菜单

社会渠道

搜索存档


附加选项
主题

日期范围

收到每日或每周最重要文章的摘要直接到你的收件箱,只需在下面输入你的电子邮件。通过输入您的电子邮件地址,您同意您的数据将按照我们的隐私政策

在印度瓦拉纳西被洪水淹没的村庄里,一名男子在划船
在印度瓦拉纳西被洪水淹没的村庄里,一名男子在划船。 图片来源:RR08 / Alamy Stock Photo。
客人的帖子
2021年10月11日16:00

特邀帖子:10万份研究告诉了我们世界各地的气候影响

多个作者

10.11.21
客人的帖子 特邀帖子:10万份研究告诉了我们世界各地的气候影响

气候研究的快速发展为观察全球气候变化的影响提供了前所未有的证据基础。

然而,大量已发表的研究表明,试图对其进行整体评估是一项艰巨的挑战。

我们的新研究发表在自然气候变化,我们使用机器学习方法评估、分类和绘制超过10万份同行评议的气候影响研究。

我们的研究结果表明,全球85%的人口和80%的地区已经感受到人类活动导致的全球变暖对平均气温和降雨量的影响。

研究结果还突出了全球南北国家之间的“归因差距”,这是由于相对缺乏对欠发达国家气候影响的研究。

机器学习

政府间气候变化专门委员会(IPCC)在1990年发表了第一份评估报告,与观测到的气候影响相关的研究每年的数量增加了两个数量级以上。

这是IPCC的第一部分最近的评估报告——发表于8月——引用了超过1.4万篇科学论文。

同行评议的气候变化科学出版物的指数级增长已经将手工专家评估推到了极限。

在这项研究中,我们开发一个使用机器学习方法——开发一个算法,能够识别不仅研究是否对气候影响,但提到的位置,气候影响司机——无论是温度或降水变化造成的影响,描述的类型的影响。

为此,我们使用了最先进的深度学习语言表示模型,称为“伯特”。该模型可以捕捉文本的上下文相关含义,这意味着它可以从我们分析的每个研究中提取我们想要的信息。

我们使用“监督学习”来训练我们的算法,这涉及到我们的团队手工编码2000多个文档。我们的算法能够很好地复制人类做出的分类决策。当然,它做出的预测并不完美,但我们的方法允许我们明确地评估预测的不确定性范围。

从我们对不同编码员对文档进行双重编码的经验来看,我们可以证明,人类的分类并非没有错误或分歧。机器学习和人类编码的性能如何比较是一个值得进一步研究的有趣领域。

总的来说,我们的算法确定了10万项研究,这些研究记录了人类和自然系统受到气候和天气影响的方式。这些论文来自期刊数据库,网络的科学亚慱彩票APP斯高帕斯.我们不会根据研究的质量或他们发表的杂志的声望来过滤这些研究。

下图表显示了记录气候影响的科学论文的数量是大而且增长的。蓝色阴影反映了我们的机器学习方法周围的不确定性。

1986-2019年科学文献中由算法确定的气候影响研究数量的交互图表。亚慱彩票APP蓝色阴影表示不确定性。来源:马克斯·卡拉汉。

证据的效力

在可能的情况下,我们的方法绘制出每个研究的重点位置。这使我们能够绘制出这些研究在全球的分布情况,如下所示。

每个单元格都有一个“加权研究”得分,图中较暗的区域表示证据更密集的地方——也就是说,每个网格单元格中有更多的研究。

例如,欧洲几乎每个网格单元都有几项记录气候影响的研究。然而,在一些地区,特别是在非洲,证据的分布要稀少得多。

使用过滤器可以在气候驱动因素(温度或降水)和影响类型(如对“山脉、冰雪”和“河流、湖泊和土壤湿度”)之间切换。这给我们一种不同影响类型的证据分布不同的感觉,但也突出了我们方法的一些局限性。

交互式地图显示了全球范围内气候影响的证据权重。较暗的阴影显示了更有力的证据。过滤器可用于指定气候驱动因素和影响类别。来源:马克斯·卡拉汉。

因为我们的文件是用机器学习模型分类的,所以会有一些文件分类错误。例如,将文件过滤到“海岸和海洋生态系统”时,深色斑块集中在沿海地区和海洋地区,但一些深色斑块仍然留在内陆。

当检查我们的算法在哪些地方表现得更好和更差时,我们注意到关于鱼类的文件,特别是鲑鱼——在返回淡水产卵之前迁移到海洋中——有时被错误地划分为陆地和淡水生态系统以及海岸和海洋生态系统。

许多研究记录了气温上升对特定部门的影响,如作物产量、人类健康或生物多样性,但不一定在同一项研究中显示气温上升是否可归因于人类对气候的影响。

我们的算法不允许实际分析每项研究yabo亚博体育app下载正式的属性人类活动引起的气候变化的观测变化。这可能需要一个人类专家阅读整篇论文,这对于不断增长的文献基础来说越来越难做到。

