Amerika Birleşik Devletleri, on yıldan uzun bir sürenin en yoğun kasırga faaliyetini yaşadı. Bilim insanları artık bu kaprisli ve ölümcül fırtınaların öncesinde değerli bir teslim süresi sağlayabilecek, yapay zekayla desteklenen yeni tahmin yöntemlerini deniyor.
25 Nisan ile 27 Mayıs arasında sadece iki gün vardı. kasırgalar yapmadı aşağı inmek. Yapılan ön hesaplamaya göre Ulusal Çevresel Bilgi MerkezleriBu yılın Ocak ve Mayıs ayları arasında 1.117 kasırga tespit edildi; bu, 2011'den bu yana bu zaman dilimindeki en yüksek sayımdı.
Bu tehditkar dönen hava hunileri ölümcüldür. Anma Günü hafta sonu boyunca Twisters en az 21 kişiyi öldürdü Kentucky, Arkansas, Oklahoma ve Teksas dahil eyaletlerde. Toplandılar milyonlarca dolar hasarlarda. Ayrıca nadiren görülebilecek yerlere de gökten düştüler. merkezi Kaliforniya Ve Washington DC'nin dışındaBu fırtınaları daha önce hiç yaşamamış olabilecek insanları, var olmayan bir sığınak aramaya zorluyor.
Kasırgalar en tehlikeli hava olaylarından biri olmaya devam ediyor. Ve başka türlü umut vaat eden bir trende karşı çıkıyorlar: Pek çok türde Doğal afetler daha az insanı öldürüyor Zamanla daha iyi tahminler ve daha güçlü altyapı sayesinde kasırgalar insanları hazırlıksız yakalayabilir.
kasırga uyarıları için teslim süresi Genellikle 10 dakikadan kısa sürüyor ve özellikle diğer şiddetli hava koşullarıyla karşılaştırıldığında ilerleme sinir bozucu derecede yavaş oluyor. (Örneğin tahminciler bir kasırganın yolunu eskisinden çok daha doğru bir şekilde tahmin edebilirler; 1990'larda yalnızca bir gün öncesinden kıyaslandıklarında üç gün önceden.)
Ve rahatsız edici bir şekilde kasırga düzenleri değişiyor. Son 40 yılda, eyaletlerde meydana gelen kasırgaların sayısı Arkansas, Mississippi ve Tennessee Teksas ve Oklahoma'daki kasırga sıcak noktalarından daha yoğun nüfuslu yerler artıyor. Kasırgalar da görünüyor daha sık bir araya gelmektek fırtına birden fazla kasırgaya neden oluyor.
Son birkaç yılda bilim insanları bir sonraki kasırgaların ne zaman geleceğini tahmin etme konusunda ilerleme kaydetti. Özellikle tahminciler artık bu temel üzerine inşa edilmiş yeni bir araç setini test ediyor. makine öğrenmebilgisayarları açıkça programlamadan kalıpları tespit edecek şekilde eğiten bir yapay zeka tekniği.
Bu tür tahminler, belirli bir sakine evlerinin tehlike altında olduğunu söyleyemez, ancak pek çok şey yapabilirler: Bu yapay zeka destekli programlar, havayollarına trafiği aksaklıklardan önce yeniden yönlendirme konusunda tavsiyelerde bulunabilir ve çiftçilerin karar vermesine olanak tanır. ekinlerini sulamayı bırakın ve afet müdahale ekiplerinin nerede ek acil durum ekiplerinin hazır olması gerektiğini bulmalarına yardımcı olun.
Bu algoritmalar, onlara öğretmek için iyi verilere dayanıyor ve bu, özellikle kafa karıştırıcı olan bu olgunun önüne geçmek için büyük bir zorluk teşkil ediyor: Küresel ortalama sıcaklıklar arttıkça ve arazi kullanımı değiştikçe, geçmiş kasırga faaliyetleri, bu fırtınaların Amerika Birleşik Devletleri'ndeki şehirleri nasıl kasıp kavuracağını yansıtmayabilir. gelecek.
Kasırgaları tahmin etmek neden bu kadar zor?
Kasırgaları tahmin etmenin önündeki en büyük engellerden biri onların boyutlarıdır. “Atmosferin büyük şemasında bunlar çok küçük ölçekli” dedi Russ SchumacherColorado Eyalet Üniversitesi'nde atmosfer bilimi profesörü. “En büyükleri bir mil genişliğinde olabilir. Çoğu bundan daha küçük.” Kasırgalar tüm evleri temellerinden sökebilirken, birkaç blok ötedeki evler zarar görmeden kalır.
Kasırgalar da kısa ömürlüdür, genellikle sadece birkaç dakika sürer. Kasırgaların Doppler radarları gibi araçlarla tespit edilmesi, ince ipuçlarının aranmasını gerektirir ve yine de bir kurum tarafından doğrulanması gerekir. fırtına gözlemcileri yerde. Hava durumu izleme istasyonları genellikle daha küçük kasırgaları oluşmadan önce tespit edemeyecek kadar aralıklıdır.
