Un desafío importante en los modelos actuales de predicción del clima es cómo representar con precisión las nubes y su calentamiento y humectación atmosférica. Este desafío está detrás de la amplia difusión de la predicción climática. Sin embargo, las predicciones precisas del calentamiento global en respuesta al aumento de las concentraciones de gases de efecto invernadero son esenciales para los responsables políticos (por ejemplo, el acuerdo climático de París).

En un artículo publicado recientemente en línea en Cartas de investigación geofísica , investigadores dirigidos por Pierre Gentine, profesor asociado de ingeniería ambiental y de la tierra en Columbia Engineering, demostrar que las técnicas de aprendizaje automático se pueden utilizar para abordar este problema y representar mejor las nubes en modelos climáticos de resolución aproximada (~ 100 km), con el potencial de reducir el rango de predicción.

"Esto podría ser un verdadero cambio de juego para la predicción climática, "dice Gentine, autor principal del artículo, y miembro del Earth Institute y del Data Science Institute. "Tenemos grandes incertidumbres en nuestra predicción de la respuesta del clima de la Tierra al aumento de las concentraciones de gases de efecto invernadero. La razón principal es la representación de las nubes y cómo responden a un cambio en esos gases. Nuestro estudio muestra que las técnicas de aprendizaje automático nos ayudan representar mejor las nubes y, por lo tanto, predecir mejor la respuesta del clima mundial y regional al aumento de las concentraciones de gases de efecto invernadero ".

Los investigadores utilizaron una configuración idealizada (un planeta acuático, o un planeta con continentes) como prueba de concepto para su novedoso enfoque de parametrización convectiva basada en el aprendizaje automático. Entrenaron una red neuronal profunda para aprender de una simulación que representa explícitamente las nubes. La representación de las nubes por aprendizaje automático, al que llamaron Cloud Brain (CBRAIN), podría predecir hábilmente muchos de los calentamientos de las nubes, mojadura, y características radiativas que son esenciales para la simulación climática.

Notas gentinas, "Nuestro enfoque puede abrir una nueva posibilidad para un futuro de representación de modelos en modelos climáticos, que se basan en datos y se construyen de arriba hacia abajo, ' es decir, aprendiendo las características sobresalientes de los procesos que estamos tratando de representar ".

Los investigadores también señalan que, debido a que la sensibilidad de la temperatura global al CO2 está fuertemente relacionada con la representación de las nubes, CBRAIN también puede mejorar las estimaciones de la temperatura futura. Lo han probado en modelos climáticos totalmente acoplados y han demostrado resultados muy prometedores. mostrando que esto podría usarse para predecir la respuesta a los gases de efecto invernadero.