Quando si fanno le previsioni del tempo, i meteorologi utilizzano una serie di modelli e fonti di dati per tracciare forme e movimenti delle nuvole che potrebbero indicare forti tempeste. Però, con set di dati meteorologici sempre più in espansione e scadenze incombenti, è quasi impossibile per loro monitorare tutte le formazioni di tempeste, specialmente quelle su piccola scala, in tempo reale.

Ora, esiste un modello informatico che può aiutare i meteorologi a riconoscere potenziali tempeste gravi in ​​modo più rapido e accurato, grazie a un team di ricercatori della Penn State, AccuWeather, Inc., e l'Università di Almería in Spagna. Hanno sviluppato un framework basato su classificatori lineari di apprendimento automatico, una sorta di intelligenza artificiale, che rileva i movimenti di rotazione nelle nuvole da immagini satellitari che altrimenti sarebbero passate inosservate. Questa soluzione di intelligenza artificiale è stata eseguita sul supercomputer Bridges presso il Pittsburgh Supercomputing Center.

Steve Wistar, meteorologo forense senior presso AccuWeather, ha detto che avere questo strumento per puntare l'occhio verso formazioni potenzialmente minacciose potrebbe aiutarlo a fare una previsione migliore.

"La migliore previsione incorpora quanti più dati possibili, " ha detto. "C'è così tanto da prendere in, poiché l'atmosfera è infinitamente complessa. Utilizzando i modelli e i dati che abbiamo [davanti a noi], stiamo scattando un'istantanea dell'aspetto più completo dell'atmosfera."

Nel loro studio, i ricercatori hanno lavorato con Wistar e altri meteorologi di AccuWeather per analizzare più di 50, 000 immagini satellitari storiche meteorologiche degli Stati Uniti. In loro, gli esperti hanno identificato ed etichettato la forma e il movimento delle nuvole "a forma di virgola". Questi modelli di nubi sono fortemente associati alle formazioni di cicloni, che possono portare a gravi eventi meteorologici tra cui grandine, temporali, venti forti e bufere di neve.

Quindi, utilizzando tecniche di visione artificiale e machine learning, i ricercatori hanno insegnato ai computer a riconoscere e rilevare automaticamente le nuvole a forma di virgola nelle immagini satellitari. I computer possono quindi assistere gli esperti indicando in tempo reale dove, in un oceano di dati, potrebbero concentrare la loro attenzione al fine di rilevare l'insorgenza di condizioni meteorologiche avverse.

"Poiché la nuvola a forma di virgola è un indicatore visivo di eventi meteorologici gravi, il nostro schema può aiutare i meteorologi a prevedere tali eventi, " ha detto Rachel Zheng, uno studente di dottorato presso il College of Information Sciences and Technology della Penn State e il principale ricercatore del progetto.

I ricercatori hanno scoperto che il loro metodo può rilevare efficacemente le nuvole a forma di virgola con una precisione del 99%, a una media di 40 secondi per previsione. È stato anche in grado di prevedere il 64 percento degli eventi meteorologici gravi, superando altri metodi di rilevamento di condizioni meteorologiche avverse esistenti.

"Il nostro metodo è in grado di catturare la maggior parte delle etichette umane, nuvole a forma di virgola, " disse Zheng. "Inoltre, il nostro metodo può rilevare alcune nuvole a forma di virgola prima che siano completamente formate, e le nostre rilevazioni a volte sono precedenti al riconoscimento dell'occhio umano".

"La vocazione della nostra attività è salvare vite umane e proteggere la proprietà, " ha aggiunto Wistar. "L'avviso più avanzato per le persone che sarebbero colpite da una tempesta, meglio stiamo fornendo quel servizio. Stiamo cercando di ottenere le migliori informazioni il prima possibile".

Questo progetto migliora il lavoro precedente tra AccuWeather e un gruppo di ricerca del College of IST guidato dal professor James Wang, chi è il relatore di tesi di Zheng.

"Quando è iniziata la nostra collaborazione [con AccuWeather nel 2010], abbiamo riconosciuto che una sfida significativa per i meteorologi e i climatologi consisteva nel dare un senso alla quantità enorme e in continuo aumento di dati generati dai satelliti di osservazione della Terra, radar e reti di sensori, " ha affermato Wang. "È essenziale disporre di sistemi computerizzati che analizzino e apprendano dai dati in modo da poter fornire un'interpretazione tempestiva e corretta dei dati in applicazioni sensibili al tempo come le previsioni del tempo grave".

Ha aggiunto, "Questa ricerca è un primo tentativo di mostrare alla comunità di ricerca la fattibilità dell'interpretazione basata sull'intelligenza artificiale delle informazioni visive relative al tempo. Ulteriori ricerche per integrare questo approccio con i modelli numerici di previsione del tempo esistenti e altri modelli di simulazione probabilmente renderanno le previsioni del tempo più preciso e utile alle persone."

Concluse Wistar, "Il vantaggio [di questa ricerca] è richiamare l'attenzione di un meteorologo molto impegnato su qualcosa che altrimenti potrebbe essere trascurato".