Die Globale Erwärmung Lässt Sich Nur Schwer Umkehren. Stanford-Team Nutzt KI, Um Die Höchsten Temperaturänderungen Vorherzusagen, Mit Einer Rekordwahrscheinlichkeit Von 90%

In den letzten Jahren waren wir vor dem Hintergrund der fortschreitenden globalen Erwärmung Zeugen einer Reihe seltener extremer Klimaereignisse, die scheinbar stillschweigend die schwerwiegenden Herausforderungen ankündigen, vor denen unsere Zeit steht. Auch das zu Ende gehende Jahr 2024 hat uns erstaunliche Bilder beschert: Die Sahara wurde von den schlimmsten Überschwemmungen seit Jahrzehnten heimgesucht, der „Hurrikan des Jahrhunderts“ in den USA entwickelte sich zum Hurrikan mit den meisten Todesopfern seit fast 20 Jahren, schwere Regenfälle in Europa verursachten die schlimmsten Überschwemmungen seit Jahrzehnten und Lateinamerika litt unter einer historischen Dürre.

In „Die wandernde Erde“ gibt es eine berühmte Zeile: „Zuerst kümmerte sich niemand um diese Katastrophe. Es war nur ein Waldbrand, eine Dürre, das Aussterben einer Art, das Verschwinden einer Stadt. Bis diese Katastrophe uns alle berührte.“ Angesichts der fortschreitenden Erwärmung des globalen Klimas und des häufigen Auftretens extremer Wetterereignisse stellt sich uns eine Frage, die wir nicht ignorieren können: Was sind die Gründe für all diese Probleme? Der allgemeine Konsens weist darauf hin, dass die industrielle Aktivität des Menschen und insbesondere der durch menschliche Aktivitäten verursachte Anstieg der Kohlendioxidemissionen seit der industriellen Revolution als Hauptursache der globalen Erwärmung gelten. Doch wie groß ist der konkrete Einfluss der Industrialisierung auf die globale Erwärmung?Wenn sich die aktuellen Trends fortsetzen, wie wird sich die Temperatur der Erde weiter verändern? Diese Probleme werden durch die kontinuierliche Weiterentwicklung der künstlichen Intelligenztechnologie nach und nach aufgedeckt.

Kürzlich veröffentlichte ein gemeinsames Forschungsteam der Stanford University, der Colorado State University und der ETH Zürich zwei Artikel in den Zeitschriften „Geophysical Research Letters“ und „Environmental Research Letters“. Sie trainierten ein fortschrittliches Convolutional-Neural-Network-System mit künstlicher Intelligenz und verwendeten eine große Anzahl von Klimamodellen, um Temperatur- und Treibhausgasdaten zu simulieren. Sie kamen zu einer Reihe von Vorhersagen:Selbst wenn es uns gelingt, die Emissionen rasch zu senken, könnte die globale Durchschnittstemperatur mit einer Wahrscheinlichkeit von 90% um 0,5 °C höher liegen als im bislang heißesten Jahr 2023. Noch beunruhigender ist, dass das Modell außerdem vorhersagt, dass bei einem weiteren Anstieg der Kohlendioxidemissionen die Temperaturen in den meisten Teilen der Welt bis 2060 voraussichtlich um 1,5 Grad Celsius höher sein werden als im Jahr 2023.

Erstes Papier:
Titel des Papiers: Datenbasierte Vorhersagen der maximalen Erwärmung bei schneller Dekarbonisierung
Link zum Artikel:

https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL111832

Zweites Papier:
Titel der Dissertation: Kombination von Klimamodellen und Beobachtungen zur Vorhersage der verbleibenden Zeit bis zum Erreichen regionaler Erwärmungsschwellen
Link zum Artikel:

https://iopscience.iop.org/article/10.1088/1748-9326/ad91ca

Das Open-Source-Projekt „awesome-ai4s“ vereint mehr als 100 AI4S-Papierinterpretationen und stellt umfangreiche Datensätze und Tools bereit:

https://github.com/hyperai/awesome-ai4s

Basierend auf verschiedenen Erwärmungsszenarien des CMIP6-Datensatzes trainieren wir verschiedene CNN-Modelle für spezifische Aufgaben.

