Crédito:CC0 Public Domain
Al pronosticar el tiempo, Los meteorólogos utilizan una serie de modelos y fuentes de datos para rastrear las formas y los movimientos de las nubes que podrían indicar tormentas severas. Sin embargo, con conjuntos de datos meteorológicos cada vez más amplios y fechas límite inminentes, es casi imposible para ellos monitorear todas las formaciones de tormenta, especialmente las de menor escala, en tiempo real.
Ahora, Existe un modelo informático que puede ayudar a los pronosticadores a reconocer posibles tormentas severas con mayor rapidez y precisión. gracias a un equipo de investigadores de Penn State, AccuWeather, C ª., y la Universidad de Almería en España. Han desarrollado un marco basado en clasificadores lineales de aprendizaje automático, una especie de inteligencia artificial, que detecta los movimientos de rotación en las nubes a partir de imágenes de satélite que, de otro modo, podrían haber pasado desapercibidas. Esta solución de inteligencia artificial se ejecutó en la supercomputadora Bridges en el Pittsburgh Supercomputing Center.
Steve Wistar, meteorólogo forense senior en AccuWeather, dijo que tener esta herramienta para apuntar su ojo hacia formaciones potencialmente amenazantes podría ayudarlo a hacer un mejor pronóstico.
"La mejor previsión incorpora tantos datos como sea posible, ", dijo." Hay mucho que asimilar, ya que la atmósfera es infinitamente compleja. Al utilizar los modelos y los datos que tenemos [frente a nosotros], 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 históricas de satélites meteorológicos 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 formaciones ciclónicas, que puede conducir a eventos climáticos severos, incluido el granizo, tormentas eléctricas fuertes vientos y ventiscas.
Luego, utilizando técnicas de visión artificial y aprendizaje automático, los investigadores enseñaron a las computadoras a reconocer y detectar automáticamente nubes en forma de coma en imágenes de satélite. Las computadoras pueden ayudar a los expertos al señalar 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 eventos climáticos severos, nuestro esquema puede ayudar a los meteorólogos a pronosticar tales eventos, "dijo Rachel Zheng, estudiante de doctorado en la Facultad de Ciencias de la Información y Tecnología de Penn State e investigadora principal del proyecto.
Los investigadores encontraron que su método puede detectar efectivamente nubes en forma de coma con una precisión del 99 por ciento. a una media de 40 segundos por predicción. También pudo predecir el 64 por ciento de los eventos climáticos severos, superando a otros métodos de detección de condiciones meteorológicas adversas existentes.
"Nuestro método puede capturar la mayoría de las nubes en forma de coma, "dijo Zheng." Además, nuestro método puede detectar algunas nubes en forma de coma antes de que estén completamente formadas, y nuestras detecciones son a veces anteriores al reconocimiento del ojo humano ".
"La vocación de nuestro negocio es salvar vidas y proteger la propiedad, "añadió Wistar." El aviso más avanzado para las personas que se verían afectadas por una tormenta, mejor proporcionaremos 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 del College of IST dirigido por el profesor James Wang, quien es el asesor de tesis de Zheng.
"Reconocimos cuando comenzó nuestra colaboración [con AccuWeather en 2010] que un desafío significativo al que se enfrentan los meteorólogos y climatólogos era dar sentido a la enorme 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 computarizados analicen y aprendan de los datos para que podamos proporcionar una interpretación oportuna y adecuada de los datos en aplicaciones sensibles al tiempo, como la predicción de condiciones meteorológicas adversas ".
Él agregó, "Esta investigación es un intento temprano de mostrar la viabilidad de la interpretación basada en inteligencia artificial de la información visual relacionada con el clima a la comunidad de investigadores. Más investigaciones para integrar este enfoque con los modelos numéricos de predicción del clima existentes y otros modelos de simulación probablemente harán que el pronóstico del tiempo más precisa y útil para las personas ".
Concluyó Wistar, "El beneficio [de esta investigación] es llamar la atención de un pronosticador muy ocupado sobre algo que de otro modo podría haberse pasado por alto".