Empreintes anthropiques dans les précipitations quotidiennes révélées par l'apprentissage profond

Selon les projections des modèles climatiques du vingt et unième siècle, le réchauffement climatique intensifiera la variabilité et les extrêmes de précipitations à travers le monde1-4. Cependant, vérifier cette prédiction à l'aide d'observations reste un défi important en raison des fortes fluctuations naturelles des précipitations à des échelles régionales3,4. Ici, nous montrons que l'apprentissage profond détecte avec succès les signaux émergents du changement climatique dans les champs de précipitations quotidiennes pendant la période observée. Nous avons entraîné un réseau de neurones convolutionnels (CNN)5 avec des champs de précipitations quotidiennes et des données de température de l'air de surface moyenne mondiale annuelles obtenues à partir d'un ensemble de simulations de modèles climatiques contemporains et futurs6. Après avoir appliqué l'algorithme au dossier d'observation, nous avons constaté que les données de précipitations quotidiennes représentaient un excellent prédicteur du réchauffement planétaire observé, car elles ont montré une nette déviation par rapport à la variabilité naturelle depuis le milieu des années 2010. En outre, nous avons analysé le modèle d'apprentissage profond avec un cadre explicable et observé que la variabilité des précipitations à l'échelle temporelle météorologique (période inférieure à 10 jours) sur l'est tropical du Pacifique et les régions de trajectoire de tempête des latitudes moyennes était la plus sensible au réchauffement anthropique. Nos résultats soulignent que, bien que les changements à long terme de la précipitation moyenne annuelle restent indiscernables de la variabilité naturelle de fond, l'impact du réchauffement climatique sur les fluctuations hydrologiques quotidiennes a déjà émergé.