Från sjödränerande torka i Kalifornien till brobrytande översvämningar i Kina, extremt väder skapar förödelse. Att förbereda sig för extrema väder i ett föränderligt klimat är fortfarande en utmaning, dock, eftersom deras orsaker är komplexa och deras svar på den globala uppvärmningen ofta inte är väl förstådd. Nu, Stanford-forskare har utvecklat ett maskininlärningsverktyg för att identifiera förhållanden för extrema nederbördshändelser i Mellanvästern, som står för över hälften av alla stora amerikanska översvämningskatastrofer. Publicerad i Geofysiska forskningsbrev , deras tillvägagångssätt är ett av de första exemplen som använder AI för att analysera orsaker till långsiktiga förändringar i extrema händelser och kan hjälpa till att göra prognoser av sådana händelser mer exakta.

"Vi vet att översvämningarna har blivit värre, " sade studiens huvudförfattare Frances Davenport, en Ph.D. student i jordsystemvetenskap vid Stanford's School of Earth, Energi- och miljövetenskaper (Stanford Earth). "Vårt mål var att förstå varför extrem nederbörd ökar, vilket i sin tur kan leda till bättre förutsägelser om framtida översvämningar."

Bland andra effekter, Den globala uppvärmningen förväntas leda till kraftigare regn och snöfall genom att skapa en varmare atmosfär som kan hålla mer fukt. Forskare antar att klimatförändringar kan påverka nederbörden på andra sätt, för, som att ändra när och var stormar uppstår. Det har varit svårt att avslöja dessa effekter, dock, delvis för att globala klimatmodeller inte nödvändigtvis har den rumsliga upplösningen att modellera dessa regionala extrema händelser.

"Det här nya tillvägagångssättet för att utnyttja maskininlärningstekniker öppnar nya vägar i vår förståelse av de underliggande orsakerna till förändrade extremer, " sa studiens medförfattare Noah Diffenbaugh, Kara J Foundation professor vid School of Earth, Energi- och miljövetenskap. "Det kan göra det möjligt för samhällen och beslutsfattare att bättre förbereda sig för händelser med stor inverkan, sådana som är så extrema att de faller utanför vår historiska erfarenhet."

Davenport och Diffenbaugh fokuserade på den övre Mississippi-vattendelaren och den östra delen av Missouris vattendelare. Den mycket översvämningsbenägna regionen, som sträcker sig över delar av nio stater, har sett extrema nederbördsdagar och stora översvämningar har blivit vanligare under de senaste decennierna. Forskarna började med att använda allmänt tillgängliga klimatdata för att beräkna antalet extrema nederbördsdagar i regionen från 1981 till 2019. Sedan tränade de en maskininlärningsalgoritm designad för att analysera rutnätsdata, som bilder, att identifiera storskaliga atmosfäriska cirkulationsmönster förknippade med extrem nederbörd (över 95:e percentilen).

"Algorithmen vi använder identifierar korrekt över 90 procent av de extrema nederbördsdagarna, vilket är högre än prestandan för traditionella statistiska metoder som vi testade, sa Davenport.

Den tränade maskininlärningsalgoritmen avslöjade att flera faktorer är ansvariga för den senaste ökningen av extrem nederbörd i Mellanvästern. Under 2000-talet, de atmosfäriska tryckmönstren som leder till extrem nederbörd i Mellanvästern har blivit vanligare, ökar med ungefär en extra dag per år, även om forskarna noterar att förändringarna är mycket svagare längre tillbaka i tiden till 1980-talet.

Dock, forskarna fann att när dessa atmosfäriska tryckmönster inträffar, mängden nederbörd som resulterar har klart ökat. Som ett resultat, dagar med dessa förhållanden är mer benägna att ha extrem nederbörd nu än de gjorde tidigare. Davenport och Diffenbaugh fann också att ökningar av nederbördsintensiteten dessa dagar var förknippade med högre luftfuktighetsflöden från Mexikanska golfen in i Mellanvästern, ta med det vatten som behövs för kraftiga regn i regionen.

Forskarna hoppas kunna utöka sitt tillvägagångssätt för att titta på hur dessa olika faktorer kommer att påverka extrem nederbörd i framtiden. De föreställer sig också att omdistribuera verktyget för att fokusera på andra regioner och typer av extrema händelser, och analysera tydliga orsaker till extrem nederbörd, som väderfronter eller tropiska cykloner. Dessa applikationer kommer att hjälpa till att ytterligare analysera klimatförändringarnas kopplingar till extremt väder.

"Medan vi inledningsvis fokuserade på Mellanvästern, vårt tillvägagångssätt kan tillämpas på andra regioner och användas för att förstå förändringar i extrema händelser mer allmänt, ", sa Davenport. "Detta kommer att hjälpa samhället bättre förbereda sig för effekterna av klimatförändringarna."