Ny forskning udnytter big data til at forudsige hårdt vejr

Hvert år, hårdt vejr bringer millioner af mennesker i fare og forårsager skader for milliarder af dollars på verdensplan. Men ny forskning fra Penn State College of Information Sciences and Technology (IST) og AccuWeather har fundet en måde at bedre forudsige nogle af disse trusler ved at udnytte kraften i big data.

Forskerholdet, ledet af ph.d.-studerende Mohammad Mahdi Kamani og herunder IST-professor James Wang, doktorand Farshid Farhat, og AccuWeathers retsmedicinske meteorolog Stephen Wistar, har udviklet en ny tilgang til at identificere bueekkoer i radarbilleder, et fænomen forbundet med voldsomme og voldsomme vinde.

"Det var uundgåeligt for meteorologi at kombinere big data, computersyn, og datamining-algoritmer til at søge hurtigere, mere robuste og nøjagtige resultater, " sagde Kamani. Deres forskningspapir, "Skelet matcher med applikationer ved detektion af alvorligt vejr, " blev offentliggjort i tidsskriftet Anvendt Soft Computing og blev finansieret af National Science Foundation (NSF).

"Jeg tror, ​​computerbaserede metoder kan give meteorologerne et tredje øje, hjælpe dem med at se på ting, de ikke har tid eller energi til, " sagde Wang. I tilfælde af bue-ekkoer, denne automatiske detektion ville være afgørende for tidligere erkendelse af hårdt vejr, redde liv og ressourcer.

Wistar, den meteorologiske myndighed på projektet, forklaret, "I en række af tordenvejr, et bueekko er den ene del, der bevæger sig hurtigere end den anden." Som navnet antyder, når vejrforholdene har dannet sig fuldt ud, det ligner formen af ​​en sløjfe. "Det kan blive virkelig overdrevet, " sagde han. "Det er vigtigt, fordi det er der, du sandsynligvis vil få alvorlige skader, hvor træer vil falde, og tage bliver blæst af."

Men pt. når betingelserne lige er begyndt at danne sig, det kan være nemt for prognosemænd at overse. "Når det kommer til det åbenlyse punkt, (et bue-ekko) springer ud til en meteorolog, " sagde han. "Men på en aktiv vejrdag? De bemærker måske ikke, at det bare begynder at bøje sig."

For at bekæmpe dette, forskningen fokuserede på at automatisere detekteringen af ​​bueekkoer. Ved at trække på de store historiske data indsamlet af National Oceanic and Atmosphere Administration (NOAA), bueekkoer kan automatisk identificeres i det øjeblik, de begynder at dannes. Wang sagde, "Det er vores projekts grundlæggende mål - at yde assistance til meteorologen, så de kan træffe beslutninger hurtigere og med bedre nøjagtighed."

Ved løbende at overvåge radarbilleder fra NOAA, algoritmen er i stand til at scanne hele USA og give advarsler, når og hvor et bue-ekko begynder. I tider med aktivt hårdt vejr, når ressourcerne sandsynligvis vil blive spredt tyndt, det er i stand til at give øjeblikkelige meddelelser om udviklingen.

"Men dette er kun det første skridt, " kommenterede Kamani. Med detektionsalgoritmen på plads, de håber på en dag at forudsige bueekkoer, før de overhovedet dannes. "Det endelige mål er at have mere tid til at advare folk om at evakuere eller være klar til de lige vinde." Med hurtigere, mere præcise prognoser, de potentielle påvirkninger kan være betydelige.

"Hvis du kan få en 10'er, 15 minutters hop og få en advarsel ud tidligere fastgjort til et bestemt sted i stedet for hele amter, det er en kæmpe fordel, " sagde Wistar. "Det kunne være et rigtigt spring for meteorologer, hvis det er muligt. Det er virkelig spændende at se denne fremgang."

forestiller sig fremtiden for meteorologi, forskerne ser et uendeligt potentiale for anvendelse af big data. "Der er så meget vi kan gøre, " sagde Wang. "Hvis vi bedre kan forudsige kraftige tordenvejr, vi kan redde liv hvert år."