极端天气、森林火险…机器学习给气象气候领域带来了哪些改变？

天气机器学习气象改变

将门 | 2017-08-30 15:37

【数据猿导读】随着不断增加的人造卫星和更加强大的气象模型，现在研究全球气候变暖的人员们面临着海量的数据需要处理。其中一些人开始寻求AI的帮助，以便从海量的数据中挖掘出有用的信息和新的气候模式，来帮助更好的气候预测。

通过将人工智能和气候科学进行结合，科学家们发现了从前并不知道的气候特性和大气运动，同时还能够对气候模型进行排序和选择。

近来的模型都在致力于寻找能更精密模拟云层结构的方法

随着不断增加的人造卫星和更加强大的气象模型，现在研究全球气候变暖的人员们面临着海量的数据需要处理。其中一些人开始寻求AI的帮助，以便从海量的数据中挖掘出有用的信息和新的气候模式，来帮助更好的气候预测。

目前已经有研究人员致力于利用机器学习的方法和技术来处理气候问题。在机器学习中，AI系统通过学习越来越多的数据来不断完善自身的性能。但对于气候研究来说最大的问题就是数据的问题。通常情况下运行一个高精度的气候模型就会产生皮级别(1P=1024T数据)的数据。目前主要的数据集由英国气象局负责维护，这一数据集包含了45P的数据并以每天85T的速度在增加。

研究人员们由此建立一个称为“气候信息学”(climate informatics)的学科，来处理不断增长的巨量数据，并用机器学习的方式来进行有效的处理。这一领域正在经历着快速的发展，过去的几年里研究者们使用AI系统来对不同的气候模型进行排序筛选，并通过实际数据和模型气候数据来识别飓风等极端天气，同时也致力与发现新的气象模式。随着这一领域的发展，气候变迁的全貌也在一点点的清晰起来。

传统的计算机算法依赖于层层堆砌的规则和数据来产生需要的结果，但机器学习中的深度学习通过模拟人脑的复杂结构，在大量数据的训练下能自行生成合适的规则和结构。这种方法特别适用于对传统计算机十分复杂却对人类十分简单的问题，例如：语言理解、手写识别、视觉分类等问题。

所以天气作为另一个十分复杂的问题就特别适合利用深度学习的方式来进行研究。2016年研究人员就曾报道基于深度学习来识别那些传统上由富有经验的专家来判断气候模式，包括热带气旋、大气流以及天气锋面等。这表明算法是有可能复制人类的经验的。

目前这一位于劳伦斯伯克利国家实验室的团队正计划将同样的技术用于所有类型的极端天气预测，甚至包括哪些还没有发现的气候模式。他们的终极目标是能够更好地预测出这些极端气候随着气候的变迁模式。研究人员表示要实现这样的目标很难，但是和工业界正在应用的十分复杂困难的深度学习算法比起来还是容易一些。

明尼苏达大学的计算机学家Vipin Kumar利用机器学习建立了一套能够监测森林火险的算法并评估森林退化的情况。它的团队通过机器学习算法还得到了一项不到的成果，在利用机器学习识别气压模式时，算法在塔斯曼海上发现了一种从未见过的样本。同时Monteleoni 发明了一种可以自动评估30种气候模型并赋予不同的权重。通过学习出不同模型的强弱，这一算法可以比传统算法对所有模型一视同仁的方法得到更好的结果。Monteleoni 表示气象学界已经开始逐渐采用AI系统来评估气候模型，从而帮助他们改善预测结果。

天气_机器学习_气象_改变-1

由于深度学习是通过数据自己学习出模型的，很多时候人们并不清楚这一模型是如何给出结果的，这也是深度学习面临的最大问题——不可解释性。这让很多人无法完全相信一个黑箱对于天气结果的预报。劳伦斯实验室的研究人员William Drew Collins表示如果对于AI的预报结果不可解释的话，他们对于这种方式会有很多的疑虑。但是他同样表示AI系统对于下一代气候模型的研发是直观重要的，它可以整合复杂多样的气候现象来进行建模和预测。Collins说：“我们需要一个建立模型的指导方向和基准判据，而机器学习无疑是最适合的工具。”

然而不管怎样，AI已经开始在天气预报中逐渐发挥它的作用。在2016年美国国家气象局的9位气象专家在预测风暴持续时间时，大约75%的情况选择了AI工具来进行预测。他们目前计划在更广的领域中使用AI来进行预测。

虽然绝大多数的气象学家依旧使用传统的法分析手段来进行气象预测，但是机器学习已经逐渐显示出它的强大能力，变革终将走入气象领域方方面面!

来源：36大数据

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。