Bu dönen rüzgar kulelerine güç veren karmaşık fizik, süper bilgisayarların işlem gücü Taklit etmek. Kasırgalar oluştuktan sonra çok az farkla aşağı inebilir, yukarı çıkabilir ve yön değiştirebilir. Bu, kasırga uyarılarının birkaç dakikadan daha önceden yapılmasını zorlaştırıyor.
Kasırgalar ise tam tersine, günler içinde güç kazanır, yüzlerce kilometreye yayılabilir ve uydular tarafından görülebilir; yararlı tahminler oluşturmak, uyarılar yayınlamak ve insanları yoldan çekmek için yeterli zaman ve bilgi sağlar. Schumacher, “Hiçbir zaman kasırgalar için yaptığımız tahminlerde, kasırgalar için yaptığımız düzeyde spesifikliğe sahip olacağımızı sanmıyorum” dedi.
Kasırgaların çoğu, fırtına olarak bilinen belirli bir tür fırtınadan kaynaklanır. süper hücreyukarı doğru hareket eden dönen bir hava sütunu içerir. Schumacher'e göre bunların oluşması için dört temel bileşene ihtiyaçları var: havayı yukarı doğru iten bir kaldırma mekanizması, havanın daha yükseğe tırmanmasına izin veren atmosferdeki dengesizlik, fırtınayı beslemek için büyük miktarda nem ve yükseklikle yön değiştiren rüzgar kesmesi. böylece fırtınanın dönmesine neden olur.
Ancak her süper hücre kasırgalara yol açmaz ve her kasırga bir süper hücreden doğmaz. Malzemelerin spesifik güçleri ve miktarları tam olarak doğru olmalıdır. Burada biraz daha fazla rüzgar veya burada biraz daha fazla nem, sıradan bir fırtına ile azgın bir kasırga sürüsü arasındaki farkı yaratabilir.
Schumacher, “Tahminciler artık malzemelerin hazır olduğu, çok sayıda kasırganın meydana gelme potansiyelinin olduğu günleri belirlemede gerçekten çok iyiler” dedi. “Fakat bu fırtınalardan hangisinin kasırga yaratacağını belirlemek hâlâ gerçekten zor.”
Yapay Zeka eninde sonunda kasırga sorununu çözebilecek mi?
Zor olmasına rağmen son on yılda kasırga tahminlerinde gelişmeler oldu ve yapay zeka son zamanlarda ilerlemeyi hızlandırdı. Bilim adamları zaten yapay zeka hava tahmin sistemleri geliştirdiler. geleneksel tekniklerden daha iyi performans sergiliyor bazı açılardan, ancak kasırgalar zorlu bir test durumu olmaya devam ediyor. Schumacher, “Bunun büyük ilerlemeler sağlama potansiyeli var, ancak değerlendirme açısından hâlâ çok erken aşamada” dedi. “Alanın bu kısmı sadece son iki yılda gelişti, bu yüzden bundan iki veya beş yıl sonra nerede olduğunu görmek gerçekten ilginç olacak.”
Hava durumunu tahmin etmenin geleneksel yollarından biri, sayısal modellerBilim adamlarının gözlemlerini, havanın nasıl gelişeceğine dair bir tahmin üreten karmaşık fizik denklemlerine bağladığı yer. İyi ölçümler, iş başındaki mekanizmaların sağlam bir şekilde anlaşılması ve çok fazla zaman harcayan hesaplama gücü gerektirirler.
Araştırmacılar son on yılda bu modelleri geliştirdiler ve çözünürlüklerini arttırdılar; böylece hava koşullarının ne kadar şiddetli oluştuğuna, özellikle de süper hücrelerin oluşması için gereken konveksiyona izin veren fırtına türlerine ilişkin daha net bir resim oluşturdular.
Bilim adamları ayrıca kasırgaların daha geniş küresel faktörlerden nasıl etkilendiğine dair daha iyi bir anlayış geliştirdiler. Son zamanlarda yaşanan kasırga faaliyeti patlaması, Pasifik Okyanusu'nun sıcaklık döngüsünün sıcak aşamasından uzaklaşmasından etkilendi. El Niño. Şu anda dünya, tarihteki en güçlü El Niño'lardan birinden çıkıyor ve Pasifik Okyanusu, La Niña, serin aşaması. Bu değişim meydana gelirken, Ekvator Pasifik'teki su sıcaklığı, ABD kıtasının üzerindeki atmosferde bozulmalara yol açarak kasırgalar için verimli bir üreme alanı yaratıyor.
Meteoroloji araştırmacısı Jana Lesak Houser, “El Niño bozunduğunda atmosferik dalgalar değişir ve daha dalgalı hale gelebilir, dolayısıyla daha büyük bir genliğe sahip olurlar” diye yazdı. Konuşma. “İklim El Niño'dan çıkarken ABD genellikle kasırgaları daha sık görüyor.”
