近日发表在Communications earth & environment上的一篇创新性研究《A machine learning approach to rapidly project climate responses under a multitude of net-zero emission pathways》探索了运用机器学习技术QuickClim预测不同净零排放路径下气候变化的可能性。简单来说，它探讨了在我们减少温室气体排放，尤其是二氧化碳排放到大气中的情况下，全球气候会发生哪些变化。
该研究显示，气候变异性和变化不仅与世纪末的碳浓度相关，而且强烈依赖于平均脱碳速率。
一：引言
面对全球环境挑战，人为碳排放被认为是全球变暖和气候可变性的主要原因，全球社会正努力向低碳净零排放经济过渡，以缓解这些气候相关的影响。
在这个背景下，对于因走向净零排放而产生的过渡和物理气候风险的评估变得至关重要。为了有效地进行这种评估，出现了新的研究方法，即使用机器学习技术预测不同浓度路径下的气候响应。
图1 QuickClim 机器学习方法，为任意 CO2e 浓度路径生成空间和时间变化的气候数据。
二：数据及其方法
文章使用了CMIP5气候模型预测数据，包括了不同的代表性浓度路径（RCP）情景。分析的主要气候变量包括地表气温、纬向风、经向风、相对湿度、海平面压力和降水通量。
QuickClim的方法论分为四个阶段，确保了它能够为任意指定的浓度路径提供精确且全面的气候变化预测和重建：
1模型简化
2训练
3投影
4重建和验证
三：结果
3.1 平均脱碳率的敏感性（减少碳排放对全球气候会有何影响）
研究探讨了不同脱碳率对气候的影响，重建了100种不同脱碳率的气候响应路径，并分析了这些路径对地表气温和湿球温度等气候变量的影响。发现脱碳过程的长度直接影响了世纪末的CO2e浓度。
图2 不同脱碳率对十年尺度地表气温（SAT）统计特性的影响
图2提供了关于不同脱碳速率如何影响地表气温（SAT）十年统计特性的清晰视角。该图显示了在100种不同的净零排放路径下，随着脱碳期的延长，世纪末的CO2e浓度如何增加，以及这些不同路径如何影响SAT的十年时间平均值、标准差、偏度和峰度的全球平均和模型集合平均
3.2 特定轨迹的敏感性（选择不同的减排路径会如何影响气候）
研究还评估了即使在固定的平均脱碳率和世纪末CO2e浓度下，不同的排放轨迹如何影响气候变化。分析了100种不同轨迹的气候响应，发现即使在相同的终点浓度下，不同的轨迹也会对气候变量（如地表气温的平均值、标准差、偏度和峰度）产生显著的不同影响。
图3 以2090年为中心的湿球温度（WBGT）的十年统计特性
图3展示了在各种浓度路径下，时间平均WBGT的5%分位数和95%与5%分位数之间差值的空间分布。这表明在不同的排放路径下，气候变化的地理分布和幅度存在显著差异。
图4 QuickClim 提供针对排放轨迹的气候数据集，可进行一致的过渡和物理风险评估。
四：结论及思考
该研究通过QuickClim模型提供了一个快速、经济有效的方式来评估广泛的碳浓度路径下的物理气候响应，这是传统气候模型无法实现的。有以下结论:
1.气候变化与脱碳率: 平均脱碳率对气候变化有显著影响。较慢的平均脱碳率导致更高的世纪末CO2e浓度，进而导致更高的气温。
2.特定轨迹的敏感性: 对于固定的平均脱碳率和世纪末CO2e浓度，不同的浓度路径对气候变化的影响是敏感的。即使在净零排放类型的情景中，特定的轨迹也对气候变异性、对称性和极端性有量化的影响。
3.净零排放路径的影响: 研究展示了净零排放类型情景下不同轨迹对气候的影响，发现即使在温和的增温情况下，特定轨迹对平均气候变化响应也有可测量的影响。
综上所述，这篇文章通过创新的机器学习方法提供了对未来气候变化的深入洞见，为理解和应对气候变化带来了新的视角和工具。
注意：由于微信修改了推送规则，请大家将ClimAI 智慧气象加为星标（公众号主页 → 右上角「•••」→「设为星标★」
），或每次看完后点击页面下端的“在看”，这样可以第一时间收到我们的推文！！！
文章来源：
https://www.nature.com/articles/s43247-023-01011-0#Sec7
