I cicloni tropicali (TC) sono forze della natura umilianti e potenti che possono avere un impatto enorme sulle persone e sulle popolazioni umane. I meteorologi si sono sforzati di migliorare le capacità di previsione dei TC, sperando di salvare vite. Negli ultimi decenni, Le previsioni dei tracciati TC sul Pacifico settentrionale occidentale (WNP) sono notevolmente migliorate. Però, Le previsioni sull'intensità del TC sono migliorate in modo insignificante, con un tempo di consegna di soli 3-5 giorni. Perciò, il miglioramento delle capacità di previsione dell'intensità dei TC e l'estensione dei tempi di previsione dei lead sono questioni importanti e urgenti.

Per affrontare questo problema critico, un gruppo di ricerca guidato dal Prof. Ruifen Zhan del Dipartimento di Scienze Atmosferiche e Oceaniche/Istituto di Scienze Atmosferiche della Fudan University, insieme allo Shanghai Typhoon Institute of China Meteorological Administration, hanno sviluppato un nuovo metodo di previsione che fornisce previsioni di intensità TC più precise. Il team ha appena pubblicato le sue scoperte in Progressi nelle scienze dell'atmosfera .

"Il nuovo schema mostra anche il potenziale per prevedere una rapida intensificazione e un rapido indebolimento della TC, e per estendere l'attuale limite di tempo di previsione di 5 giorni a 7 giorni, " ha detto il prof. Zhan.

Gli sviluppatori hanno basato il nuovo approccio sull'equazione della crescita logistica. Hanno combinato la regressione graduale (SWR), che è essenzialmente un metodo "prova ed errore" di test delle variabili, e metodi di apprendimento automatico (LightGBM) che utilizzano dati osservati e di rianalisi. I risultati mostrano che il nuovo schema produce un errore di previsione dell'intensità TC molto meno significativo rispetto alla previsione ufficiale dell'intensità della China Meteorological Administration, soprattutto per i TC che hanno avuto un impatto sulle regioni costiere dell'Asia orientale. I ricercatori hanno anche confrontato i nuovi dati basati su LightGBM con i risultati ottenuti utilizzando il metodo basato su SWR. Lo schema basato su LightGBM ha costantemente superato i processi convenzionali basati su SWR.

"Potrebbe essere necessario un lavoro futuro per superare il problema dei campioni insufficienti combinando i metodi di apprendimento del trasferimento basati su questa ricerca, che è la chiave se il nuovo schema può essere utilizzato nelle previsioni operative." ha aggiunto il prof. Zhiwei Wu, coautore dello studio.