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、南北非洲半干旱地区等未来野火加剧的预测。
![](https://news.pku.edu.cn/images/2022-03/a0a2670fd11d4e8baf4d897a3ee1278d.png)
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
尽管CMIP6模式普遍高估了未来野火的增加趋势,但由于对野火区域分布的模拟不准确,CMIP6模式很有可能低估了未来全球野火对人口、GDP、农业等经济社会带来的压力。研究人员特别指出由于全球气候变化带来的干旱加剧和植被变化等,非洲野火燃烧面积和碳排放在未来几十年将显著增加,对该地区国家快速发展的经济社会造成影响(图2)。
![](https://news.pku.edu.cn/images/2022-03/c13fc568464247679b17f831902b9768.png)
图2 基于CMIP6模式未经约束(上排)和约束后(下排)的2011—2100年野火对人口(左)和国内生产总值(GDP)(右)造成的压力趋势预测
对野火等极端气候环境事件的长期预测将有助于提前做好风险预防和应对准备,同时也面临方法学上的挑战。联合研究团队发展的利用机器学习和多源观测资料约束地球系统模式的研究框架,特别适用于野火等具有复杂调控机制、发生和强度具有一定随机性的过程;该研究框架也为预测地球系统其他过程提供了一种新思路。
2022年3月22日,相关研究成果以《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》(Machine learning–based observation-constrained projections reveal elevated global socioeconomic risks from wildfire)为题,在线发表于《自然·通讯》(Nature Communications)。俞妍和毛嘉富为共同第一作者。