertegenwoordigen.
Er worden belangrijke inspanningen geleverd om de gevolgen van toekomstige klimaatverandering af te wenden. Maar sommige onderzoekers stellen een andere vraag:hoe kan de samenleving veerkrachtiger worden in een toch al opgewarmde wereld?
Tijdens de APS March Meeting in 2022 zullen wetenschappers nieuwe bevindingen delen over het leren leven met klimaatverandering - en de extreme gebeurtenissen die daarop volgen. Tijdens een persconferentie op maandag 14 maart 2022 bespreken de onderzoekers het bestrijden van klimaatverwarring en desinformatie, het bouwen van een weerwoordenboek en het voorspellen van het klimaat met deep learning physics. De conferentie wordt ter plaatse gehouden en gestreamd via Zoom.
Gedurende de Trump-administratie beweerden functionarissen zoals EPA-chef Scott Pruit dat er te veel onzekerheid was om definitief te zeggen dat mensen bijdragen aan klimaatverandering. Verder verkondigde die regering een interpretatie van waarnemingen van opwarming en extreem weer als gevolg van normale maar mogelijk extreme schommelingen van een statistisch onveranderlijk klimaat.
"Je hebt niets anders nodig dan elementaire statistieken om aan te tonen dat het standpunt van de regering-Trump over het klimaat niet consistent is met waarnemingsfeiten:met behulp van observaties is het mogelijk om aan te tonen dat het klimaat niet statistisch onveranderlijk is", zei wiskundige Juan M. Restrepo, een wetenschapper bij het Oak Ridge National Laboratory van het Department of Energy.
Restrepo en Michael Mann, een klimatoloog aan de Pennsylvania State University, pasten verder een eenvoudige waarschijnlijkheidsstelling toe op temperatuurgegevens vanaf de 19e eeuw. Vervolgens schatten ze de onzekerheden in verband met door de mens veroorzaakte en natuurlijke temperatuurschommelingen.
"Natuurlijke variabiliteit alleen kan de huidige veranderingen in klimaatgegevens niet verklaren. Ondanks onzekerheden wordt voorspeld dat de aarde nog steeds zal opwarmen op een manier die consistent is met de IPCC-samenvattingsverslagen", aldus Restrepo over hun voorlopige bevindingen.
"Gezien het bewijs dat belangrijke kenmerken van de klimaatverandering, zoals het instorten van de ijskap en de stijging van de zeespiegel, eerder plaatsvinden dan gepland, is de onzekerheid in veel opzichten tegen ons gebroken in plaats van in ons voordeel", voegde Mann eraan toe. "Wetenschappelijke onzekerheid is geen reden om niets te doen. Het is in ieder geval een reden voor meer gezamenlijke inspanningen om de CO2-uitstoot te beperken."
Een van de meest cruciale gebieden van klimaatactie is de voorbereiding op extreme gebeurtenissen.
"Het lijdt geen twijfel dat de planeet aan het opwarmen is. Maar de meeste onzekerheid bestaat over de gebeurtenissen die ons het meest raken - die zich in één stad, één bos, één continent tegelijk voordoen", zegt klimaatwetenschapper Daniel Swain.
Cyclonen, overstromingen, hittegolven, tornado's en andere soorten extreem weer komen voort uit dezelfde processen die het klimaat vormen, legt Swain uit, die werkt aan het Institute of the Environment and Sustainability van de University of California Los Angeles.
Maar hoe kunnen we bij een bepaalde ramp vaststellen of klimaatverandering een boosdoener was? Swain heeft onlangs mede-gepubliceerd een inleiding over het jonge veld van 'toeschrijving van extreme gebeurtenissen', met het argument dat de media en zelfs andere wetenschappers de gegevens vaak verkeerd begrijpen.
Tijdens de bijeenkomst zal Swain een overzicht geven van recente vorderingen op het gebied van waarnemingen en modellering in de echte wereld, en uitleggen hoe de samenleving zich moet aanpassen aan klimaatgestuurd extreem weer.
Een van de grootste dilemma's bij extreem weer is het voorspellen:hoe weten we wat we kunnen verwachten en wanneer?
Wetenschappers van de Universiteit van Parijs-Saclay zoeken naar antwoorden door een weerwoordenboek te bouwen dat is gebaseerd op woordzoektechnologie.
Een machine learning-techniek genaamd Latent Dirichlet Allocation haalt onderwerpen uit tekst. De groep paste de strategie toe om volledig opnieuw ontworpen weerkaarten te produceren.
"We hebben de populaire taalkundige techniek geëxporteerd naar de studie van het klimaat om de 'taal' van extreme weersomstandigheden te begrijpen. Wat zijn de terugkerende onderwerpen wanneer de atmosfeer, door de wind, tot ons spreekt?" zei complexe systeemonderzoeker Davide Faranda.
Het team vergeleek rasterpunten van druk op zeeniveau met woorden en identificeerde met succes cyclonen en anticyclonen die bekend zijn bij meteorologen, zoals de Genua Low, de Scandinavian High en de Azoren anticycloon.
Door het weer op te splitsen in eenvoudige motieven wordt het duidelijker om de effecten van klimaatverandering te bestuderen. "Het biedt een gemakkelijke manier om extreme gebeurtenissen zoals hittegolven en koude periodes te bestuderen en hun voorlopers te identificeren," zei Faranda.
Kunstmatige intelligentie heeft een revolutie teweeggebracht in de voorspelbaarheid van het klimaat, maar er zijn nog veel obstakels. Computerwetenschapper Rose Yu van de Universiteit van Californië, San Diego, heeft een manier ontdekt om het vermogen van AI om het klimaat te voorspellen aanzienlijk te verbeteren.
Het grootste probleem is dat hoewel deep learning krachtige en nauwkeurige voorspellingen doet, deze niet altijd voldoen aan de feitelijke wetten van de fysica. Yu en haar collega's hebben oplossingen ontwikkeld die de fysica in een algoritme inbouwen om turbulente stromingen te modelleren.
"We hebben zeer uitdagende problemen in de natuurwetenschap rond klimaatmodellen en COVID-19-simulaties opgelost. Ik laat zien hoe de natuurkunde voornamelijk kan worden geïntegreerd in AI-modellen en algoritmen om zowel voorspellingsnauwkeurigheid als fysieke consistentie te bereiken", aldus Yu.
Computationele benaderingen zoals die van Yu kunnen de manier waarop we alles voorspellen, van extreme weersomstandigheden en klimaatverandering tot de volgende pandemie, en zelfs verkeerspatronen binnen een stad, verbeteren.
Wetenschap © https://nl.scienceaq.com