14.11.2024
Die Analyse vergangener Klimaextreme wird dadurch erschwert, dass vorhandene Datensätze beobachteter Extreme in der Regel räumliche Lücken und Ungenauigkeiten aufgrund unzureichender räumlicher Extrapolation aufweisen. Dieses Problem ergibt sich aus der Verwendung von statistischen Methoden, die aufgrund der lückenhaften Messdaten, der insbesondere vor der Mitte des 20. Jahrhunderts vorherrschte, eingesetzt wurden.
Die Studie zeigt, wie KI spärliche Beobachtungsdaten europäischer Klimaextreme (warme und kalte Tage bzw. Nächte) effektiv rekonstruieren und räumliche Trends über den Zeitraum von 1901 bis 2018 aufdecken kann, die von den meisten Reanalyse-Datensätzen nicht abgedeckt werden. Die Analyse zeigt, dass die KI-Methode etablierte statistische Methoden wie Kriging übertrifft. Für die Rekonstruktion wurde das Modell mit Daten von Erdsystemmodellen, z. B. großen Datenmengen aus dem Coupled Model Intercomparison Project CMIP6 trainiert. Die Berechnungen wurden auf dem GPU-Teil des HPC-Systems „Levante“ des DKRZ durchgeführt.
Der KI-rekonstruierte Datensatz liefert quantitative Beweise für heiße und kalte Extreme im frühen 20. Jahrhundert und wirft ein neues Licht auf die Entwicklung dieser Extreme. Der Datensatz wird der Klimagemeinschaft zur Verfügung gestellt, um Klimaextreme besser zu charakterisieren und das Risikomanagement und die Politikentwicklung zu verbessern.
Dokumentiertes Hitzewellenereignis vom September 1911: Die Abbildung zeigt den Prozentsatz der Tage, an denen die Tageshöchsttemperatur > 90. Perzentil (TX90p) ist. Links: Original HadEX-CAM-Daten mit räumlichen Lücken. Rechts: Rekonstruktion mithilfe der KI-Methode CRAI.
Originalpublikation:
Étienne Plésiat, Robert J. H. Dunn, Markus G. Donat, Christopher Kadow (2024): Artificial intelligence reveals past climate extremes by reconstructing historical records, Nature Communications, https://doi.org/10.1038/s41467-024-53464-2