• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  Science >> Scienza >  >> Natura
    L’intelligenza artificiale migliora le previsioni sulle precipitazioni monsoniche
    Un diagramma semplificato dell'algoritmo EnOC, con due membri dell'insieme dinamico per semplicità. Qui, il secondo membro dell'insieme (viola) riceverà un peso maggiore, poiché è più vicino alla previsione MISO nel sottospazio. Si noti che nell'implementazione reale, riduciamo la dinamica nel sottospazio MISO ai primi due componenti principali della modalità MISO. Credito:Atti dell'Accademia nazionale delle scienze (2024). DOI:10.1073/pnas.2312573121

    Ogni anno, la stagione dei monsoni dell’Asia meridionale porta forti piogge a oltre un miliardo di persone nel subcontinente indiano tra giugno e settembre. La pioggia cade in modo oscillante:in alcune settimane cadono da 1 a 4 pollici d'acqua, mentre in altre settimane il clima è prevalentemente asciutto. Prevedere quando si verificheranno questi periodi secchi e umidi è fondamentale per la pianificazione agricola e urbana, poiché consente agli agricoltori di sapere quando raccogliere i raccolti e aiuta i funzionari della città a prepararsi alle inondazioni. Tuttavia, mentre le previsioni meteorologiche sono per lo più accurate entro uno o due giorni, prevedere con precisione il tempo a distanza di una settimana o di un mese è molto difficile.



    Ora, una nuova previsione basata sull’apprendimento automatico ha dimostrato di prevedere in modo più accurato le precipitazioni monsoniche dell’Asia meridionale con 10-30 giorni di anticipo, un miglioramento significativo rispetto alle attuali previsioni all’avanguardia che utilizzano la modellazione numerica anziché l’intelligenza artificiale. per fare previsioni. Comprendere il comportamento dei monsoni è importante anche perché questo tipo di precipitazioni è una delle principali caratteristiche atmosferiche del clima globale.

    La ricerca è stata guidata da Eviatar Bach, Foster e Coco Stanback Postdoctoral Scholar Research Associate in Environmental Science and Engineering, che lavora nei laboratori di Tapio Schneider, Theodore Y. Wu Professore di Scienze e Ingegneria Ambientali e ricercatore senior del JPL; e Andrew Stuart, professore Bren di scienze informatiche e matematiche.

    Un articolo che descrive il nuovo metodo appare negli Proceedings of the National Academy of Sciences .

    "C'è molta preoccupazione su come i cambiamenti climatici influenzeranno i monsoni e altri eventi meteorologici come gli uragani, le ondate di caldo e così via", afferma Bach. "Migliorare le previsioni su scale temporali più brevi è una parte importante della risposta ai cambiamenti climatici perché dobbiamo essere in grado di migliorare la preparazione a questi eventi."

    Un modello di come variano le precipitazioni monsoniche, chiamato "oscillazione intrastagionale monsonica", sul subcontinente indiano nel corso di una singola stagione. Credito:E. Bach

    Prevedere il tempo è difficile perché l’atmosfera contiene numerose instabilità – ad esempio, l’atmosfera viene continuamente riscaldata dalla terra sottostante, portando aria fredda e più densa sopra aria più calda e meno densa – così come l’instabilità causata dal riscaldamento irregolare e dalla rotazione terrestre. Queste instabilità portano a una situazione caotica in cui gli errori e le incertezze nella modellazione del comportamento dell'atmosfera si moltiplicano rapidamente, rendendo quasi impossibile prevedere ulteriormente il futuro.

    Gli attuali modelli all’avanguardia utilizzano modelli numerici, ovvero simulazioni computerizzate dell’atmosfera basate su equazioni fisiche che descrivono il movimento dei fluidi. A causa del caos, il tempo massimo prevedibile per il tempo su larga scala è solitamente di circa 10 giorni. È anche possibile prevedere il comportamento medio dell'atmosfera a lungo termine, ovvero il clima, ma prevedere il tempo nell'intervallo di tempo compreso tra due settimane e diversi mesi è stata una sfida con i modelli numerici.

    Con i monsoni dell'Asia meridionale, la pioggia tende a cadere in cicli di raffiche intense seguite da periodi di siccità. Questi cicli sono noti come oscillazioni intrastagionali monsoniche (MISO). Nella nuova ricerca, Bach e i suoi collaboratori hanno aggiunto una componente di apprendimento automatico agli attuali modelli numerici all’avanguardia. Ciò ha consentito ai ricercatori di raccogliere dati sui MISO e di fare previsioni migliori sulle precipitazioni nell’inafferrabile intervallo temporale di due-quattro settimane. Il modello risultante è stato in grado di migliorare le correlazioni delle previsioni con le osservazioni fino al 70%.

    "Negli ultimi anni c'è stato un crescente interesse nell'utilizzo dell'apprendimento automatico per le previsioni meteorologiche", afferma Bach. "Il nostro lavoro dimostra che una combinazione di apprendimento automatico e modellazione numerica più tradizionale può produrre risultati accurati."

    L’articolo è intitolato “Previsione substagionale migliorata delle precipitazioni monsoniche dell’Asia meridionale utilizzando previsioni basate sui dati delle modalità oscillatorie”. Oltre a Bach, coautori sono V. Krishnamurthy e Jagadish Shukla della George Mason University; Safa Mote della Portland State University; A. Surjalal Sharma e Eugenia Kalnay dell'Università del Maryland; e Michael Ghil dell'École Normale Supérieure di Parigi, dell'UCLA e dell'Imperial College di Londra.

    Ulteriori informazioni: Eviatar Bach et al, Previsione substagionale migliorata delle precipitazioni monsoniche dell'Asia meridionale utilizzando previsioni basate sui dati delle modalità oscillatorie, Atti dell'Accademia nazionale delle scienze (2024). DOI:10.1073/pnas.2312573121

    Informazioni sul giornale: Atti dell'Accademia Nazionale delle Scienze

    Fornito dal California Institute of Technology




    © Scienza https://it.scienceaq.com