《自然·通讯》基于机器学习的观测约束预测野火带来的全球社会经济风险将继续升高

https://www.nature.com/articles/s41467-022-28853-0

近日，北京大学物理学院大气与海洋科学系俞妍研究员与美国能源部橡树岭国家实验室毛嘉富研究员等合作，发展利用机器学习和13个CMIP6地球系统模式挖掘未来野火分布和当前野火及其驱动因子之间的定量联系，将基于多源观测资料的当前野火及其驱动因子带入上述当前-未来联系中，从而预测未来的野火分布。这一研究框架将CMIP6模式对全球和区域燃烧面积和燃烧碳排放的历史模拟误差降低逾30%。基于上述研究框架，研究人员预测在本世纪未来几十年内，全球野火的燃烧面积和碳排放都有增加趋势，但是其增加程度低于未经矫正的CMIP6模式估计（图1）。同时，上述研究框架印证了CMIP6模式对当前野火热点地区，如北美西部、澳大利亚、亚马逊雨林及周边、马来群岛、南北非州半干旱地区等未来野火加剧的预测。

图1 基于CMIP6模式未经约束（左）和约束后（右）的2011—2100年野火碳排放趋势预测

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MLGS” 就可以获取《《自然·通讯》基于机器学习的观测约束预测野火带来的全球社会经济风险将继续升高》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI(AI与军事、医药、公安等)主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资料