Los ciclones tropicales (CT) son fuerzas humildes y poderosas de la naturaleza que pueden tener un impacto tremendo en las personas y las poblaciones humanas. Los meteorólogos se han esforzado por mejorar la capacidad de predicción de CT, esperando salvar vidas. En las últimas décadas, Los pronósticos de trayectoria de TC sobre el Pacífico norte occidental (WNP) han progresado considerablemente. Sin embargo, Los pronósticos de intensidad de CT han mejorado de manera insignificante, con solo un plazo de entrega de 3 a 5 días. Por lo tanto, mejorar la habilidad de pronóstico de intensidad de CT y extender el tiempo de pronóstico de anticipación son temas importantes y urgentes.

Para abordar este problema crítico, un grupo de investigación dirigido por el profesor Ruifen Zhan del Departamento de Ciencias Atmosféricas y Oceánicas / Instituto de Ciencias Atmosféricas de la Universidad de Fudan, junto con el Instituto de Tifones de Shanghai de la Administración Meteorológica de China, han desarrollado un nuevo método de pronóstico que proporciona pronósticos de intensidad de CT más precisos. El equipo acaba de publicar sus hallazgos en Avances en ciencias atmosféricas .

"El nuevo esquema también muestra el potencial para pronosticar una rápida intensificación y un debilitamiento rápido de la CT, y para extender el límite de tiempo actual de pronóstico de 5 días a 7 días, "dijo el profesor Zhan.

Los desarrolladores basaron el nuevo enfoque en la ecuación de crecimiento logístico. Combinaron regresión paso a paso (SWR), que es esencialmente un método de "prueba y error" de prueba de variables, y métodos de aprendizaje automático (LightGBM) que utilizan datos observados y de reanálisis. Los resultados muestran que el nuevo esquema produce un error de pronóstico de intensidad de CT mucho menos significativo que el pronóstico de intensidad oficial de la Administración Meteorológica de China. especialmente para las operaciones de cooperación técnica que han afectado a las regiones costeras de Asia oriental. Los investigadores también compararon los nuevos datos basados ​​en LightGBM con los resultados obtenidos mediante el método basado en SWR. El esquema basado en LightGBM superó consistentemente a los procesos convencionales basados ​​en SWR.

"Es posible que se necesite trabajo futuro para superar el problema de muestras insuficientes combinando los métodos de aprendizaje por transferencia basados ​​en esta investigación, que es la clave para saber si el nuevo esquema se puede utilizar en los pronósticos operativos ", agregó el profesor Zhiwei Wu. coautor del estudio.