Un défi majeur dans les modèles actuels de prévision climatique est de savoir comment représenter avec précision les nuages ​​et leur réchauffement et humidification atmosphériques. Ce défi est à l'origine de la large diffusion des prévisions climatiques. Pourtant, des prévisions précises du réchauffement climatique en réponse à l'augmentation des concentrations de gaz à effet de serre sont essentielles pour les décideurs politiques (par exemple, l'accord de Paris sur le climat).

Dans un article récemment publié en ligne dans Lettres de recherche géophysique , chercheurs dirigés par Pierre Gentine, professeur agrégé de génie de la terre et de l'environnement à Columbia Engineering, démontrer que les techniques d'apprentissage automatique peuvent être utilisées pour résoudre ce problème et mieux représenter les nuages ​​dans des modèles climatiques à résolution grossière (~100 km), avec le potentiel de réduire l'éventail des prédictions.

« Cela pourrait changer la donne pour la prévision climatique, " dit Gentine, auteur principal de l'article, et membre de l'Earth Institute et du Data Science Institute. "Nous avons de grandes incertitudes dans notre prédiction de la réponse du climat de la Terre à l'augmentation des concentrations de gaz à effet de serre. La raison principale est la représentation des nuages ​​et la façon dont ils réagissent à un changement dans ces gaz. Notre étude montre que les techniques d'apprentissage automatique nous aident mieux représenter les nuages ​​et ainsi mieux prévoir la réponse du climat mondial et régional à l'augmentation des concentrations de gaz à effet de serre."

Les chercheurs ont utilisé une configuration idéalisée (une aquaplanète, ou une planète avec des continents) comme preuve de concept pour leur nouvelle approche de la paramétrisation de la convection basée sur l'apprentissage automatique. Ils ont formé un réseau de neurones profonds pour apprendre d'une simulation qui représente explicitement les nuages. La représentation des nuages ​​en machine learning, qu'ils ont nommé le Cloud Brain (CBRAIN), pouvait habilement prédire une grande partie du réchauffement des nuages, mouillage, et les caractéristiques radiatives qui sont essentielles à la simulation climatique.

Notes de Gentine, "Notre approche peut ouvrir une nouvelle possibilité pour un avenir de représentation des modèles dans les modèles climatiques, qui sont axés sur les données et sont construits « de haut en bas, ' C'est, en apprenant les traits saillants des processus que nous essayons de représenter."

Les chercheurs notent également que, parce que la sensibilité de la température globale au CO2 est fortement liée à la représentation des nuages, CBRAIN peut également améliorer les estimations de la température future. Ils ont testé cela dans des modèles climatiques entièrement couplés et ont démontré des résultats très prometteurs, montrant que cela pourrait être utilisé pour prédire la réaction des gaz à effet de serre.