Le Réchauffement Climatique Est Difficile À Inverser. Une Équipe De Stanford Utilise L'ia Pour Prédire Les Changements De Température Les Plus Élevés, Avec Une Probabilité Record De 90%

Ces dernières années, dans un contexte de réchauffement climatique continu, nous avons été témoins d’une série d’événements climatiques extrêmes rares, qui semblent annoncer silencieusement les graves défis auxquels notre époque est confrontée. L'année 2024, qui touche à sa fin, nous a également présenté des scènes étonnantes : le désert du Sahara a subi les pires inondations depuis des décennies, « l'ouragan du siècle » aux États-Unis est devenu l'ouragan qui a fait le plus de victimes en près de 20 ans, de fortes pluies en Europe ont provoqué les pires inondations depuis des décennies et l'Amérique latine a subi une sécheresse historique.

Il y a une phrase célèbre dans La Terre errante : « Au début, personne ne se souciait de cette catastrophe. Ce n'était qu'un incendie, une sécheresse, l'extinction d'une espèce, la disparition d'une ville. Jusqu'à ce que cette catastrophe devienne un sujet de conversation commun. » Avec le réchauffement continu du climat mondial et la fréquence des phénomènes météorologiques extrêmes, une question incontournable se pose à nous : quelles sont les raisons de tous ces problèmes ? Le consensus général pointe vers les activités industrielles humaines, en particulier l’augmentation des émissions de carbone causée par les activités humaines depuis la révolution industrielle, qui est considérée comme le principal facteur du réchauffement climatique. Mais quelle est l’ampleur de l’impact spécifique de l’industrialisation sur le réchauffement climatique ?Si les tendances actuelles se poursuivent, comment la température de la Terre continuera-t-elle à changer ? Ces problèmes sont progressivement révélés avec les progrès continus de la technologie de l’intelligence artificielle.

Récemment, une équipe de recherche conjointe de l'Université de Stanford, de l'Université d'État du Colorado et de l'ETH Zurich a publié deux articles dans les revues Geophysical Research Letters et Environmental Research Letters, respectivement. Ils ont formé un système avancé de réseau neuronal convolutif d'intelligence artificielle et ont utilisé un grand nombre de modèles climatiques pour simuler les données de température et de gaz à effet de serre, et ont abouti à une série de prédictions :Même si nous parvenons à réduire rapidement les émissions, la température moyenne mondiale pourrait être supérieure de 0,5 °C à celle de l’année la plus chaude à ce jour, 2023, avec une probabilité de 90%. Plus inquiétant encore, le modèle prédit également que si les émissions de carbone continuent d’augmenter, d’ici 2060, les températures dans la plupart des régions du monde devraient être supérieures de 1,5 degré Celsius à celles de 2023.

Premier article :
Titre de l'article : Prévisions basées sur les données du réchauffement climatique maximal dans le cadre d'une décarbonisation rapide
Lien vers l'article :

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

Deuxième article :
Titre de la thèse : Combiner les modèles climatiques et les observations pour prédire le temps restant avant que les seuils de réchauffement régional soient atteints
Lien vers l'article :

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

Le projet open source « awesome-ai4s » rassemble plus de 100 interprétations d'articles AI4S et fournit des ensembles de données et des outils massifs :

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

Sur la base de différents scénarios de réchauffement de l'ensemble de données CMIP6, nous formons divers modèles CNN pour des tâches spécifiques.

Bien que les deux articles soient basés sur plusieurs modèles climatiques mondiaux (GCM) et modèles de réseaux neuronaux convolutifs (CNN) de CMIP6 et utilisent des ensembles de données similaires, ils diffèrent dans le choix des ensembles de données et l'architecture des modèles CNN en fonction de différents objectifs de recherche.

L’objectif du premier article est de prédire le pic du réchauffement climatique si les objectifs de décarbonisation sont atteints. À cette fin, les chercheurs ont formé plusieurs modèles CNN et sélectionné le modèle optimal. Les résultats suggèrent que pendant les périodes de décarbonisation rapide, le risque d’une année chaude mondiale conduisant à des conditions climatiques locales extrêmes est considérable.

Le deuxième article vise à prédire le réchauffement climatique dans différentes parties du monde au cours du 21e siècle, compte tenu des tendances actuelles en matière d’émissions. Compte tenu de la complexité de la situation réelle, les chercheurs ont sélectionné des modèles de circulation générale dans différentes conditions et ont adopté une méthode d’apprentissage par transfert pour combiner une série de prévisions de modèles climatiques avec des données d’observation. Cette approche pourrait éventuellement permettre des prévisions plus précises des changements de température futurs en fonction des conditions climatiques actuelles.

