Der Klimawandel wird Zeitpunkt und Menge der Schneeschmelze im Colorado River Basin stark verändern

Neue Forschungsergebnisse sagen voraus, dass Veränderungen in der Schneeschmelze in den Bergen den Spitzenabfluss der Flüsse im riesigen Colorado River Basin auf einen viel früheren Zeitpunkt im Jahr verlagern werden, was die Bewirtschaftung von Stauseen und die Bewässerung in der gesamten Region verändern wird.

“Aufgrund des globalen Klimawandels könnten Gebiete in Colorado, Utah und Wyoming viel weniger Wasser haben, und die künftigen hydrologischen Bedingungen könnten denen der heutigen trockenen Regionen im Südwesten des Beckens ähnlicher sein”, so Katrina Bennett, Hydrologin am Los Alamos National Laboratory und Mitverfasserin der in der Zeitschrift Earth and Space Science veröffentlichten Studie.

Das Einzugsgebiet erstreckt sich vom Meeresspiegel am Golf von Kalifornien bis auf über 14.000 Fuß Höhe in den Rocky Mountains von Colorado und versorgt Städte und Landwirte innerhalb und außerhalb des Einzugsgebiets mit lebenswichtigem Wasser. Erhebliche Wassermengen werden in große Ballungszentren wie Albuquerque, Denver, Los Angeles, Salt Lake City, San Diego und Santa Fe umgeleitet.

Die Studie eines Teams aus Los Alamos, das künstliche Intelligenz einsetzt, sagt voraus, dass die Schneeschmelze in einigen Teileinzugsgebieten ganz ausbleiben und in anderen große Schneedeckenverluste auftreten werden.

Das Team fand auch heraus, dass in höher gelegenen Gebieten des Beckens ein großer Verlust der Schneedecke prognostiziert wird, wenn die Temperaturen weiter steigen. Insbesondere in den Rocky Mountains des oberen Colorado River-Beckens fand das Team deutliche Unterschiede in Bezug auf die saisonalen Schwankungen und die Intensität des künftigen Abflusses.

Die Studie prognostiziert insbesondere trockenere Bedingungen im Green River Valley nahe der Grenze zwischen Colorado, Utah und Wyoming; in den Bergregionen Arizonas wird die Bodenfeuchtigkeit deutlich abnehmen.

Die Modellierung ist jedoch keine Kristallkugel.

“Wir haben bei den verschiedenen Klimamodellen, die wir verwendet haben, erhebliche Unsicherheiten in Bezug auf das Dürreverhalten festgestellt”, so Bennett.

Innovative künstliche Intelligenz identifiziert die Gebiete, die am ehesten von Trockenheit betroffen sind

Ein Ziel des Projekts war es, eine Form der künstlichen Intelligenz zu demonstrieren, die als unüberwachtes maschinelles Lernen bezeichnet wird und die die Analyse von Klima- und Hydrologiedaten erheblich beschleunigt, indem sie ein neues Werkzeug zur Durchsicht großer Datensätze einführt, um wichtige Merkmale und Trends zu erkennen.

Das Team leitete die Dürreindikatoren aus historischen Daten und Ergebnissen von Simulationen von Zukunftsszenarien durch verschiedene Klimamodelle über einen Zeitraum von 30 Jahren ab. Die KI analysierte die Simulationen und ermittelte dann automatisch die wichtigsten Teileinzugsgebiete, in denen eine starke Zunahme der Trockenheit zu erwarten ist. Um die enormen Datensätze zu verwalten, reduzierte die KI deren Größe für eine schnelle Verarbeitung, identifizierte mögliche Fehler und zielte auf unvorhergesehene Reaktionen.

“Die KI ermöglichte es uns, die komplizierten räumlichen und zeitlichen Beziehungen zwischen Dürreindikatoren und den sie beeinflussenden Faktoren zu entwirren”, so Bennett. “Wir konnten eine neue Fähigkeit demonstrieren, automatisch zu isolieren, wo diese Schlüsselindikatoren zur Dürre beitragen und wo und wie sich das Verhalten in Zukunft ändern wird.”

Der KI-Ansatz, die so genannte nicht-negative Matrixfaktorisierung, ist weit verbreitet, um automatisch Signale zu extrahieren, die in komplexen Datensätzen in den Geowissenschaften, der Astronomie, der Biologie und anderen Disziplinen verborgen sind. Die Technik erfordert wenig oder gar keine Vorkenntnisse oder physikalische Modellierung des zu analysierenden Systems.

Datum: Mai 17, 2022
Quelle: DOE/Los Alamos National Laboratory


Journal Reference:

  1. Carl J. Talsma, Katrina E. Bennett, Velimir V. Vesselinov. Characterizing Drought Behavior in the Colorado River Basin Using Unsupervised Machine LearningEarth and Space Science, 2022; 9 (5) DOI: 10.1029/2021EA002086

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.