创新的人工智能使识别过去未被注意到的极端天气事件成为可能。这为历史气候变化提供了新的视角！
利用人工智能，科学家发现了以前从未检测到的极端天气事件。这些发现可以在理解过去、当前和未来的气候趋势方面发挥关键作用。
传统气候预测方法的局限性是什么？
世界各地有超过30,000 个气象站，通常每天测量温度、降水和其他指标。
这会产生大量数据供气候科学家收集和分析。这有助于确定每月和每年的全球和区域气温，这常常成为新闻。
传统的气候插值方法基于测量数据以及兴趣点与邻近气象站之间的距离或角度。该技术的不同之处在于计算中对这些距离进行加权的方式。然而，近年来，使用人工智能的方法已经超越了这些传统方法。
后一个过程提供了更精确的解决方案来填补气候数据的空白并量化不确定性。新的气候重建人工智能技术使克服这些问题成为可能。
CRAI 或气候重建人工智能，气候重建的革命性进步？
Plésiat 和他的同事使用的 AI 模型被称为CRAI（气候重建 AI） ，是根据CMIP6 项目的历史模拟进行训练的。它们使得模拟过去、现在和未来的气候成为可能。
这些模型使用均方根误差和斯皮尔曼系数等公认的技术进行评估。他们随后证明了相对于传统插值方法的优越性。
CRAI 在重建极端数据方面尤其出色，例如炎热或寒冷的白天以及极端的夜晚。此外，该技术还成功应用于欧洲 HadEX3 系综，涵盖1901-2018 年间的 80 个气候指数。
人工智能带来前所未有的发现
CRAI 使得重建以前未知的历史气候事件成为可能，例如 1911 年的热浪和 1929 年的寒潮。
以前只能通过轶事来了解这些现象，尽管可用数据稀缺，但现在通过这种方法正在出现。该团队计划将这种方法应用于世界上气候数据更为有限的其他地区。
该团队总结道： “我们基于人工智能的方法提供了卓越的准确性，尤其是在数据匮乏的地区，并且可以改变我们对极端气候及其长期演变的理解。”