Modellen kunne skabe orkanprognoser op til 18 måneder i forvejen

Hvert forår, forskere offentliggør deres forventede prognoser for den kommende orkansæson - hvor mange storme kan dannes, og hvor alvorlige de kan være. Men hvad nu hvis du kunne lave disse prognoser op til halvandet år i forvejen? En ny model fra North Carolina State University inkorporerer maskinlæring for at skabe orkanprognoser over lange afstande med samme nøjagtighed som dem, der i øjeblikket er i brug.

De fleste orkanforudsigelser på forsæsonen foretages ved hjælp af statistiske modeller, der udnytter optimerede data fra havets tryk, havoverfladetemperaturer og andre historiske klimatiske data. Imidlertid, disse forudsigelser er lavet ud fra tidsseriedata - hvilket betyder, at de bruger klimatiske aflæsninger fra et sted eller gennemsnittet over et bestemt område og tidsrum.

"Tidsseriedata er endimensionale - de indeholder ingen rumlige oplysninger, ændrer sig kun over tid, "siger Lian Xie, professor i marine, jord- og atmosfæriske videnskaber ved NC State og tilsvarende forfatter til et papir, der beskriver arbejdet.

"Vi kiggede på hver forudsigelsestidsserie på et sted i gennemsnit over et bestemt tidsrum hvert år:f.eks. havoverfladetemperaturanomalier i gennemsnit over nogle dele af det tropiske Stillehav i løbet af februar, "Siger Xie." I modsætning hertil, den nye model ser på data taget fra mange specifikke steder, og for hvert sted, den bruger to datapunkter om måneden - tilføjer en vigtig rumlig komponent til prognosen. "

"Orkansystemer er uhyrligt komplekse, " siger medforfatter Hamid Krim, professor i elektro- og computerteknik ved NC State. "Vi ved, at det, der sker på fjerne steder, vil og påvirker andre steder gennem vejrsystemers tilslutning. Så en rumlig tidsmæssig model giver os et meget mere præcist billede af dynamikken i et orkansystem."

Den nye model inkorporerer historiske data fra fjerne meteorologiske begivenheder som El Niño og La Niña, samt data fra flere lokationer på flere tidspunkter. For at træne modellen, forskerne brugte halvmånedlige data fra 1951 til 2010.

Forskerne vil bruge den nye model til at forudsige akkumuleret cyklon energi, eller ACE, for at forudsige, hvor aktiv en kommende sæson kan være.

"ACE er en anderledes måde at måle, hvor aktiv en orkansæson er, ud over blot at prøve at give en række storme, " siger Xie. "Den beregner mængden af ​​kinetisk energi, hver orkan har fra start til slut over hele sæsonen. Opsummeringen af ​​al den energi er ACE.

"Mens ACE normalt er stærkt korreleret med antallet af orkaner - f.eks. en aktiv sæson vil have et højt ACE—der kan være forskelle, " siger Xie. "En sæson med en langvarig stærk orkan og nogle få mindre kunne have samme ACE som en sæson med et større antal mellemliggende orkaner. Så tællingerne kan variere, mens ACE er den samme, men den overordnede bestemmelse af en sæson som aktiv eller inaktiv vil normalt være i overensstemmelse med dem, der bestemmes af orkantællinger."

Forskerne validerede deres nye model i tidsvinduer på tre, seks, ni, 12 og 18 måneder mod syv års orkandata. For alle prognoser viste modellen en nøjagtighed, der var sammenlignelig med den, der opnås med modeller, der er i brug i øjeblikket. For den kommende sæson 2021, de planlægger at bruge en kombination af både traditionel prognose og den nye model, fokusere mere på ACE end blot antal storme.

Xie siger, at de første resultater for de langsigtede prognoser ser lovende ud.

"Der er selvfølgelig fejl med modellen, men dens nøjagtighed kan sammenlignes med andre prognoser, med den fordel at få en længere leveringstid, "Siger Xie." Dette er egentlig kun udgangspunktet. Vi håber, at vi kan fortsætte med at forbedre det over tid."

"Jeg vil tilføje, at udfordringen er at først mere dybt forstå de komplekse langsigtede interaktioner mellem de forskellige faktorer, og derefter matematisk fange dem, "Siger Krim.

Værket vises i Atmosfære .