自然界存在着很多神奇的现象,我们可以坐看大海的潮起潮落;我们期待见到流星许个愿望;我们被美丽的极光深深的吸引着。然而有些自然现象是毁灭性的,比如这篇文章提到的厄尔尼诺现象。
可怕的厄尔尼诺现象每2到7年就会爆发一次。随着热带太平洋的暖水向东移动,信风减弱,天气模式在大气中起伏,导致南非出现干旱、南美发生野火、北美太平洋海岸洪水泛滥。气候科学家一直致力于提前一年预测厄尔尼诺事件,但一项最新研究显示AI已经可以将预测时间延长到18个月。
加拿大维多利亚州已退休的气候科学家William Hsieh说,这项工作可以帮助受威胁地区的人们更好地为干旱或洪水做准备,例如选择种植哪种作物。Hsieh曾参与早期的厄尔尼诺预报工作,但没有参与目前的研究。他表示,更长期的预测可能会带来“巨大的经济效益”。
一些厄尔尼诺预测的问题在于,它们对海温等要素的历史统计数据的依赖相对较小。其他一些预测使用气候模型,但很难绘制出长期预测所需的海洋详细图像。
使用CNN建立了当前最准确的模型
这项新研究使用了一种名为卷积神经网络(CNN)的AI,它擅长识别图像。例如,经过训练,神经网络可以通过识别猫共有的特征(如胡须和四条腿)来识别照片中的猫。在这种情况下,研究人员使用历史海平面温度和深海温度的全球图像来训练神经网络,以了解它们如何与未来厄尔尼诺事件相对应。
这样的神经网络需要经过大量图像的训练,才能识别出潜在的模式。该研究的第一作者Yoo-Geun Ham是韩国光州全南国立大学的气候学家,他说,为了解决历史厄尔尼诺事件数据短缺的问题,科学家们利用著名的气候模型,根据历史海洋条件生成了一系列模拟数据。因此,科学家们不仅有一组1871年至1973年的实际历史数据,还得到了数千个模拟结果。
厄尔尼诺-南方涛动(ENSO)相关系数预测技巧各模型比较
El Niño类型在各模型中预测准确率比较直方图
AI更具现实意义:
可精确定位升温地区,帮助实际预测
该研究还证明了AI更善于精确定位太平洋最容易升温的部分。这具有现实意义,因为当厄尔尼诺集中在东太平洋时,离南美洲更近,会导致北太平洋水温升高,美洲的降雨也更容易引发洪水,而厄尔尼诺集中在西部时则会带来不一样的影响。
Hsieh表示,利用气候模型生产额外的训练数据,是规避其他方法缺点的一种明智方法。他表示,这是一个足够大的进步,应该用于实际预测。
但目前尚不清楚将预报推后一年还能为现实世界带来多少好处,纽约哥伦比亚大学国际气候与社会研究所气候科学家,厄尔尼诺现象建模专家Stephen Zebiak警示道。他表示:“可采取行动的提前期可能不到一年。”因为决策者不太可能提前采取进一步行动。
研究人员已经开始发布2021年的预测,并预测可能发生的拉尼娜事件(厄尔尼诺现象相对凉爽)会带来更严重的季风和干旱。但主要的政府预测机构尚未考虑该组织的预测。Ham说,他和他的同事正在调整模型,以进一步延长预测。与此同时,他的团队正在努力提高对另一种海洋模式——印度洋偶极事件的预测。这一海洋温度的波动会影响亚洲和澳大利亚的降雨和热带气旋。
相关报道:
https://www.sciencemag.org/news/2019/09/artificial-intelligence-could-predict-el-ni-o-18-months-advance
领取专属 10元无门槛券
私享最新 技术干货