一项新的研究说，旨在实现世界上最雄心勃勃的气候目标--比工业化前水平高出1.5摄氏度--的排放目标事实上可能需要避免更极端的2摄氏度的气候变化。这项研究发表在1月30日的《美国国家科学院院刊》上(PNAS)，由科罗拉多州立大学大气科学系教授Elizabeth Barnes共同撰写。她与斯坦福大学的Noah Diffenbaugh的分析提供了新的证据，表明全球变暖有望在2030年代早期达到比工业化前平均水平高1.5摄氏度（2.7华氏度），无论温室气体排放量在未来十年内如何上升或下降。
新的 "阈值时间 "估计来自于一项分析，该分析采用了人工智能，利用世界各地最近的温度观测数据来预测气候变化。越过1.5和2摄氏度的门槛将意味着无法实现2015年《巴黎协定》的目标，在该协定中，各国承诺将全球变暖控制在比工业化前水平 "远远低于 "2摄氏度，同时追求将变暖限制在1.5摄氏度的更宏伟目标。以前的评估使用了全球气候模型来模拟未来的升温轨迹；使用统计技术来推断最近的升温速度；以及使用碳预算来计算排放量需要下降多快才能保持在2015年巴黎协定的目标之下。对于他们的新估计，巴恩斯和迪芬鲍尔使用了一种被称为神经网络的人工智能，他们在广泛使用的全球气候模型模拟输出的大量档案中进行了训练。巴恩斯在CSU的研究旨在为地球科学、气候干预和大规模大气动力学的可解释人工智能。在这项最新的研究中，她能够 "发挥创造力"，扩大她对如何制作一个神经网络任务的思考，以解决关键的气候科学问题。一旦神经网络从这些模拟中学习了模式，研究人员要求人工智能预测在给定的实际年度温度异常图作为输入时将达到的温度阈值的年数--也就是说，观察一个地方在某年与该地方在1951-1980年参考期间的平均温度相比有多高或多冷。
为了测试准确性，研究人员要求该模型根据1980年至2021年每年的温度异常数据来预测当前的全球变暖水平，即1.1摄氏度。人工智能正确地预测了当前的变暖水平将在2022年达到，最可能的范围是2017年至2027年。该模型还正确地预测了近几十年来发生的直到1.1摄氏度的年数的下降速度。
"例如，我们没有问'在某种情况下我们什么时候会达到2摄氏度'，而是问网络'在某种气候情况下我们还有多少年才能达到2摄氏度？巴恩斯说。"以这种微妙的方式改变网络的任务是我们方法的根本，使我们能够更好地验证结果。"
"这确实是一个'酸性测试'，看看人工智能是否能预测我们知道已经发生的时间，"迪芬鲍尔说。"在我们看到这个结果之前，我们非常怀疑这种方法是否可行。人工智能具有如此高的准确性，这增加了我对其预测未来变暖的信心。"
1.https://www.pnas.org/doi/epdf/10.1073/pnas.22071831202.https://engr.source.colostate.edu/earth-likely-to-cross-critical-climate-thresholds-even-if-emissions-decline/翻译：DeepL
声明：欢迎转载、转发本号原创内容，可留言区留言或者后台联系小编(微信：gavin7675)进行授权。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及作品内容、版权和其他问题，请后台联系小编处理。
欢迎加入气象学家交流群
请备注：姓名/昵称-单位/学校-研究方向
