Nieuw onderzoek: deep learning ontdekt patronen van atmosferische blokkering in verleden en toekomst

AmsterdamAtmosferische blokkade-evenementen zijn belangrijke weerspatronen waarbij hogedruksystemen langdurig op dezelfde plek blijven, waardoor de straalstroom en stormroutes worden onderbroken. Deze gebeurtenissen hebben geleid tot extreem weer, zoals hevige overstromingen en hittegolven, vooral in Europa in 2023. Recent onderzoek door Christina Karamperidou van de Universiteit van Hawaï in Manoa maakt gebruik van deep learning om deze gebeurtenissen over de afgelopen duizend jaar te bestuderen en voorspellingen te doen voor de toekomst.

Karamperidou's onderzoek maakt gebruik van een diep leermodel dat is getraind op historische gegevens en werkt met uitgebreide klimaatsimulaties. Het model kan bepalen hoe vaak atmosferische blokkade-evenementen voorkwamen door temperatuurafwijkingen van de afgelopen 1.000 jaar te analyseren. Deze methode maakt gebruik van temperatuurgegevens uit boomringrecords om inzicht te geven in historische weerpatronen.

Belangrijke onderdelen van dit onderzoek zijn onder andere:

• Het ontwikkelen van een diepgaand leermodel om blokkadefrequenties te identificeren uit historische temperatuurgegevens.
• Het koppelen van paleoklimaatgegevens aan paleoweersignalen door middel van machinaal leren.
• Het bieden van inzichten in klimaatverschijnselen en het verbeteren van de voorspellingen van klimaatmodellen.

Het begrijpen van de frequentie en intensiteit van atmosferische blokkades is van groot belang, zeker nu de klimaatverandering voortschrijdt. Deze patronen beïnvloeden zowel lokale als wereldwijde weersomstandigheden en hebben impact op gebieden zoals Hawaï, de Pacifische Noordwestkust en Europa. Gezien de mogelijke effecten in verband met gebeurtenissen zoals El Niño en de temperaturen van het tropische Pacifische zeeoppervlak, zijn nauwkeurige reconstructies en voorspellingen essentieel.

Lees ook:

Vandaag · 13:13

Duurzaamheidsrevolutie: groene kracht uit biokristallen ontdekt in de wetenschap van de toekomst

Karamperidou's onderzoek strekt zich uit verder dan alleen het bestuderen van geschiedenis. Door de frequentie van blokkade-episodes te koppelen aan veranderingen in het tropische klimaat van de Stille Oceaan, verbetert haar model de nauwkeurigheid van klimaatmodellen. Deze werkwijze helpt onzekerheden in toekomstige klimaatvoorspellingen te verminderen en levert een belangrijke bijdrage aan het wetenschappelijk vermogen om klimaateffecten nauwkeuriger te voorspellen.

Deze studie onderstreept het belang van open onderzoeksmethoden. Studenten van UH Manoa hebben meegewerkt aan de ontwikkeling van een webinterface om het model en de resultaten te verkennen. Dit systeem wordt gehost op Jetstream-2 en benadrukt de noodzaak van heldere en toegankelijke klimaatonderzoeken, vooral nu AI en machine learning een grotere rol spelen in wetenschappelijke studies.

In de toekomst zijn er plannen om het model te verbeteren en het mogelijk voor meer dan alleen atmosferische blokkade-evenementen te gebruiken. Dit kan inhouden dat andere klimaatgebeurtenissen die grote impact op de samenleving en economie hebben, worden bestudeerd, waardoor de kennis uit deep learning in de klimaatwetenschap wordt uitgebreid.