标签
一篇关于厄尔尼诺成因及其对美国各地冬季天气影响的科普视频解读,解释了信风、正反馈循环与急流偏移机制,并给出了对加州、德州、佛罗里达等地飞行天气的具体影响预测。
Google DeepMind 发布了其 WeatherNext 3 AI 气象模型背后的两个基础数据集:SatWeave,一个涵盖 17 个通道的地球同步卫星影像逐小时全球拼图数据集,以及 PARDIG,一个基于 AI 的全球降水数据集,分辨率约为 10 公里、时间分辨率为 15 分钟。两者均提供历史存档和实时数据流,面向研究人员和开发者开放。
出于对气候和用水问题的担忧,反对数据中心快速扩张已成为缅因州参议员竞选中的关键议题,可能影响中期选举后参议院的控制权。
欧洲各国正越来越多地回收火葬场的余热,为住宅、游泳池和公共建筑供暖,将原本被浪费的副产品转化为低碳能源,从而降低燃料成本。
WIRED/Grist 报道称,应急管理机构越来越多地使用生成式 AI 工具来撰写公众警报,同时指出了输出不准确以及在气候灾害加剧的背景下机构准备不足的风险。
Google DeepMind、Google Research、WRI 和 IIASA 发布了 Forest Typology (ForTy) 2020,这是一张 10 米分辨率的全球地图,将每一块土地归类为六种森林和土地利用类型,并附带 2017–2025 年的时间序列,展示天然林被何种地物所取代,为欧盟零毁林法规提供支持。
Environmental Defense Fund 与 Atlas Public Policy 的一份新报告显示,随着数据中心、工厂和电动汽车的用电需求不断攀升,美国正在建设比过去十年更多的化石燃料基础设施,而特朗普政府则在限制风能和太阳能的发展。
KNOU-Flood 在开放的 AIFL 全球河川流量预报方案基础上,引入了感知预报提前期的输入、GraphCast 强迫数据、更长的输入窗口以及基于潜在噪声的概率集合,在 2,099 个测试流域中显著改善了 KGE′ 和 CRPS,并表明,已报告的预报性能随提前期延长而衰减的现象,很大程度上源于输入协议的影响。
微软研究院发布并发表于 Nature 的机器学习框架 Probabilistic Bias Correction (PBC),通过学习现有天气模型的系统性误差并加以校正,显著提升两到六周的次季节天气预报准确性,在全球竞赛中夺冠,并已用于肯尼亚季风预报等实际场景。
谷歌DeepMind的人工智能天气模型提前11天预测到飓风“伊萨亚斯”,提前4天锁定登陆位置,并在提前3天时准确预测其峰值强度,可能为社区疏散和防灾争取更多时间。
研究表明,地下地质氢可能是一种宝贵的零碳燃料来源,据估计储量巨大,且在基德克里克和布尔基泽等矿山取得了有前景的发现。然而,商业可行的开采仍是一项挑战,需要进一步探索以释放其潜力。
Met Office 的 Climate Dashboard 解释了冰川的重要性、近几十年来观测到的冰川质量损失,以及用于测量冰川物质平衡的方法,强调了关于气候驱动的冰川退缩的科学共识。
一项利用 Lake Chala 高分辨率湖相沉积物记录的新研究表明,74,000 年前 Mount Toba 喷发仅导致了不到两年的约半摄氏度降温,这与关于近灭绝火山冬天的理论相矛盾。
亚马逊计划在得克萨斯州建设的数据中心可能成为美国最大的气候污染源,其现场天然气发电厂获准每年排放3300万吨二氧化碳。报告强调,围绕人工智能基础设施和亚马逊碳排放的环境问题日益凸显,尽管亚马逊作出气候承诺,其碳排放去年仍上升了16%。
据报道,亚马逊正在得克萨斯州建造一座巨大的7.65吉瓦燃气发电厂,为AI数据中心供电,这将成为美国最大的污染源,与其净零气候承诺相矛盾。
DeepMind的WeatherNext AI模型发表在《自然》上,能以前所未有的准确性预测飓风,比现有模型为预报员争取大约一天的准备时间。