Plus précisément, en termes de construction d’ensembles de donnéesAfin de former CNN à identifier plusieurs voies de décarbonisation, dans le premier article, les chercheurs ont rassemblé des données provenant de plusieurs modèles climatiques mondiaux (GCM) du projet international d'intercomparaison de modèles couplés (CMIP6) dans le cadre de scénarios de décarbonisation, tels que SSP1-1.9, SSP1-2.6 et SSP2-4.5. Pour garantir une capture précise du climat anormal, l’équipe de recherche a inclus au moins 5 versions d’implémentation de GCM pour équilibrer l’impact des différents GCM.

Le deuxième article se concentre sur une simulation plus précise des anomalies de température moyenne annuelle, en sélectionnant des GCM avec au moins 10 versions d'implémentation dans CMIP6 dans les scénarios SSP3-7.0. L'équipe de recherche en a sélectionné 7 pour la formation du CNN, 2 pour la validation et 1 pour les tests. Ils ont également réorganisé les anomalies de température moyenne annuelle sur une grille de 2,5° × 2,5° et calculé l’anomalie pour chaque point de grille par rapport à la moyenne climatologique de 1951-1980.

Les deux articles montrent également des différences significatives dans la structure du CNN et dans les méthodes de formation.Le premier article traite les cartes annuelles moyennes de température proche de la surface et les émissions cumulatives résiduelles de dioxyde de carbone via les CNN, prédit un réchauffement résiduel distribué par SHASH pour chaque entrée et entraîne plus de 15 CNN avec différentes graines aléatoires, en sélectionnant les meilleures pour prédire le réchauffement maximal jusqu'en 2100.

En revanche, le deuxième article entraîne un CNN indépendamment pour chaque région. Les chercheurs ont appliqué l’apprentissage par transfert sur les données d’observation de Berkeley pour affiner un CNN formé sur les données du modèle climatique (CNN de base) afin de produire un nouveau CNN (CNN transféré) plus cohérent avec les données d’observation. Une fois le CNN de base et le CNN de transfert formés avec succès, l'équipe de recherche a fait des prédictions pour la carte mondiale sur la base des observations de Berkeley et a saisi l'anomalie de température moyenne annuelle de Berkeley de 2023 et le seuil souhaité dans le CNN.

Le monde est confronté au défi du réchauffement climatique, et une décarbonisation rapide ne peut pas inverser la tendance au réchauffement.

En termes de détails de recherche, le premier article a d’abord vérifié l’exactitude du cadre de prédiction dans différentes périodes historiques. Les chercheurs ont formé un CNN sur des données de simulation historiques CMIP6 et les ont comparées avec les données de la NASA et de Berkeley Earth. Comme le montrent les figures EF, les séries chronologiques de réchauffement maximal prédites par le CNN sont très robustes par rapport à l'année d'initialisation, et l'incertitude des résultats de prédiction du CNN basés sur des données d'observation est bien inférieure à celle du CNN basé sur des données de simulation GCM.

Les projections suggèrent en outre que même avec une décarbonisation rapide, les impacts du changement climatique pourraient être plus graves que ceux que les humains et les écosystèmes ont connus jusqu’à présent. D’ici la fin de 2023, le changement climatique causé par les activités humaines pourrait avoir provoqué un réchauffement climatique d’environ 1,5°C. Même dans le scénario de décarbonisation le plus ambitieux, les températures annuelles moyennes mondiales dépasseront « presque certainement » les niveaux de 2023, avec une probabilité de 50 % d’augmentation de 2 °C.Même si les émissions nettes de CO2 sont atteintes à zéro d’ici le milieu du siècle, il est très probable que certaines années connaîtront des températures mondiales supérieures d’au moins 0,5 °C à l’anomalie record de 2023.

