الذكاء الاصطناعي ومشكلات العالم الصعبة · علوم الأرض والمناخ · arXiv · 2026-10-21

فصل المكونات القسرية والداخلية في تطور المناخ المرصود باستخدام التعلم العميق الزماني المكاني

العنوان الأصلي: Disentangling forced and internal components in observed climate evolution using spatiotemporal deep learning

إن إسناد تطوّر المناخ التاريخي المُلاحَظ إلى تغيّر ناتج عن عوامل قسرية خارجية مقابل تباين داخلي أمر أساسي لفهم تغيّر المناخ وتقييم نماذج المناخ، غير أن الاثنين متشابكان في الملاحظات. يطوّر المؤلفون شبكة LSTM تلافيفية (ConvLSTM) دُرِّبت وجرى تقييمها على محاكاة من مجموعات كبيرة من نماذج مناخ متعددة، وتتفوق باتساق على المقاربات القائمة على النماذج والإحصاء وتعلُّم الآلة القائمة. وعند تطبيقها على الملاحظات، تكشف عن نمط مكاني متطوّر للاستجابة القسرية ومساهمات كبيرة للتباين الداخلي في الاتجاهات متعددة العقود الأخيرة—مضخِّمة الانعكاس القسري لعدم تماثل درجات الحرارة بين نصفي حوض الأطلسي، ومسيطرة على الاحترار الشبيه بلا نينيا في المحيط الهادئ الاستوائي وتراجع الهطول فوق جنوب غرب أمريكا الشمالية منذ 1980، ومُعدِّلة تضخُّم القطب الشمالي حول قيمته القسرية شبه الثابتة البالغة ثلاثة أمثال—في حين تُظهر المقارنة مع الاستجابات القسرية المحاكاة في النماذج أنماطًا متسقة على نطاق واسع إلى جانب اختلافات مثل احترار محاكى أقوى في نصف الكرة الشمالي، وتكثيف أضعف للمرتفع الجوي شبه الاستوائي، وتراجعات أصغر في هطول الأمطار على اليابسة.

اقرأ المصدر الأصلي ↗

جميع العناصر →