机器学习助力气候变化研究新突破

最新推荐文章于 2025-12-19 14:42:59 发布

原创最新推荐文章于 2025-12-19 14:42:59 发布 · 611 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #人工智能 #气候变化 #数据分析 #程序那些事 #AIGC #1024程序员节

云平台与系统

NeurIPS竞赛展示机器学习技术如何帮助研究人员理解气候变化

某中心近期在2019年NeurIPS（神经信息处理系统）会议上赞助了"气候因果关系"（C4C）竞赛。该竞赛专注于因果发现和开发理解气候数据的新方法。

热浪。暴雨。沿海洪水。干旱。灾难性火灾。如今科学界普遍认为，这些令人不安的天气模式及其导致的自然灾害可归因于地球气候的根本变化。

确定气候变化与特定天气事件之间的具体联系仍然具有挑战性。但寻找这些联系变得越来越重要。毕竟，热浪、暴雨、森林火灾等事件正以非常真实的方式影响着我们的生活。

为了找到这些联系，研究人员主要依赖耗时且成本高昂的计算机模拟来更好地理解气候变化的大局。但随着大规模气候数据的不断增长，以及云平台强大的计算能力，科学现在有了新的强大方法来使用机器学习和因果推理改进天气预报，并预测极端事件。这将反过来推动更深入理解哪些是正常天气变化所致，哪些是由更大规模变化引起。

为了支持这项研究，某中心近期在2019年NeurIPS会议上赞助了气候因果关系（C4C）竞赛。该竞赛是2019年NeurIPS接受的12个竞赛之一，专注于因果发现和开发理解气候数据的新方法。Jakob Runge与德国航空航天中心和巴伦西亚大学的合作者共同组织了此次会议。

"机器学习和深度学习是气候科学的新兴领域，"Runge说。“它们是基于我们现有数据理解气候系统的非常有用的工具。”

机器学习使科学家能够灵活地查看气候数据，根据过去事件调整数据分析，以更准确地模拟未来。这种方法可以帮助研究人员应对气候系统的巨大复杂性，并帮助他们更好地理解影响天气的众多微妙相互作用之间的联系。

NeurIPS竞赛的目标是：开发新的基准测试方法，并找到可应用于气候现实挑战的新方法。参赛者获得了包含气候数据（如降水、湿度和温度）的时间序列数据集和某中心云服务积分，旨在寻找研究气候的新方法，并推动采用气候数据的新途径。

“机器学习和深度学习是气候科学的新兴领域。”

竞赛最高奖授予了哥本哈根大学数学科学系哥本哈根因果关系实验室的博士和博士后团队。该团队使用了34个不同的数据集，目标是理解这些数据集之间的因果关系。团队从简单的基线方法开始，然后引入变体以确定在竞赛轨道中表现最佳的方法。

第二个团队由来自根特大学（比利时）、巴勒莫大学（意大利）、巴里大学（意大利）和罗马第一大学（意大利）的教授和博士组成，专注于气候相互作用的非线性性质。他们的方法受到混沌系统理论的启发。天气是一个混沌系统，这就是为什么很难准确预测超过三到四天的天气。该团队使用了一种有助于在混沌中辨别秩序的方法，这就是他们在具有混沌非线性数据集的类别中取得成功的原因。

获奖者于2019年12月14日在NeurIPS上公布。拥有146种不同方法和超过6,500份提交结果，各团队使用某中心云服务积分进行迭代、实验，并了解哪些方法能提供最佳结果。他们的实验将有助于缩小在理解气候相互作用和因果关系方面的差距，并提高从物理学、机器学习到统计学等各个社区的认识，以刺激新的创新，改进我们对全球气候的理解。

"有这么多参与者，我感到非常鼓舞，"Runge说。“两位获奖者截然不同，一位专注于混沌天气系统，另一位专注于气候相互作用的更线性部分。他们的工作将有助于预测极端天气事件和改进气候模型。”

"这次竞赛确实帮助更广泛的机器学习社区参与理解气候变化的挑战，"他补充道。“仅此一点就将促进天气和气候因果关系的新方法。”