Pasifik Okyanusu aylar öncesinden vites değiştirmesi muhtemelken telgraf çekmeye başladığından, El Niño ile La Niña arasındaki bu salınım bir Daha fazla kasırganın yaklaşmakta olduğuna dair uyarı işareti. Benzer şekilde, değişiklikler Hint Okyanusu'nun sıcaklık döngüleri Kuzey Amerika üzerinde daha fazla fırtınaya yol açacak dalgalanmalar yaratabilir. Olarak bilinir Madden-Julian Salınımı (MJO), bu döngüler, dünya genelinde ve ABD kıtasında doğuya doğru ilerleyen daha kısa zaman ölçeklerinde atmosferik rahatsızlıklar yaratıyor.
“El Niño sahneyi hazırlıyor ve ardından MJO orkestranın şefi oluyor” diye açıkladı Victor GensiniKuzey Illinois Üniversitesi'nde kasırgalar üzerinde çalışan bir meteoroloji profesörü. “Bu yıl birkaç MJO döngüsü yaşadık.” Yoğun Orta Amerika ve Meksika'da sıcak hava dalgası geçen ay, konvektif fırtınalar için yakıt görevi gören bol miktarda suyu atmosfere buharlaştırdı.
Artık bilim insanları kasırgaları daha iyi tahmin etmek için bu tarihsel kayıtları, mevcut hava durumu ölçümlerini ve bilgisayar simülasyonlarını alıp bunları makine öğrenimi modellerine aktarıyor. Böyle bir tahmin modeli şu anda Ulusal Hava Durumu Servisi'nde test ediliyor Fırtına Tahmin Merkezi Bir saldırıdan birkaç gün önce bir bölgedeki kasırga faaliyetinin artacağını öngörebilir.
Buradaki fikir, sayısal modellerden elde edilen geçmiş tahminleri kullanmak ve bunları kasırgalara ilişkin tarihsel gözlemlerle hizalamaktır. Makine öğrenimi algoritması daha sonra meteorolojik başlangıç koşulları ile şiddetli hava koşullarının daha sonra ortaya çıktığı yerler arasındaki noktaları birleştirir.
Schumacher, makine öğrenimi sisteminin özellikle fırtınadan yaklaşık üç ila yedi gün önce yararlı olduğunu kanıtladığını söyledi; bu, tahmincilerin o zaman çerçevesinde yararlı tahminler yapabilecek pek çok başka araca sahip olmadığı bir dönem.
Tahminciler, tehditlerin nerede ortaya çıkabileceğini belirleme konusunda aşırı vaatlerde bulunmak ve gereğinden az teslimat yapmak istemezler; ancak makine öğrenimi modeli, kasırgaların günler sonra ortaya çıkacağını düşündüğü bir harita üzerinde belirli kontur çizgileri çizme konusunda herhangi bir çekinceye sahip değildir. Şimdi. Schumacher, “İnsan tahmincilerinin biraz muhafazakar olma eğiliminde olduğunu düşünüyorum” dedi. “[The machine learning tool] daha uzun teslim sürelerinde bile biraz daha iyimser olma eğiliminde, ancak çoğu zaman bunun doğru olduğu ortaya çıktı.”
Ancak bilim insanları da henüz ellerini radarlardan çekip her şeyi yapay zekaya bırakmak istemiyor. Gensini, bir meteorologun makine öğrenimi modelinden gelen tahminleri fizik yasalarıyla uyumlu olduğundan emin olmak için değerlendirdiği mevcut stratejiyi “döngüdeki insan yapay zekası” olarak adlandırdı. Aynı zamanda araştırmacılar, hava koşullarında yapay zeka tahminlerinde ortaya çıkabilecek kasırgalara neden olabilecek yeni, daha önce fark edilmeyen ilişkilere karşı da açık görüşlü olmayı ve göz kulak olmayı istiyorlar.
“Bir uzman olarak bunlardan bazılarına bakıyorsunuz ve 'Bu hiç mantıklı değil' diyorsunuz. Model neden buna ağırlık veriyor?” dedi Gensini. “Belki de bir şeylerin farkına varıyordur.”
Ancak makine öğrenimi tahminleri için en büyük zorluk, tarihten ders alıyor olmalarıdır.
Sağlam kasırga kayıtları o kadar geriye gitmiyor ve sensör ağlarında pek çok boşluk var. İnsanlar nehirlerin akışını değiştirdikçe, ormanları kestikçe ve iklimi değiştirdikçe, geçmişe daha az benzeyen bir rejimde gelecekteki kasırgalar ortaya çıkacak. Gensini, “Daha önce hiç olmamış bir şey görüyorsanız veya tahmin etmeye çalışıyorsanız, modelin başı dertte demektir” dedi.
Bu nedenle daha iyi kasırga tahminleri geliştirmenin önemli bir kısmı daha iyi gözlemler elde etmektir.
Bu, bu bilgiyi toplamak, sentezlemek ve paylaşmak için daha fazla Doppler radarı, daha fazla izleme istasyonu, daha fazla hava durumu balonu ve daha fazla bilgisayar ağı gerektirir. Geleceğin kasırgasını yakalamak için şimdiki hava durumunu daha fazla gözümüze sokmamız gerekiyor.
Bu hikaye ilk olarak şurada ortaya çıktı: Bugün AçıklandıVox'un amiral gemisi günlük bülteni. Gelecek basımlar için buradan kaydolun.
Kaynak bağlantısı