Le bassin supérieur du Colorado, de l'Utah et du Wyoming pourrait ressembler davantage au sud-ouest aride
De nouvelles recherches prédisent que les changements dans la fonte des neiges en montagne déplaceront les débits de pointe beaucoup plus tôt dans l'année pour le vaste bassin du fleuve Colorado, modifiant la gestion des réservoirs et l'irrigation dans toute la région.
"En raison du changement climatique mondial, les régions du Colorado, de l'Utah et du Wyoming pourraient avoir beaucoup moins d'eau, et les conditions hydrologiques futures pourraient ressembler davantage à celles des régions arides du sud-ouest du bassin aujourd'hui", a déclaré Katrina Bennett, hydrologue au Los Alamos National. Laboratoire et co-auteur du papier publié dans la revue Earth and Space Science.
Le bassin s'étend du niveau de la mer dans le golfe de Californie à plus de 14,000 XNUMX pieds dans les montagnes Rocheuses du Colorado et fournit de l'eau essentielle aux villes et aux agriculteurs du bassin et au-delà. Une quantité importante d'eau est détournée vers de grands centres de population, notamment Albuquerque, Denver, Los Angeles, Salt Lake City, San Diego et Santa Fe.
L'étude d'une équipe de Los Alamos utilisant l'intelligence artificielle prédit la disparition complète de la fonte des neiges dans certains sous-bassins versants et d'importantes pertes de manteau neigeux dans d'autres.
L'équipe a également constaté que les zones de plus haute altitude du bassin devraient connaître une importante perte de neige à mesure que les températures continuent d'augmenter. En particulier dans les montagnes Rocheuses du bassin supérieur du fleuve Colorado, l'équipe a trouvé des variations distinctes dans l'ampleur du changement de la saisonnalité et de l'intensité du ruissellement futur.
En particulier, l'étude projette des conditions plus arides dans la vallée de la rivière verte près de la frontière du Colorado, de l'Utah et du Wyoming ; les régions montagneuses de l'Arizona verront une diminution significative de l'humidité du sol.
La modélisation n'est pas une boule de cristal, cependant.
"Nous avons observé une incertitude significative dans le comportement de la sécheresse parmi les différents modèles climatiques que nous avons utilisés", a déclaré Bennett.
Une IA innovante identifie les zones les plus susceptibles de se dessécher
L'un des objectifs du projet était de démontrer une forme d'IA appelée apprentissage automatique non supervisé qui accélère considérablement l'analyse des données climatiques et hydrologiques, en introduisant un nouvel outil pour passer au crible de vastes ensembles de données afin d'identifier les principales caractéristiques et tendances.
L'équipe a dérivé les indicateurs de sécheresse à partir de données historiques et de résultats de simulations de scénarios futurs par plusieurs modèles climatiques sur une période de 30 ans. L'IA a analysé la simulation, puis a automatiquement identifié les principaux sous-bassins versants avec de fortes augmentations attendues de la sécheresse. Pour gérer les énormes ensembles de données résultants, l'IA a réduit leur taille pour un traitement rapide, identifié les erreurs possibles et ciblé les réponses imprévues.
"L'IA nous a permis de démêler les relations complexes dans l'espace et le temps entre les indicateurs de sécheresse et les facteurs qui les influencent", a déclaré Bennett. "Nous avons pu démontrer une nouvelle capacité à isoler automatiquement où ces indicateurs clés contribuent à la sécheresse et où et comment le comportement changera à l'avenir."
L'approche de l'IA, appelée factorisation matricielle non négative, a été largement utilisée pour extraire automatiquement des signaux cachés dans des ensembles de données complexes dans les sciences de la terre, l'astronomie, la biologie et d'autres disciplines. La technique nécessite peu ou pas de connaissances préalables ou physiques modélisation statistique du système analysé.
Le papier: « Caractériser le comportement de la sécheresse dans le bassin du fleuve Colorado à l'aide d'un apprentissage automatique non supervisé », par Carl J. Talsma, Katrina E. Bennett et Velimir V. Vesselinov, dans Earth and Space Science. https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2021EA002086
Le financement : Programme de recherche et développement dirigé par le laboratoire du Laboratoire national de Los Alamos.
Vous appréciez l'originalité de CleanTechnica? Envisagez de devenir un Membre, supporteur, technicien ou ambassadeur de CleanTechnica - ou un client sur Patreon.
