Desde la Revolución Industrial, la quema de combustibles fósiles y los cambios en el uso de la tierra, especialmente la deforestación, han impulsado el aumento del dióxido de carbono (CO2) atmosférico. Si bien la vegetación terrestre y los océanos sirven como sumideros naturales de carbono, absorbiendo parte de este CO2, las emisiones han superado sistemáticamente su capacidad anual. Este desequilibrio ha aumentado continuamente las concentraciones de CO2 atmosférico, alimentando el calentamiento global y los fenómenos meteorológicos extremos. Comprender el presupuesto de carbono (cómo se obtiene y absorbe el CO2) se ha vuelto esencial para combatir el cambio climático, especialmente cuando los países luchan por lograr la neutralidad de carbono.
El principal desafío radica en estimar con precisión el presupuesto de carbono y su impacto ambiental. El presupuesto de carbono mide el equilibrio entre las emisiones de los combustibles fósiles, la producción de cemento, los cambios en el uso de la tierra y las fuentes naturales de CO2 frente a la capacidad de absorción de los sumideros de carbono. Es más fácil abordar la creciente crisis climática con datos precisos y oportunos sobre los niveles de CO2 y los sumideros de carbono. Los métodos existentes no logran rastrear los cambios en los sumideros de carbono globales con la suficiente rapidez, especialmente cuando las perturbaciones ambientales (como los incendios forestales o El Niño) alteran la dinámica del carbono de manera impredecible.
Los métodos tradicionales para presupuestar el carbono suelen basarse en simulaciones numéricas del ciclo del carbono de la Tierra. Si bien estos modelos pueden simular procesos complejos del sistema terrestre, a menudo enfrentan retrasos importantes. Por ejemplo, el informe Global Carbon Budget 2023, que utiliza datos hasta finales de 2022, ilustra el retraso de un año en la información sobre el presupuesto de carbono. Este retraso limita la eficacia de los modelos actuales a la hora de proporcionar datos climáticos oportunos que puedan guiar acciones en el mundo real. Los investigadores necesitan una forma más rápida y confiable de capturar los cambios repentinos en la dinámica del carbono que afectan el calentamiento global.
Para abordar estas limitaciones, investigadores de Microsoft Research Asia, en colaboración con la Universidad de Tsinghua, el Laboratorio Francés de Ciencias del Clima y el Medio Ambiente y otras organizaciones de investigación globales, introdujeron un Método impulsado por IA para presupuestar las emisiones de carbono casi en tiempo real. Al integrar datos satelitales, modelos dinámicos de vegetación global y emuladores de modelos oceánicos, el equipo de investigación desarrolló un modelo de sumidero de carbono casi instantáneo capaz de predecir los balances de carbono con una velocidad y precisión sin precedentes. Este modelo aprovecha el poder de las redes neuronales convolucionales (CNN) y las técnicas de aprendizaje semisupervisadas para ofrecer resultados de baja latencia.
El modelo propuesto basado en IA utiliza observaciones de variables ambientales y datos históricos para predecir los niveles globales de sumideros de carbono. El modelo integra 12 meses de datos históricos, características mensuales y resultados objetivo. Las CNN procesan estos datos para calcular predicciones, mientras que el aprendizaje semisupervisado proporciona una función de pérdida no supervisada para mejorar la precisión de las predicciones. El modelo procesa datos ambientales de sumideros oceánicos y terrestres y emisiones de incendios satelitales para proporcionar actualizaciones en tiempo real sobre los sumideros de CO2. Esta metodología garantiza que las predicciones se realicen con un margen de error inferior al 2%, lo que ofrece una alternativa rápida y receptiva a los métodos tradicionales de presupuesto de carbono.
Los resultados de este modelo de sumidero de carbono casi en tiempo real mostraron una precisión prometedora. En particular, el modelo pudo rastrear una disminución dramática en el sumidero de carbono terrestre en 2023. La selva amazónica, gravemente afectada por la sequía, mostró una pérdida de sumidero de carbono de 0,31 ± 0,19 GtC. El modelo también predijo con precisión las emisiones de carbono de los incendios forestales de 2023 en América del Norte, contribuyendo con 0,58 ± 0,10 GtC al CO2 atmosférico. Además, el modelo detectó un cambio de la fase de La Niña a una fase moderada de El Niño, lo que tuvo un impacto significativo en la dinámica global del carbono. Estos hallazgos resaltan la eficacia del modelo de IA para capturar cambios ambientales dinámicos y producir datos procesables casi en tiempo real.
En conclusión, la rápida disminución de los sumideros de carbono terrestres plantea una grave amenaza a la eficacia de los esfuerzos globales por la neutralidad de carbono. El modelo de presupuesto de carbono basado en IA presentado por el equipo de investigación de Microsoft Research Asia, la Universidad de Tsinghua y el Laboratorio Francés de Ciencias del Clima y el Medio Ambiente proporciona una solución innovadora a los desafíos de la estimación del presupuesto de carbono. La capacidad de este modelo para producir predicciones en tiempo real y rastrear cambios ambientales con mayor precisión que los métodos tradicionales es un paso crucial hacia adelante en los esfuerzos globales para combatir el cambio climático. Al reducir la demora en las actualizaciones de los datos de carbono, este enfoque permite una acción climática y una formulación de políticas más efectivas en respuesta a amenazas ambientales urgentes.
Verificar el Detalles aquí. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. No olvides unirte a nuestro SubReddit de más de 60.000 ml.
🚨 [Must Subscribe]: Suscríbase a nuestro boletín para recibir actualizaciones sobre investigaciones y desarrollo de IA
Nikhil es consultor interno en Marktechpost. Está cursando una doble titulación integrada en Materiales en el Instituto Indio de Tecnología de Kharagpur. Nikhil es un entusiasta de la IA/ML que siempre está investigando aplicaciones en campos como los biomateriales y la ciencia biomédica. Con una sólida experiencia en ciencia de materiales, está explorando nuevos avances y creando oportunidades para contribuir.