Al pronosticar el clima, los meteorólogos usan una serie de modelos y fuentes de datos para rastrear formas y movimientos de nubes que podrían indicar tormentas severas. Sin embargo, con conjuntos de datos climáticos cada vez más amplios y plazos inminentes, es casi imposible para ellos monitorear todas las tormentasformaciones, especialmente las de menor escala, en tiempo real.
Ahora, hay un modelo de computadora que puede ayudar a los pronosticadores a reconocer tormentas severas potenciales de manera más rápida y precisa, gracias a un equipo de investigadores de Penn State, AccuWeather, Inc. y la Universidad de Almería en España. Han desarrollado un marcobasado en clasificadores lineales de aprendizaje automático, un tipo de inteligencia artificial, que detecta movimientos de rotación en las nubes a partir de imágenes de satélite que de otro modo podrían pasar desapercibidas. Esta solución de inteligencia artificial se ejecutó en la supercomputadora Bridges en el Centro de Supercomputación de Pittsburgh.
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.
"El mejor pronóstico incorpora la mayor cantidad de datos posible", dijo. "Hay mucho que asimilar, ya que la atmósfera es infinitamente compleja. Al usar los modelos y los datos que tenemos [en frente de nosotros], nosotrosestá 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 los Estados Unidos. En ellas, los expertos identificaron y etiquetaron la forma y el movimiento de las nubes "en forma de coma". Estos patrones de nubes son fuertementeasociado con formaciones de ciclones, que pueden provocar eventos climáticos severos, como granizo, tormentas eléctricas, vientos fuertes 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 señalando en tiempo real dónde, en un océano de datos, podríaenfocan su atención para detectar la aparición de mal tiempo.
"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 y el investigador principalsobre el proyecto.
Los investigadores encontraron que su método puede detectar efectivamente nubes en forma de coma con una precisión del 99 por ciento, a un promedio de 40 segundos por predicción. También fue capaz de predecir el 64 por ciento de los eventos climáticos severos, superando a otros métodos existentes de detección de clima severo.
"Nuestro método puede capturar la mayoría de las nubes con forma de coma etiquetadas por humanos", dijo Zheng. "Además, nuestro método puede detectar algunas nubes con forma de coma antes de que estén completamente formadas, y nuestras detecciones a veces son más tempranas que el reconocimiento del ojo humano."
"El llamado de nuestro negocio es salvar vidas y proteger la propiedad", agregó Wistar. "Cuanto más avanzado sea el aviso a las personas que se verán afectadas por una tormenta, mejor brindaremos ese servicio. Estamos tratando de obtenerla mejor información lo antes posible "
Este proyecto mejora el trabajo anterior entre AccuWeather y un grupo de investigación del Colegio de IST dirigido por el profesor James Wang, quien es el asesor de tesis de Zheng.
"Reconocimos cuando nuestra colaboración comenzó [con AccuWeather en 2010] que un desafío importante que enfrentan los meteorólogos y climatólogos era dar sentido a la gran cantidad de datos generados continuamente por 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 el pronóstico del tiempo severo".
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 investigadora. Más investigación para integrar este enfoque con los modelos numéricos de predicción meteorológica existentes y otros modelos de simulaciónprobablemente haga que el pronóstico del tiempo sea más preciso 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".
Fuente de la historia :
Materiales proporcionado por Estado Penn . Original escrito por Jessica Hallman. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :