Big data y data mining han proporcionado varios avances en campos como la informática de la salud, ciudades inteligentes y marketing. Las mismas técnicas, sin embargo, no han entregado hallazgos clave consistentes para el cambio climático.

Hay algunas razones para ello. El principal es que el trabajo previo de minería de datos en la ciencia del clima, y en particular en el análisis de las teleconexiones climáticas, se ha basado en métodos que ofrecen respuestas bastante simplistas de "sí o no".

"No es tan simple en el clima, "dijo Annalisa Bracco, profesor de la Facultad de Ciencias de la Tierra y la Atmósfera de Georgia Tech. "Incluso las conexiones débiles entre regiones muy diferentes del mundo pueden ser el resultado de un fenómeno físico subyacente. La imposición de umbrales y la eliminación de conexiones débiles detendrían todo. En cambio, La experiencia de un científico del clima es el paso clave para encontrar puntos en común entre conjuntos de datos o campos muy diferentes para explorar cuán robustos son ".

Y con millones de puntos de datos repartidos por todo el mundo, Bracco dijo que los modelos actuales dependen demasiado de la experiencia humana para dar sentido a la salida. Ella y sus colegas querían desarrollar una metodología que dependiera más de datos reales que de la interpretación de un investigador.

Es por eso que el equipo de Georgia Tech ha desarrollado una nueva forma de extraer datos de conjuntos de datos climáticos que es más autónoma que las herramientas tradicionales. La metodología resalta los puntos en común de los conjuntos de datos sin tanta experiencia por parte del usuario, permitiendo a los científicos confiar en los datos y obtener resultados más sólidos y transparentes.

La metodología es de código abierto y actualmente está disponible para científicos de todo el mundo. Los investigadores de Georgia Tech ya lo están utilizando para explorar la temperatura de la superficie del mar y los datos del campo de nubes. dos aspectos que afectan profundamente el clima del planeta.

"Hay tantos factores:datos en la nube, aerosoles y campos de viento, por ejemplo, que interactúan para generar clima e impulsar el cambio climático, "dijo Athanasios Nenes, otro profesor de clima de la Facultad de Ciencias del proyecto. "Dependiendo del aspecto del modelo en el que te enfoques, pueden reproducir las características climáticas de forma eficaz, o no reproducirlas en absoluto. A veces es muy difícil saber si un modelo es realmente mejor que otro o si predice el clima por las razones correctas ".

Nenes dice que la metodología de Georgia Tech analiza todo de una manera más sólida, romper el cuello de botella típico de otros algoritmos de análisis y evaluación de modelos. La metodología, él dice, se puede utilizar para observaciones, y los científicos no necesitan saber nada sobre códigos y modelos informáticos.

"La metodología reduce la complejidad de millones de puntos de datos a lo esencial, a veces tan solo 10 regiones que interactúan entre sí, ", dijo Nenes." Necesitamos tener herramientas que reduzcan la complejidad de la salida del modelo para comprenderlos mejor y evaluar si están proporcionando los resultados correctos por las razones correctas ".

Para desarrollar la metodología, los científicos del clima se asociaron con Constantine Dovrolis y otros científicos de datos en la Facultad de Computación de Georgia Tech. Dovrolis dijo que es emocionante aplicar el pensamiento algorítmico y computacional en problemas que afectan a todos de manera importante, como el calentamiento global ".

"La ciencia del clima es una disciplina 'con gran cantidad de datos' con muchas preguntas intelectualmente interesantes que pueden beneficiarse del modelado y la predicción computacionales, "dijo Dovrolis, profesor de la Facultad de Ciencias de la Computación, "Las colaboraciones interdisciplinarias son desafiantes al principio:cada disciplina tiene su propio idioma, enfoque preferido y cultura de investigación, pero al final pueden resultar bastante gratificantes ".

El papel, "Avanzar en la ciencia del clima con el descubrimiento de conocimientos a través de la minería de datos, "se publica en Ciencia del clima y la atmósfera .