AI और दुनिया की कठिन समस्याएँ · पृथ्वी और जलवायु विज्ञान · arXiv · 2026-10-21

स्पेशियोटेम्पोरल डीप लर्निंग का उपयोग करके अवलोकित जलवायु विकास में फ़ोर्स्ड और आंतरिक घटकों को अलग करना

मूल शीर्षक: Disentangling forced and internal components in observed climate evolution using spatiotemporal deep learning

प्रेक्षित ऐतिहासिक जलवायु विकास में बाह्य रूप से प्रेरित परिवर्तन बनाम आंतरिक परिवर्तनशीलता का योगदान निर्धारित करना जलवायु परिवर्तन को समझने और जलवायु मॉडलों का मूल्यांकन करने के लिए मौलिक है, फिर भी अवलोकनों में ये दोनों आपस में गुँथे रहते हैं। लेखक एक कन्वोल्यूशनल LSTM (ConvLSTM) विकसित करते हैं, जिसे कई जलवायु मॉडलों के बड़े-एन्सेम्बल सिमुलेशन पर प्रशिक्षित और मूल्यांकित किया गया और जो मौजूदा मॉडल-आधारित, सांख्यिकीय और मशीन-लर्निंग दृष्टिकोणों से लगातार बेहतर प्रदर्शन करता है। अवलोकनों पर लागू करने पर, यह प्रेरित प्रतिक्रिया के विकसित होते स्थानिक पैटर्न और हाल के बहु-दशकीय रुझानों में आंतरिक परिवर्तनशीलता के पर्याप्त योगदानों को प्रकट करता है—अटलांटिक की अंतर-गोलार्धीय तापमान विषमता के प्रेरित उत्क्रमण को प्रवर्धित करते हुए, 1980 से ला नीना जैसे विषुवतीय प्रशांत तापन और उत्तरी अमेरिका के दक्षिण-पश्चिम में वर्षा की गिरावट पर हावी रहते हुए, और आर्कटिक प्रवर्धन को उसके लगभग स्थिर तीन-गुना प्रेरित मूल्य के इर्द-गिर्द संशोधित करते हुए—जबकि मॉडल-अनुकरित प्रेरित प्रतिक्रियाओं के साथ तुलना व्यापक रूप से सुसंगत पैटर्न दिखाती है, साथ ही विसंगतियाँ भी, जैसे अधिक प्रबल अनुकरित उत्तरी गोलार्ध तापन, कमजोर उपोष्णकटिबंधीय उच्च दाब तीव्रीकरण, और स्थलीय वर्षा में छोटी गिरावट।

मूल लेख पढ़ें ↗

सभी आइटम →