在我们的研究中,我们采用了一种非常不同的、数据驱动的方法来解决检测和归因问题。我们的算法在网格单元层提取记录的影响和各自的驱动因素——在我们的例子中,是温度和降水。然后,我们使用基于物理气候科学的方法来评估可检测和可归因的亚慱彩票APP趋势。

使用一个行之有效的方法,我们评估了1950-2018年期间可检测的趋势及其对人为造成的气候变化的归因,基于观测和观测气候模型网格单元级别的证据。

我们可以证明气温一直在上升,而且可能是这样归因于人类的影响,对于几乎到处我们有数据。

降水量的情况就不那么清楚了。我们有更少的网格细胞提供足够的数据来分析,有更少的细胞自然变化趋势都在这个范围之外,和我们有一些细胞——例如,在西非,降水明显减少,尽管气候模型预测不断增加的趋势。我们不认为这些细胞显示出可归因于人类影响的趋势。

通过将我们的大型文献评估与物理气候信息结合在一起,我们可以提供一个评估,评估与温度或降水变化相关的气候影响在哪些方面可以归因于人为造成的气候变化。

“归因差距”

你可以在下图中看到这一点,其中的细胞被染成粉红色,选中的驱动显示了可归因的趋势,而深粉色的细胞显示了有更多的研究指向那个地方和那个气候驱动。

总的来说,无论是考虑平均温度还是降水量,我们都表明,全球80%的陆地面积和85%的人口都可以看到可归因的趋势。

互动地图(上)和条形图(下)显示了人类造成的气候变化的可归因趋势(粉红色),其中较暗的阴影表示有更多的支持研究。灰色阴影表明这一趋势的非气候驱动因素。柱状图显示了这些结果如何在高收入国家、中上收入国家、中下收入国家和低收入国家之间划分。地图过滤器可用于指定气候驱动因素和影响类别,而条形图过滤器指定结果是按人口还是按地区汇总的。来源:马克斯·卡拉汉。

对于大多数网格细胞,温度或降水的可归因趋势是存在的,有大量的证据表明这些趋势是如何影响人类和自然系统的。然而,并非所有地方都是如此。柱状图显示了不同收入等级国家的情况。

例如,如果我们考虑由温度驱动的所有影响,生活在高收入国家的90%的人所生活的地区的趋势可归因于人类对气候的影响。其中近90%的人生活在有大量研究提及这些趋势对人类和自然系统影响的地区

在低收入国家,生活在有可归因趋势地区的人口为72%。然而,在这些人中,只有22%的人生活在有大量证据表明温度如何影响人类和自然系统的地区。

我们把这种现象称为“归因差距”。应该指出的是,较低水平的证据并不意味着气候变化没有影响低收入国家的人民。相反,公布的证据很少——即使在我们能观察到人为造成的温度或降水变化的地方——这表明存在迫切需要更多的科学研究气候变化对全球南方的影响

我们在论文中探索的方法说明了部署深度学习技术和结合不同的“大数据”来为现有证据的科学评估提供信息的潜力——例如IPCC所进行的那些。

我们还希望,通过将通常在全球范围内运作的物理气候科学信息与已观测到的部门气候影响的高度区域化研究结合起来,它能够提供更系统地跨尺度结合气候科学信息的方法亚慱彩票APP。

从理论上讲,我们打算公开的数据库可以不断更新,我们的算法可以通过投资额外的监督学习来改进。此外,除了温度和降水,我们还可以继续整合关于气候影响驱动因素的可检测和可归因变化的信息。

如果科亚慱彩票APP学是站在巨人的肩膀上前进的,那么在科学文献不断膨胀的时代,巨人的肩膀就会变得更难触及。我们的计算机辅助证据制图方法可以提供帮助。

Callaghan, M.等人(2021)基于机器学习的10万项气候影响研究的证据和归因制图,《自然气候变化》,doi: 10.1038 / s41558 - 021 - 01168 - 6

Sharelines从这个故事
  • 特邀帖子:10万份研究告诉了我们世界各地的气候影响
  • 特邀帖子:南半球气候研究中的“归因差距”

短暂的

专家分析直接到yabo亚博体育app下载您的收件箱。

通过电子邮件获取由Carbon Brief选择的所有重要文章和论文的每日或每周综述。亚慱官网通过输入您的电子邮件地址,您同意您的数据将按照我们的隐私政策

短暂的

专家分析直接到yabo亚博体育app下载您的收件箱。

通过电子邮件获取由Carbon Brief选择的所有重要文章和论文的每日或每周综述。亚慱官网通过输入您的电子邮件地址,您同意您的数据将按照我们的隐私政策