20:48 2024-04-01 science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu

_ AI îmbunătățește predicțiile privind precipitațiile musonice

_ AI îmbunătățește precipitațiile musonice previziuni

În fiecare an, sezonul musonic din Asia de Sud aduce ploi abundente peste un miliard de oameni din subcontinentul indian între iunie și septembrie. Ploaia cade în oscilații: în unele săptămâni se văd 1 până la 4 inci de apă, în timp ce alte săptămâni sunt în mare parte uscate. Prezicerea când vor avea loc aceste perioade uscate și umede este esențială pentru planificarea agricolă și urbană, permițând fermierilor să știe când să recolteze recoltele și ajutând oficialii orașului să se pregătească pentru inundații. Cu toate acestea, în timp ce prognozele meteo sunt în cea mai mare parte precise în decurs de una sau două zile, este foarte dificil să preziceți cu exactitate vremea pe săptămână sau pe lună.

Acum, o nouă prognoză bazată pe învățarea automată s-a dovedit a fi mai precisă. prezice precipitațiile musonice din Asia de Sud cu 10 până la 30 de zile în avans, o îmbunătățire semnificativă a prognozelor actuale de ultimă generație care utilizează modelarea numerică mai degrabă decât inteligența artificială pentru a face predicții. Înțelegerea comportamentului musonic este, de asemenea, importantă, deoarece acest tip de precipitații este o caracteristică atmosferică majoră a climei globale.

Cercetarea a fost condusă de Eviatar Bach, cercetător postdoctoral Foster și Coco Stanback, asociat de cercetare în știința și ingineria mediului. , care lucrează în laboratoarele lui Tapio Schneider, Theodore Y. Wu profesor de știință și inginerie a mediului și cercetător senior JPL; și Andrew Stuart, profesorul Bren de calcul și științe matematice.

O lucrare care descrie noua metodă apare în Proceedings of the National Academy of Sciences.

„Există o mulțime de îngrijorarea cu privire la modul în care schimbările climatice vor afecta musonul și alte evenimente meteorologice, cum ar fi uraganele, valurile de căldură și așa mai departe", spune Bach. „Îmbunătățirea predicțiilor pe termene mai scurte este o parte importantă a răspunsului la schimbările climatice, deoarece trebuie să fim capabili să îmbunătățim pregătirea pentru aceste evenimente.”

Prevederea vremii este dificilă, deoarece atmosfera conține numeroase instabilități – de exemplu , atmosfera este încălzită continuu de pe pământ de dedesubt, ceea ce duce la aer rece și mai dens deasupra aerului mai cald și mai puțin dens - precum și instabilitate cauzată de încălzirea neuniformă și de rotația Pământului. Aceste instabilități duc la o situație haotică în care erorile și incertitudinile în modelarea comportamentului atmosferei se înmulțesc rapid, făcând aproape imposibilă prezicerea mai departe în viitor.

Modelele actuale de ultimă generație folosesc valori numerice. modelare, care sunt simulări computerizate ale atmosferei bazate pe ecuațiile fizice care descriu mișcarea fluidelor. Din cauza haosului, timpul maxim previzibil pentru vremea pe scară largă este de obicei de aproximativ 10 zile. Prezicerea comportamentului mediu pe termen lung al atmosferei, adică a climei, este de asemenea posibilă, dar prezicerea vremii în intervalul de timp cuprins între două săptămâni și câteva luni a fost o provocare cu modelele numerice.

Cu musonii din Asia de Sud, ploaia tinde să cadă în cicluri de explozii intense, urmate de perioade secetoase. Aceste cicluri sunt cunoscute sub numele de oscilații intrasezonale musonice (MISO). În noua cercetare, Bach și colaboratorii săi au adăugat o componentă de învățare automată modelelor numerice actuale de ultimă generație. Acest lucru le-a permis cercetătorilor să adune date despre MISO-uri și să facă predicții mai bune ale precipitațiilor pe intervalul evaziv de două până la patru săptămâni. Modelul rezultat a reușit să îmbunătățească corelațiile dintre predicțiile cu observațiile cu până la 70%.

„În ultimii câțiva ani, a existat un interes crescut pentru utilizarea învățării automate pentru predicția vremii”, spune Bach. . „Munca noastră arată că o combinație de învățare automată și modelare numerică mai tradițională poate produce rezultate precise.”

Lucrul este intitulat „Predicția subsezonală îmbunătățită a ploilor musonice din Asia de Sud folosind previziuni bazate pe date ale modurilor oscilatorii”. Pe lângă Bach, coautorii sunt V. Krishnamurthy și Jagadish Shukla de la Universitatea George Mason; Safa Mote de la Universitatea de Stat din Portland; A. Surjalal Sharma și Eugenia Kalnay de la Universitatea din Maryland; și Michael Ghil de la École Normale Supérieure din Paris, UCLA și Imperial College London.

(Fluierul)

Inapoi