AI এবং বিশ্বের কঠিন সমস্যাগুলো · পৃথিবী ও জলবায়ু বিজ্ঞান · arXiv · 2026-10-21

স্প্যাশিওটেম্পোরাল ডিপ লার্নিং ব্যবহার করে পর্যবেক্ষিত জলবায়ু বিবর্তনে বাহ্যিক চাপ-সৃষ্ট ও অভ্যন্তরীণ উপাদান পৃথক করা

মূল শিরোনাম: Disentangling forced and internal components in observed climate evolution using spatiotemporal deep learning

পর্যবেক্ষিত ঐতিহাসিক জলবায়ু বিবর্তনকে বহিঃস্থ-প্ররোচিত পরিবর্তন নাকি অভ্যন্তরীণ অস্থিরতার ফল হিসেবে চিহ্নিত করা জলবায়ু পরিবর্তন বোঝা ও জলবায়ু মডেল মূল্যায়নের জন্য মৌলিক, অথচ পর্যবেক্ষণে এই দুটি পরস্পরের সঙ্গে জড়িয়ে আছে। গবেষকরা একটি কনভলিউশনাল LSTM (ConvLSTM) তৈরি করেছেন, যা একাধিক জলবায়ু মডেলের বৃহৎ-এনসেম্বল সিমুলেশনে প্রশিক্ষিত ও মূল্যায়িত এবং বিদ্যমান মডেল-ভিত্তিক, পরিসংখ্যানগত ও মেশিন-লার্নিং পদ্ধতিগুলোর চেয়ে ধারাবাহিকভাবে উন্নত ফল দেয়। পর্যবেক্ষণে প্রয়োগ করা হলে এটি প্ররোচিত প্রতিক্রিয়ার বিবর্তনশীল স্থানিক নিদর্শন এবং সাম্প্রতিক বহুদশকীয় প্রবণতায় অভ্যন্তরীণ অস্থিরতার উল্লেখযোগ্য অবদান উন্মোচন করে—আটলান্টিকের আন্তঃগোলার্ধীয় তাপমাত্রা অসমতার প্ররোচিত বিপরীতমুখী হওয়াকে তীব্র করে, 1980-এর পর থেকে লা নিনার অনুরূপ বিষুবরেখা-অন্তর্বর্তী প্রশান্ত মহাসাগরীয় উষ্ণায়ন ও উত্তর আমেরিকার দক্ষিণ-পশ্চিমাঞ্চলে বৃষ্টিপাত হ্রাসকে প্রধানভাবে নিয়ন্ত্রণ করে এবং প্রায় স্থির তিনগুণ প্ররোচিত মানের আশপাশে আর্কটিক পরিবর্ধনকে মডুলেট করে—তবে মডেল-সিমুলেটেড প্ররোচিত প্রতিক্রিয়ার সঙ্গে তুলনায় মোটামুটি সামঞ্জস্যপূর্ণ নিদর্শনের পাশাপাশি কিছু অমিলও দেখা যায়, যেমন সিমুলেশনে উত্তর গোলার্ধের উষ্ণায়ন বেশি, উপক্রান্তীয় উচ্চচাপ-তীব্রায়ন দুর্বলতর এবং স্থলভাগের বৃষ্টিপাত হ্রাস কম।

মূল লেখা পড়ুন ↗

সব আইটেম →