Obwohl beide Arbeiten auf mehreren globalen Klimamodellen (GCMs) und Convolutional Neural Network (CNN)-Modellen von CMIP6 basieren und ähnliche Datensätze verwenden, unterscheiden sie sich in der Auswahl der Datensätze und der Architektur der CNN-Modelle entsprechend unterschiedlicher Forschungsziele.

Das Ziel des ersten Papiers besteht darin, den Höhepunkt der globalen Erwärmung vorherzusagen, wenn die Dekarbonisierungsziele erreicht werden. Zu diesem Zweck trainierten die Forscher mehrere CNN-Modelle und wählten das optimale Modell aus. Die Ergebnisse deuten darauf hin, dass in Zeiten einer schnellen Dekarbonisierung das Risiko eines globalen Hitzejahres, das zu extremen lokalen Klimabedingungen führt, beträchtlich ist.

Ziel des zweiten Artikels ist es, die globale Erwärmung in verschiedenen Teilen der Welt im 21. Jahrhundert unter Berücksichtigung der aktuellen Emissionstrends vorherzusagen. Angesichts der Komplexität der tatsächlichen Situation wählten die Forscher GCMs unter verschiedenen Bedingungen aus und verwendeten eine Transferlernmethode, um eine Reihe von Klimamodellvorhersagen mit Beobachtungsdaten zu kombinieren. Dieser Ansatz könnte letztendlich genauere Vorhersagen künftiger Temperaturänderungen auf Grundlage der aktuellen Klimabedingungen ermöglichen.

Insbesondere im Hinblick auf die DatensatzkonstruktionUm CNN zu trainieren, mehrere Dekarbonisierungspfade zu identifizieren, haben die Forscher im ersten Artikel Daten aus mehreren globalen Klimamodellen (GCMs) des internationalen Coupled Model Intercomparison Project (CMIP6) unter Dekarbonisierungsszenarien wie SSP1-1.9, SSP1-2.6 und SSP2-4.5 zusammengetragen. Um eine genaue Erfassung des abnormalen Klimas zu gewährleisten, hat das Forschungsteam mindestens 5 Implementierungsversionen von GCMs einbezogen, um die Auswirkungen verschiedener GCMs auszugleichen.

Der zweite Artikel konzentriert sich auf eine genauere Simulation von Anomalien der jährlichen Durchschnittstemperatur und wählt GCMs mit mindestens 10 Implementierungsversionen in CMIP6 unter den SSP3-7.0-Szenarien aus. Das Forschungsteam wählte 7 für das CNN-Training, 2 für die Validierung und 1 zum Testen aus. Sie haben außerdem die jährlichen Durchschnittstemperaturanomalien auf ein 2,5° × 2,5°-Raster umgerastert und die Anomalie für jeden Rasterpunkt im Verhältnis zum klimatologischen Mittelwert von 1951 bis 1980 berechnet.

Die beiden Arbeiten zeigen auch erhebliche Unterschiede in der CNN-Struktur und den Trainingsmethoden.In der ersten Abhandlung werden jährliche Durchschnittstemperaturkarten in Bodennähe und die verbleibenden kumulierten Kohlendioxid-Emissionen mithilfe von CNNs verarbeitet, für jeden Input eine SHASH-verteilte verbleibende Erwärmung prognostiziert und mehr als 15 CNNs mit unterschiedlichen Zufallswerten trainiert, um die besten auszuwählen, um die maximale Erwärmung bis 2100 vorherzusagen.

Im Gegensatz dazu trainiert das zweite Papier ein CNN unabhängig für jede Region. Die Forscher wendeten Transferlernen auf Beobachtungsdaten aus Berkeley an, um ein mit Klimamodelldaten trainiertes CNN (Basis-CNN) zu optimieren und ein neues CNN (Transfer-CNN) zu erstellen, das konsistenter mit den Beobachtungsdaten ist. Nachdem das Basis-CNN und das Transfer-CNN erfolgreich trainiert waren, erstellte das Forschungsteam auf Grundlage der Berkeley-Beobachtungen Vorhersagen für die Weltkarte und gab die Anomalie der jährlichen Durchschnittstemperatur in Berkeley für 2023 sowie den gewünschten Schwellenwert in das CNN ein.

