京都大学实地科学教育研究中心的Takeshi Ise副教授和特别助理教授Yurika Oba开发了一种利用深度学习来估计10年期间平均气温升降的方法，最大准确度达到97% 。
传统上，气候变化预测是基于使用超级计算机的物理计算。然而，传统的“自下而上”方法，即积累已知物理知识并创建模型来理解整体，计算越详细，就需要越详细的模拟模型和更大的超级计算机，从而减少了预算。是扩大人力的问题。
相比之下，这项研究采用了“自上而下”的方法，对趋势进行统计分析。首先，我们提取过去连续30年的全球气温数据，纵向排列1-12月各月的气温，横向排列30年的全年气温，并对高温和低温进行着色，生成伪彩色图像。创建图像的目的是让人工智能更容易学习其特征。
通过生成数万到数十万张伪彩色图像并使用深度学习对其进行训练，可以根据过去的温度数据以最高 10% 的准确度预测未来 97 年的平均气温是上升还是下降。据说，它变成了事实上，当我们根据截至2016年的气温数据预测未来10年的平均气温时，我们发现全球变暖将会进展，但在某些地区气温可能会上升得更慢，甚至下降，得出了这样的结果。以这种方式预测区域差异可能有助于未来的气候研究和全球变暖对策的进展。
未来，研究小组计划进一步提高该方法的准确性，并将其与现有的自下而上的气候预测相结合。
