.
Quando o clima severo está se formando e perigos que ameaçam a vida, como chuva forte, granizo ou tornados, são possíveis, alertas antecipados e previsões precisas são de extrema importância. Os pesquisadores do clima da Colorado State University forneceram aos meteorologistas uma nova ferramenta poderosa para aumentar a confiança em suas previsões e potencialmente salvar vidas.
Nos últimos anos, Russ Schumacher, professor do Departamento de Ciências Atmosféricas e climatologista do estado do Colorado, liderou uma equipe que desenvolveu um sofisticado modelo de aprendizado de máquina para avançar na previsão hábil de clima perigoso nos Estados Unidos continentais. Treinado pela primeira vez em registros históricos de chuvas excessivas, o modelo agora é inteligente o suficiente para fazer previsões precisas de eventos como tornados e granizo com quatro a oito dias de antecedência – o ponto ideal crucial para os meteorologistas obterem informações ao público para que possam se preparar . O modelo é chamado de CSU-MLP, ou Probabilidades de aprendizado de máquina da Colorado State University.
Liderada pelo cientista pesquisador Aaron Hill, que trabalhou no refinamento do modelo nos últimos dois anos, a equipe publicou recentemente sua capacidade de previsão de médio prazo (quatro a oito dias) no jornal American Meteorological Society. Clima e Previsão.
Trabalhando com os meteorologistas do Centro de Previsão de Tempestades
Os pesquisadores agora se uniram a meteorologistas do Centro Nacional de Previsão de Tempestades em Norman, Oklahoma, para testar o modelo e refiná-lo com base em considerações práticas de meteorologistas reais. A ferramenta não é um substituto para a habilidade inestimável dos meteorologistas humanos, mas fornece uma medida agnóstica e de aumento de confiança para ajudar os meteorologistas a decidir se devem emitir avisos públicos sobre o clima potencial.
“Nossos modelos estatísticos podem beneficiar os analistas operacionais como um produto de orientação, não como um substituto”, disse Hill.
Israel Jirak, MS ’02, Ph.D. ’05, é oficial de ciência e operações do Centro de Previsão de Tempestades e co-autor do artigo. Ele chamou a colaboração com a equipe da CSU de “um projeto de pesquisa para operações muito bem-sucedido”.
“Eles desenvolveram orientação probabilística de clima severo baseada em aprendizado de máquina que é estatisticamente confiável e hábil, além de ser útil na prática para meteorologistas”, disse Jirak. Os meteorologistas em Oklahoma estão usando o produto de orientação da CSU diariamente, especialmente quando precisam emitir previsões de tempo severo de médio alcance.
Nove anos de dados climáticos históricos
O modelo é treinado em um conjunto de dados muito grande contendo cerca de nove anos de observações meteorológicas históricas detalhadas sobre os EUA continentais. Esses dados são combinados com previsões retrospectivas meteorológicas, que são “reprevisões” de modelo criadas a partir de resultados de eventos climáticos passados. Os pesquisadores da CSU extraíram os fatores ambientais dessas previsões do modelo e os associaram a eventos passados de clima severo, como tornados e granizo. O resultado é um modelo que pode ser executado em tempo real com eventos climáticos atuais e produzir uma probabilidade desses tipos de riscos com um prazo de quatro a oito dias, com base em fatores ambientais atuais, como temperatura e vento.
doutorado A estudante Allie Mazurek está trabalhando no projeto e está tentando entender quais entradas de dados atmosféricos são as mais importantes para as capacidades preditivas do modelo. “Se pudermos decompor melhor como o modelo está fazendo suas previsões, esperamos diagnosticar melhor por que as previsões do modelo são boas ou ruins durante certas configurações climáticas”, disse ela.
Hill e Mazurek estão trabalhando para tornar o modelo não apenas mais preciso, mas também mais compreensível e transparente para os meteorologistas que o utilizam.
Para Hill, é muito gratificante saber que anos de trabalho refinando a ferramenta de aprendizado de máquina estão fazendo a diferença em um ambiente operacional público.
“Adoro pesquisa fundamental. Adoro entender coisas novas sobre nossa atmosfera. Mas ter um sistema que fornece avisos e mensagens aprimorados sobre a ameaça de mau tempo é extremamente gratificante”, disse Hill.
.