Die Welt steht vor der Herausforderung der globalen Erwärmung, und eine schnelle Dekarbonisierung kann den Erwärmungstrend nicht umkehren.

Was die Forschungsdetails betrifft, wurde im ersten Artikel zunächst die Genauigkeit des Vorhersagerahmens in verschiedenen historischen Zeiträumen überprüft. Die Forscher trainierten ein CNN anhand historischer CMIP6-Simulationsdaten und verglichen es mit Daten der NASA und Berkeley Earth. Wie in den Abbildungen EF gezeigt, sind die von CNN vorhergesagten Zeitreihen der maximalen Erwärmung gegenüber dem Initialisierungsjahr äußerst robust und die Unsicherheit der auf Beobachtungsdaten basierenden CNN-Vorhersageergebnisse ist viel geringer als die der auf GCM-Simulationsdaten basierenden CNN-Vorhersageergebnisse.

Die Prognosen deuten außerdem darauf hin, dass die Auswirkungen des Klimawandels selbst bei einer raschen Dekarbonisierung schwerwiegender sein könnten, als Menschen und Ökosysteme sie bisher erlebt haben. Bis Ende 2023 könnte der vom Menschen verursachte Klimawandel zu einer globalen Erwärmung von etwa 1,5 °C geführt haben. Selbst im ehrgeizigsten Dekarbonisierungsszenario werden die globalen durchschnittlichen Jahrestemperaturen „mit ziemlicher Sicherheit“ das Niveau von 2023 überschreiten, wobei die Wahrscheinlichkeit eines Anstiegs um 2 °C bei 50 % liegt.Selbst wenn bis Mitte des Jahrhunderts ein Netto-Null-CO2-Ausstoß erreicht wird, ist es sehr wahrscheinlich, dass die globalen Temperaturen in einzelnen Jahren um mindestens 0,5 °C über der Rekordanomalie von 2023 liegen werden.

Das zweite Papier macht Vorhersagen darüber, was zu erwarten ist, wenn die Kohlendioxid-Emissionen weiter steigen. Die Forschungsergebnisse offenbaren eine düstere Tatsache: Selbst wenn die radikalsten Maßnahmen zur Emissionsreduzierung ergriffen würden, werde es schwierig sein, den Trend der globalen Erwärmung vollständig umzukehren, und die Verschärfung extremer Klimaereignisse wie Hitzewellen, Starkregen und Dürren werde sich nicht völlig vermeiden lassen. Auch,Wenn sich die derzeitigen Kohlendioxid-Emissionen nicht ändern, wird es in den meisten Regionen der Welt bis 2040 höchstwahrscheinlich zu einer regionalen Erwärmung von über 2,0 °C kommen.Diese Prognose unterstreicht die Dringlichkeit des Problems der globalen Erwärmung und weist darauf hin, dass die Auswirkungen der globalen Erwärmung auch unter den optimistischsten Szenarien zur Emissionsreduzierung unvermeidbar bleiben und der anhaltende Anstieg der Kohlendioxidemissionen die Situation noch verschärfen wird.

Wie aus der nachstehenden Abbildung hervorgeht, ergab die Studie, dass alle wichtigen Regionen den Schwellenwert von 1,5 °C voraussichtlich bis 2040 oder früher erreichen werden. Die 2,0-°C-Schwelle wird in den meisten Regionen bis 2040 und in allen Regionen der Welt bis 2060 erreicht sein. Bis 2070 wird die 3,0-°C-Grenze in allen Regionen der Welt erreicht sein, mit einer Ausnahme.

