气候变化领域集成服务门户

12月10日，来自美国斯坦福大学（Stanford University）和科罗拉多州立大学（Colorado State University）的研究人员，分别在《地球物理研究快报》（Geophysical Research Letters）和《环境研究快报》（Environmental Research Letters）期刊上发表题为《快速脱碳下数据驱动的变暖峰值预测》（Data-driven Predictions of Peak Warming Under Rapid Decarbonization）和《结合气候模式和观测预测到达区域变暖阈值前的剩余时间》（Combining Climate Models and Observations to Predict the Time Remaining Until Regional Warming Thresholds Are Reached）的文章指出，即使在21世纪中叶实现净零排放目标，将全球变暖限制在比工业化前水平高1.5 ℃以内的目标几乎也无法实现，且超过2 ℃的可能性达到50%。大多数地区可能会在2040年或更早超过1.5 ℃的变暖阈值，一些地区的气温在2060年将超过3.0 ℃的阈值，比早期研究的预期要早。

最近创纪录的全球气温带来了严重的影响。许多国家明确提出了雄心勃勃的脱碳目标，以稳定全球气温。然而，即使实现了脱碳目标，也可能出现最热天气及其年份。因此，有必要更准确地预测不同脱碳情景下全球变暖达到的峰值。同时，不仅要关注全球气温上升，还要关注局部地区和不同区域发生的变化，以便更清楚地预测全球变暖对社会和生态系统带来的具体影响。

《快速脱碳下数据驱动的变暖峰值预测》一文中，研究人员根据最近观测到的温度和未来二氧化碳累积排放量，使用机器学习方法训练了卷积神经网络（convolutional neural network, CNN），以预测全球变暖的峰值。研究发现，在共享社会经济路径（SSP）1~1.9脱碳情景下，全球变暖超过1.5 ℃的可能性大于99%，全球变暖超过2 ℃的可能性为50%，全球最热年份比2023年至少高出0.5 ℃的可能性为90%。此外，在SSP 2~4.5脱碳情景下，全球最热的年度温度异常是2023年异常的2倍的可能性超过90%。

《结合气候模式和观测预测到达区域变暖阈值前的剩余时间》一文中，研究人员使用机器学习方法训练了卷积神经网络，分析了10个不同气候模型的数据，以预测政府间气候变化专门委员会（IPCC）43个地区达到变暖阈值的时间及其不确定性。研究发现，到2040年，34个地区的升温可能将超过1.5 ℃，其中有31个地区的升温可能将超过2 ℃。到2060年，34个地区中有26个地区的升温将超过3 ℃。南亚、地中海、中欧和撒哈拉以南非洲部分地区预计将更快达到这些变暖阈值，加剧了脆弱生态系统和社区面临的风险。