大学教育网

气候变化将迫使科罗拉多河流域的时间和融雪量发生重大变化

导读 新的研究预测,山区融雪的变化将使广阔的科罗拉多河流域的峰值流量在今年早些时候转移,从而改变整个地区的水库管理和灌溉。由于全球气候变

新的研究预测,山区融雪的变化将使广阔的科罗拉多河流域的峰值流量在今年早些时候转移,从而改变整个地区的水库管理和灌溉。

“由于全球气候变化,科罗拉多州、犹他州和怀俄明州的水量可能要少得多,未来的水文条件可能更接近今天该盆地干旱的西南地区,”洛斯阿拉莫斯国家水文学家卡特里娜·贝内特说该论文的实验室和共同作者发表在《地球与空间科学》杂志上。

该盆地从加利福尼亚湾的海平面一直延伸到科罗拉多州落基山脉的 14,000 英尺以上,为盆地内外的城市和农民提供重要水源。大量的水被转移到大型人口中心,包括阿尔伯克基、丹佛、洛杉矶、盐湖城、圣地亚哥和圣达菲。

洛斯阿拉莫斯团队使用人工智能进行的研究预测,融雪在一些子流域会完全消失,而在其他流域则会出现大量积雪损失。

研究小组还发现,随着气温持续升高,预计该盆地的高海拔地区将出现大量积雪损失。特别是在科罗拉多河流域上游的落基山脉,研究小组发现未来径流的季节性和强度会发生多大的变化。

特别是,该研究预测科罗拉多州、犹他州和怀俄明州边界附近的格林河谷条件更为干旱;亚利桑那州山区的土壤水分将显着下降。

不过,建模不是水晶球。

“在我们使用的几种气候模型中,我们观察到干旱行为存在很大的不确定性,”贝内特说。

创新的人工智能确定了最有可能干涸的区域

该项目的一个目标是展示一种称为无监督机器学习的人工智能形式,它可以极大地加速分析气候和水文数据,引入一种新工具来筛选大量数据集以识别关键特征和趋势。

该团队从历史数据中得出干旱指标,并通过几个气候模型在 30 年的时间段内模拟未来情景的结果。人工智能分析了模拟,然后自动确定了干旱预期会大幅增加的关键子流域。为了管理大量生成的数据集,人工智能缩小了它们的大小以进行快速处理、识别可能的错误并针对不可预见的响应。

“人工智能让我们理清了干旱指标和影响它们的因素之间复杂的空间和时间关系,”贝内特说。“我们能够展示一种新的能力,可以自动隔离这些关键指标在哪里导致干旱,以及未来行为将在哪里以及如何改变。”

AI方法称为非负矩阵分解,已广泛用于自动提取隐藏在地球科学、天文学、生物学等学科的复杂数据集中的信号。该技术需要很少或不需要对被分析系统的 先验知识或物理建模。