Al pronosticar el clima, los meteorólogos utilizan una serie de modelos y fuentes de datos para rastrear formas y movimientos de nubes que podrían indicar tormentas severas. Sin embargo, con la creciente expansión de los conjuntos de datos meteorológicos y los plazos que se avecinan, es casi imposible para ellos monitorear todas las formaciones de tormenta, especialmente las de menor escala, en tiempo real.

Ahora, hay un modelo de computadora que puede ayudar a los pronosticadores a reconocer posibles tormentas severas de manera más rápida y precisa, gracias a un equipo de investigadores de Penn State, AccuWeather, Inc. y la Universidad de Almería en España. Han desarrollado un marco basado en clasificadores lineales de aprendizaje automático, un tipo de inteligencia artificial, que detecta movimientos de rotación en las nubes a partir de imágenes satelitales que, de lo contrario, podrían haber pasado desapercibidas. Esta solución de AI se ejecutó en la supercomputadora Bridges en el Centro de supercomputación de Pittsburgh.

Steve Wistar, meteorólogo forense senior en AccuWeather, dijo que tener esta herramienta para apuntar su atención hacia formaciones potencialmente amenazadoras podría ayudarlo a hacer un mejor pronóstico.

"La mejor previsión incorpora la mayor cantidad de datos posible", dijo. "Hay mucho que asimilar, ya que la atmósfera es infinitamente compleja. Al usar los modelos y los datos que tenemos [in front of us], estamos tomando una instantánea del aspecto más completo de la atmósfera ".

En su estudio, los investigadores trabajaron con Wistar y otros meteorólogos de AccuWeather para analizar más de 50,000 imágenes de satélite meteorológicas históricas de EE. UU. En ellos, los expertos identificaron y etiquetaron la forma y el movimiento de las nubes "en forma de coma". Estos patrones de nubes están fuertemente asociados con las formaciones de ciclones, que pueden llevar a eventos climáticos severos que incluyen granizo, tormentas eléctricas, vientos fuertes y ventiscas.

Luego, utilizando técnicas de visión artificial y de aprendizaje automático, los investigadores enseñaron a las computadoras a reconocer y detectar automáticamente nubes en forma de coma en las imágenes de satélite. Luego, las computadoras pueden ayudar a los expertos señalando en tiempo real dónde, en un océano de datos, podrían enfocar su atención para detectar la aparición de un clima severo.

"Debido a que la nube en forma de coma es un indicador visual de los fenómenos meteorológicos severos, nuestro plan puede ayudar a los meteorólogos a pronosticar tales eventos", dijo Rachel Zheng, estudiante de doctorado de la Facultad de Ciencias de la Información y Tecnología de Penn State y la investigadora principal de proyecto.

Los investigadores descubrieron que su método puede detectar eficazmente nubes en forma de coma con una precisión del 99 por ciento, a un promedio de 40 segundos por predicción. También fue capaz de predecir el 64 por ciento de los eventos climáticos severos, superando a otros métodos de detección de clima severo existentes.

"Nuestro método puede capturar la mayoría de las nubes en forma de coma y etiquetadas por el hombre", dijo Zheng. "Además, nuestro método puede detectar algunas nubes en forma de coma antes de que estén completamente formadas, y nuestras detecciones a veces son más tempranas que el reconocimiento del ojo humano".

"La vocación de nuestro negocio es salvar vidas y proteger la propiedad", agregó Wistar. "Mientras más avanzada sea la notificación a las personas que se vería afectada por una tormenta, mejor estaremos brindando ese servicio. Estamos tratando de obtener la mejor información lo antes posible".

Este proyecto mejora el trabajo anterior entre AccuWeather y un grupo de investigación de la Universidad de IST dirigido por el profesor James Wang, quien es el asesor de tesis de Zheng.

"Reconocimos cuando comenzó nuestra colaboración. [with AccuWeather in 2010] que un desafío significativo al que se enfrentaban los meteorólogos y climatólogos era comprender la vasta y creciente cantidad de datos generados por los satélites de observación de la Tierra, radares y redes de sensores ", dijo Wang." Es esencial que los sistemas informáticos analicen y aprendan de los datos. por lo que podemos proporcionar una interpretación oportuna y adecuada de los datos en aplicaciones sensibles al tiempo, como la predicción en tiempo severo ".

Agregó: "Esta investigación es un intento inicial para demostrar la viabilidad de la interpretación de la información visual relacionada con el clima basada en inteligencia artificial a la comunidad de investigación. Más investigación para integrar este enfoque con los modelos numéricos de predicción del tiempo existentes y otros modelos de simulación probablemente se El pronóstico del tiempo es más preciso y útil para las personas ".

Concluyó Wistar, "El beneficio [of this research] está llamando la atención de un pronosticador muy ocupado a algo que de otra manera podría haber sido pasado por alto ".

Fuente de la historia:

Materiales proporcionados por Estado de penn. Original escrito por Jessica Hallman. Nota: El contenido puede ser editado por estilo y longitud.

Dejar respuesta

Please enter your comment!
Please enter your name here