AIが解く世界の難問 · 地球・気候科学 · arXiv · 2026-10-21
時空間ディープラーニングによる観測された気候変化の強制成分と内部変動成分の分離
原題: Disentangling forced and internal components in observed climate evolution using spatiotemporal deep learning
観測された歴史的な気候変化を外部強制の応答と内部変動に切り分けることは気候変動理解とモデル評価の基盤だが、両者が観測の中で絡み合うため難しい。複数の気候モデルの大アンサンブル実験で学習・評価したConvLSTMを開発したところ、既存のモデルベース・統計・機械学習の手法を一貫して上回った。観測への適用では、近年の数十年規模トレンドへの内部変動の大きな寄与が示され、大西洋の南北温度非対称性の強制による逆転の増幅、1980年以降の赤道太平洋のラニーニャ型温暖化と北米南西部の降水減少への支配的な寄与、ほぼ一定の約3倍という強制値のまわりでの北極増幅の変調が明らかになり、推定された強制応答とモデル実験の比較からは、モデルが北半球の温暖化を強く、亜熱帯高気圧の強化と陸上降水の減少を弱く再現する隔たりも見出された。