Schwerpunkt auf nachhaltiger Entwicklung und geowissenschaftlicher Forschung

Erwähnenswert ist, dass eine der Schlüsselfiguren der Forschung dieses Artikels, Professor Noah Diffenbaugh, über einen prominenten Hintergrund in der Doerr School of Sustainability verfügt. Im Mai 2022 spendete der Milliardär und Investor John Doerr aus dem Silicon Valley der Stanford University 1,1 Milliarden US-Dollar zur Gründung der Doerr School of Sustainability. Als Investor in Technologiegiganten aus dem Silicon Valley ist Doerr auch ein überzeugter Befürworter der Entwicklung nachhaltiger Technologien. Er ermutigt Unternehmen, saubere Energietechnologien einzusetzen, um der globalen Erwärmung entgegenzuwirken, indem sie in emissionsfreie Technologien investieren und Reden halten.

In nur zwei Jahren seit ihrer Gründung hat die Dürr School of Sustainability eine Reihe von Forschungsergebnissen erzielt. Zusätzlich zu den beiden in diesem Artikel erörterten Erkenntnissen hat die Akademie das Partnerprogramm Mineral-X ins Leben gerufen, dessen Ziel darin besteht, mithilfe künstlicher Intelligenz wichtige Mineralvorkommen zu lokalisieren und widerstandsfähige Mineralversorgungsketten aufzubauen, um die Entwicklung sauberer erneuerbarer Energien zu unterstützen. Auch,Das College hat KI-Technologie auch für die Durchführung einer Reihe von Studien eingesetzt, darunter zur Überwachung der Kohlendioxid-Null-Emissionen, zu Veränderungen durch Hitzewellen und zur globalen Erwärmung sowie zu den Auswirkungen des Klimawandels auf menschliche Krankheiten.

Professor Noah Diffenbaugh, Autor zweier Studien in diesem Artikel, ist ein Wissenschaftler, der sich seit langem mit globalen Klimafragen beschäftigt. Vor dem Aufkommen der KI-Technologie veröffentlichte Professor Diffenbaugh am 22. April 2019 in den Proceedings of the National Academy of Sciences ein bemerkenswertes Forschungsergebnis, in dem er feststellte:„Eine Studie über die Auswirkungen der globalen Erwärmung auf die soziale Ungleichheit ergab, dass die meisten armen Länder im Vergleich zu vor der globalen Erwärmung ärmer geworden sind, während die meisten reichen Länder reicher geworden sind.“

Angesichts der revolutionären Auswirkungen der KI-Technologie hält Professor Diffenbaugh auch mit der Anwendung von KI im Bereich AI4S Schritt. In der Januarausgabe 2023 der Proceedings of the National Academy of Sciences stellte er fest, dass die globalen Temperaturen seit der vorindustriellen Zeit bzw. seit Mitte des 19. Jahrhunderts um 1,1 bis 1,2 Grad Celsius gestiegen seien und dass die KI voraussage, dass die Erde zwischen 2033 und 2035 die Erwärmungsschwelle von 1,5 Grad Celsius überschreiten werde. Daten der Vereinten Nationen zeigten jedoch, dass die globalen Temperaturen im Jahr 2023 1,5 Grad Celsius überschritten hätten und die Geschwindigkeit des globalen Temperaturanstiegs die Erwartungen übertroffen habe.

Neben der Arbeit von Professor Diffenbaugh hat sich auch der Einsatz von KI zur Vorhersage der globalen Erwärmung weit verbreitet. So hat beispielsweise im Juli dieses Jahres das vom Google Research-Team entwickelte künstliche Intelligenzmodell NeuralGCM die Wettervorhersage und Klimasimulation auf ein neues Niveau gehoben. NeuralGCM eignet sich gut für die langfristige Klimavorhersage. Die Ergebnisse seiner 40-jährigen Klimaprognosesimulation stehen im Einklang mit dem globalen Erwärmungstrend, der in den ECMWF-Daten dargestellt ist.

Angesichts der kontinuierlichen Weiterentwicklung der KI-Technologie haben wir Grund zu der Annahme, dass sich die Geschwindigkeit und Genauigkeit von Wettervorhersagen weiter verbessern wird.