Le deuxième article fait des prédictions sur ce à quoi il faut s’attendre si les émissions de carbone continuent d’augmenter. Les résultats de la recherche révèlent un constat sombre : même si les mesures de réduction des émissions les plus radicales sont prises, la tendance au réchauffement climatique sera difficile à inverser complètement, et l’intensification des événements climatiques extrêmes tels que les vagues de chaleur, les fortes pluies et la sécheresse ne pourra être complètement évitée. aussi,Si les niveaux actuels d’émissions de carbone ne changent pas, la plupart des régions du monde seront très probablement confrontées à un réchauffement régional dépassant 2,0 °C d’ici 2040.Ces prévisions soulignent l’urgence du problème du réchauffement climatique, indiquant que même dans les scénarios de réduction des émissions les plus optimistes, l’impact du réchauffement climatique reste inévitable et que l’augmentation continue des émissions de carbone aggravera la situation.

Comme le montre la figure ci-dessous, l’étude a révélé que pour le seuil de 1,5 °C, toutes les principales régions projetées l’atteindront d’ici 2040 ou avant. Le seuil de 2,0°C sera atteint d’ici 2040 pour la plupart des régions et d’ici 2060 pour toutes les régions du monde. Le seuil de 3,0 °C sera atteint d’ici 2070 dans toutes les régions du monde sauf une.

Mettre l'accent sur le développement durable et la recherche en sciences de la Terre

Il convient de mentionner que l’une des figures clés de l’étude de cet article, le professeur Noah Diffenbaugh, a une formation éminente à la Doerr School of Sustainability. En mai 2022, l'investisseur milliardaire de la Silicon Valley John Doerr a fait don de 1,1 milliard de dollars à l'Université de Stanford pour créer la Doerr School of Sustainability. En tant qu’investisseur dans les géants technologiques de la Silicon Valley, Doerr est également un fervent partisan du développement de technologies durables. Il encourage les entreprises à adopter des technologies d’énergie propre pour lutter contre le réchauffement climatique en investissant dans des technologies à zéro émission et en prononçant des discours.

En seulement deux ans depuis sa création, la Dürr School of Sustainability a obtenu une série de résultats de recherche. En plus des deux résultats évoqués dans cet article, l'académie a lancé le programme d'affiliation Mineral-X, qui vise à utiliser la technologie de l'intelligence artificielle pour localiser les gisements minéraux critiques et construire des chaînes d'approvisionnement en minéraux résilientes pour soutenir le développement d'énergies renouvelables propres. aussi,Le collège a également utilisé la technologie de l’IA pour mener un certain nombre d’études, notamment sur la surveillance des émissions nulles de dioxyde de carbone, les changements liés aux vagues de chaleur et au réchauffement climatique, ainsi que l’impact du changement climatique sur les maladies humaines.

Le professeur Noah Diffenbaugh, auteur de deux études présentées dans cet article, est un scientifique qui s’intéresse depuis longtemps aux problèmes climatiques mondiaux. Avant l'essor de la technologie de l'IA, le professeur Diffenbaugh a publié un résultat de recherche frappant dans les Actes de l'Académie nationale des sciences le 22 avril 2019, déclarant :« Dans une étude sur l’impact du réchauffement climatique sur les inégalités sociales, il a été constaté que la plupart des pays pauvres sont devenus plus pauvres, tandis que la plupart des pays riches sont devenus plus riches, par rapport à la période précédant le réchauffement climatique. »

Avec l’impact révolutionnaire de la technologie de l’IA, le professeur Diffenbaugh suit également l’application de l’IA dans le domaine de l’IA4S. Dans le numéro de janvier 2023 des Proceedings of the National Academy of Sciences, il a noté que les températures mondiales ont augmenté de 1,1 ou 1,2 degré Celsius depuis l'époque préindustrielle, ou le milieu du XIXe siècle, et que l'IA prédit que la Terre dépassera le seuil de réchauffement de 1,5 degré Celsius entre 2033 et 2035. Cependant, les données des Nations Unies montrent que les températures mondiales en 2023 ont dépassé 1,5 degré Celsius et que le taux d'augmentation de la température mondiale a dépassé les attentes.

Outre les travaux du professeur Diffenbaugh, l’utilisation de l’IA pour prédire le réchauffement climatique s’est généralisée. Par exemple, en juillet de cette année, le modèle d’intelligence artificielle NeuralGCM développé par l’équipe de recherche de Google a porté les prévisions météorologiques et la simulation climatique à un nouveau niveau. NeuralGCM fonctionne bien dans la prévision climatique à long terme. Les résultats de sa simulation de prévision climatique sur 40 ans sont cohérents avec la tendance au réchauffement climatique montrée par les données du CEPMMT.

Avec les progrès continus de la technologie de l’IA, nous avons des raisons de croire que la vitesse et la précision des prévisions météorologiques seront encore accélérées.