Lonza与CELLINK合作推进完整的3D细胞培养工作流程哈德斯菲尔德大学向一个研究小组提供了资金研究人员在理解炎症细胞死亡和疾病的作用方面取得了很大进展过度消费和经济增长是环境危机的主要驱动力摄入蛋白质片段可改善阿尔茨海默病小鼠的工作记忆和长期记忆研究人员通过测量血脑屏障的渗漏来确定足球运动员是否患有CTE研究人员发现细胞去除是由机械不稳定性引起的CHOP研究发现 远程监护可以有效检测高危新生儿的癫痫发作结果显示 说话后大脑反应具有特别高的时间保真度新的研究成果有助于抑制致癌细胞和治疗癌症研究人员称遗传可能决定伤口感染和愈合聚焦超声显示有望治愈最致命的脑肿瘤机载地图揭示加州红杉的气候敏感性根据最新研究 牛的免疫阈值可能比我们想象的要低研究人员发现热环通过微波无线产生超声波脉冲圣裘德为儿童脑肿瘤的研究创造了新的资源科学家利用蛋白质和核糖核酸制造称为囊泡的中空球形袋遏制抗生素耐药性演变的突破点在巴西发现的基因突变会增加患癌症的风险发现的最小的恐龙蛋长约4.5厘米 宽约2厘米 重约10克 与鹌鹑蛋的重量相当海马在人类时空思维模式中的作用为什么植物是绿色的?研究小组的模型再现了光合作用新冠新增16名NBA感染病例 新冠检测了302名NBA球员Sygnature因其在药物发现方面的质量和科学卓越而享有盛誉与领先的智能实验室提供商Labforward建立了合作关系简单的临床试验可以检测患者术后或严重损伤后的出血风险实验室发现第一个可以模拟膝盖的软骨模拟凝胶Aβ蛋白的三维结构揭示了阿尔茨海默病毒性的新机制莱比锡研究人员使用一种计算方法从空气污染数据中消除天气影响结肠癌的快速基因组分析可以改善患者的治疗选择健脑游戏有助于提高老年人的驾驶技能研究人员报道转基因真菌成功杀死了疟疾蚊子深海矿物质和微量元素有助于提高高强度作业能力饮食中加入李子干可以提高超重成年人的营养消耗吃绿叶蔬菜沙拉可以改善更年期后的心血管健康研究人员发现 人体也可以发动免疫细胞进行反击研究发现 新孕妇和准妈妈使用熊胆疗法治疗妊娠相关疾病将大脑视为一个网络可以使研究人员从脑电图中提取更有意义的数据研究表明 抗生素抗性基因通过基因资本主义在大肠杆菌中持续存在数据显示 47%的人正在使用技术与医疗保健提供者交流人类大脑发育的新基因组图谱通用肠道微生物来源可以预测肝硬化发光染料可能有助于消除癌症下一代测序可以为罕见的代谢紊乱提供精确的药物人胰腺切片长期培养显示β细胞再生脊柱外科研究中财务披露不完整的比例非常高圣地亚哥动物园对老挝北部野生动物的消费进行了一项新的研究粪便微生物使诊断更具挑战性民意调查显示 纽约人对恢复正常更加犹豫不决全方位探访人类基因治疗的关键支柱
您的位置:首页>国外科研>

斯坦福大学研究人员使用人工智能解开极端天气之谜

导读从加利福尼亚的湖泊排水干旱到中国的断桥洪水,极端天气正在造成严重破坏。然而,在不断变化的气候中为极端天气做准备仍然是一个挑战,因为

从加利福尼亚的湖泊排水干旱到中国的断桥洪水,极端天气正在造成严重破坏。然而,在不断变化的气候中为极端天气做准备仍然是一个挑战,因为它们的原因很复杂,而且它们对全球变暖的反应往往不是很清楚。现在,斯坦福大学的研究人员开发了一种机器学习工具来识别中西部极端降水事件的条件,这些事件占美国所有主要洪水灾害的一半以上。他们的方法发表在《地球物理研究快报》上,是使用人工智能分析极端事件长期变化原因的首批例子之一,有助于使此类事件的预测更加准确。“我们知道洪水越来越严重,”该研究的主要作者弗朗西斯达文波特说,他是斯坦福大学地球、能源与环境科学学院(斯坦福地球)地球系统科学的博士生。“我们的目标是了解极端降水量增加的原因,进而可以更好地预测未来的洪水。”

除其他影响外,全球变暖预计会通过创造可以保持更多水分的温暖大气来推动更大的降雨和降雪。科学家们假设气候变化也可能以其他方式影响降水,例如改变风暴发生的时间和地点。然而,揭示这些影响仍然很困难,部分原因是全球气候模型不一定具有空间分辨率来模拟这些区域性极端事件。

“这种利用机器学习技术的新方法为我们了解极端变化的根本原因开辟了新途径,”该研究的合著者、地球、能源与环境科学学院的 Kara J 基金会教授Noah Diffenbaugh说。“这可以使社区和决策者更好地为高影响事件做好准备,例如那些极端到我们历史经验之外的事件。”

Davenport 和 Diffenbaugh 专注于密西西比河上游流域和密苏里流域东部。近几十年来,这个高度易受洪水侵袭的地区跨越九个州的部​​分地区,出现了极端降水日和大洪水变得更加频繁。研究人员首先使用公开可用的气候数据来计算该地区从 1981 年到 2019 年的极端降水日数。然后他们训练了一种机器学习算法,该算法旨在分析图像等网格数据,以识别大规模大气环流模式与极端降水有关(高于 95%)。

“我们使用的算法正确识别了 90% 以上的极端降水日,这高于我们测试的传统统计方法的性能,”达文波特说。

训练有素的机器学习算法表明,近期中西部极端降水增加的原因有多种。在 21 世纪,导致极端中西部降水的大气压力模式变得更加频繁,以每年大约一天的速度增加,尽管研究人员指出,随着时间的推移,回到 1980 年代,这些变化要弱得多.

然而,研究人员发现,当这些大气压模式确实发生时,由此产生的降水量明显增加。因此,与过去相比,在这些条件下的日子现在更有可能出现极端降水。Davenport 和 Diffenbaugh 还发现,这些天降水强度的增加与从墨西哥湾到中西部的大气水分增加有关,从而为该地区带来了强降雨所需的水。

标签:

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

最新文章