Kunstmatige Intelligentie Voorspelt Snellere Stijging van de Wereldtemperatuur tot 3°C

Kunstmatige intelligentie voorspelt dat de meeste delen van de wereld veel sneller dan voorheen verwacht te maken zullen krijgen met stijgende temperaturen tot 3°C.

Drie vooraanstaande klimatologen hebben inzichten van 10 wereldwijde klimaatmodellen gecombineerd en, met behulp van kunstmatige intelligentie (AI), geconcludeerd dat regionale opwarmingdrempels waarschijnlijk sneller zullen worden bereikt dan eerder geschat.

De studie, gepubliceerd in Environmental Research Letters, projecteert dat de meeste landregio’s, zoals gedefinieerd door het Intergovernmental Panel on Climate Change (IPCC), waarschijnlijk de kritische drempel van 1,5°C tegen 2040 of eerder zullen overschrijden. Evenzo zijn verschillende regio’s op schema om de 3,0°C drempel tegen 2060 te overschrijden – eerder dan in eerdere studies werd voorzien.

Regio’s zoals Zuid-Azië, het Middellandse Zeegebied, Centraal-Europa en delen van Sub-Sahara Afrika zullen naar verwachting deze drempels sneller bereiken, wat de risico’s voor kwetsbare ecosystemen en gemeenschappen vergroot.

Het onderzoek, uitgevoerd door Elizabeth Barnes, professor aan de Colorado State University, Noah Diffenbaugh, professor aan de Stanford University, en Sonia Seneviratne, professor aan de ETH-Zurich, maakte gebruik van een geavanceerde AI-transferlearningaanpak. Deze methode integreert kennis uit meerdere klimaatmodellen en observaties om eerdere schattingen te verfijnen en meer nauwkeurige regionale voorspellingen te doen.

Belangrijkste bevindingen

Met behulp van AI-gebaseerde transfer learning analyseerden de onderzoekers gegevens van 10 verschillende klimaatmodellen om temperatuurstijgingen te voorspellen en ontdekten dat:

• 34 regio’s waarschijnlijk de 1,5°C opwarming tegen 2040 zullen overschrijden.
• 31 van deze 34 regio’s worden verwacht 2°C opwarming tegen 2040 te bereiken.
• 26 van deze 34 regio’s zullen naar verwachting 3°C opwarming tegen 2060 overschrijden.

Elizabeth Barnes zegt: “Ons onderzoek benadrukt het belang van het integreren van innovatieve AI-technieken zoals transfer learning in klimaatmodellen om regionale voorspellingen mogelijk te verbeteren en te verfijnen, en om bruikbare inzichten te bieden voor beleidsmakers, wetenschappers en gemeenschappen wereldwijd.”

Noah Diffenbaugh, mede-auteur en professor aan de Stanford University, voegde toe: “Het is belangrijk om niet alleen te focussen op wereldwijde temperatuurstijgingen, maar ook op specifieke veranderingen die plaatsvinden in lokale en regionale gebieden. Door te bepalen wanneer regionale opwarmingdrempels zullen worden bereikt, kunnen we duidelijker anticiperen op de timing van specifieke gevolgen voor de samenleving en ecosystemen.”

“De uitdaging is dat regionale klimaatverandering onzekerder kan zijn, zowel omdat het klimaatsysteem inherent meer lawaaiig is op kleinere ruimtelijke schalen als omdat processen in de atmosfeer, oceaan en landoppervlak onduidelijkheid scheppen over hoe een bepaalde regio precies zal reageren op wereldwijde opwarming.”