Interpretación de:
ClimateBench v1.0: A Benchmark for Data‐Driven Climate Projections
https://doi.org/10.1029/2021MS002954Watson‐Parris, D., Rao, Y., Olivié, D., Seland, Ø., Nowack, P., Camps‐Valls, G., Stier, P., Bouabid, S., Dewey, M., Fons, E., Gonzalez, J., Harder, P., Jeggle, K., Lenhardt, J., Manshausen, P., Novitasari, M., Ricard, L., Roesch, C., 2022: ClimateBench v1.0: A Benchmark for Data‐Driven Climate Projections, J Adv Model Earth Syst, https://doi.org/10.1029/2021ms002954
Intérprete
Takahashi Guevara Ken
Fecha de interpretación
22/03/2023
Resultados y conclusiones
Se han desarrollado modelos de inteligencia artificial para generar escenarios de cambio climático con detalle regional para todo el mundo. Los resultados son las distribuciones espaciales del promedio anual de temperatura, rango térmico, precipitación y precipitación extrema. Los forzantes considerados son emisiones y concentraciones de dióxido de carbono, metano y aerosoles. Esto tiene utilidad para explorar más ampliamente los posibles escenarios del cambio climático futuro con respecto al cumplimiento del Acuerdo de París sin tener que utilizar los costosos modelos globales de Sistema Tierra.
Metodología y datos
Los modelos de inteligencia artificial se entrenaron con varias simulaciones CMIP6 del modelo global de sistema Tierra (ESM) NorESM2 Se consideraron tres tipos de modelo de IA para emular al ESM: regresión de proceso gaussiano, random forests, redes neuronales
Limitaciones de la investigación
Solo se consideró un modelo global del sistema Tierra para el desarrollo de los modelos de inteligencia artificial, por lo que los modelos de IA no representan la diversidad de modelos ESM. Mantiene los sesgos y el detalle grueso del modelo ESM global. Los modelos de IA no consideran explícitamente restricciones físicas como la conservación de energía. Estos son primeros resultados, se necesita investigar más para lograr confianza en esta metodología.
Adaptación: Agua, Bosques
Mitigación: Agricultura, Uso de suelo, cambio de uso de suelo y silvicultura, Desechos, Energía, Procesos industriales y usos de productos
Escala: Regional
Ámbito geográfico: Territorio peruano
Palabras clave: Modelo de Sistema Tierra, escenarios climáticos, emuladores
Cita de la interpretación
Takahashi Guevara, Ken, 2023: Interpretación de Watson‐Parris et al. (2022, doi:10.1029/2021ms002954), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/5eb2347b-6f0a-4665-a39a-a47e841e065f