Метеорологи разработали алгоритм машинного обучения, который поможет предсказать вероятность того, что ураган начнет быстро усиливаться. Точность алгоритма превосходит точность текущей модели, которую использует американский Национальный центр ураганов, на 200 процентов. Статья опубликована в журнале Geophysical Research Letters.

Предсказать, начнет ли тропический циклон резко усиливаться — то есть увеличится ли скорость ветра больше, чем на 30 узлов (или 55 километров в час) за сутки — очень сложно. Во многом это связано с тем, что рост скорости ветра сильно зависит от условий окружающей среды, а также на процессах, происходящих внутри урагана. При этом, подобные прогнозы имеют большое социоэкономическое значение — один тропический циклон способен нанести ущерб порядка 100 миллиардов долларов США. Подготовка к нему может помочь заметно снизить как убытки, так и количество травм.

Хуэй Сю (Hui Su) из Лаборатории реактивного движения NASA вместе с коллегами разработала алгоритм машинного обучения, который поможет метеорологам предсказать усиление урагана. На основе анализа спутниковых данных, собранных в рамках совместного проекта NASA и JAXA Tropical Rainfall Measuring Mission, который проводился с 1997 года по 2015 год, исследователи выделили несколько основных факторов, которые связаны с изменением скорости движения ветра. Так, ученые заметили, что хорошим индикатором того, что сила урагана возрастет в течение следующих 24 часов, является количество осадков внутри ядра шторма — кольца гроз радиусом до 100 километров, который окружает так называемый глаз бури. Чем сильнее дождь внутри этой области, тем больше вероятность того, что шторм усилится. Кроме того, изменение силы ветра также оказалось связано с содержанием льдинок в облаках и температурой воздуха, поднимающегося из глаза бури. К таким выводам метеорологи пришли, изучив данные спутников CloudSat и Microwave Limb Sounder.

Эти индикаторы ученые добавили к тем, что использует программа Национального центра ураганов — в их число входит предыдущее 12-часовое изменение интенсивности циклона, процент площади с общим количеством осадков менее 45 миллиметров и другие. С помощью IBM Watson Studio авторы разработали статистическую модель и обучили ее на данных об бурях, полученных с 1998 по 2008 год. Проверка работы системы велась на информации об ураганах с 2009 по 2014 год.

Тесты показали, что в случае с ураганами, скорость ветра которых увеличилась как минимум на 56 километров в час в течение 24 часов, новая модель показала на 60 процентов лучший результат по сравнению с текущей. Для более сильных ураганов, где скорость ветра возрастала не менее чем на 64 километра в час за сутки, рост предсказательной точности составил 200 процентов.

Теперь Сю и ее коллеги намерены протестировать модель во время текущего сезона ураганов, чтобы оценить ее эффективность. Кроме того, они намерены проанализировать данные других спутников, чтобы определить и другие факторы, связанные с усилением тропических циклонов, а также изменением их динамики со временем.

Ранее климатологи создали полную базу данных смерчей, происходивших в России и сопредельных государствах с X века, и выяснили, что, вопреки сложившимся представлениям о редкости смерчей на этой территории, они появляются регулярно, следуя ярко выраженным годовым и суточным циклам.

Ссылка: https://nplus1.ru/news/2020/09/03/a-machine-learning-assist-to-predicting-hurricane